지속적으로 심화되고 있는 글로벌 경쟁 환경 하에서 많은 기업들은 공유가치 창출 (CSV, Creating Shared Value)을 통해 사회혁신 분야에서 새로운 사업 기회를 모색하고 있다. 사회혁신을 추구함에 있어 해결하고자 하는 문제를 명확히 도출하고, 문제의 원인을 파악하는 것이 사회혁신의 핵심 출발점이다. 수많은 문제해결 방법론 중에 최근 다양한 분야에서 가장 많은 관심을 받는 것은 디자인 씽킹 (Design Thinking)이다. 디자인 씽킹은 인간의 필요에 공감하고 대중도 인식하지 못하는 잠재적 욕구를 발굴하여 해결하는 창의적 문제해결 방법론으로 비즈니스 혁신도구로도 사용되지만 사회 문제를 해결하는 사회혁신을 위한 도구로서 활발히 이용되고 있다. 그러나 디자인 씽킹 프로젝트를 수행하는 많은 주체들이 겪는 어려움 중의 하나가 관찰 데이터의 효율적 분석이 어렵다는 것이다. 오프라인 방식으로만 데이터를 분석할 경우 대량의 데이터를 처리하는데 시간이 오래 걸리며, 비정형데이터의 경우 처리가 어려워 관찰을 통해 어렵게 수집한 데이터로부터 문제점을 발견하는데 어려움을 호소한다. 이에 본 연구는 디자인 씽킹 프로세스의 한계점을 보완하고자 사회혁신을 위한 디자인 씽킹 프로젝트의 관찰단계에서 수집한 데이터 분석이 보다 과학적으로 이루어질 수 있도록 질적 자료 분석과 양적 자료 분석 방법을 균형 있게 사용하는 통합방법론을 제시하고자 한다.
지속적으로 심화되고 있는 글로벌 경쟁 환경 하에서 많은 기업들은 공유가치 창출 (CSV, Creating Shared Value)을 통해 사회혁신 분야에서 새로운 사업 기회를 모색하고 있다. 사회혁신을 추구함에 있어 해결하고자 하는 문제를 명확히 도출하고, 문제의 원인을 파악하는 것이 사회혁신의 핵심 출발점이다. 수많은 문제해결 방법론 중에 최근 다양한 분야에서 가장 많은 관심을 받는 것은 디자인 씽킹 (Design Thinking)이다. 디자인 씽킹은 인간의 필요에 공감하고 대중도 인식하지 못하는 잠재적 욕구를 발굴하여 해결하는 창의적 문제해결 방법론으로 비즈니스 혁신도구로도 사용되지만 사회 문제를 해결하는 사회혁신을 위한 도구로서 활발히 이용되고 있다. 그러나 디자인 씽킹 프로젝트를 수행하는 많은 주체들이 겪는 어려움 중의 하나가 관찰 데이터의 효율적 분석이 어렵다는 것이다. 오프라인 방식으로만 데이터를 분석할 경우 대량의 데이터를 처리하는데 시간이 오래 걸리며, 비정형데이터의 경우 처리가 어려워 관찰을 통해 어렵게 수집한 데이터로부터 문제점을 발견하는데 어려움을 호소한다. 이에 본 연구는 디자인 씽킹 프로세스의 한계점을 보완하고자 사회혁신을 위한 디자인 씽킹 프로젝트의 관찰단계에서 수집한 데이터 분석이 보다 과학적으로 이루어질 수 있도록 질적 자료 분석과 양적 자료 분석 방법을 균형 있게 사용하는 통합방법론을 제시하고자 한다.
Under the constantly intensifying global competition environment, many companies are exploring new business opportunities in the field of social innovation using creating shared value. In seeking social innovation, it is a key starting point of social innovation to clarify the problem to be solved a...
Under the constantly intensifying global competition environment, many companies are exploring new business opportunities in the field of social innovation using creating shared value. In seeking social innovation, it is a key starting point of social innovation to clarify the problem to be solved and to grasp the cause of the problem. Among the many problem solving methodologies, design thinking is getting the most attention recently in various fields. Design Thinking is a creative problem solving method which is used as a business innovation tool to empathize with human needs and find out the potential desires that the public does not know, and is actively used as a tool for social innovation to solve social problems. However, one of the difficulties experienced by many of the design thinking project participants is that it is difficult to analyze the observed data efficiently. When analyzing data only offline, it takes a long time to analyze a large amount of data, and it has a limit in processing unstructured data. This makes it difficult to find fundamental problems from the data collected through observation while performing design thinking. The purpose of this study is to integrate qualitative data analysis and quantitative data analysis methods in order to make the data analysis collected at the observation stage of the design thinking project for social innovation more scientific to complement the limit of the design thinking process. The integrated methodology presented in this study is expected to contribute to innovation performance through design thinking by providing practical guidelines and implications for design thinking implementers as a valuable tool for social innovation.
Under the constantly intensifying global competition environment, many companies are exploring new business opportunities in the field of social innovation using creating shared value. In seeking social innovation, it is a key starting point of social innovation to clarify the problem to be solved and to grasp the cause of the problem. Among the many problem solving methodologies, design thinking is getting the most attention recently in various fields. Design Thinking is a creative problem solving method which is used as a business innovation tool to empathize with human needs and find out the potential desires that the public does not know, and is actively used as a tool for social innovation to solve social problems. However, one of the difficulties experienced by many of the design thinking project participants is that it is difficult to analyze the observed data efficiently. When analyzing data only offline, it takes a long time to analyze a large amount of data, and it has a limit in processing unstructured data. This makes it difficult to find fundamental problems from the data collected through observation while performing design thinking. The purpose of this study is to integrate qualitative data analysis and quantitative data analysis methods in order to make the data analysis collected at the observation stage of the design thinking project for social innovation more scientific to complement the limit of the design thinking process. The integrated methodology presented in this study is expected to contribute to innovation performance through design thinking by providing practical guidelines and implications for design thinking implementers as a valuable tool for social innovation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
2차 필드 리서치에 사용한 개선된 질문 내용은 (1) 평소 하루에 종이컵을 어떻게 사용하시는지 말씀해주세요. (사용 개수, 사용하는 장소, 사용하는 용도, 뒤처리 방법 등) (2) 본인이 생각하기에 종이컵 낭비에 대한 기준이나 의미를 말씀해 주세요.
