연구 데이터 위조·변조·날조(FFP)란? 2026 정의·실제 사례·예방과 논문 철회
연구자가 데이터를 만들어내거나 숫자를 바꿨을 때, 그 피해는 단순한 규칙 위반에 그치지 않습니다. 잘못된 연구 결과가 의학적 치료법, 공공 정책, 후속 연구의 기반이 되면 사회 전체가 그 비용을 치릅니다. 데이터 위조·변조는 연구부정행위(FFP) 중에서도 가장 심각한 유형으로, 한국과 국제 학술 공동체 모두에서 엄중히 다뤄집니다.
FFP란 위조(Fabrication)·변조(Falsification)·표절(Plagiarism)의 약자입니다. 이 세 유형 중 위조와 변조는 데이터 자체를 손상시킨다는 점에서 표절과 구분됩니다. 표절이 ‘타인의 것을 빌리는’ 문제라면, 위조·변조는 ‘없는 것을 있다고 하거나, 있는 것을 다르게 바꾸는’ 행위입니다. 이 가이드는 FFP의 정확한 정의, 어떤 행위가 위조·변조에 해당하는지, 실제 사례, 논문 철회 절차, 그리고 올바른 예방 방법을 2026년 기준으로 안내합니다.
데이터 위조는 존재하지 않는 데이터를 허위로 생성하는 행위, 변조는 실존하는 데이터를 임의로 조작·삭제해 결과를 왜곡하는 행위입니다. 둘 다 교육부 「연구윤리 확보를 위한 지침」상 중대 연구부정행위이며, 적발 시 논문 철회와 연구비 환수가 따릅니다.
FFP란 무엇인가: 세 가지 연구부정행위 정의
한국 교육부 「연구윤리 확보를 위한 지침」은 연구부정행위를 크게 위조·변조·표절·부당한 저자 표시·부당한 중복 게재 등으로 분류합니다. 이 중 FFP는 가장 핵심적인 세 유형을 묶은 개념으로, 국제 학술 공동체에서 공통으로 통용됩니다. 연구 윤리 전반의 개요는 별도 가이드에서 확인할 수 있습니다.
위조(Fabrication): 없는 데이터를 만들어내다
위조란 존재하지 않는 연구 원자료, 연구자료, 연구결과를 허위로 만들거나 기록·보고하는 행위입니다. 실험을 실제로 수행하지 않았으면서 수치 결과를 기재하거나, 설문을 배포하지 않고 응답 데이터를 직접 입력하거나, 관찰하지 않은 현상을 관찰한 것처럼 기술하는 경우가 이에 해당합니다.
변조(Falsification): 있는 데이터를 바꾸다
변조란 연구 재료·장비·과정을 인위적으로 조작하거나, 연구 원자료를 임의로 변형·삭제해 연구 내용 또는 결과를 왜곡하는 행위입니다. 실험 이미지를 편집해 결과를 유리하게 보이도록 하거나, 통계 분석에서 가설을 지지하지 않는 이상값(outlier)을 정당한 이유 없이 제거하거나, 반복 실험의 불리한 결과를 누락하는 행위가 포함됩니다.
표절과 FFP의 구분
표절은 타인의 아이디어·글·연구를 출처 표시 없이 자신의 것처럼 사용하는 행위입니다. 위조·변조와 달리 ‘존재하는 타인의 저작물’을 무단 사용한다는 점에서 성격이 다릅니다. 그러나 실제 논문에서는 데이터 조작과 표절이 함께 발생하는 경우도 있습니다. 인용과 표절의 경계가 어디에 있는지는 별도 가이드에서 상세히 다루고 있습니다.
