심사위원이 인용 하나에서 "이 주장의 근거가 뭔가"라고 물으면, 원고 전체의 신뢰가 함께 흔들린다. 이 질문에 원문 줄번호 한 줄로 답할 수 있는 원고와, 다시 찾아봐야 하는 원고는 다르게 읽힌다.
무엇을 분석했나
국제 SSCI 학술지 Revision 대응과 국내 등재지 논문의 인용검증을 동일한 파이프라인으로 처리했다. 교육·연구 업종 클라이언트를 대상으로 2026년 01월 ~ 02월 진행했다.
첫 단계는 본문의 모든 인용 문장을 원문과 1:1로 대조하는 작업이다. 원고에서 인용 문장을 문장 단위로 분리하고 저자·연도를 태깅한 뒤, 참고문헌 원문 PDF를 PyMuPDF로 직접 열어 해당 줄번호를 근거로 확인했다. 각 인용은 일치·부분일치·불일치 3단계로 판정하고, 영-한 대조 근거와 원문 줄번호 링크를 pandas로 표로 산출했다.
두 번째 단계는 이미 받은 심사의견 대응이다. 심사 코멘트를 R1-1, R1-2처럼 항목별로 번호화하고, 코멘트별로 원고를 최소 범위만 수정하되 수정 위치·색상을 추적했다. 이어 항목별 대응과 수정 위치를 명시한 point-by-point Response Letter를 작성했다.
세 번째 단계는 참고문헌 형식 정리다. 본문 인용과 참고문헌 목록을 1:1로 대조해 누락·불일치를 탐지하고, APA 7판 기준으로 형식을 통일했다.
무엇이 나왔나
첫째, 존재하지 않는 인용부터 강도 표현의 미끄러짐까지 잡아냈다는 점. 존재하지 않는 인용, 저자·연도 불일치, 원문에 없는 주장, 페이지 오기, 그리고 "유의하게"와 "not statistically significant"처럼 주장 강도가 미끄러진 부분까지 판정 대상에 포함했다. 추정은 일절 하지 않고 원문 줄번호 근거로만 판정했다.
둘째, 코멘트 수와 답변 수를 교차 검증해 누락 0건을 확인했다는 점. Response Letter 작성 마지막 단계에서 코멘트 수와 답변 수를 교차 검증하여 누락 0건을 확인한 뒤 제출 상태로 넘겼다. 요구 사항이 약속 범위 밖이면 무리하게 반영하는 대신 사유를 소명하는 방식으로 처리했다.
셋째, 인용 정확성·심사 대응·참고문헌 정합성 세 축을 한 파이프라인으로 정비했다는 점. 세 축을 따로 처리하지 않고 한 번에 정비함으로써, 재심 단계에서 인용 근거를 다시 지적당할 리스크를 최소화했다.
심사위원이라면 여기를 본다
포인트 1 — 인용 판정을 이분법이 아닌 3단계로 세분화. 일치·부분일치·불일치 3단계 판정은 "인용이 맞다/틀리다"를 넘어, 원문 취지와 방향은 같지만 표현이 어긋난 부분일치 케이스까지 별도로 잡아낸다. 데스크 리젝(desk reject) 사유가 되는 명백한 오류와, 표현 조정으로 해결되는 부분일치를 구분해 대응 우선순위를 정할 수 있었다.
포인트 2 — 주장 강도의 미끄러짐까지 검증 대상에 포함. "유의하게"와 "not statistically significant"의 어긋남은 사실관계 오류가 아니라 강도 표현의 문제라 놓치기 쉽다. 이를 별도 오류 유형으로 명시해 검증 대상에 넣은 점이 원문-원고 대조의 촘촘함을 보여준다.
포인트 3 — Response Letter를 코멘트-답변 교차 검증으로 마무리. point-by-point 대응에 그치지 않고, 코멘트 수와 답변 수를 교차 검증하여 누락 0건을 확인하는 단계를 마지막에 배치해 재심에서 "답변이 빠졌다"는 지적 자체를 원천 차단했다.
마치며
인용검증과 Revision 대응은 별개 작업처럼 보이지만, 결국 "이 문장의 근거가 무엇인가"라는 같은 질문에 원문 줄번호로 답하는 하나의 파이프라인이다.
비슷한 인용검증이나 심사의견 Revision 대응이 필요하다면 텍스트마이닝 분석 페이지에서 진행 방식을 확인할 수 있다. 분석 설계 노하우는 뉴스레터 「강의실의 AI」 구독 시 받아볼 수 있다.