06. 연구결과 및 논의 작성법

체육학과 경기분석학의 양적 연구를 기준으로, 연구결과와 논의를 어떻게 나누고 무엇을 담아야 하는지 정리한다.

”연구결과+논의” vs “연구결과 → 논의” 구분

연구결과와 논의를 배치하는 방식은 크게 두 가지 체제로 나뉜다.

체제	구성	특징	주로 쓰는 경우
통합형	Ⅳ. 연구결과 및 논의 + Ⅴ. 결론	결과를 제시하고 바로 아래에 해석·선행연구 비교를 붙임	학위논문(체육학 다수), KCI 학술지
분리형	Ⅳ. 연구결과 + Ⅴ. 논의 및 제언	결과 장에서는 숫자·표만 제시, 해석은 별도 장	SSCI/SCI 국제 학술지, 실험 연구

통합형 : Ⅳ. 연구결과 및 논의 + Ⅴ. 결론

• Ⅳ. 연구결과 및 논의 — 결과와 해석을 하나의 장에서 함께 서술
  • 연구 문제 1 → 결과 표/수치 → 바로 해석·선행연구 비교
  • 연구 문제 2 → 결과 표/수치 → 바로 해석·선행연구 비교
• Ⅴ. 결론 — 전체 결과 요약, 최종 시사점, 후속연구 제언
• 장점 : 독자가 결과와 해석을 한 흐름으로 읽을 수 있음
• 단점 : 결과와 의견이 섞여 보일 수 있음

분리형 : Ⅳ. 연구결과 + Ⅴ. 논의 및 제언

• Ⅳ. 연구결과 — 오직 데이터, 표, 그래프, 통계값만 제시 (해석·의견 없음)
• Ⅴ. 논의 및 제언 — 결과의 의미 해석, 선행연구와 비교, 시사점, 제한점, 후속연구 제안
• 장점 : 객관적 결과와 주관적 해석이 명확히 구분됨
• 단점 : 같은 내용을 두 번 언급하게 되어 분량 증가

선택 기준

• 학위논문은 지도교수·학과 양식을 확인한다(대부분 통합형).
• 학술지 투고는 해당 학술지의 투고 규정(Author Guidelines)을 확인한다.
• 국제 학술지는 대부분 분리형(Results → Discussion)이다.
• 확신이 없으면 해당 학술지 최근 게재 논문 2~3편의 목차를 참고한다.

연구결과 작성법

연구결과는 다음 원칙에 따라 쓴다.

원칙	설명
연구 문제 순서대로	서론에서 제시한 연구 문제/가설 순서에 맞춰 결과를 배치
표 → 본문 설명	표(Table)를 먼저 제시하고, 본문에서 핵심 수치만 언급
사실만 기술	”유의했다”, “차이가 있었다” 등 결과 사실만 — “~때문일 것이다”는 논의에서
과거 시제	”~이었다”, “~나타났다” (이미 수행된 분석이므로)
모든 통계값 보고	검정 통계량, 자유도, p값, 효과크기를 빠짐없이

본문은 다음 흐름으로 쓴다.

1. 분석 방법 한 줄 요약
   "집단 간 차이를 검증하기 위해 독립표본 t-검정을 실시하였다."

2. 결과 표 제시
   <표 4> 집단별 기술통계 및 t-검정 결과

3. 핵심 수치 본문 서술
   "실험집단(M=4.12, SD=0.85)이 통제집단(M=3.45, SD=0.91)보다
    유의하게 높았다, t(58)=3.12, p=.003."

4. (통합형인 경우) 해석·선행연구 비교
   "이는 김OO(2022)의 연구결과와 일치하는 것으로..."

논의(Discussion) 작성법

논의에는 다음 내용이 순서대로 들어간다.

순서	내용	예시
① 결과 요약	핵심 발견을 한두 문장으로 재진술	”실험집단의 점수가 유의하게 높았다”
② 선행연구 비교	일치/불일치하는 선행연구 인용	”이는 김OO(2022)의 결과와 일치한다”
③ 이유 해석	왜 그런 결과가 나왔는지 설명	”이는 ~프로그램이 ~능력을 향상시켰기 때문으로 판단된다”
④ 시사점	학술적·실무적 의의	”이 결과는 현장 코칭에서 ~의 중요성을 시사한다”
⑤ 제한점	일반화의 한계, 표본 한계 등	”본 연구는 ~대학 선수만을 대상으로 하여 일반화에 한계가 있다”
⑥ 후속연구 제안	보완할 연구 방향	”추후 연구에서는 ~변인을 추가하여 분석할 필요가 있다”

논의를 쓸 때는 다음을 유의한다.

