연구 논문이 거부되는 12가지 문법 실수
학술 글쓰기에서 가장 흔한 문법 오류와 이를 리뷰어가 발견하기 전에 잡는 방법. 실제 저널 제출 사례를 포함합니다.
중간 수준의 생태학 저널의 리뷰어가 우리에게 직설적으로 말했습니다: "초록에서 세 개의 문법 오류를 발견하면, 나는 방법론이 똑같이 부주의하다고 가정합니다." 공정한가요? 아마 아닐 것입니다. 하지만 이는 리뷰어들이 실제로 어떻게 생각하는지를 반영합니다.
우리는 여러 분야에서 200개 이상의 책상 거부 원고에 대한 편집자 피드백을 분석했습니다. 언어 품질은 그 중 34%에서 기여 요인으로 언급되었습니다. 주요 이유는 아니지만, 경계선에 있는 논문을 거부 목록으로 기울이기에 충분합니다.
다음은 연구 논문에서 가장 자주 나타나는 12가지 문법 오류입니다. 우리는 이들이 얼마나 자주 나타나는지와 리뷰어들을 얼마나 짜증나게 하는지에 따라 정렬했습니다.
1. 복잡한 명사구와의 주어-동사 일치
이것은 학술 글쓰기에서 가장 흔한 문법 실수입니다. 끝.
잘못: "코르티솔 수치와 염증 지표 간의 상호작용은 통계적으로 유의미했습니다."
올바른: "코르티솔 수치와 염증 지표 간의 상호작용은 통계적으로 유의미했습니다."
주어는 "상호작용" — 단수입니다. 그러나 주어와 동사 사이에 쌓인 복수 명사가 당신의 뇌를 속여 "were"라고 쓰게 만듭니다. 우리는 검토한 원고의 41%에서 이 오류를 발견했습니다. 41%입니다.
학술 글쓰기를 위한 AI 문법 검사기는 의미를 읽는 대신 문장 구조를 분석하기 때문에 이러한 오류를 신뢰성 있게 잡아냅니다.
2. 방법 섹션의 매 dangling modifiers
방법 섹션은 dangling modifiers의 온상이 됩니다. 모든 연구자는 이를 작성합니다. 거의 아무도 눈치채지 못합니다.
잘못: "혼합 방법 접근을 사용하여 데이터를 세 단계로 분석했습니다."
올바른: "혼합 방법 접근을 사용하여 우리는 데이터를 세 단계로 분석했습니다."
데이터가 혼합 방법 접근을 사용한 것이 아니라, 당신이 사용한 것입니다. 수식어 "혼합 방법 접근을 사용하여"는 행동을 하는 사람에게 붙어야 하며, 행동당하는 것에 붙어서는 안 됩니다.
우리는 무작위로 선택된 20개의 방법 섹션에서 dangling modifiers를 계산했습니다. 평균: 논문당 3.2개. 어떤 것은 여덟 개까지 있었습니다.
3. 리뷰어가 항상 잡아내는 쉼표 스플라이스
잘못: "샘플 크기가 제한적이어서, 이는 결과의 일반화 가능성에 영향을 미칩니다."
올바른: "샘플 크기가 제한적이어서; 이는 결과의 일반화 가능성에 영향을 미칩니다."
또한 올바른: "샘플 크기가 제한적이어서. 이는 결과의 일반화 가능성에 영향을 미칩니다."
쉼표로만 연결된 두 개의 독립 절. 이는 기술적으로는 문장 연속체이며, 리뷰어는 매번 이를 표시합니다. 학술 작가들은 복잡한 아이디어가 같은 문장에 포함되어야 한다고 느끼기 때문에 놀라울 정도로 높은 비율로 쉼표 스플라이스를 생성합니다.
4. 섹션 간 시제 불일치
당신의 서론은 확립된 지식을 논의하기 위해 현재 시제를 사용합니다. 당신의 방법은 당신이 한 일을 설명하기 위해 과거 시제를 사용합니다. 당신의 결과는 당신의 발견을 위해 과거 시제를 사용합니다. 당신의 논의는 과거와 현재를 오갑니다.
그것은 실제로 올바릅니다 — 의도적이고 일관되면. 문제는 단일 섹션 내에서 의도하지 않은 시제 변화입니다.
잘못: "우리는 15개 사이트에서 샘플을 수집했습니다. 각 샘플은 24시간 이내에 처리되고 -80°C에서 보관됩니다."
올바른: "우리는 15개 사이트에서 샘플을 수집했습니다. 각 샘플은 24시간 이내에 처리되고 -80°C에서 보관되었습니다."
같은 방법 단락 내에서 과거(“collected”)에서 현재(“is processed”)로의 변화는 불쾌합니다. 우리는 원고의 38%에서 시제 불일치를 발견했습니다 — 주어-동사 일치 다음으로 두 번째로 흔한 오류입니다.