디자인 씽킹 과정에서 수집한 관찰데이터를 오프라인 방식의 질적분석 방법만을 수행할 경우 대량의 데이터를 처리하는데 시간이 오래 걸리며, 비정형 데이터 및 질적 데이터에 대한 분석이 어렵다는 한계점을 보완하기 위하여 본 연구에 서는 빅데이터 분석을 통한 양적분석 방법을 실시하였다.
본 연구는 관찰 데이터 분석 시 사회 현상에 대한 맥락적 이해를 높이기 위해 소프트웨어를 적용한 질적 자료 분석과 양적 자료 분석 방법으로 빅데이터 분석 방법을 접목하여 체계적 분석을 수행할 수 있는 사회혁신 디자인 씽킹 통합방법론을 제시하고자 한다.
본 연구는 사회혁신분야의 디자인 씽킹 통합방법론을 제시함과 동시에 아래와 같은 연구명제를 도출하여 제안한다.
본 연구는 일회용 종이컵 사용에 관한 사회적 문제를 해결하기 위한 디자인 씽킹 프로젝트를 수행하였다. 예비조사는 2017년 9월 2주간 현장 관찰과 데스크 리서치를 통하여 KJ/NGT기법을 이용한 반 구조화된 인터뷰 질문지를 확립한 후 개방적인 방식으로 연구대상자가 자신의 입장, 느낌, 의견을 자유롭게 표현할 수 있도록 인터뷰를 설계하였다.
본 연구는 일회용 종이컵 사용을 줄이기 위한 사회혁신 디자인 씽킹 프로젝트를 수행하고, 그 과정에서 수집된 데이터를 질적 자료 분석과 양적 자료 분석을 수행함으로써 통합방 법론을 개발 및 제안하였다. 수집한 관찰데이터 분석을 위하여 1차적으로 적용한 질적 자료 분석 방법은 KJ/NGT 기법이 었다.
사회혁신 디자인 씽킹 과정에서 현장 관찰을 통해 수집한 다양한 포맷의 자료를 기반으로 질적 분석과 빅데이터 분석을 수행함으로써 그 의미를 해석하고 통합방법론을 제시하고자 한다.
[표 5]와 같이 각 방법론이 가진 상대적 강점이나 내재적 특징들은 상호보완적 관계에 있으므로 적절한 통합을 시도하였다. 오프라인 중심의 질적 분석의 한계점을 보완하기 위하여 본 연구는 대량의 데이터 분석과 비정형 데이터 분석이 가능한 빅데이터 분석을 KJ/NGT방법과 병행하여 사용할 것을 제안한다. 그러나 빅데이터 분석을 수행한 경우에도 대량의 데이터에서 가치 있는 의미 정보를 통찰할 수 있다는 장점이 있었으나 결과에 대한 맥락적 이해와 인과 관계를 설명 하는 데에는 어려움이 있었다.
이러한 디자인 씽킹 프로세스의 한계점을 보완하고자 본 연구는 사회혁신을 위한 디자인 씽킹 프로젝트의 관찰단계에서 수집한 데이터 분석이 보다 과학적으로 이루어질 수 있도록 질적 자료 분석과 양적 자료 분석 방법을 병행하여 수행하였다. 수작업에 의한 인간적 직관과 경험에 의한 통찰력에 의한 KJ/NGT 기법을 이용한 질적 분석과 빅데이터 분석 프로그램을 이용한 워드 클라우드 분석, 그리고 질적 분석 프로그램인 NVivo를 이용한 근거이론 기반 질적 분석을 실시하였다.
이러한 배경 하에 본 연구는 사회혁신을 위한 디자인 씽킹 방법론의 한계점을 해결하기 위하여 수집한 관찰 데이터의 체계적이고 과학적인 분석으로 공감을 유도하고 근본적 문제점을 파악할 수 있는 사회혁신 디자인 씽킹 통합방법론을 개발함으로써, 디자인 씽킹을 통한 사회혁신이 지속적으로 이루어질 수 있도록 구체적 방안을 모색하고자 한다.
특히 사회혁신을 추구하는 경우에는 관찰데이터를 수집하고 분석함으로써 근본적으로 해결해야할 문제점을 도출하고 원인을 파악하는 것이 핵심 출발점이 된다. 이에 본 연구는 사회혁신 분야에서 디자인 씽킹 방법론을 수행함에 있어 겪는 관찰데이터 분석의 어려움을 보완하기 위하여 통합방법론을 개발하는 데에 그 목적이 있다.
특히 관찰과정에서 수집되는 데이터의 양과 유형이 다양하여 데이터의 양이 많거나 비정형 데이터가 많은 경우 분석단계에서 주로 사용하는 오프라인 중심의 질적 분석 방법을 수행함으로써 누락되는 데이터의 비중이 높을 수밖에 없는 현실이다. 이에 본 연구는 사회현상에 대한 올바른 이해를 위하여 하나의 현상에 대해 여러 방법론을 적용하여 연구해보는 통합방법론 (Method Triangulation)을 적용하는 것이 보다 바람직하다고 판단하였다.
