많은 연구자들이 학술 논문을 검토하는 데 많은 시간을 소비한 후, 피드백을 작성하기 위해 더 많은 시간을 들여야 한다는 것을 깨닫고 검토 요청을 거절하는 경우가 많습니다. 그러나 과학은 공동의 노력이며, 편집자들은 마감 기한에 맞춰 양질의 피드백을 제공할 수 있는 검토자를 찾는 데 어려움을 겪고 있습니다. 이에 대해 연구자들을 대상으로 한 설문조사에서는 약 40%가 한 번의 논문 리뷰에 2~4시간을 소비한다고 답했고, 25%는 4시간 이상 소요된다고 밝혔습니다. 일부는 하루 8시간 이상을 논문 리뷰에 소비하기도 하며, 때로는 피드백이 피상적으로 느껴질 때가 있다는 의견도 있었습니다.
논문 리뷰의 효율을 높이고 논문 리뷰의 연구 윤리를 위반하지 않는 방법을 아래에 소개합니다.
1. 논문 리뷰 3단계: 𝗦𝗰𝗮𝗻, 𝗗𝗶𝗰𝘁𝗮𝘁𝗲, 𝗥𝗲𝗳𝗶𝗻𝗲
AI를 활용한 논문 리뷰는 다음의 세 가지 간단한 단계로 나눌 수 있습니다.
❶ 빠른 검토 (𝗦𝗰𝗮𝗻)
큰 그림에 초점을 맞추어 초록, 서론, 방법, 결과를 빠르게 살펴봅니다. 분석이 탄탄해 보인다면, 논문의 나머지 부분을 읽습니다. 그러나 눈에 띄는 결함을 발견한다면, 아마도 거절해야 할 논문일 가능성이 높으므로, 원고 전체를 수정할 필요가 없습니다.
❷ 메모 작성 (𝗗𝗶𝗰𝘁𝗮𝘁𝗲)
원하는 텍스트 편집 도구(예를 들어, Windows의 음성 액세스 또는 Mac의 음성 제어)를 사용하여 읽으면서 실시간으로 생각을 메모에 적으세요. 이렇게 하면 따로 메모를 작성하거나 나중에 피드백을 기억해 입력해야 하는 번거로움을 피할 수 있습니다.
❸ 리뷰 정리 (𝗥𝗲𝗳𝗶𝗻𝗲)
받아쓰기한 메모를 오프라인 대형 언어 모델(LLM)에 입력하여 피드백을 명확하게 정리합니다. “다음 메모에 근거하여 비판적인 리뷰어 레터를 작성하세요. 전문적인 어조를 유지하세요” 같은 간단한 프롬프트가 도움이 될 것입니다. 코딩을 할 줄 몰라도 걱정하지 마세요. 𝗚𝗣𝗧𝟰𝗔𝗟𝗟 같은 도구를 사용하면 로컬 및 오프라인에서 LLM을 로드하고 실행할 수 있으므로 민감한 원고를 클라우드에 업로드할 필요가 없습니다. 출판 이전의 연구 경우 기밀 유지는 타협할 수 없는 문제이며, 콘텐츠를 외부로 업로드하면 윤리적 또는 법적 문제가 발생할 수 있습니다.
2. 로컬 LLM을 설정하고 실행하는 방법
논문 리뷰에서 기밀 유지가 중요한 경우, 로컬 LLM의 일종인 𝗚𝗣𝗧𝟰𝗔𝗟𝗟 같은 오프라인 및 '코딩 없음' 설정을 사용하는 것은 민감하거나 공개되지 않은 연구를 보호하는 데 있어 매우 당연한 일입니다. 시작하는 방법은 다음과 같습니다.
*𝗚𝗣𝗧𝟰𝗔𝗟𝗟 = https://www.nomic.ai/gpt4all
❶ 로컬 LLM 설치
𝗚𝗣𝗧𝟰𝗔𝗟𝗟을 설치합니다 (Windows 또는 macOS 등에서 사용 가능).
❷ 적합 LLM 선택
𝗚𝗣𝗧𝟰𝗔𝗟𝗟을 열고 왼쪽 패널에서 '모델'을 클릭한 다음, 적합한 LLM을 다운로드합니다. 출력 품질과 하드웨어 요구 사항 사이의 균형을 조율하세요. 시스템에 과부하가 걸리는 경우, 더 큰 것이 항상 좋은 것은 아닙니다. 다운로드하기 전에 각 모델의 연산 요구 사항과 라이선스를 확인하세요. 특히 상업적 또는 전문적인 환경에 있는 경우 더욱 주의해야 합니다. 시스템의 RAM 용량이 제한되어 있다면, 컴퓨팅 요구 사항이 적은 더 작은 모델을 사용하세요. 그리고 데이터를 클라우드로 라우팅하여 기밀성을 침해하는 상용 모델에 주의하세요. 모델의 표시된 시스템 요구 사항이 의심스럽게 최소한인 경우, 아마도 외부 리소스를 사용하고 있을 가능성이 큽니다. 𝗚𝗣𝗧𝟰𝗔𝗟𝗟의 핵심 장점은 로컬 사용이라는 점을 기억하세요. 기밀 작업이 기기에 그대로 유지되도록 보장합니다.
