<표 2>에 제시된 첫 번째 주요범주인 ‘연구데이터’의 하위범주인 ‘정의와 범위’와 관련하여 면담 참여자 대부분이 연구데이터 및 DMP와 관련된 법률 내용을 알지 못하고 있었다. 최근 연구에서 대학도서관의 연구지원서비스를 담당하면서 연구데이터 관련 동향을 알고 있는 사서들도 해당 법률의 개정 내용을 인지하는 경우가 드문 것으로 나타났다(박형정, 김지현, 2021). 따라서 연구자들이 이를 인식하는 것은 더욱 요원한 일임을 알 수 있다.

“사실 저는 잘 모르겠어요. 굳이 연구데이터와 관련된 법이라고 하면 연구노트? 아마 이런 것들은 들어봤는데... 연구노트 안에 기재되는 것들이 다 데이터라고 생각하면 그런 거 정도만 들어봤지...” (면담자 5)

또한, 과기부 고시에 명시된 연구데이터와 DMP에 대한 정의를 알려준 뒤 의견을 물었을 때에는 해당 내용에 대부분 동의하지만 실제로는 상식적으로 훨씬 포괄적인 범위로 인지하고 관리하고 있다고 응답하였으며 정확한 의미에 대해서는 잘 모르겠다는 의견이 많았다.

“법률상 정의에 전반적으로 동의하지만 검증과정 뿐 아니라 연구 수행 일련의 과정에서 실시하는 실험, 관찰, 조사 및 분석 등을 통해 산출된 사실 자료를 포함하는 모든 데이터로 좀 더 포괄적으로 볼 필요가 있다고 봅니다.” (면담자 3)

면담 참여자들은 나름의 연구 관행을 기반으로 연구데이터의 생산-관리-보존을 수행하고 있었으며 연구 목표를 달성하기 위해서 대부분 실험, 해석, 분석 과정을 일반적으로 수행하고 있었다. 면담을 통해 기계공학분야 연구자들의 연구활동에서 도출된 연구데이터의 생애주기는 다음과 같다(<그림 4> 참조).

<그림 4>에서 첫 번째 단계인 ‘시험장치(모델링)를 구축하는 단계’와 두 번째 ‘시험(해석) 계획 단계’는 사전준비 단계로 물리적인 실험 장치를 준비하거나 해석 모델링을 설계⋅구축하여 실제 연구수행을 위한 준비를 하는 단계이다. 어떤 환경에서 어떤 과정으로 어떤 데이터를 얼마만큼 생산하고 획득할 것인지에 대한 결정이 이루어진다. 다음으로 계획한 대로 실제 수행이 이루어지며 그 과정에서 생산⋅획득한 데이터를 1차적으로 확인하고 스크리닝하여 핵심 데이터 샘플링을 선택한다. 이렇게 획득된 데이터를 분석 및 검증하여 해당 시험장치나 모델에 대한 개선이 이루어지고 이는 몇 번의 사이클을 거치면서 계속해서 업데이트 될 수 있다. 최종적으로 연구자가 확인하고자 하는 목표치를 얻게 되면 데이터세트 및 메타데이터를 생성하여 기록을 남기고, 이를 저장하고 관리하게 되며 이 과정에서 연구데이터에 대한 2차적인 정리가 이루어진다. 정리된 데이터를 기반으로 공유 및 출판, 공개의 단계로 나아가며 이를 활용한 최종 연구산출물에 대한 검토를 통해서 후속 연구나 새로운 연구에 착수하게 된다.

두 번째 하위범주로 ‘품질 및 신뢰성 확보’와 관련하여 연구자들은 연구데이터가 도출된 과정에 대한 신뢰도 확보가 매우 중요하다고 인식하고 있었고 그렇기 때문에 맥락 및 배경정보를 획득하기 위해 노력하고 있음을 알 수 있었다. 맥락 및 배경정보는 두 가지 유형으로 요약될 수 있는데, 하나는 메타데이터와 같은 ‘명시적 맥락정보’이고 다른 하나는 암묵적 지식을 포함하는 ‘암시적 맥락정보’이다(Kowalczyk & Shankar, 2011).