이에 본 연구는 양적 자료 분석을 위해서는 빅데이터 분석, 질적 자료 분석을 위해서는 KJ/NGT기법과 NVivo를 이용한 분석을 수행 후 사회혁신 디자인 씽킹 프로젝트에서 가장 효율적인 관찰데이터 분석 방법을 제시하는 통합방법론을 개발하고자 한다.
이상과 같이 본 연구의 결과를 통해 알 수 있듯이 양적 연구와 질적 연구 모두 장단점을 보유하고 있었으며 사회현상에 대한 올바른 이해를 위하여 하나의 현상에 대해 여러 방법론을 적용하여 연구해보는 통합방법론(Method Triangulation) 방식을 적용하는 것이 보다 바람직하다고 판단하였다. 이에 질적 분석과 양적분석을 접목하여 사용할 것을 권고하는 사회혁신 디자인 씽킹 통합방법론과 연구명제를 제시하였다.
연구의 한계점으로는 수집한 관찰데이터의 양이 빅데이터 분석을 적용하기에 다소 부족한 면이 있다는 점이다. 이에 향후 연구에서는 보다 많은 양의 데이터와 다양한 유형의 관찰 데이터를 확보하여 통합방법론을 적용해봄으로써 방법론의 신뢰도를 확보자하고자 한다.
가설 설정
[연구 명제1] 사회혁신 문제 도출은 문화, 이해관계자의 인식, 분위기 등 다양한 주변 환경요인에 영향을 받는다.
제안 방법
2017년 11월 7일 1차 필드 리서치에서 4명의 연구 대상자를 선정하여 면접을 실시하였으며, 도중에도 즉각적인 자료 분석을 통해 면접 질문을 지속적으로 수정하였다. 1차 데이터 수집 후 일차적인 분석을 통하여 추가적으로 수집할 데이터에 관한 사항을 토의를 거쳐 추가하였으며, 2017년 11월 20일 3명의 연구 대상 자에게 면접을 통한 2차 필드 리서치를 수행하였다. 이때 사용한 질문지는 1차 필드 리서치 후 개선된 질문지를 사용하였으며, 2차 필드 리서치 후 하였다.
개방적 표본추출 (Open Sampling)을 위해 다양한 직업 종사자와 연령의 연구 대상자를 선정하였으며, 1차 필드 리서치에서는 4명 (A, B, C, D)을 대상으로 면담을 진행하고 개방 코딩을 통해 개념화 및 범주화 작업을 수행하였다. 1차 필드스터디의 결과를 토대로 타깃을 다양화하고 질문을 수정‧ 보완하여 2차 필드리서치에서 연구대상 3명 (E, F, G)을 면담 하고 개방 코팅과 축 코딩을 통해 패러다임 모형을 구성하였다. 2차 필드 리서치 후 개념화와 범주화가 포화 (Saturation)1)되어 더 이상 추가적 면담을 진행하지 않고 종료하였다([표 1]참조).
자료 수집의 장소와 대상은 예비조사 과정의 현장 관찰에서 종이컵 사용이 가장 빈번하게 관측되고 있으며 다양한 직업군의 사용자를 만날 수 있는 장소로 도서관과 쉼터로 선정하여 랜덤 으로 피실험 인터뷰 대상자를 선정하였다. 2017년 11월 7일 1차 필드 리서치에서 4명의 연구 대상자를 선정하여 면접을 실시하였으며, 도중에도 즉각적인 자료 분석을 통해 면접 질문을 지속적으로 수정하였다. 1차 데이터 수집 후 일차적인 분석을 통하여 추가적으로 수집할 데이터에 관한 사항을 토의를 거쳐 추가하였으며, 2017년 11월 20일 3명의 연구 대상 자에게 면접을 통한 2차 필드 리서치를 수행하였다.
본 연구에서는 Strauss와 Corbin(1990)이 제시한 이론적 표본 추출 (Theoretical Sampling) 방법을 기반으로 연구 대상을 선정하였다. 개방적 표본추출 (Open Sampling)을 위해 다양한 직업 종사자와 연령의 연구 대상자를 선정하였으며, 1차 필드 리서치에서는 4명 (A, B, C, D)을 대상으로 면담을 진행하고 개방 코딩을 통해 개념화 및 범주화 작업을 수행하였다. 1차 필드스터디의 결과를 토대로 타깃을 다양화하고 질문을 수정‧ 보완하여 2차 필드리서치에서 연구대상 3명 (E, F, G)을 면담 하고 개방 코팅과 축 코딩을 통해 패러다임 모형을 구성하였다.
Creswell의 린코딩 (Lean Coding)방법론에 따라 자료를 49개의 개념으로 1차 코딩하였다(Creswell, 1998). 그 후 다시 겹치거나 불필요한 코드를 찾아가며 17개의 하위 범주로 묶어주고, 최종적으로 7개의 테마 범주로 개방 코딩하였다.
다음 단계로 축 코딩 과정에서는 일반적으로 가장 많이 사용되는 축코딩 패러다임을 사용하여 중심현상의 원인이 되는 인과 관계적 조건들, 중심현상에 대한 반응으로 취하는 행동들인 작용/상호작용 전략, 맥락적 조건들과 중재 조건 그리고 결과들로 구성된 [그림 4]와 [표 3]의 코딩 결과를 도출하였다.
데이터 분석을 위해 Nvivo12에서 제공하고 있는 빅데이터 분석인 워드 클라우드 (Word Cloud)분석을 사용하여 인터뷰한 7명의 대화문을 주요 키워드 빈도중심으로 의미 있는 정보를 추출하였다.
