Each language version is independently generated for its own context, not a direct translation.
📚 1. 문제 상황: "정리되지 않은 거대한 도서관"
과거 SSWR 학술대회에서는 매년 수천 편의 연구가 발표되었지만, 그 자료들은 정리되지 않은 책장처럼 흩어져 있었습니다.
- 연구 제목, 저자 이름, 소속 대학, 연구 방법 등 중요한 정보가 모두 일관성 없는 텍스트로만 남아있어, 컴퓨터가 자동으로 분석하기 매우 어려웠습니다.
- 마치 도서관에 책이 꽉 차 있는데, 책등에 제목이 없거나 저자 이름이 제각각으로 적혀 있어 "어떤 주제의 책이 가장 많을까?"를 묻는다면 답을 찾기 힘들었던 상황입니다.
🤖 2. 해결책: "똑똑하고 친환경적인 AI 서기"
연구팀은 이 문제를 해결하기 위해 **작은 언어 모델 (Small Language Model, SLM)**이라는 AI 를 도입했습니다.
- 비유: 거대하고 비싼 AI 는 '전기를 엄청나게 많이 쓰는 대형 발전소'처럼 비싸고 무겁습니다. 반면, 연구팀이 쓴 AI 는 **'작은 태양광 패널로 작동하는 개인용 로봇'**과 같습니다.
- 이 로봇은 책장 (웹사이트) 을 직접 돌아다니며 (웹 스크래핑) 책 내용을 읽고, 저자 이름과 소속을 정리하며, 연구가 통계 분석인지 인터뷰인지 구분해냅니다.
- 장점: 이 로봇은 클라우드 서버를 쓰지 않고 연구자의 컴퓨터에서 바로 작동하므로, 데이터가 외부로 나가지 않아 안전하고, 전기 요금도 훨씬 저렴합니다.
📊 3. 발견된 사실: "사회복지 연구의 성장 지도"
AI 가 20 년 치 데이터를 정리한 결과, 다음과 같은 흥미로운 변화들이 드러났습니다.
📈 성장하는 도시 (발표 횟수)
- 2005 년에는 발표가 423 건에 불과했지만, 2026 년에는 1,935 건으로 불어났습니다.
- 비유: 한때 작은 마을이었던 학술 대회가, 20 년 만에 대도시로 성장한 것입니다. 매년 약 7.5% 씩 커져서 10 년마다 규모가 두 배가 되었습니다.
🔬 연구 방법의 변화 (통계 vs 이야기)
- 예전에는 통계 숫자를 다루는 연구 (양적 연구) 가 70% 이상을 차지해 압도적이었습니다.
- 하지만 최근에는 사람의 이야기와 경험을 듣는 연구 (질적 연구) 가 크게 늘어났습니다.
- 비유: 예전에는 "얼마나 많은 사람이 아프나요?"를 숫자로만 세는 연구가 주류였다면, 이제는 "왜 아프고, 어떤 고통을 겪나요?"를 깊이 있게 묻는 연구도 많이 늘어난 것입니다.
🤝 팀워크의 증가 (공동 저자)
- 혼자서 발표하는 연구는 줄어들고, 여러 명이 팀을 이뤄 발표하는 경우가 급격히 늘었습니다.
- 비유: 과거에는 혼자서 모든 일을 하는 '외로운 사냥꾼'이 많았다면, 이제는 **함께 사냥하는 '팀'**이 주류가 된 것입니다. 이는 연구의 질을 높이고 서로 배우는 기회를 늘리는 긍정적인 변화입니다.
🌍 세계화 (국제 참여)
- 미국 학자들이 대부분이었지만, 한국, 캐나다, 이스라엘 등 전 세계 학자들의 참여도 꾸준히 늘고 있습니다.
- 하지만 최근 지리적, 정치적 문제 (비자, 여행 비용 등) 로 인해 국제 학자들의 참여가 일시적으로 줄어드는 징후도 보였습니다.
💡 4. 결론: "왜 이 일이 중요한가?"
이 연구는 단순히 숫자를 세는 것을 넘어, 사회복지학이 어떻게 변해왔는지, 앞으로 어디로 가야 하는지를 보여주는 나침반 역할을 합니다.
- 데이터 인프라 구축: 이제부터는 이 정리된 데이터를 바탕으로 "어떤 주제가 뜨고 있는지", "어떤 연구 방법이 필요한지"를 과학적으로 증명할 수 있게 되었습니다.
- 미래를 위한 준비: 학술 대회가 너무 커지면 소외되는 학자가 생길 수 있으니, 대학원생이나 초임 교수들이 잘 참여할 수 있도록 돕는 시스템이 필요하다는 점도 깨닫게 해줍니다.
한 줄 요약:
"AI 로봇을 이용해 20 년 동안 흩어져 있던 사회복지 연구 자료들을 깔끔하게 정리한 결과, 이 분야가 더 커지고, 더 다양해지며, 더 많이 협력하는 방향으로 성장하고 있다는 사실을 발견했습니다."