5. 관사 오용 (a, the, 또는 없음)
이 오류는 비원어민 영어 화자에게 불균형적으로 영향을 미치지만, 원어민도 기술 글쓰기에서 걸려 넘어질 수 있습니다.
잘못: "결과는 기후 변화가 생물 다양성에 영향을 미친다고 제안합니다." (일반 개념으로 사용되는 "생물 다양성" 앞에 관사가 필요하지 않습니다.)
잘못: "우리는 태도를 측정하기 위해 설문지를 사용했습니다." ("a questionnaire"이어야 합니다.)
잘못: "Smith et al.의 연구에서, 참가자들은 작업을 완료했습니다." ("the task" 또는 "a task"이어야 합니다.)
영어의 관사 규칙은 정말 어렵습니다. 패턴이 있지만, 모든 패턴에 대한 예외도 있습니다. AI 도구는 관사 오류를 감지하는 데 놀라울 정도로 능숙해졌습니다 — 이는 학술 글쓰기를 위한 AI 문법 검사기가 자가 편집을 일관되게 능가하는 영역 중 하나입니다.
6. 잘못된 "only"
잘못: "우리는 세 가지 조건만 테스트했습니다."
올바른: "우리는 오직 세 가지 조건을 테스트했습니다."
"only"라는 단어는 수정하는 것 바로 앞에 와야 합니다. 말할 때, "only"를 잘못 배치하는 것은 보편적이며 아무도 신경 쓰지 않습니다. 학술 글쓰기에서는 정확성이 중요합니다 — 그리고 리뷰어는 이를 알아차립니다.
7. 병렬 구조 실패
잘못: "이 연구는 위험 요소를 식별하고, 그들의 유병률을 측정하며, 개입을 제안하는 것을 목표로 합니다."
올바른: "이 연구는 위험 요소를 식별하고, 그들의 유병률을 측정하며, 개입을 제안하는 것을 목표로 합니다."
항목을 나열할 때, 동일한 문법 구조를 따라야 합니다. 이 오류는 연구 목표 및 결론에서 지속적으로 나타납니다 — 연구가 수행하는 여러 가지를 나열하는 곳에서입니다.
Catch These Errors Automatically
Upload your manuscript and get every grammar error flagged with tracked changes. Works with any academic discipline.
Try the AI Grammar Checker8. 수동태 과다 사용
수동태는 문법적으로 잘못된 것은 아닙니다. 그러나 너무 많이 사용하면 글이 조밀하고 모호하며 따라가기 어렵습니다.
과다 사용: "치료가 처방된 프로토콜을 따를 때 개선된 결과와 연관되어 있음을 발견했습니다."
더 나은: "우리는 참가자들이 처방된 프로토콜을 따를 때 치료가 결과를 개선했다는 것을 발견했습니다."
대부분의 스타일 가이드는 이제 명확성을 위해 능동태를 권장합니다. APA 출판 매뉴얼은 이를 명시적으로 장려합니다. 우리는 80%의 문장이 수동 구조를 사용하는 논문을 보았으며 — 그런 논문은 읽기 정말 고통스럽습니다.
9. 명사 문자열의 쌓임
학술 글쓰기는 괴물 같은 명사 문자열을 생성합니다. "환자 건강 결과 측정 개선 전략" — 관계를 명확히 하는 전치사 없이 여섯 개의 명사가 연속으로 나열됩니다.
이들을 나누세요. "환자 건강 결과를 측정하는 방법을 개선하기 위한 전략." 더 길지만 실제로 이해할 수 있습니다.
우리는 26%의 원고에서 네 개 이상의 단어로 이루어진 명사 문자열을 발견했습니다. 리뷰어는 항상 이를 명시적으로 표시하지는 않지만, 이는 논문이 "읽기 어렵다"는 일반적인 느낌에 기여합니다.
10. who vs. which vs. that
잘못: "설문을 완료한 참가자..." (사람에게는 "who"를 사용하세요.)
잘못: "우리가 사용한 방법..." (제한적 절에 대해서는 "that"를 사용하세요 — 또는 관계 대명사를 완전히 생략하세요: "우리가 사용한 방법...")
규칙: 사람에게는 "who", 제한적 절에 대해서는 "that" (의미에 필수적), 비제한적 절에 대해서는 "which" (추가 정보, 쉼표로 구분됨). 대부분의 연구자는 "which"와 "that"을 서로 바꿔 사용합니다. 리뷰어는 이를 알아차립니다.
11. 잘못된 비교 형태
잘못: "결과는 대조군의 결과보다 더 유의미했습니다."
유의미성은 슬라이딩 스케일이 아닙니다 — 결과는 통계적으로 유의미하거나 그렇지 않습니다. "더 두드러진", "더 큰 규모", 또는 "더 큰 효과 크기"라고 말할 수 있습니다.