• 결과에 없는 내용을 논의에서 갑자기 꺼내지 않는다.
• “~일 것이다”, “~로 판단된다” 등 추론 표현을 쓴다(단정 금지).
• 선행연구 인용 시 구체적 수치를 함께 제시하면 설득력이 높아진다.
• 불일치하는 선행연구도 반드시 언급하고 왜 다른지 해석한다.

결론 작성법

결론에는 다음을 담는다.

• 연구 목적 재진술 (한 문장)
• 핵심 결과 요약 (연구 문제별 한두 문장)
• 최종 시사점 (현장 적용 가능성)
• 후속연구 제언

반대로 결론에 넣지 말아야 할 것은 다음과 같다.

• 새로운 데이터나 통계값
• 결과에서 언급하지 않은 발견
• 지나치게 확대 해석

통계 표(Table) 제시 방법

표 작성의 일반 원칙은 다음과 같다.

원칙	설명
APA 양식 준수	표 번호, 제목은 표 위에 / 주석은 표 아래에
세로선 없음	APA 양식에서는 세로선을 사용하지 않음 — 가로선만 사용
가로선은 최소화	상단선, 헤더 구분선, 하단선 3개만 기본
소수점 통일	같은 표 안에서 소수점 자릿수를 맞춤 (보통 2자리)
p < .05 표기	*p < .05, **p < .01, ***p < .001 — 표 아래 주석에 범례
본문에서 반드시 언급	”~의 결과는 <표 4>와 같다” — 언급 없는 표는 삭제

표 번호·제목 형식

<표 1> 집단별 사전·사후 체력검사 기술통계량
Table 1. Descriptive Statistics of Physical Fitness by Group

• 한글 논문 : <표 1> 또는 표 1.
• 영문 논문 : Table 1. (이탤릭)
• 제목은 내용을 구체적으로 쓴다. “결과”(부적절) → “집단별 사전·사후 체력검사 기술통계량”(적절)

표 구조의 핵심 원칙 — “변수를 행에 쌓는다”

• 논문의 통계 결과표는 하나의 표에 여러 변수를 행으로 쌓아서 보여준다.
• 변수 하나당 표 하나가 아니라, 같은 분석 방법을 적용한 변수들을 한 표에 정리한다.
• 이 구조가 APA 양식의 표준이며, 논문 심사에서 가장 선호하는 형태다.

기술통계 표

표 1. 주요 변수의 기술통계

변수	M	SD	Min	Max	왜도	첨도
변수 A	3.45	0.87	1.20	5.00	0.12	-0.34
변수 B	2.98	0.64	1.10	4.70	0.08	0.21
변수 C	4.02	0.91	1.50	5.00	-0.23	0.15

• 왜도(skewness)·첨도(kurtosis)는 정규성 판단 근거로 함께 제시한다.
• 왜도 ±2, 첨도 ±7 이내이면 정규성 충족으로 보는 기준이 일반적이다.

독립표본 t-검정 표

표 2. 집단 간 주요 변수 비교

변수	집단 1 (n=30) M±SD	집단 2 (n=30) M±SD	t	df	p
변수 A	3.21±0.72	3.68±0.81	2.31	58	.024*
변수 B	2.88±0.60	3.10±0.55	1.48	58	.144
변수 C	4.10±0.85	3.75±0.90	-1.59	58	.117

*p < .05

• M±SD를 하나의 셀에 쓰면 열 수가 줄어 표가 깔끔해진다.
• 유의하지 않은 결과(변수 B, C)도 반드시 포함한다.

대응표본 t-검정 표

표 3. 중재 전·후 변수 비교

변수	사전 M±SD	사후 M±SD	t	df	p
변수 A	2.90±0.80	3.40±0.75	3.12	29	.004**
변수 B	3.10±0.65	3.55±0.70	2.74	29	.010*
변수 C	3.80±0.92	4.20±0.88	2.05	29	.049*

*p < .05. **p < .01.

일원분산분석(ANOVA) + 사후검정 표

표 4. 집단별 변수 비교 및 분산분석 결과

변수	A집단 (n=20) M±SD	B집단 (n=20) M±SD	C집단 (n=20) M±SD	F	df	p	사후검정
변수 A	3.10±0.70	3.45±0.68	3.82±0.75	4.68	2, 57	.013*	A<C
변수 B	2.70±0.55	2.95±0.62	3.30±0.58	5.21	2, 57	.008**	A<C

*p < .05. **p < .01. 사후검정: Scheffé.

• 사후검정 열에 어느 집단 간에 유의한지 부등호로 표시한다.