❸ 로컬 LLM 활용
'채팅'을 클릭하여 대화를 시작합니다. 잠시 기다리면 모델이 로드되고, 텍스트와 메모를 입력하거나 붙여 넣을 수 있는 채팅과 같은 인터페이스가 표시됩니다. 명확하게 하거나, 표현을 바꾸거나, 구조를 개선하기 위한 제안을 요청합니다. 최종 검토에 포함시키기 전에 항상 모델의 결과를 주의 깊게 검토합니다.
LLM은 학술 논문 리뷰를 대신 작성하지 않지만, 중복을 찾아내고 표현을 다듬는 데 도움을 줄 수 있습니다. 자동 학술 논문 리뷰(ASPR)는 평가 속도를 높이고 구조를 명확히 할 수 있지만, 여전히 전문 지식 부족과 보안 문제에 직면해 있습니다. 생성형 AI 도구 사용은 출판사의 정책을 확인한 후 활용해야 하며, 클라우드 업로드는 기밀성 문제로 금지될 수 있습니다. AI를 활용한 논문 리뷰 과정은 시간을 절약하고, 철저한 피드백을 제공하며, 논문이 해당 분야에 기여하는지 평가하는 데 집중하게 합니다. 이 방법은 특히 학자의 일정이 바쁠 때 효과적이며, AI의 언어적 능력을 활용하면 지치지 않고 필요한 피드백을 제공할 수 있습니다. 최종적으로, 이 방식은 검토자의 지속적인 활동을 지원하고 검토 생태계를 건강하게 유지하는 데 도움이 됩니다.
*출처: Nature Career Column (04 March 2025) https://www.nature.com/articles/d41586-025-00526-0
*본 글은 원병묵 님(성균관대 신소재공학부)이 페이스북에 공유한 글로 동의를 받고 숲사이에 소개합니다.
#과학자되기
많은 연구자들이 학술 논문을 검토하는 데 많은 시간을 소비한 후, 피드백을 작성하기 위해 더 많은 시간을 들여야 한다는 것을 깨닫고 검토 요청을 거절하는 경우가 많습니다. 그러나 과학은 공동의 노력이며, 편집자들은 마감 기한에 맞춰 양질의 피드백을 제공할 수 있는 검토자를 찾는 데 어려움을 겪고 있습니다. 이에 대해 연구자들을 대상으로 한 설문조사에서는 약 40%가 한 번의 논문 리뷰에 2~4시간을 소비한다고 답했고, 25%는 4시간 이상 소요된다고 밝혔습니다. 일부는 하루 8시간 이상을 논문 리뷰에 소비하기도 하며, 때로는 피드백이 피상적으로 느껴질 때가 있다는 의견도 있었습니다.
논문 리뷰의 효율을 높이고 논문 리뷰의 연구 윤리를 위반하지 않는 방법을 아래에 소개합니다.
1. 논문 리뷰 3단계: 𝗦𝗰𝗮𝗻, 𝗗𝗶𝗰𝘁𝗮𝘁𝗲, 𝗥𝗲𝗳𝗶𝗻𝗲
AI를 활용한 논문 리뷰는 다음의 세 가지 간단한 단계로 나눌 수 있습니다.
❶ 빠른 검토 (𝗦𝗰𝗮𝗻)
큰 그림에 초점을 맞추어 초록, 서론, 방법, 결과를 빠르게 살펴봅니다. 분석이 탄탄해 보인다면, 논문의 나머지 부분을 읽습니다. 그러나 눈에 띄는 결함을 발견한다면, 아마도 거절해야 할 논문일 가능성이 높으므로, 원고 전체를 수정할 필요가 없습니다.
❷ 메모 작성 (𝗗𝗶𝗰𝘁𝗮𝘁𝗲)
원하는 텍스트 편집 도구(예를 들어, Windows의 음성 액세스 또는 Mac의 음성 제어)를 사용하여 읽으면서 실시간으로 생각을 메모에 적으세요. 이렇게 하면 따로 메모를 작성하거나 나중에 피드백을 기억해 입력해야 하는 번거로움을 피할 수 있습니다.