디자인 씽킹 관찰단계에서 수집한 자료의 분석은 질적 분석과 양적분석 방법으로 이루어졌다. 질적 자료 분석 방법으로 크게 2가지의 방법을 사용하였다.
사회혁신을 위한 디자인 씽킹 프로젝트에서 맥락에 대한 이해가 없는 경우 사회가 보유하고 있는 근본적 문제점을 도출하고 공감할 수 없으므로 적절한 해결책을 도출할 수 없다. 따라서 빅데이터 분석의 정확하고 의미 있는 인사이트 도출을 위해 소프트웨어를 활용한 질적 분석방법을 접목하여 사용해야 한다고 판단되었으며, 이러한 연구결과를 기반으로 [그림 6]과 같은 사회혁신을 위한 디자인 씽킹 통합방법론을 제안한다.
(1) 종이컵 낭비 문제를 실감한 경험이 있나요? (있다면 언제, 어디서, 누구와, 느낀 점 등) (2) 평소 일주일간 종이컵 사용량이 얼마나 되나요? (용도와 사용하는 위치 등) (3) 테이크아웃 컵을 1주일 동안 사용하는 횟수는 어느 정도 인가요? (4) 버려진 테이크아웃 잔을 보신 적이 있나요? 있다면 어디에서 어떤 상황이었나요? (5) 텀블러를 사용하시나요? 아니라면 그 이유는 뭔가요? 그러나 이는 기본적인 질문의 범주일 뿐이며, 인터뷰 동안 개방적인 태도를 유지하여 참여자들의 이야기 흐름을 방해하지 않기 위해 노력하였다. 또한 관찰한 내용들을 확인하기 위한 질문들은 연구대상자들 개인에 따라 각기 다른 질문의 형태로 추가 및 조정되었다.
디자인 씽킹은 현장 관찰을 통해 문제를 정의하는 과정의 중요성을 매우 강조하는 방법론이다. 많은 시간과 노력을 들여 현장을 면밀히 관찰하고, 개방형 코딩을 위한 반 구조화된 질문지를 통하여 대상자의 심층 인터뷰를 수행함으로서 다양한 형태의 데이터를 수집한다. 세심한 현장 관찰 사진, 동영상, 인터뷰 녹음 파일, 관련 텍스트 문헌 정보를 모으는 과정이 자료 수집 단계에서 진행되며 이들 자료는 텍스트 형태로 전사되어 다음 단계의 자료 분석 단계의 소스로 사용된다.
본 연구에서 제시하는 통합방법론은 관찰데이터의 체계적 분석과 사회혁신을 위한 심도 있는 맥락적 이해를 위해 질적 분석 방법과 양적 분석 방법을 균형 있게 사용할 것을 제안한다. 또한 오프라인 기반의 분석뿐만 아니라 분석 소프트웨 어를 활용한 온라인 분석 방법을 관찰 데이터와 양을 고려하여 적절하게 병행하여 사용하는 것이 디자인 씽킹 산출물의 질적 수준을 향상시키는데 바람직함을 제시한다.
본 연구에서는 Strauss & Corbin(1998)에 의해 발전된 근거이론 절차에 따라 개방코딩, 축코딩, 선택코딩의 3단계 진행하였으며, 먼저 개방 코딩에서는 지지되는 정보의 두드러진 범주를 만들어 내기 위해 텍스트와 이미지를 검토한 후 지속적 비교 (Constant Comparative)접근을 이용하여 개념들을 이끌어 냈다(설병문 외, 2014).
빅데이터 분석은 기존 데이터 분석체계로서는 감당하기 어려울 정도의 막대한 데이터량을 다양한 분석 방법을 기반으로 최대한 빠른 시간 안에 원하는 데이터를 도출할 수 있다는 장점을 보유하고 있다. 본 연구에서는 관찰데이터를 워드 클라우드 분석방법으로 분석하여 일회용 종이컵 사용에 대한 주요 키워드와 빈도를 추출하고 이를 시각화함으로써 종이컵 사용에 대한 핵심 포인트를 확인할 수 있었다. 그러나 추출된 키워드간의 인과관계나 심도 있는 맥락적 이해를 도출하는 데에는 한계점이 있었다.
본 연구에서는 이 과정을 개방코딩 → 축코딩 → 선택코딩 과정의 순으로 수행하였으며, 지속적으로 수정 반복하여 각 과정을 거쳤다.
이러한 디자인 씽킹 프로세스의 한계점을 보완하고자 본 연구는 사회혁신을 위한 디자인 씽킹 프로젝트의 관찰단계에서 수집한 데이터 분석이 보다 과학적으로 이루어질 수 있도록 질적 자료 분석과 양적 자료 분석 방법을 병행하여 수행하였다. 수작업에 의한 인간적 직관과 경험에 의한 통찰력에 의한 KJ/NGT 기법을 이용한 질적 분석과 빅데이터 분석 프로그램을 이용한 워드 클라우드 분석, 그리고 질적 분석 프로그램인 NVivo를 이용한 근거이론 기반 질적 분석을 실시하였다.
질적 자료 분석 방법으로 크게 2가지의 방법을 사용하였다. 수작업에 의한 인간적 직관과 경험에 의한 통찰력에 의해 자료를 분석하는 방법인 KJ/NGT기법과 컴퓨터를 이용한 질적 연구 분석프로그램인 NVivo를 이용하여 근거이론 접근법을 사용한 질적 분석을 수행하였다. 양적분석은 빅데이터 분석의 워드 클라우드 (Word Cloud) 분석기법을 실시하였다.