Kruskal-Wallis 검정 표

표 5. 집단별 비모수 비교 결과

변수	A집단 Mdn(IQR)	B집단 Mdn(IQR)	C집단 Mdn(IQR)	H	df	p
변수 A	3.0(2.5–3.5)	3.2(2.8–3.8)	3.6(3.0–4.1)	7.21	2	.027*
변수 B	2.8(2.3–3.3)	3.0(2.6–3.5)	3.4(2.9–3.9)	6.44	2	.040*

*p < .05.

• 비모수 검정에서는 M±SD 대신 Mdn(중앙값)과 IQR(사분위범위)을 보고한다.
• Mdn = Median, IQR = Interquartile Range

상관분석 표

표 6. 주요 변수 간 상관관계

변수	1	2	3	4
1. 변수 A	—
2. 변수 B	.41**	—
3. 변수 C	.28*	.19	—
4. 변수 D	-.35**	-.12	-.44**	—
M	3.45	2.98	4.02	3.11
SD	0.87	0.64	0.91	0.78

*p < .05. **p < .01.

• 대각선은 자기 자신과의 상관이므로 —로 표시한다.
• 하삼각 행렬만 채운다(상삼각은 중복이므로 비움).
• 표 하단에 M, SD를 함께 제시하면 기술통계 표를 별도로 만들지 않아도 된다.

회귀분석 표

표 7. 변수 A에 대한 다중회귀분석 결과

예측변수	B	SE	β	t	p
(상수)	1.12	0.32		3.50	.001
변수 B	0.32	0.11	.38	2.91	.005**
변수 C	0.21	0.09	.29	2.33	.023*
변수 D	-0.15	0.08	-.22	-1.88	.065

R²=.31, F(3, 56)=8.42, p<.001. *p < .05. **p < .01.

• B = 비표준화 계수, β = 표준화 계수, SE = 표준오차
• β 값으로 예측 변수 간 상대적 영향력을 비교한다.
• R², F, p 는 표 아래 주석에 표기한다.
• 다중공선성이 우려되면 VIF 열을 추가한다(VIF > 10이면 문제).

카이제곱(χ²) 검정 표

표 8. 집단과 범주형 변수 간 교차분석 결과

변수	집단 1 n(%)	집단 2 n(%)	집단 3 n(%)	χ²(df)	p
성별(남)	14(70.0)	11(55.0)	17(85.0)	4.32(2)	.115
포지션(공격)	8(40.0)	12(60.0)	6(30.0)	5.62(2)	.018*

*p < .05.

• 빈도와 비율을 n(%) 형태로 함께 표기한다.
• χ²(df)를 하나의 열에 합쳐 쓰는 경우도 흔하다.
• 기대빈도 5 미만 셀이 20% 이상이면 Fisher 정확검정을 사용하고, 표 주석에 명시한다.

자주 쓰는 통계 10가지 — 실무 정리

기술통계

• 용도 : 데이터의 전반적 특성 파악 (평균, 표준편차, 빈도, 비율)
• 보고값 : M (평균), SD (표준편차), n (표본 수), % (비율)

연구 대상자의 평균 연령은 M=22.4세(SD=2.31)이었으며,
남자 선수 45명(75.0%), 여자 선수 15명(25.0%)으로 구성되었다.

Shapiro-Wilk 정규성 검정

• 용도 : 변수가 정규분포를 따르는지 확인 → 모수/비모수 검정 결정 기준
• 보고값 : W, p
• 판단 : p ≥ .05 → 정규성 충족, p < .05 → 정규성 불충족

사전 점수는 Shapiro-Wilk 검정 결과 정규성을 만족하였다(W=.97, p=.210).
사후 점수는 정규성이 충족되지 않아(W=.91, p=.003) 비모수 검정을 실시하였다.

독립표본 t-검정

• 용도 : 서로 다른 두 집단의 평균 비교 (예: 실험집단 vs 통제집단)
• 전제 : 정규성 충족, 등분산 가정 (Levene 검정)
• 보고값 : t, df, p, Cohen’s d (효과크기)

실험집단(M=4.12, SD=0.85)은 통제집단(M=3.45, SD=0.91)보다
사후 점수가 유의하게 높았다, t(58)=3.12, p=.003.

스포츠 예시:

축구 선수의 반복 스프린트 검사에서 전문 선수 집단(M=8.12s, SD=0.45)이
비전문 선수 집단(M=8.85s, SD=0.62)보다 유의하게 빠른 것으로 나타났다,
t(48)=-2.87, p=.006.

대응표본 t-검정

• 용도 : 같은 대상의 전후 비교 (예: 중재 전 vs 중재 후)
• 보고값 : t, df, p, 평균차

6주 트레이닝 프로그램 후 체력 점수는 사전(M=3.42, SD=0.87)보다
사후(M=4.12, SD=0.85)에 유의하게 증가하였다, t(29)=3.56, p=.001.