첫째, ‘명시적 맥락정보’는 연구데이터에 대한 메타데이터로 실험상황을 예로 들면, 실험 주제, 실험 장비, 수행자, 작업 흐름 및 데이터 수집 대상 등 연구결과 도출을 위해 연구자와 연구팀원들 간에 공유되는 정보이고 이는 연구과정의 신뢰도나 재현의 정확도를 향상시키기 위해 관리되는 정보이다. 면담자 6은 “온도에 따른 물성변화, 압력에 따른 물성변화 이런 것도 다 데이터고, 그래서 그 물성을 어떤 환경에서 어떤 방법으로 어떻게 측정했는지”가 모두 연구의 신뢰성과 연결되어 있기 때문에 실험 “과정과 결과값”을 “검토”하고 “정리”하는 작업이 필요하다고 언급하였다.

둘째, ‘암시적 맥락정보’는 ‘노하우’적 성격을 가진 것으로 이에 대한 중요성은 익히 알려져 있지만 암묵지를 표현하는 구체적인 방법에 대한 부분은 여전히 불분명하다. 연구활동은 비공식적 지식에 의존하는 경우도 많은데, 이는 연구 활동이 다양한 수준의 공동체 사이에서 암묵적 지식으로 공유되는 경우가 많기 때문이다(Kowalczyk & Shankar, 2011). 면담자 5는 데이터에 대한 기본적인 정리 뿐만 아니라 팀원들과 공유하기 위해 본인이 “이해한 부분, 해석한 부분 등에 대한 설명까지 적는 것”이 필요하다고 설명하였다.

“특허를 내거나, 논문을 내거나 하는 것 말고 노하우 같은 거 있잖아요. 노하우는 머릿속에 있는 건데 그런 걸 정리하는 거죠. 표현해서 정리해서 자료를 만들어 놓는건데, 제가 연구하고 있는 것들이 우리 기관의 자산이라고 생각해요....(중략) 이런 것들은 논문에서는 알아낼 수 없는 우리 연구팀의 노하우이고, 실험할 때 실수를 줄이고 효율을 높이는 중요한 정보가 될 수 있어요.” (면담자 5)

세 번째 하위범주로 연구데이터의 ‘가치와 이용가능성’에 대해 연구자들은 연구데이터의 가치가 무궁무진하다고 보았으며 현재 가치와 잠정적인 미래 가치에 대해 대부분 포용적이고 긍정적인 반응을 보였다. 이들은 미래의 어느 시점에서도 해석 가능한 수준으로 연구데이터를 정리하고 관리하려고 노력하고 있음을 알 수 있었는데, 면담자 4와 면담자 7의 경우 PPT를 활용하여 연구데이터가 생산된 실험조건을 ‘목적, 재료, 방법’ 등으로 정리⋅작성하여 관리하고 팀내 공유에 활용한다고 하였다(<그림 5> 참조).

면담자 8의 경우에도 실험과정이 매우 어렵고 변수가 많기 때문에 실험조건에 대해서 최대한 많은 정보를 메모하려고 한다고 설명하였다. <그림 6>에서와 같이 ‘실험시트’라는 것을 엑셀로 작성하여 날짜, 시간, 재료, 방법, 비고 등으로 정리⋅작성하여 실험과정과 조건 등의 맥락 정보를 기술하고 있었다.

그러나 면담 참여자들은 로우데이터(raw data)의 가치와 이용가능성은 거의 없다고 보았으며 그렇기 때문에 데이터의 가치와 이용가능성을 높이기 위해서는 충분한 맥락정보에 대해 파악하고 검토하는 것이 꼭 필요하다고 강조하였다. 면담자 7은 같은 연구를 수행하는 팀원들도 데이터 자체만을 보고 이해하거나 해석하는 것은 불가능하며 로우데이터만 제공하는 것은 “날생선을 주고 먹으라는 것과 똑같다”고 비유하기도 하였다.