연구대상자에 대한 면접은 연구자 3인이 실시하였고, Bogdan & Biklen(2007)의 유연하고 효과적인 면담을 위하여 면담 시작 전 사적인 가벼운 대화를 통하여 공감대를 형성하였다.
본 연구는 일회용 종이컵 사용에 관한 사회적 문제를 해결하기 위한 디자인 씽킹 프로젝트를 수행하였다. 예비조사는 2017년 9월 2주간 현장 관찰과 데스크 리서치를 통하여 KJ/NGT기법을 이용한 반 구조화된 인터뷰 질문지를 확립한 후 개방적인 방식으로 연구대상자가 자신의 입장, 느낌, 의견을 자유롭게 표현할 수 있도록 인터뷰를 설계하였다. 자료 수집의 장소와 대상은 예비조사 과정의 현장 관찰에서 종이컵 사용이 가장 빈번하게 관측되고 있으며 다양한 직업군의 사용자를 만날 수 있는 장소로 도서관과 쉼터로 선정하여 랜덤 으로 피실험 인터뷰 대상자를 선정하였다.
확인된 중심현상은 직장인이나 대학생 등 일회용 종이컵을 사용하는 사람들은 대부분 2~3개 정도의 종이컵을 사용한다는 중심현상을 확인하였다. 이 중심 현상과 관련이 있거나 중심 현상을 설명하는 구체적인 코딩 범주를 통찰하기 위해 자료를 검토하는 축코딩 과정을 다음 과정으로 수행하였으며, 이 과정에서도 전 단계인 개방 코딩을 수정하거나 축 코딩 과정을 지속적 비교 접근을 수행하였다. 코딩 방법은 자료의 양이 몇 페이지의 작은 자료든 수천페이지의 방대한 자료든 간에 모든 문서 자료를 약 30~50개의 코드로 정리하는 John W.
1차 데이터 수집 후 일차적인 분석을 통하여 추가적으로 수집할 데이터에 관한 사항을 토의를 거쳐 추가하였으며, 2017년 11월 20일 3명의 연구 대상 자에게 면접을 통한 2차 필드 리서치를 수행하였다. 이때 사용한 질문지는 1차 필드 리서치 후 개선된 질문지를 사용하였으며, 2차 필드 리서치 후 하였다. 본 연구는 2017년 9월~12월까지 진행되었다.
이러한 한계점을 극복하고자 맥락적 이해를 높이고 코딩의 정확성과 효율성을 높이기 위하여 NVivo 소프트웨어를 활용한 근거 이론 접근법의 질적 자료 분석을 실시하였다. 소프트웨어 사용으로 대량의 자료를 효율적으로 관리할 수 있었으며, 안정적인 코딩 기능을 통하여 특정 주제에 관한 모든 정보를 쉽고 빠르게 추적함으로써 체계성과 투명성 차원에서 연구 결과의 신빙성을 높여줄 수 있었다.
이렇게 도출된 개념들은 그 의미를 포괄하는 개념으로 다시 한 번 범주화하는 작업을 실시하여 자료 → 개념 → 하위범주 → 범주를 포화시켰다. 즉 자료를 문 맥의 의미단위로 해체하여 개념화 시킨 후, 속성과 차원에 따라 범주화 시키는 과정을 계속 함으로서 개방 코딩 목록에서 관심을 끄는 중심 현상으로 하나의 범주를 확인하였다.
대상 데이터
이때 사용한 질문지는 1차 필드 리서치 후 개선된 질문지를 사용하였으며, 2차 필드 리서치 후 하였다. 본 연구는 2017년 9월~12월까지 진행되었다.
예비조사는 2017년 9월 2주간 현장 관찰과 데스크 리서치를 통하여 KJ/NGT기법을 이용한 반 구조화된 인터뷰 질문지를 확립한 후 개방적인 방식으로 연구대상자가 자신의 입장, 느낌, 의견을 자유롭게 표현할 수 있도록 인터뷰를 설계하였다. 자료 수집의 장소와 대상은 예비조사 과정의 현장 관찰에서 종이컵 사용이 가장 빈번하게 관측되고 있으며 다양한 직업군의 사용자를 만날 수 있는 장소로 도서관과 쉼터로 선정하여 랜덤 으로 피실험 인터뷰 대상자를 선정하였다. 2017년 11월 7일 1차 필드 리서치에서 4명의 연구 대상자를 선정하여 면접을 실시하였으며, 도중에도 즉각적인 자료 분석을 통해 면접 질문을 지속적으로 수정하였다.
데이터처리
다음으로 양적분석 방법으로 빅데이터 분석을 실시하였다. 빅데이터 분석은 기존 데이터 분석체계로서는 감당하기 어려울 정도의 막대한 데이터량을 다양한 분석 방법을 기반으로 최대한 빠른 시간 안에 원하는 데이터를 도출할 수 있다는 장점을 보유하고 있다.
이론/모형
본 연구에서는 Strauss와 Corbin(1990)이 제시한 이론적 표본 추출 (Theoretical Sampling) 방법을 기반으로 연구 대상을 선정하였다. 개방적 표본추출 (Open Sampling)을 위해 다양한 직업 종사자와 연령의 연구 대상자를 선정하였으며, 1차 필드 리서치에서는 4명 (A, B, C, D)을 대상으로 면담을 진행하고 개방 코딩을 통해 개념화 및 범주화 작업을 수행하였다.
본 연구에서는 코딩의 정확성과 효율성을 높이기 위하여 QSR사(社)의 NVivo12를 사용하였으며, 질적 분석방법 중에서도 분석을 위한 구체적인 절차를 따르는 근거이론 접근법을 사용하여 질적 분석을 수행하였다.