어떤 행위가 데이터 위조·변조에 해당하는가
많은 연구자들이 경계선을 정확히 알지 못해 의도하지 않게 위반을 저지르기도 합니다. 아래는 위조·변조로 판정되는 구체적 행위 유형입니다.
| 유형 | 구체적 행위 | 분류 |
|---|---|---|
| 이미지 조작 | 웨스턴 블롯·현미경 사진의 특정 영역만 선택적으로 대비 강화, 복사·이동, 다른 실험 이미지 이식 | 변조 |
| 데이터 삭제 | 가설을 지지하지 않는 관찰값·이상값을 기록에서 임의로 제거 | 변조 |
| 수치 날조 | 실험·조사를 수행하지 않고 결과 수치를 직접 작성 | 위조 |
| 설문 응답 조작 | 실제 응답자를 모집하지 않고 응답 데이터를 직접 입력·편집 | 위조 |
| 선택적 보고 | 유리한 결과만 선택 보고하고 반복 실험의 불리한 결과는 미보고 | 변조 |
| p-해킹(p-hacking) | 원하는 유의확률(p-값)이 나올 때까지 분석 방법·기준을 사후에 바꾸어 최종 결과만 보고 | 변조 |
이 중 이미지 조작은 생명과학·의학 분야에서 특히 빈번하게 발생하며, 국제 학술지의 게재 후 검증에서 자주 적발됩니다. p-해킹은 의도 판별이 어렵지만, 사전등록(pre-registration) 없이 최종 논문 결과만 극단적으로 유리한 방향으로 쏠릴 경우 검증 요청의 대상이 됩니다.
실제 사례: 논문 세계를 뒤흔든 조작
황우석 사건 (2005~2006)
한국에서 연구부정행위가 사회적으로 크게 주목받은 결정적 계기는 황우석 사건입니다. 서울대학교 황우석 교수 연구팀은 2004년과 2005년 Science에 인간 배아줄기세포 연구 논문을 게재했습니다. 그러나 내부 고발과 MBC 보도를 통해 줄기세포 배양 성공 데이터가 날조되었다는 사실이 드러났고, 해당 논문들은 모두 철회되었습니다. 이 사건은 한국에서 연구윤리 관련 법령과 제도를 본격적으로 정비하는 계기가 되었으며, 교육부 지침의 법제화와 기관별 연구윤리위원회 설치 의무화로 이어졌습니다.
이미지 조작으로 인한 게재 후 철회
국내 연구기관에서도 학술지 게재 후 이미지 조작이 밝혀져 논문이 철회된 사례가 이어지고 있습니다. 이전에 발표된 논문에 사용된 실험 이미지가 서로 다른 실험 결과인 것처럼 중복 활용되거나, 배경 픽셀이 편집된 흔적이 이미지 분석 도구를 통해 사후 확인되는 방식으로 적발됩니다. 이러한 사례들은 동일 연구팀의 다른 논문에 대한 연쇄 검증으로 이어지는 경향이 있습니다.
이 가이드는 연구부정행위를 어떻게 회피하거나 탐지를 우회하는가가 아닌, 왜 일어나지 않아야 하는가를 설명합니다. 원자료를 투명하게 보관하고 방법론을 충실히 기술하면, 적발을 걱정해야 할 이유 자체가 없어집니다.
논문 철회(Retraction) 절차와 결과
논문 철회(retraction)는 이미 출판된 논문에서 심각한 오류나 부정행위가 확인되었을 때, 학술지 편집위원회가 해당 논문을 공식적으로 학술 기록에서 무효화하는 절차입니다.
일반적인 철회 절차
- 제보·발견: 동료 연구자, 심사자, 또는 독자가 문제를 발견하여 학술지 편집위원회 또는 소속 기관에 제보합니다.
- 예비 검토: 편집위원회가 제보 내용의 타당성을 검토하고, 필요시 소속 기관 연구윤리위원회에 통보합니다.
- 공식 조사: 소속 기관이 조사위원회를 구성해 원자료, 실험 기록, 이메일 등을 검토합니다.