일원분산분석 (One-way ANOVA)

• 용도 : 세 집단 이상의 평균 비교 (예: FW vs MF vs DF)
• 보고값 : F, df₁, df₂, p, η² (효과크기)
• 유의할 때 : 사후검정(Scheffé, Tukey, Bonferroni 등)으로 어느 집단 간 차이인지 확인

포지션에 따른 스프린트 속도는 유의한 차이가 있었다,
F(2, 47)=4.68, p=.014.
Scheffé 사후검정 결과 FW(M=8.12)가 DF(M=7.52)보다 유의하게 빨랐다.

Kruskal-Wallis 검정

• 용도 : 정규성 불충족 시 세 집단 이상 비교 (ANOVA의 비모수 대안)
• 보고값 : H, df, p
• 유의할 때 : Dunn’s test 등으로 사후검정

포지션에 따른 경기 만족도는 유의한 차이가 있었다,
H(2)=7.21, p=.027.

Mann-Whitney U 검정

• 용도 : 정규성 불충족 시 두 독립 집단 비교 (독립표본 t-검정의 비모수 대안)
• 보고값 : U, p

주전 선수와 비주전 선수의 훈련 만족도 분포는 유의한 차이가 있었다,
U=312.5, p=.018.

Wilcoxon signed-rank 검정

• 용도 : 정규성 불충족 시 전후 비교 (대응표본 t-검정의 비모수 대안)
• 보고값 : Z, p

중재 전후 심리 기술 점수는 유의한 차이가 있었다, Z=-2.44, p=.015.

카이제곱(χ²) 검정 / Fisher 정확검정

• 용도 : 범주형(명목) 변수 간 관련성 검증 (예: 포지션 × 부상 유무)
• 보고값 : χ², df, p
• Fisher 사용 조건 : 기대빈도 5 미만인 셀이 20% 이상일 때

포지션과 부상 유무는 유의한 관련이 있었다, χ²(2)=6.88, p=.032.

Pearson 상관 / 회귀분석

상관분석

• 용도 : 두 연속형 변수 간 선형 관계의 방향과 강도
• 보고값 : r, p
• 해석 기준 : |r| < .3 약한, .3~.7 보통, > .7 강한 상관

스프린트 속도와 경기 체력 지수 간에 유의한 정적 상관이 나타났다,
r=.41, p=.003.

회귀분석

• 용도 : 독립변수가 종속변수를 얼마나 예측하는지 확인
• 보고값 : B, SE, β, t, p, R², F

경기력에 대한 체력 요인의 회귀모형은 유의하였다,
F(3, 46)=11.12, p<.001, R²=.42.
스프린트(β=.31, p=.005)와 지구력(β=.28, p=.007)이
유의한 예측 변인으로 나타났다.

결과 문장 작성 공식

기본 문장 틀은 다음과 같다.

“[분석 대상]은 [결과 방향]으로 나타났다, [통계값], p=[값].”

통계별 문장 템플릿은 다음과 같다.

통계	템플릿
기술통계	~의 평균은 M=____, SD=____이었다.
t-검정	~은 ~보다 유의하게 높았다, t(df)=____, p=____.
ANOVA	~에 따른 ~는 유의한 차이가 있었다, F(df₁, df₂)=____, p=____.
카이제곱	~와 ~는 유의한 관련이 있었다, χ²(df)=____, p=____.
상관	~와 ~간에 유의한 (정적/부적) 상관이 나타났다, r=____, p=____.
회귀	회귀모형은 유의하였다, F(df₁, df₂)=____, p=____, R²=____.

유의하지 않은 결과도 반드시 보고한다.

• “~에 따른 차이는 유의하지 않았다, t(58)=0.42, p=.676.”
• “유의하지 않았다”를 “차이가 없었다”로 단정하지 않는다.

p값 표기 규칙

APA 양식 기준은 다음과 같다.

표기	사용 상황
p = .024	정확한 p값 보고 (소수점 셋째 자리까지)
p < .05	유의수준 기준 표기 (표 각주에 주로 사용)
p < .001	p값이 .001 미만일 때 (정확한 값 대신 사용 가능)

• p값 앞에 0을 붙이지 않는다. p = .024(적절), p = 0.024(부적절)
• 상관계수(r)도 동일하다. r = .41(적절), r = 0.41(부적절)
• 1을 초과할 수 있는 값(t, F, M, SD)에는 0을 붙인다. t = 0.42(적절)

표에서의 유의확률 표기는 다음과 같다.

*p < .05. **p < .01. ***p < .001.