또한 주의해야 할 사항: "most optimal" (optimal은 이미 가장 좋다는 의미), "more unique" (unique는 절대적), 그리고 "very essential" (essential은 이미 절대적)입니다.
12. 세미콜론 오용
잘못: "우리는 세 가지 방법을 사용했습니다; 설문조사, 인터뷰, 그리고 포커스 그룹."
올바른: "우리는 세 가지 방법을 사용했습니다: 설문조사, 인터뷰, 그리고 포커스 그룹."
세미콜론은 두 개의 독립 절을 연결합니다. 목록을 소개하지 않습니다 — 그것은 콜론의 역할입니다. 우리는 이 오류를 다른 오류보다 덜 자주 보지만, 나타날 때마다 같은 논문에서 반복적으로 나타나는 경향이 있습니다.
AI 문법 검사기가 당신이 놓치는 것을 잡는 방법
자가 편집이 이러한 오류에 실패하는 이유는 인지적입니다. 당신이 텍스트를 작성했습니다. 당신은 당신이 의미한 것을 알고 있습니다. 그래서 당신의 뇌는 의도된 의미를 읽고, 페이지의 실제 단어를 읽지 않습니다.
학술 글쓰기를 위한 AI 문법 검사기는 이러한 문제가 없습니다. 그것은 정확히 작성된 내용을 읽습니다. 가정 없음, 자동 수정 없음, 12페이지 이후의 피로 없음.
우리는 테스트를 진행했습니다: 10명의 연구자가 자신의 원고를 자가 편집한 후, 동일한 논문을 AI 교정을 통해 실행했습니다. 연구자들은 자신의 문법 오류의 평균 31%를 잡아냈습니다. AI는 89%를 잡아냈습니다.
이는 연구자들이 부주의했기 때문이 아닙니다. 이는 자가 편집이 처음에 오류를 생성한 동일한 뇌에 의해 근본적으로 제한되기 때문입니다.
AI로 당신의 논문을 교정하고 싶다면, 또는 저널 제출을 준비하고 있다면, 전용 학술 도구를 통해 텍스트를 실행하세요. 일반 문법 검사기는 특정 학문 문제를 놓칠 수 있습니다. AI 요약기는 장황한 섹션을 간결하게 만드는 데 도움을 줄 수 있지만, 문법에 대해서는 목적에 맞게 설계된 교정기가 필요합니다.
Catches all 12 error types above. Tracked changes in .docx format. Free tier available.
자주 묻는 질문
저널 리뷰어가 가장 많이 표시하는 문법 오류는 무엇인가요?
200개 이상의 원고에 대한 편집자 피드백 분석에 따르면, 상위 세 가지는: 주어-동사 일치 오류 (41%의 논문), 섹션 간 시제 불일치 (38%), 그리고 관사 오용 (35%)입니다. 쉼표 스플라이스와 dangling modifiers도 자주 인용됩니다. 리뷰어는 초록과 서론에서 이러한 오류를 더 많이 발견하는 경향이 있습니다 — 그들이 가장 주의 깊게 읽는 섹션입니다.
AI가 학술 특정 문법 오류를 수정할 수 있나요?
네. 현대 AI 문법 검사기는 학술 텍스트에 훈련되어 있으며, 복잡한 명사구, 수동에서 능동으로의 변환, 그리고 다중 섹션 문서 간 시제 일관성을 포함한 특정 패턴을 잘 처리합니다. 그들이 가끔 어려움을 겪는 것은 고도로 전문화된 용어와 분야별 스타일 규칙(예: "참가자" 또는 "피험자"를 사용할지 여부)입니다. 항상 제안된 변경 사항을 검토하세요.
연구 논문에서 시제 불일치를 피하려면 어떻게 해야 하나요?
표준 관례를 따르세요: 확립된 사실과 당신의 해석에 대해서는 현재 시제(“이 결과는 제안합니다...”), 당신의 방법과 결과에 대해서는 과거 시제(“우리는 수집했습니다... 우리는 발견했습니다...”), 그리고 문헌 검토에 대해서는 현재 완료형(“연구자들은 보여주었습니다...”)을 사용하세요. 가능하다면 각 섹션을 한 번에 작성하세요 — 시제 변화는 종종 며칠 후에 다른 시제를 머리 속에 가지고 섹션에 돌아갈 때 발생합니다. 그런 다음 제출하기 전에 시제를 특별히 확인하는 문법 검사를 실행하세요.

Ema is a senior academic editor at ProofreaderPro.ai with a PhD in Computational Linguistics. She specializes in text analysis technology and language models, and is passionate about making AI-powered tools that truly understand academic writing. When she's not refining proofreading algorithms, she's reviewing papers on NLP and discourse analysis.