본 연구는 일회용 종이컵 사용을 줄이기 위한 사회혁신 디자인 씽킹 프로젝트를 수행하고, 그 과정에서 수집된 데이터를 질적 자료 분석과 양적 자료 분석을 수행함으로써 통합방 법론을 개발 및 제안하였다. 수집한 관찰데이터 분석을 위하여 1차적으로 적용한 질적 자료 분석 방법은 KJ/NGT 기법이 었다. 분석 결과, KJ/NGT 기법은 인간의 직관과 경험에 의해 분류, 정리함으로써 문제해결의 방안을 간단하며 빠르게 찾아낼 수 있었다.
수작업에 의한 인간적 직관과 경험에 의한 통찰력에 의해 자료를 분석하는 방법인 KJ/NGT기법과 컴퓨터를 이용한 질적 연구 분석프로그램인 NVivo를 이용하여 근거이론 접근법을 사용한 질적 분석을 수행하였다. 양적분석은 빅데이터 분석의 워드 클라우드 (Word Cloud) 분석기법을 실시하였다.
연구를 통해 수집한 관찰데이터를 분석하기 위해 1차적으로 디자인 씽킹 프로젝트에서 일반적으로 사용되고 있는 KJ/NGT 기법을 활용하였다.
이 중심 현상과 관련이 있거나 중심 현상을 설명하는 구체적인 코딩 범주를 통찰하기 위해 자료를 검토하는 축코딩 과정을 다음 과정으로 수행하였으며, 이 과정에서도 전 단계인 개방 코딩을 수정하거나 축 코딩 과정을 지속적 비교 접근을 수행하였다. 코딩 방법은 자료의 양이 몇 페이지의 작은 자료든 수천페이지의 방대한 자료든 간에 모든 문서 자료를 약 30~50개의 코드로 정리하는 John W. Creswell의 린코딩 (Lean Coding)방법론에 따라 자료를 49개의 개념으로 1차 코딩하였다(Creswell, 1998). 그 후 다시 겹치거나 불필요한 코드를 찾아가며 17개의 하위 범주로 묶어주고, 최종적으로 7개의 테마 범주로 개방 코딩하였다.
성능/효과
그러나 분석과정에서 분석자의 편견이 작용하 거나, 추측, 성급한 일반화의 오류가 발생하였고, 분석자들의 능력 여하에 따라 결과의 품질이 상이할 수 있다는 문제를 안고 있다. 그럼에도 불구하고 KJ/NGT 기법은 경험적 직관에 의해 의미 있는 정보를 도출할 수 있기 때문에 문제 정의 초기 단계에서 연구의 방향을 결정하는데 유용하게 사용될 수있음을 확인하였다.
소프트웨어 사용으로 대량의 자료를 효율적으로 관리할 수 있었으며, 안정적인 코딩 기능을 통하여 특정 주제에 관한 모든 정보를 쉽고 빠르게 추적함으로써 체계성과 투명성 차원에서 연구 결과의 신빙성을 높여줄 수 있었다. 그리고 인간의 직관에 의한 KJ/NGT기법에 비해 높은 구조화와 맥락에 기반한 의미 있는 정보를 뽑아 낼 수 있다는 것은 큰 장점이었다. 그러나 질적 분석을 위한 구체적인 절차나 패러다임이 없는 경우에는 다소 난해한 결과를 보일 수 있다는 단점을 보유하고 있었다.
또한 낭비가 심화되는 장소와 상황은 다수의 사람이 집단적으로 모이는 장소에서 동일한 디자인의 종이컵을 동시 사용시 구별이 어렵거나, 용도보다 큰 컵을 사용하는 경우, 음용 하는 종류가 다양한 경우 그리고 집단 내에서 게임과 같이 자리 이동이 빈번이 발생하는 경우 종이컵 낭비가 심화되는 낭비 실태를 도출하였다.
[그림 3]은 수집된 자료의 빅데이터 분석을 통해 도출한 결과물을 정리한 것이다. 분석 결과 빅데이터 분석은 많은 양의 데이터를 과학적 분석으로 시각화할 수 있다는 점이 장점인 반면 맥락이 소멸된 분절적 데이터로 그러한 결과가 나오게된 배경이나 인과관계를 이해하고 인사이트를 도출하는데에는 한계가 있는 것으로 나타났다.
수집한 관찰데이터 분석을 위하여 1차적으로 적용한 질적 자료 분석 방법은 KJ/NGT 기법이 었다. 분석 결과, KJ/NGT 기법은 인간의 직관과 경험에 의해 분류, 정리함으로써 문제해결의 방안을 간단하며 빠르게 찾아낼 수 있었다. 그러나 분석과정에서 분석자의 편견이 작용하 거나, 추측, 성급한 일반화의 오류가 발생하였고, 분석자들의 능력 여하에 따라 결과의 품질이 상이할 수 있다는 문제를 안고 있다.
이러한 한계점을 극복하고자 맥락적 이해를 높이고 코딩의 정확성과 효율성을 높이기 위하여 NVivo 소프트웨어를 활용한 근거 이론 접근법의 질적 자료 분석을 실시하였다. 소프트웨어 사용으로 대량의 자료를 효율적으로 관리할 수 있었으며, 안정적인 코딩 기능을 통하여 특정 주제에 관한 모든 정보를 쉽고 빠르게 추적함으로써 체계성과 투명성 차원에서 연구 결과의 신빙성을 높여줄 수 있었다. 그리고 인간의 직관에 의한 KJ/NGT기법에 비해 높은 구조화와 맥락에 기반한 의미 있는 정보를 뽑아 낼 수 있다는 것은 큰 장점이었다.
