소프트웨어 공학 피어 리뷰 지속 가능한 미래

초록

소프트웨어 공학 분야의 논문 제출이 급증함에 따라 리뷰어 부족 문제가 심화되고 있다. 본 논문은 신규 리뷰어 양성, 인센티브 제공, 그리고 책임감 있는 AI 활용을 통해 리뷰 프로세스를 확장·포용·탄력적으로 만들고자 하는 비전을 제시한다.

상세 분석

본 논문은 현재 소프트웨어 공학(Software Engineering, SE) 학술 커뮤니티가 직면한 리뷰어 과부하 문제를 정량적 데이터와 사례를 통해 명확히 제시한다. Figure 1·2는 주요 A*·A 학술대회(예: ICSE, FSE, ASE 등)의 프로그램 위원회(PC) 규모와 논문 제출량이 지난 5년간 급격히 증가했으며, 그럼에도 불구하고 리뷰어당 평균 논문 수는 8~10편 수준으로 유지되고 있음을 보여준다. 이는 리뷰어 1인당 부담이 지속적으로 상승하고 있음을 의미한다.

문제 원인으로는 (1) 리뷰가 무보수·자발적 봉사활동이라는 구조적 한계, (2) “Publish or Perish” 문화 속에서 리뷰 활동이 경력 평가에 거의 반영되지 않아 동기 부여가 부족함, (3) 기존 인센티브(예: Distinguished Reviewer Award)가 소수 고경력 연구자에게만 집중돼 신규 인재 유입을 촉진하지 못함을 지적한다. 또한, 최근 대형 언어 모델(LLM) 기반 AI가 저품질 리뷰를 자동 생성하는 사례가 보고돼, AI 활용에 대한 윤리적·법적 위험도 동시에 부각된다.

이에 대한 해결책으로 저자는 세 가지 축을 제시한다. 첫째, 온라인 기반의 체계적 교육 모듈을 구축해 ‘Junior Reviewer’를 대규모로 양성한다. 여기에는 우수 리뷰 사례 영상, 품질 평가 체크리스트, 퀴즈 및 인증서 발급, 그리고 리뷰 연습을 위한 포럼이 포함된다. 인증된 리뷰어 프로필은 ORCID·Google Scholar와 연동돼 PC 의장이 손쉽게 매칭할 수 있도록 설계한다. 둘째, 리뷰어와 저자 모두에게 AI 사용 가이드라인을 명확히 제시하고, AI 검증 도구(예: EditLens)를 활용해 AI 생성 콘텐츠를 탐지·제재한다. AI는 인간 리뷰어가 제출한 후 보조적 리뷰를 제공하는 수준으로 제한함으로써 편향과 기밀 유출을 방지한다. 셋째, 인센티브 체계를 다양화한다. Distinguished Reviewer Award 외에 리뷰 활동량·품질에 기반한 포인트 제도, 리뷰어 전용 학술 행사 초청, 그리고 기관 차원의 서비스 평가 반영을 제안한다.

이러한 제안은 리뷰어 풀을 확대하고, 리뷰 품질을 유지·향상시키며, AI 활용에 따른 위험을 최소화하는 종합적 접근법이다. 특히, 교육 모듈과 인증 시스템은 전 세계 SE 연구자에게 접근성을 제공해 지역·기관 격차를 완화하고, 장기적으로는 리뷰 문화 자체를 보다 투명하고 지속 가능하게 만든다.