네 번째 하위범주로 기계공학 분야 연구데이터의 ‘특성’에 대해 살펴보면, 기본적으로 숫자의 집합인 수치데이터를 기반으로 하여 그것들을 해석한 데이터, 모델링 데이터 등의 형태를 가지며 엑셀, 캐드(dwg, gds), SEM(Scanning Elecrton Microscope) 또는 TEM(Transmission Electron Microscope) 분석을 통한 이미지 파일, 그래프, ASCII포맷의 텍스트, 초고속 카메라 촬영영상 등에 따라 다양한 파일 확장자를 가지고 있는 것으로 나타났다. 대량의 데이터가 동시다발적으로 생산되는 경우가 많기 때문에 관리의 어려움이 존재하는 것을 알 수 있었다. 예를 들어 면담자 5의 경우 주파수를 데이터로 다루는데 이는 “1초에 2만 번이 움직이는 데이터”이므로 짧은 시간에 “엄청나게 많은 용량의 데이터들이 들어오는” 상황이라고 설명하였다. 그렇기 때문에 데이터에 대한 상세한 기술 등 데이터 관리가 더욱 중요해질 수밖에 없으며 이를 자동화하는 방법에 대해서 고민하고 있다는 의견도 있었다.

“저희 분야는 장비를 개발하는 연구가 많은데 그럼 특히 새롭고 다양한 것들을 많이 해요. 그래서 일일이 세세하게 적어놓지 않으면 나중에 내가 봐도 몰라요. 그 결과값들에 대해 알아보기도 힘들고 나중에 재현하기도 힘들고... (중략) 데이터 관리는 힘들고 어려운 일이지만 해야만 하는 거에요. 그래서 최대한 자동화시키는 방법을 고민은 하는데 이것 저것 하다보면 우선순위에서 밀리게 돼요.” (면담자 7)

<표 2>의 두 번째 주요범주인 ‘책임있는 연구수행과 연구윤리 준수’ 범주 아래 ‘데이터 재이용’과 관련해서 면담 참여자들은 타인의 데이터 오용가능성에 대한 우려를 가지고 있었으며 잘못된 해석 가능성에 대한 의구심도 나타내었다. 이들은 누가 자신의 데이터를 어떤 목적으로 어떻게 사용하는지 알고 싶어하였으며 데이터를 재이용하고자 하는 사람은 사전에 생산자의 승인을 받거나 공적 또는 사적인 네트워크 내에 포함된 사람으로 제한하려는 경향을 보였다. 면담자 4는 “논문에 들어간 그림”을 일종의 데이터로 인식하고 있었고 이를 재이용할 때 본인의 동의를 받을 수 있게 하고 있다고 설명하였다.

반면에, 논문 출판 통과와 논문 인용도를 높이기 위해서 데이터 재이용을 긍정적으로 인식하는 면담 참여자도 있었다. 논문 투고 시 보충 자료를 제출할 때 논문 내에 삽입된 그림의 기반이 되는 수치데이터를 함께 제출하여 자유롭게 활용하도록 한다고 하였고 논문에 공개되는 내용의 토대가 되는 데이터는 공개 가능하다고 설명하였다.

“최근에 논문 투고시 데이터를 함께 제출하기를 원하는 저널들이 있는데 논문의 accept와 신뢰도를 높이기 위해서 모두 출판사에 제출하였습니다. 논문에는 정리되고 정제된 내용으로 작성하고, Supporting materials를 제출할 때는 좀 더 자유롭게 관련 자료를 링크시키고 논문에 사용된 그래프 이미지에 대한 수치데이터 세트들을 첨부하는 등 유연하게 작성이 가능합니다. 논문에 공개되는 내용들이라면 해당되는 데이터들도 공개가 가능하다고 생각합니다.” (면담자 8)

두 번째 하위범주로 ‘데이터 소유권’에 대해서는 면담 참여자 대부분이 ‘나의 연구 자산, 나의 가장 소중한 자산, 우리 연구팀 것’ 등으로 설명하였으며 이를 통해 개인 또는 팀 단위로 소유권을 인식하고 있음을 알 수 있었다. 연구팀 협업을 통해서 생성된 데이터의 소유권이 개인에게 있다고 명확히 정하기는 힘들지만 보편적으로 1차 생산자가 소유자인 것으로 인식하고 있었다.