위의 코딩 결과에서 중심현상은 하루 2~3개정도의 종이컵을 사용하고 있으며, 대부분 2~3개 이상 종이컵을 사용하는 경우 낭비라는 인식을 가진 것으로 나타났다.
이상과 같이 본 연구의 결과를 통해 알 수 있듯이 양적 연구와 질적 연구 모두 장단점을 보유하고 있었으며 사회현상에 대한 올바른 이해를 위하여 하나의 현상에 대해 여러 방법론을 적용하여 연구해보는 통합방법론(Method Triangulation) 방식을 적용하는 것이 보다 바람직하다고 판단하였다. 이에 질적 분석과 양적분석을 접목하여 사용할 것을 권고하는 사회혁신 디자인 씽킹 통합방법론과 연구명제를 제시하였다.
종이컵 낭비 현상에 대한 핵심 범주를 ‘종이컵 낭비가 일어 나는 원인’으로 정하였다. 참여자들은 낭비의 근본 원인이 사 용 환경, 개선 노력, 근본 원인, 인식과 실태에 의해 영향을 받는다고 인식하는 것으로 나타났다.
빅데이터의 장점은 크게 세 가지로 정리할 수 있다. 첫째, 빅데이터의 해석 및 분석을 통해 도출한 정보는 의사결정의 정확도와 합리성을 높여준다.
확인된 중심현상은 직장인이나 대학생 등 일회용 종이컵을 사용하는 사람들은 대부분 2~3개 정도의 종이컵을 사용한다는 중심현상을 확인하였다. 이 중심 현상과 관련이 있거나 중심 현상을 설명하는 구체적인 코딩 범주를 통찰하기 위해 자료를 검토하는 축코딩 과정을 다음 과정으로 수행하였으며, 이 과정에서도 전 단계인 개방 코딩을 수정하거나 축 코딩 과정을 지속적 비교 접근을 수행하였다.
후속연구
본 연구에서 제시하는 통합방법론은 관찰데이터의 체계적 분석과 사회혁신을 위한 심도 있는 맥락적 이해를 위해 질적 분석 방법과 양적 분석 방법을 균형 있게 사용할 것을 제안한다. 또한 오프라인 기반의 분석뿐만 아니라 분석 소프트웨 어를 활용한 온라인 분석 방법을 관찰 데이터와 양을 고려하여 적절하게 병행하여 사용하는 것이 디자인 씽킹 산출물의 질적 수준을 향상시키는데 바람직함을 제시한다.
본 연구에서 제시한 통합방법론은 사회혁신을 위한 가치 있는 도구로서 디자인 씽킹 실행 주체들에게 실질적 가이드라인과 시사점을 제공해주어 디자인 씽킹을 통한 사회혁신성과 향상에 기여할 것으로 기대한다.
연구의 한계점으로는 수집한 관찰데이터의 양이 빅데이터 분석을 적용하기에 다소 부족한 면이 있다는 점이다. 이에 향후 연구에서는 보다 많은 양의 데이터와 다양한 유형의 관찰 데이터를 확보하여 통합방법론을 적용해봄으로써 방법론의 신뢰도를 확보자하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
사회혁신이란 무엇인가?
사회혁신은 보건복지, 의료, 교육, 위생, 환경, 안전 분야 등 다양한 분야에서 사회적 목표를 달성을 위한 새로운 아이디어를 발굴하고 구현하는 활동으로, 사회적 영역에서 기존의 방식과 기술을 변화시키는 혁신활동을 의미한다(The Young Foundation, 2006; Mulgan et al., 2007).
통합방법론을 적용하는 것이 보다 바람직하다고 판단한 이유는 무엇인가?
특히 관찰과정에서 수집되는 데이터의 양과 유형이 다양하여 데이터의 양이 많거나 비정형 데이터가 많은 경우 분석단계에서 주로 사용하는 오프라인 중심의 질적 분석 방법을 수행함으로써 누락되는 데이터의 비중이 높을 수밖에 없는 현실이다. 이에 본 연구는 사회현상에 대한 올바른 이해를 위하여 하나의 현상에 대해 여러 방법론을 적용하여 연구해보는 통합방법론 (Method Triangulation)을 적용하는 것이 보다 바람직하다고 판단하였다.
디자인 씽킹은 어떤 도구인가?
사회혁신을 추구함에 있어 해결하고자 하는 문제를 명확히 도출하고, 문제의 원인을 파악하는 것은 사회혁신의 핵심 출발점이 된다. 디자인 씽킹은 인간의 필요에 공감하고 대중도 인식하지 못하는 잠재적 욕구를 발굴하여 해결하는 창의적 문제해결 방법론으로서 사회혁신에 적용하기에 적합한 도구로 인정받고 있다. 실제로 사회혁신 분야에 디자인 씽킹을 적용하여 성공적인 해결책을 도출한 사례들을 다양한 분야에서 쉽게 찾을 수 있다.
참고문헌 (41)
Alkaya., Mahir., F. Sleeswijk Visser., & C. S. H. de Lille. (2012). Supporting NPD teams in innovation: Structuring user data on the foundations of empathy, Leading innovation through design: Proceedings of the 2012 DMI international research conference, Boston (USA), 8-9 Aug. 2012. DMI.
Bazeley, P., & Jackson, K. (Eds.).(2013). Qualitative data analysis with NVivo, Sage Publications Limited.
Beyer, M. A., & Laney, D.(2012). The importance of 'big data': a definition, Stamford, CT: Gartner.
Bogdan, R. B., & Biklen, S. S.(2007). Investigacao qualitativa em educacao, Porto: Porto Editora.