❸ 리뷰 정리 (𝗥𝗲𝗳𝗶𝗻𝗲)
받아쓰기한 메모를 오프라인 대형 언어 모델(LLM)에 입력하여 피드백을 명확하게 정리합니다. “다음 메모에 근거하여 비판적인 리뷰어 레터를 작성하세요. 전문적인 어조를 유지하세요” 같은 간단한 프롬프트가 도움이 될 것입니다. 코딩을 할 줄 몰라도 걱정하지 마세요. 𝗚𝗣𝗧𝟰𝗔𝗟𝗟 같은 도구를 사용하면 로컬 및 오프라인에서 LLM을 로드하고 실행할 수 있으므로 민감한 원고를 클라우드에 업로드할 필요가 없습니다. 출판 이전의 연구 경우 기밀 유지는 타협할 수 없는 문제이며, 콘텐츠를 외부로 업로드하면 윤리적 또는 법적 문제가 발생할 수 있습니다.
2. 로컬 LLM을 설정하고 실행하는 방법
논문 리뷰에서 기밀 유지가 중요한 경우, 로컬 LLM의 일종인 𝗚𝗣𝗧𝟰𝗔𝗟𝗟 같은 오프라인 및 '코딩 없음' 설정을 사용하는 것은 민감하거나 공개되지 않은 연구를 보호하는 데 있어 매우 당연한 일입니다. 시작하는 방법은 다음과 같습니다.
*𝗚𝗣𝗧𝟰𝗔𝗟𝗟 = https://www.nomic.ai/gpt4all
❶ 로컬 LLM 설치
𝗚𝗣𝗧𝟰𝗔𝗟𝗟을 설치합니다 (Windows 또는 macOS 등에서 사용 가능).
❷ 적합 LLM 선택
𝗚𝗣𝗧𝟰𝗔𝗟𝗟을 열고 왼쪽 패널에서 '모델'을 클릭한 다음, 적합한 LLM을 다운로드합니다. 출력 품질과 하드웨어 요구 사항 사이의 균형을 조율하세요. 시스템에 과부하가 걸리는 경우, 더 큰 것이 항상 좋은 것은 아닙니다. 다운로드하기 전에 각 모델의 연산 요구 사항과 라이선스를 확인하세요. 특히 상업적 또는 전문적인 환경에 있는 경우 더욱 주의해야 합니다. 시스템의 RAM 용량이 제한되어 있다면, 컴퓨팅 요구 사항이 적은 더 작은 모델을 사용하세요. 그리고 데이터를 클라우드로 라우팅하여 기밀성을 침해하는 상용 모델에 주의하세요. 모델의 표시된 시스템 요구 사항이 의심스럽게 최소한인 경우, 아마도 외부 리소스를 사용하고 있을 가능성이 큽니다. 𝗚𝗣𝗧𝟰𝗔𝗟𝗟의 핵심 장점은 로컬 사용이라는 점을 기억하세요. 기밀 작업이 기기에 그대로 유지되도록 보장합니다.
❸ 로컬 LLM 활용
'채팅'을 클릭하여 대화를 시작합니다. 잠시 기다리면 모델이 로드되고, 텍스트와 메모를 입력하거나 붙여 넣을 수 있는 채팅과 같은 인터페이스가 표시됩니다. 명확하게 하거나, 표현을 바꾸거나, 구조를 개선하기 위한 제안을 요청합니다. 최종 검토에 포함시키기 전에 항상 모델의 결과를 주의 깊게 검토합니다.
LLM은 학술 논문 리뷰를 대신 작성하지 않지만, 중복을 찾아내고 표현을 다듬는 데 도움을 줄 수 있습니다. 자동 학술 논문 리뷰(ASPR)는 평가 속도를 높이고 구조를 명확히 할 수 있지만, 여전히 전문 지식 부족과 보안 문제에 직면해 있습니다. 생성형 AI 도구 사용은 출판사의 정책을 확인한 후 활용해야 하며, 클라우드 업로드는 기밀성 문제로 금지될 수 있습니다. AI를 활용한 논문 리뷰 과정은 시간을 절약하고, 철저한 피드백을 제공하며, 논문이 해당 분야에 기여하는지 평가하는 데 집중하게 합니다. 이 방법은 특히 학자의 일정이 바쁠 때 효과적이며, AI의 언어적 능력을 활용하면 지치지 않고 필요한 피드백을 제공할 수 있습니다. 최종적으로, 이 방식은 검토자의 지속적인 활동을 지원하고 검토 생태계를 건강하게 유지하는 데 도움이 됩니다.
*출처: Nature Career Column (04 March 2025) https://www.nature.com/articles/d41586-025-00526-0
*본 글은 원병묵 님(성균관대 신소재공학부)이 페이스북에 공유한 글로 동의를 받고 숲사이에 소개합니다.
#과학자되기