- 결과 통보: 조사 결과를 저자, 편집위원회, 한국연구재단(NRF) 등 재원 기관에 통보합니다.
- 철회 공지: 확정 시 학술지에 Retraction Notice를 게재하고, PubMed·Web of Science 등 데이터베이스에 철회 표시가 반영됩니다.
철회된 논문은 삭제되지 않고 “RETRACTED” 표시와 함께 온라인에 유지됩니다. 이를 인용한 후속 논문들도 재검토 대상이 될 수 있습니다.
연구자가 받는 결과
- 소속 기관의 징계(경고·정직·해임 등)
- 연구비 환수 및 향후 한국연구재단 지원 제한
- 위조·변조가 확인된 학위논문의 경우 학위 취소
- 학술지·학회 게재 금지 기간 부과
- 공공 연구비 사용 시 배임·사기 혐의 형사 고발 가능성
연구부정행위 예방: 올바른 연구 관행
데이터 위조·변조를 방지하는 가장 확실한 방법은 투명하고 체계적인 연구 기록 습관을 일상화하는 것입니다. 표절 예방 방법 완벽 가이드와 함께 아래 다섯 가지 실천을 병행하면 연구 전 주기를 올바르게 관리할 수 있습니다.
1. 원자료(Raw Data) 보관
모든 원시 데이터는 분석 파일과 분리하여 보관해야 합니다. 수정이 불가능한 형태로 타임스탬프와 함께 저장하면 연구 과정의 변경 이력을 추적할 수 있습니다. 국내 대부분의 대학 및 연구기관은 논문 출판 이후 최소 5년간 원자료를 보관하도록 권고합니다.
2. 연구노트(Lab Notebook) 작성
실험 날짜, 조건, 관찰 결과, 발생한 오류까지 빠짐없이 기록해야 합니다. 디지털 연구노트를 사용할 경우 편집 이력이 자동 저장되는 플랫폼(OSF, eLabFTW 등)을 활용하면 투명성이 높아집니다. 연구노트는 조사 과정에서 부정행위가 없었음을 입증하는 핵심 근거가 됩니다.
3. 재현가능성(Reproducibility) 확보
분석 코드, 데이터 전처리 스크립트, 통계 분석 파일을 논문과 함께 공개 저장소(OSF, Zenodo, GitHub)에 예치하는 것이 국제 학술지의 표준으로 자리잡고 있습니다. 다른 연구자가 동일한 데이터로 동일한 결과를 도출할 수 있어야 연구 결과가 신뢰를 얻습니다.
4. 이미지 처리 원칙 준수
실험 이미지는 밝기·대비를 전체 이미지에 균일하게 적용하는 경우에만 조정이 허용됩니다. 특정 영역만 선택적으로 변경하거나, 배경을 인위적으로 지우거나, 다른 실험의 이미지를 이식하는 행위는 모두 변조에 해당합니다. Nature, Cell 등 주요 학술지는 이미지 처리 가이드라인을 명문화하고 있으므로, 투고 전 반드시 확인하세요.
5. 사전등록(Pre-registration)
연구 가설, 연구설계, 분석 방법을 데이터 수집 전에 OSF(Open Science Framework) 같은 플랫폼에 공개 등록하면, 결과에 따라 분석 방법을 바꾸는 p-해킹이 원천적으로 방지됩니다. 사전등록된 연구는 ‘확증적 연구(confirmatory study)’로서 더 높은 신뢰도를 인정받는 추세입니다.
한국의 연구윤리 제도
한국에서 연구부정행위를 관리하는 핵심 제도는 다음과 같습니다.
교육부 「연구윤리 확보를 위한 지침」
교육부 훈령으로 제정된 이 지침은 연구부정행위의 정의, 조사 절차, 처리 기준을 규정합니다. 위조·변조·표절을 3대 핵심 연구부정행위로 명시하며, 각 대학 및 연구기관이 자체 연구윤리위원회를 설치하도록 의무화하고 있습니다. 인간 대상 연구를 수행한다면 IRB 생명윤리위원회 심의 절차도 함께 숙지해야 합니다.