‘데이터 소유권’과 논의가 이어질 수 있는 부분은 세 번째 하위범주 ‘수탁기관과의 협약 사항’이다. 연구비를 지원하는 수탁기관과의 협약서에 명시된 계약 사항은 연구자 대부분이 가장 중요하게 인지하고 준수하는 기준이다. 협약서에 명시된 연구성과물은 필수적으로 제출하는데 대표적 형태가 보고서이며, 장비, 논문, 특허 등 지식재산권 등이 있다. 면담자 5는 “데이터가 언제, 어떻게 기술이전이 될지 모르기 때문에 보안을 잘 유지해서 기술화한 다음에 공개나 공유를 생각”한다고 응답하였다. “연구팀에서 결과를 잘 내야 후속 연구도 지속적으로 이루어질 수 있고 계속적으로 과제를 수주”할 수 있기 때문에 “공개보다는 관리랑 보안에 더 치우치게” 된다고 설명하였다. 또한 연구데이터는 연구성과물에 포함되지 않기 때문에 일반적으로 협약서에 명시된 결과물만 제출할 뿐 원천기술을 담고 있는 핵심데이터나 정보들은 연구팀 내 노하우로 남겨두는 경향을 보였다.

“연구데이터 관련한 수행사항을 수탁기관에서 전달받아본 적이 없습니다. 대부분 정보 유출이나 보안등에 기준을 엄격히 하는 편이기 때문에 공개나 공유에 대한 부분은 특별히 없었던 것 같습니다.” (면담자 1)

면담자 7은 수탁기관에서 DMP 작성을 지시받은 적이 있었으며 면담 참여자 중 유일하게 DMP 작성 경험을 가지고 있었다. 그러나 DMP 작성을 수탁기관의 협약 사항으로 포함하여 제도적으로 강제하는 측면에 대해서는 부정적인 인식을 갖고 있음을 알 수 있었다.

“최근 과기부 수행과제 중에 데이터관리계획을 제출하라는 요구가 있어서 작성하여 제출한 경험이 있습니다. 연구과제 종료 후 제출하도록 되어 있으므로 아직 연구데이터를 실제로 제출하지는 않았습니다. 어떤 데이터를 몇 개 생성하여 제출할 것인지에 대한 내용을 기재하긴 했지만 내라고 했기 때문에 형식적으로 적었지 실효성이나 가치가 없다고 생각하는 편입니다. 그리고 언제 어떤 방식으로 제출해야 하는지에 대한 구체적인 안내는 없었어요. 이런 부분을 규정으로 해결하려고 하면 역으로 연구를 저해하는 요소가 될 수도 있고, 형식적인 과정이 될 수도 있다고 생각합니다.” (면담자 7)

실제로 면담자 7이 작성하여 제출한 DMP를 살펴보면 <표 3>과 같다. 최명석과 이상환(2020)이 제안한 DMP 구성요소는 1) 연구과제 개요(연구과제명, 수행기간, 주관기관, 책임자, 연구개요); 2) 연구데이터 개요(데이터명, 유형, 포맷, 용량, 데이터 관련 표준, 메타데이터 관련 표준, 연구데이터 생산 및 수집 방법, 사용된 소프트웨어 및 장비); 3) 연구데이터의 저장 및 보존계획(연구수행 중 데이터 저장 및 관리 방안, 연구종료 후 장기적인 데이터 보존계획, 연구데이터 보존 필요기간); 4) 연구데이터 공유계획(데이터 공개시기, 공개방법, 데이터 식별자 정보, 접근 및 이용 조건, 연구데이터 공개 및 공유 제한 사항); 5) 연구데이터 관리책임자 이다.

이를 기준으로 <표 3>의 실제 작성된 DMP의 구성요소를 살펴보면 연구데이터 관리와 공유에 있어 중요한 요소들이 상당수 누락되어 있음을 알 수 있다. 누락된 요소에는 연구개요 등 연구 맥락에 대한 정보, 데이터명, 포맷, 용량, 데이터 및 메타데이터 관련 표준, 사용된 소프트웨어 및 장비 등 데이터 생산 관련 정보, 연구종료 후 장기적인 데이터 보존계획과 보존 필요기간, 데이터 공유와 관련된 데이터 식별자 정보와 접근 및 이용조건이 포함된다. 면담자 7이 언급하였듯이 DMP 작성이 연구자들에게 “언제 어떤 방식으로 제출하는지에 대한 구체적인 안내” 없이 “형식적인 과정”으로 인식될 가능성이 높으므로 이에 대한 개선이 필요함을 알 수 있다.