Choi, H. K.(2008). Usefulness and Limitations of Qualitative Data Analysis Software (NVivo2)-Comparison between Traditional Analysis Method and Nvivo2 Analysis Method, Journal of Policy Analysis and Evaluation, 18(1), 123-151.
Christian M.(2017). Sensemaking: The Power of the Humanities in the Age of the Algorithm, Little Brown.
Creswell, J. W.(1998). Qualitative inquiry and research design: Choosing among five traditions, Thousand Oaks, CA, US: Sage Publications, Inc.
Flinders, D. J.(1997). InterViews: An introduction to qualitative research interviewing: Steinar Kvale. Thousand Oaks, CA: Sage Publications, 1996.
Hampton, A., McGowan, P., & Cooper, S.(2011). Developing quality in female high-technology entrepreneurs' networks, International Journal of Entrepreneurial Behavior & Research, 17(6), 588-606.
IDC(2011). Big Data: What It Is and Why You Should Care, White Paper #228827, 1-14.
Jang K. W., & Ko. S. I.(2010). Action Learning Workshop proceeding, Korea Action Learning Association.
Kim, H. J., Hong, S. K., Choi, H. L., Kim D. H., Kim, J. W., & Lim, S. B.(2017). Platform design for co-creation-based regional innovation model, Spring Integration Conference of Management Information System.
Kelle, U., & Laurie, H.(1995). Computer Use in Qualitative Research and Issues of Validity. In Udo Kelle(ed.), Computer-aided Qualitative Data Analysis, 19-28. London: Sage Publications.
Kelle, U.(1995). Introduction: An Overview of Computer-aided Methods in Qualitative Research. In Udo Kelle(ed.), Computer-aided Qualitative Data Analysis, 1-18. London: Sage Publications.
Kuckartz, U.(2014). Qualitative text analysis: A guide to methods, practice and using software. Los Angeles: Sage.
Lee, R.. & Fielding, N.(1991). Computing for Qualitative Research: Options, Problems and Potential. In N.G. Fielding & R.M. Lee (Eds.), Using Computers in Qualitative Research, 1-13. London: Sage.
Lewins, A., & Silver, C.(2006). Choosing a CAQDAS Package, A Working Paper Submitted for CAQDAS Networking Project(http//caqdas.soc.surrey.ac.uk/).
Muller, R. M., & Katja T.(2012). Design Thinking VS. Lean Startup: A comparison of two user-driven innovation strategies, 2012 International Design Management Research Conference, 151-161.
Mulgan, G., Tucker., Simon., Ali., Rushanara., & Sanders, B. (2007). Social Innovation: What it is, why it matters and how it can be accelerated, Skoll Centre for Social Entrepreneurship. Said Business School University of Oxford.
Noh, D. J.(2004). A Study on the Forecasting of Library and Information Center with KJ Method, The Social Science Research Institute Sangmyung University, 19, 1-17.
Oh, I. K., & Lee, D. B.(2013). A Study on the Application Methods of Big Data in the Design Field, Journal of Digital Design, 13(4), 665-674.
Park, S. H., Oh, S. H., Park, J. S., & Lee, M. K.(2016). A Unified Model of Action Learning and Design Thinking for Social Innovation, Asia-Pacific Journal of Business Venturing and Entrepreneurship,11(2), 89-100.
Park, S. H., & Oh, S. H.(2017a). Design thinking and Business Model Zen linkage methodology for social innovation project implementation), The Journal of Digital Industry & Information Management, 13(1), 185-196.
Park, S. H., & Oh, S. H.(2017b). Design Thinking and Big Data, The Korean Society of Creative Application.
Patton, M. Q.(1987). How to use qualitative methods in evaluation (No. 4), Sage.
Richards, L., & Morse, J. M.(2012). Readme first for a user's guide to qualitative methods, Sage.
Rittel, H. W. J.(1972). On the planning crisis: Systems analysis of the first and second generations, Bedriftskonomen, 8, 390-396.
Roger L. Martin.(2009). The Design of Business: Why Design Thinking is the Next Competitive Advantage, Harvard Business School Press.
Seol, B. M., Park, S. H., Park, J. B., & Kim, S. P.(2014). A Research on Entrepreneurship Education Recognition Based on Grounded Theory, Asia-Pacific Journal of Business Venturing and Entrepreneurship, 9(3), 23-32.
Seol. B. M., & Park. J. B.(2016). Exploratory Study on the Phenomenon of Technology Transfer in Livestock Industry Based on the Grounded Theory Approach: Backward Linkage Industries in Livestock Industry, Asia-Pacific Journal of Business Venturing and Entrepreneurship, 11(1), 97-108.
Social I. L.(2015). Why you feel design thinking education is difficult?, http://www.theuntoday.com/m/post/953
Stake, R. E.(1995). The art of case study research, Sage.
Stake, R. E.(2010). Qualitative research: Studying how things work, Guilford Press.
Strauss, A., & Corbin, J. M.(1990). Basics of qualitative research: Grounded theory procedures and techniques, Sage Publications, Inc.
Strauss, A., & Corbin, J.(1994). Grounded theory methodology, Handbook of Qualitative Research, 17, 273-285.
Strauss, A. & Corbin, J.(1998). Basics of Qualitative Research: Grounded theory procedures and techniques, Thousand Oaks, CA: Sage Publications.
The Young Foundation.(2006). Social Silicon Valleys: A Manifesto for Social Innovation, The Young Foundation.
전자신문(2016), 한국형 스탠퍼드대 '디자인 싱킹' 과정 만들어졌다, http://m.news.naver.com/read.nhn?modeLSD&midsec&sid1102&oid030&aid0002462004.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.