연구윤리위원회(Research Ethics Committee)
각 대학 및 연구기관에 설치된 연구윤리위원회는 제보 접수, 예비조사, 본조사 절차를 담당합니다. 제보자 보호 의무와 피조사자 방어권 보장이 법적으로 규정되어 있습니다. 조사 결과는 한국연구재단과 교육부에 보고되며, 재원 제한 등 행정 조치로 이어집니다.
연구윤리정보포털(CRE)
한국연구재단이 운영하는 연구윤리정보포털(cre.nrf.re.kr)은 연구부정행위 사례집, 연구윤리 교육자료, 위반 판정 사례 검색 기능을 제공합니다. 연구자와 학생 모두 이 포털의 사례 데이터베이스를 정기적으로 참고하는 것을 권장합니다. 자기 표절·중복 게재에 대해서는 자기 표절과 중복 게재 가이드를 별도로 확인하세요.
자주 묻는 질문(FAQ)
실수로 데이터를 잘못 기재했을 때도 연구부정행위로 처리되나요?
의도성(intent)은 연구부정행위 판정의 핵심 요소입니다. 실수(honest mistake)는 통상 연구부정행위로 분류되지 않지만, 오류를 인지한 후 즉시 정오표(erratum)를 발행하거나 편집위원회에 통보하지 않으면 판단이 달라질 수 있습니다. 오류 발견 즉시 투명하게 공개하는 것이 최선의 대응입니다.
이상값(outlier)을 제거하는 것이 항상 변조인가요?
그렇지 않습니다. 이상값 처리는 데이터 수집 전에 미리 정한 통계적 기준(예: 평균 ±3 표준편차)에 따라 투명하게 적용하면 허용됩니다. 문제는 결과를 유리하게 만들기 위해 사후적으로 기준을 바꾸거나 선택적으로 제거하는 경우입니다. 모든 이상값 처리 기준과 이유를 방법론 섹션에 명시하세요.
논문 철회 후에도 해당 논문을 인용할 수 있나요?
철회된 논문은 학술적 근거로 인용할 수 없습니다. 철회 사실 자체를 메타 연구나 연구윤리 맥락에서 언급할 수는 있지만, 철회된 논문의 연구 결과를 마치 유효한 근거인 것처럼 인용하면 독자를 오도하는 행위가 됩니다. 인용 전 PubMed Retraction Notice 또는 Retraction Watch 데이터베이스로 철회 여부를 반드시 확인하세요.
자기 표절도 FFP에 포함되나요?
자기 표절(self-plagiarism)은 FFP의 P(표절) 범주에 포함되지만, 위조·변조와는 성격이 다릅니다. 자신의 이전 연구 결과를 출처 없이 재사용하는 중복 게재(duplicate publication)와 살라미 출판(salami slicing)이 대표적입니다. 자기 표절과 중복 게재에 관한 상세 가이드를 참고하세요.
AI가 생성한 데이터를 논문에 사용하면 위조가 되나요?
AI로 생성된 가상 데이터를 실제 수집 데이터인 것처럼 보고하면 위조에 해당합니다. 반면, 합성 데이터(synthetic data)를 방법론에서 명확히 밝히고 연구 목적에 적합한 방식으로 활용하는 것은 현재 일부 분야에서 허용되는 방법론입니다. 소속 학술지·기관의 가이드라인을 반드시 먼저 확인하세요.
논문의 독창성과 진실성, Tesify로 자가 점검하세요
연구 데이터의 진실성은 논문의 가치를 좌우합니다. Tesify는 표절·중복 인용을 사전 점검하고 올바른 인용 형식을 안내해, 연구자가 학문적 진실성을 지키며 논문을 완성할 수 있도록 돕습니다.