보안과제를 수행하는 경우에는 연구데이터의 소유권이나 관리 주체, 관리 가능성에 대한 좀 더 세밀한 주의를 기울여야 한다. 군 관련 비밀과제를 수행해본 경험이 있는 면담자 5에 따르면 “보안등급에 해당되는 데이터를 생산”하는 경우 해당 데이터를 등록해서 생산하고 생산된 보안데이터 목록을 작성하여 수탁기관에 제출하며 보안데이터의 보관기간이 지나면 폐기한 후 보안데이터 목록에 서명을 하고 폐기한 사실을 수탁기관에 알리는 절차를 진행한다고 하였다. 이를 위해 보안데이터는 “비밀을 취급하는 방에 특정 PC에서만 작업”을 하다가 과제가 종료되고 보관기간이 지나면 PC에서 삭제하는 등 별도로 관리한다고 하였다. 데이터가 “공유되고 이어지면서 보관”되는 것이 바람직하지만 보안이 필요한 데이터는 수탁기관에서 요구하는 대로 관리할 수밖에 없다고 설명하였다.

<표 2>의 세 번째 주요범주인 ‘연구데이터 관리의 효용성 및 효과성’의 하위범주인 ‘데이터 관리 수행’에 대해서는 면담 참여자들 모두 필수적이고 중요하다고 인식하고 있었으며, 연구팀 내에서의 데이터 공유 및 전달을 위해서는 디지털 형태로 잘 정리된 데이터를 선호함을 알 수 있었다. 면담자 2는 “자동 또는 수동으로” 데이터 관리를 수행하는데 “수기로 연구노트 등에 필기를 한 다음 엑셀에 데이터를 하나씩 기록”하는 방식이라고 설명하였다. 개별 연구자의 관련 소프트웨어 활용역량에 따라 데이터 조직 및 정리에 대한 편차가 존재한다는 의견도 있었다.

“데이터의 획득과 생산은 DAQ(Data Acquisition System) 장치를 통해 방대한 양의 데이터를 샘플링하여 획득할 수 있어요. 그런데 획득된 데이터에 대한 조직화나 후처리 작업들은 연구자 개인이 수동 또는 자동화 tool로 하기 때문에 개인에 따라 편차가 있을 수밖에 없습니다. 재이용의 관점에서 보면 자동화된 기계가독형 데이터가 용이하고 이렇게 정리되어 보존된 데이터들을 통해서 이전에 연구를 어떻게 했는지 그런 것들을 파악하고 판독할 수 있습니다.” (면담자 1)

또한 관행적으로 필요에 의해서, 필요한 만큼 데이터가 관리되고 있기 때문에 개인 또는 연구팀별 편차도 큰 것으로 나타났다. 면담 참여자들 중 3년 이상 경력의 연구자의 경우 최소 5개에서 많게는 22개의 연구과제를 동시에 수행하고 있었다. 이들은 연구과정에서 많은 규제와 기준을 준수하면서 최선의 연구결과를 도출하고자 노력하고 있지만 인프라, 인력, 시간, 연구환경의 한계 등으로 체계적으로 연구데이터 관리를 수행하기 어렵다고 응답하였다.

인프라는 두 번째 하위범주인 ‘보관방식’과도 연계되는데 데이터 보관방식에 대해서 대다수 면담 참여자들이 여러 가지 한계가 많다고 답변하였다. 가장 많이 언급된 부분은 보안규정과의 충돌과 물리적 인프라 마련에 대한 지원이다. 일반적으로 업무용 PC나 백업 용도의 저장장치인 하드디스크에 연구데이터를 개별적으로 보관하고 있었으며 소속기관의 보안규정에 따라 보안매체만을 사용하는 경우도 있었는데 불편함이 많다는 의견이었다.

“기관의 보안규정에 따라서 개인이 그냥 보안 USB, 보안 외장하드 같은 것만 사용합니다. 엄청 불편하고 구식의 방식이라고 생각하는데 팀원한테 전달할 때도 거의 메일로 하고, 용량이 크면 보안매체를 사용하고는 합니다.” (면담자 2)

따라서 면담 참여자들은 기관에서 연구데이터 관리를 위한 시스템을 구축하는 것이 필요하다고 제안하였다. 면담자 6은 시스템 구축을 통해 “기관의 자산이 쌓여가는 거고 어떤 연구가 어떻게 되었는지 히스토리도 다 알 수가 있고 추적이” 가능하다는 것을 장점으로 꼽았다. 면담자 4의 경우 연구자들이 연구비로 개별적인 연구데이터 관리시스템을 구축하는 것은 한계가 있으므로 소속기관에서 이를 지원해주는 것이 필요함을 언급하였다.

“수탁기관에서 지원되는 연구비를 통해서 연구데이터 관리에 필요한 물리적 인프라를 마련하는 것은 직접적으로 연구과제에 필요한 것인지 증빙해야 하므로 연구비 처리가 매우 까다롭습니다. 연구팀이 수행하는 과제가 다수인 경우 그것들을 전부 분리해서 보관하는 게 현실적으로 한계가 있어요. 이런 것들은 기관차원에서 관리와 저장을 위한 인프라 지원이 필요하다고 봅니다.” (면담자 4)

이러한 한계에도 불구하고 연구팀 내에서 자체 DB를 만들어서 관리하는 사례도 확인할 수 있었다. 22개 과제를 진행하는 면담자 5에 따르면 자체 DB는 “PC 한 대에 지정이 돼있고 암호가 있어서” 연구팀 소속연구자만 “폐쇄적으로 접근할 수 있고 폐쇄적으로 운영”하는 방식으로 관리된다고 하였다. 연구데이터는 연구팀의 “연구자산”이며 데이터를 “계측한 결과를 DB”로 구축하여 “나중에 다른 과제할 때 DB를 찾아서 데이터를 확인”하는 등의 용도로 사용한다고 하였다. 앞서 면담자 4가 언급한 대로 이러한 DB 구축은 국가연구개발사업으로는 어려우나 면담자 5는 민간 수탁기관에 해당 DB를 만들 수 있는 소프트웨어를 납품한 후 이를 활용하는 방식을 취했기 때문에 가능하였다고 설명하였다.

연구데이터 관리와 저장에 대한 인프라 지원은 보안상 문제가 없는 클라우드 방식을 선호한다는 의견이 있었다. 면담자 6에 따르면 대규모 연구 수행에 대한 요구가 높기 때문에 다수의 참여연구원들과 함께 연구를 진행해야 하는데 각자 수행하는 연구 내용과 데이터를 효율적으로 공유하기 위해서는 보안이 해결된 클라우드 시스템 등의 인프라가 바람직하다는 의견이었다.

“제가 하는 연구에 참여연구원이 30명 가까이 되요. 각자 뭘 하는지 알 수가 없는데 이런 것들을 알려면 클라우드나 어떤 공유되는 플랫폼이 있어야 되거든요. 프로젝트라는게 a-b-c-d 연결해서 시스템을 만들어서 연계가 되어야 되는데 이럴 때 공유는 되게 필요하죠. 뭔가 협업을 하려면 우리가 갖고있는 정보를 서로 내놓아서 공유가 되어야 하는데 그걸 어떻게 체계화된 방법으로 효율적으로 할 거냐가 문제인거죠. 대단위 규모의 연구를 하라고 기관에서 원해요. 우리가 컴퓨터를 활용하는 것처럼 우리 조직도 제2의 뇌가 필요해요. 내가 하는 업무뿐 아니라 다른 사람이 나랑 어떻게 연결되는지 이해해야 하는데 이런 정보들이 공통적으로 활용할 수 있는, 보안이 해결된 공유할 수 있는 어떤 시스템이 필요하죠. 인프라가 없는거에요.” (면담자 6)

세 번째 하위범주인 ‘보존기간’에 대해서는 면담자들의 분야마다 조금씩 다르게 인지하고 있지만 영구보존에 대한 의견이 다수인 것으로 나타났다. 또한 데이터의 유용성과 재이용의 가치가 유지되는 기간과 실제 데이터 폐기를 수행할 수 있는 기간에 대해서는 다르게 인지하고 있음을 알 수 있었다. 일반적으로 데이터의 유용성이 유지되는 기간은 10년에서 20년 정도로 인지하고 있었으며 폐기 기한은 거의 고려하지 않는 것으로 나타났다.

“연구분야나 연구데이터에 따라 다르겠지만 보통 3년 단위로 연구과제들이 수행되니까 초기 연구과제 이후 2번 정도의 후속연구를 진행하면 연구기간이 약 9년 정도 됩니다. 그래서 데이터의 유용성은 10년 정도라고 보는데, 그렇다고 그 이후에 바로 폐기하지는 않으니까 20년 정도 되지 않을까 생각합니다.” (면담자 2)

연구데이터 폐기를 고려하지 않는 면담 참여자들이 대다수였으므로 획득⋅저장된 연구데이터는 무기한 보존한다는 답변이 많았다. 면담자 5는 “영구보존이 원칙”이며 “100년 전 데이터”의 활용성에 의문을 제기할 수도 있겠지만 “현재 데이터와 비교해서” 변화 추이를 분석하려면 100년 전 데이터도 의미가 있을 것으로 보았다. 면담자 8은 연구데이터를 “하나 얻기 힘들고 비싸고 귀한 몸”이며 “진리가 숨겨져 있기 때문에 두고두고 잘 살펴봐야” 하는 대상이라고 언급하였다. 면담자 8은 특히 논문에 출판된 연구데이터의 경우 “영구보존이 필수적”이라고 하였는데 “계속 인용되고 이용될 가치”가 있기 때문이라고 하였으며 “관리된 연구데이터는 자산이고 요즘은 저장매체의 성능도 좋아졌기 때문에 보존기간은 무한하다”고 설명하였다.

기록관리 업무에서는 생산 시 업무에 대한 중요도에 따라 기록의 보존기간을 부여하고 역사적, 심미적 가치가 있는 소수의 기록을 제외하면 대부분의 기록이 업무가치에 따라 평가되고 업무가치가 종료하면 폐기된다. 그러나 면담 참여자들은 연구데이터의 현용 가치뿐 아니라 미래의 이용가능성과 그에 따른 잠재적 가치를 높게 평가하고 있었고 이에 따라 보존기간 역시 10년 이상 혹은 영구보존으로 제시하고 있었다. 이에 따라 면담 참여자 중 획득⋅저장한 데이터에 대해 폐기를 수행한 경우는 없는 것으로 나타났다.

<표 2>의 네 번째 주요범주인 ‘연구데이터 공유의 가치’에 대해서는 데이터의 유출 또는 오남용으로 인해 발생할 문제들에 대한 우려가 공개와 공유의 가치와 이점에 대한 인지보다 높은 것으로 파악되었다. 또한 데이터를 사용해서 올바른 해석과 재이용이 가능한 자격이 있는 전문가로 식별되는 경우에 한해서만 데이터가 공유되어야 한다는 답변이 다수를 차지하며 데이터 공개와 공유에 대한 면담 참여자들의 인식은 매우 보수적인 것을 알 수 있었다. 면담자 5에 따르면 최근 연구데이터의 중요성이 높아지면서 연구팀마다 로우데이터는 공개하지 않고 공개하더라도 정제된 데이터만을 공개하는 경우가 많다고 하였으며, 특히 “데이터를 다 활용하지 못한 상황에서 오픈”하지는 않는다고 하였다. 심지어 공개된 “보고서 내에서도 필요한 부분만” 제시하고 논문 출판이나 기술 이전 등의 목적으로 활용될 수 있는 데이터는 감추는 경향이 있다고 설명하였다. 이와 같이 누구나 볼 수 있게 데이터를 공개하는 것에 대한 거부감은 높았지만 신뢰할 수 있는 연구자들에게는 데이터를 “100% 다 공개하는게 업무의 효율을 높이는 방법”(면담자 6)이라는 의견도 있었다.

면담 참여자들은 타인의 데이터를 재이용하는 경우 출판된 논문이나 보고서를 참고한다는 답변이 대부분이었고, 데이터 공개 및 공유 역시 논문과 보고서를 통해 하고 있다고 응답하였다. 논문에서 공개된 그래프나 이미지에서 참고할만한 수치를 확인하기 위해서 연구자들은 ‘Digitizer Tool’이라는 소프트웨어를 사용해서 수치데이터를 추출하여 참고하고 있었다. 예를 들어 <그림 7>은 면담자 1이 구리 재료의 극저온 물성치를 획득하기 위해 논문의 그래프를 활용하여 데이터를 추출하는 과정을 보여준다. 이와 같이 해당 물성치를 이용하여 알고자 하는 현상의 수치해석에 활용하거나 실험결과 분석 등에 활용한다고 하였다.

그렇지만 일부 면담 참여자들의 경우 사적인 네트워크를 활용하여 데이터를 전달받은 경험이 있었으며 저널에 논문 투고 시 연구데이터 제출을 요구받거나 제출한 연구자들도 있었다. 또한 데이터의 분석 결과가 아닌 데이터의 생산 및 획득 방법과 데이터 특성 등 데이터에 대한 사실만을 기술하는 데이터 논문(data papers)을 출판하는 데이터 학술지(data journal)에 대한 질문에는 면담 참여자 중 1명만이 이를 인지하고 있었다. 데이터 학술지는 데이터에 대한 설명만을 논문의 형식으로 출판하고 데이터 자체는 데이터 리포지터리에 기탁하여 공개하는 방식으로 운영된다. 이를 통해 연구자들이 데이터 공유를 연구성과로 인정받을 수 있다는 점에서 데이터 학술지는 데이터 공유를 촉진할 수 있는 출판 모형으로 주목받고 있다(Kim, 2020). 면담 중에 데이터 학술지를 알게 된 참여자 중에는 데이터 학술지 관련 정보를 전달해달라고 요청하는 경우도 있었다. 연구성과에 대한 압박이 높은 국내 연구환경에서 데이터 학술지는 데이터 공유 방식 중 하나로 수용될 수 있으며 실제로 한국지질자원연구원에서는 Geo Data라는 데이터 학술지를 창간하여 운영 중이다(Geo Data Council, 2019).

연구데이터 공유에 대한 세계적 흐름에 따라 기계공학 분야의 해외 저널들에 논문 투고 시 관련 연구데이터 제출에 대한 요구도 늘고 있으며 연구윤리와 연구 신뢰도를 강화하는 측면에서도 연구데이터 공유가 더욱 강조되고 있는 실정이다. 그러나 일부 면담 참여자들은 논문을 통해 어떤 설계도를 개략적으로 공개하고 그에 대한 기능설명, 명칭 제시 정도만 설명하였는데도 이러한 개략도만을 바탕으로 무차별하게 아이디어를 도용하고 제품을 만드는 일들이 발생하고 있다고 하였다. 연구데이터의 공개와 공유는 기술 유출과 아이디어 도용을 야기할 수 있고 연구자들의 땀과 노력을 한순간에 물거품으로 만들어 버릴 수 있는 여지도 분명히 존재한다. 이들은 연구데이터를 전부 공개하고 내어놓으라는 것은 도둑질과 같은 행위라고 강력하게 성토하기도 하였다.

이상과 같이 기계공학 분야에서 생산되는 연구데이터는 단시간에 대량으로 생산되는 수치데이터가 대부분이며 이를 바탕으로 하는 해석 데이터와 모델링 데이터가 주로 생산됨을 알 수 있었다. 면담 참여자들은 현재와 이후의 활용을 위해 데이터를 이해하고 해석하는데 필요한 맥락 정보를 기술하는 것이 데이터의 신뢰도와 품질을 결정하는 핵심 요소라고 인식하고 있었으며 이를 기술하고 정리하는데 많은 노력을 기울이고 있었다. 면담 참여자들은 수탁기관의 요구사항을 철저히 준수하고 있었으며 보안을 유지해야 하는 연구과제가 많은 기계공학 분야의 특성상 데이터의 공개나 공유는 연구팀 내의 공유 등으로 제한적인 경우가 대부분이었다. 이러한 결과들은 상세한 메타데이터 기술을 강조하고 상업적 이익 보호를 위해 보안을 유지하는 등 데이터 공개와 공유의 제약조건이 많다는 공학 분야의 선행연구 결과와 맥을 같이 한다(Mallasvik & Martins, 2020; Suhr, Dungl, & Stocker, 2020). 또한 면담 참여자들은 소속기관에서 연구데이터 관리를 지원하는 시스템을 구축하는 등 기술적인 인프라에 대한 필요성을 강조하였으며 연구데이터는 10년 이상 혹은 영구적으로 보존해야 하는 기관의 가치 있는 자산으로 인식하고 있었다. 면담 참여자들은 연구데이터의 오용 및 기술 유출에 대해 우려를 표시하였으며 공유된 데이터를 적절하게 활용할 수 있는 자격을 갖춘 믿을 수 있는 연구자들에게만 데이터를 공유하겠다는 인식이 강한 것으로 나타났다. 이는 면담 참여자들이 Zuiderwilk, Shinde, & Jeng(2020)과 Van Panhius et al.(2014)가 공통적으로 제시한 데이터 공유의 영향 요인 중 신뢰와 관련된 사항을 중시하고 있음을 보여준다.