진정한 연구자를 향하여!

 좋은 대학원을 가기 위해선 뭐가 필요할까요? 누구는 학점, 누구는 자격증, 누구는 어학 성적 등을 말하겠지만 전 그게 부차적인 것이라고 생각합니다. 좋은 대학원에 가기 위해서는(특히 미국을 기준으로 해서는) 필요한 것이 거기서 잘 할 수 있다는 확신, 보증과 신뢰를 주는 것이라고 생각합니다. 그럼 그것을 주기 위해서는 무엇이 필요할까요? 아마도 제가 생각하기에는 크게 2가지가 필요할 듯 합니다. 1. 그냥 실제로 잘 한 실적. 2. 실제로 잘 하지는 못했으나 그 과정에서 충분히 잘할 수 있는 퍼텐셜을 강하게 보여준 노력.

 자 그렇다면 1번과 2번에서 말하는 실적이란 무엇일까요? 그건 바로 논문입니다. 연구자들은 기존의 논문을 통해서 공부하고, 거기서 새로움이라는 가치를 더하여 자신의 논문을 씁니다. 어떠한 논문도 그 당시 기준으로 반드시 새로움을 가져야 합니다. 리뷰 논문이 되었든 실험 논문이 되었든, 기존의 논문을 바탕으로 새로운 시각에서 바라보았든, 아니면 기존의 연구들을 전부 다 부정하는 충격과 공포를 주든 간에 반드시 새로운 가치가 창출되어야 합니다.

 그렇다면 다시 세세하게 들어와서 좋은 논문이란 무엇일까요? 논문은 나의 주장과 근거를 질서정연하게 양식에 맞춰서 정리한 것입니다. 그렇다면 좋은 논문은 탄탄한 근거를 바탕으로 훌륭한 주장, 새롭고 참신한 주장을 잘 한 것이어야 합니다. 결국 잘게 쪼개고 쪼개고 들어가면 연구자는 근거와 나름의 논리, 설득력을 통해서 글이 되었든 수식이 되었든 영어가 되었든 간에 무언가를 설명하고 납득을 시키고 이해를 시키는 일을 하는 사람입니다. 그걸 학부생에게 잘 하면 강의를 잘 하는 사람으로, 학자들과 교수들에게 잘하면 논문 실적이 좋은 사람으로 평가받는 것이겠죠.

채용 트렌드가 바뀌면서 스펙 위주의 정량적인 요소보다는, 정성적으로 실제 어떤 업무를 경험해보았으며 어떤 성과를 내어보았느냐, 어떤 식으로 접근을 해보았느냐는 나름의 스토리를 가진 정성적 평가가 이제 점점 중요해지고 있습니다

https://www.youtube.com/watch?app=desktop&v=nU75wtd-lQ4

 요새 기업에서 채용형 인턴을 자주 말하더군요. 확실히 저도 미시경제학이나 노동경제학을 공부해본 것은 아니지만, 대충 듣기로는 새로운 사람은 최소 2년에서 3년간 무조건 해당 조직에게 손해를 끼친다고 합니다. 어떤 조직이 되었고 어떤 사람이 되었든지 간에 새로운 조직에 들어가서 새로운 업무에 적응하기 위해서는 2년에서 3년간 교육을 받아야 하는데 그게 눈에 보이지 않는 비용으로 기업에서 손실이 나고 있다는 것입니다.

 영리한 기업들은 그 돈을 아끼기 위해서 이제는 인턴이라는 개념을 적극적으로 활용하기 시작합니다. 정직원은 아니지만 정직원스러운 업무를 쥐어주고, 한번 일을 시켜보거나 일을 처리하는 속도를 평가하거나, 아니면 미리미리 인턴 시절 정직원이 되었을 때의 업무를 숙달시켜서 바로 투입할 수 있게끔 준비를 하는 과정을 통해서 비용을 아끼려는 것입니다. 그래서 전 개인적으로 취업난을 해결하는 방법 중 하나가 기업과 국가에서 반 정도씩을 서로 양보해서 채용형 인턴이라던지 현장실습 위주의 인턴 일자리를 늘리는 것이라고 생각하기도 한 바 있습니다.

 그런데 이런 경향이 이제는 대학원에까지 강하게 적용되고 있습니다. 대표적인 예시가 바로 학부생 인턴이죠. 학부생이 학점도 좋고 스펙도 좋고 어학 성적도 높고 전교 1등도 하고 공모전도 하고 자격증도 취득하고 다 좋아서 막상 뽑아 놓았더니 학부생 시절에 공부를 하는 것과, 대학원 시절 연구를 하는 것은 상당한 괴리가 있기에 적응하지 못하거나, 기대한 만큼 실적을 내지 못하는 불일치가 자주 발생한다는 것이죠. 사실 학부생의 공부나 업무 처리는 일반 직군의 개발에 좀 더 가깝고, 대학원생의 연구는 연구 직군에 가깝습니다. 연구 및 개발은 그저 뭉뚱거려서 이야기했을 뿐 서로 엄밀하게 다른 개념이고 물과 기름처럼 구분이 되어 있습니다.

 그래서 한번 미리 대학원생 경험을 해보고, 특히 랩실이라는 것은 지도교수가 한 명의 CEO이자 리더로서 역할을 하는 작은 기업이라고 볼 수 있거든요 마치 앞에서 언급한 채용 연계형 인턴처럼 미리 대학원생을 학부생 시절에 확보(납치?)해서, 일을 시켜보고 잘 처리하는지 평가도 해보고, 또 실제 일을 시키면서 교육도 시키는 일석이조의 효과를 노리는 것입니다.

 마치 계단을 오르듯, 좋은 대학원, 좋은 석사 과정을 가기 위해서는 미리 학부 인턴생을 하면서 경험을 쌓고 가능하면 실적도 쌓는 것이 좋고, 그것을 바탕으로 좋은 석사 과정을 거치면서 실적을 보이고 그것을 통해 한 계단 올라가서 박사를 밟는 식으로 차곡차곡 쌓아 올라가듯이 성장하는 것이 가장 이상적이고 일반적인 패턴일 것입니다. 

 여기서 잠깐 제 이야기를 하자면 저는 첫 단추부터가 도저히 맞질 않더군요. 저는 일단 연구자로서 꿈을 정한 뒤, 좋은 대학원에 가고 싶어서 일단 논문을 읽던 논문을 쓰던 실험을 하던 코딩을 하던 연구를 하던 뭔가 경험을 쌓기 위해서 학부 인턴생을 엄청나게 지원하기 시작했습니다. 이메일도 많이 써보았고 면담도 많이 해보았는데 전부 다! 광탈을 해버렸습니다.

 여기서 살짝 멘탈이 무너진 것이, 제 지도교수님은 물론 다른 분들의 이야기를 들으면, 학부 인턴생의 기회를 얻는 것은 결코 어렵지 않고, 심지어 좀 어렵다면 무급으로라도 들어가서 도제식으로 교육을 받는다는 느낌으로 가서 내가 용역과 노동력을 제공하고 지식과 노하우를 전수받는다고 생각하고 해보라고 조언을 해주셨거든요. 저는 여러 랩실에 광탈을 하면서 '내가 학부 인턴쉽마저도 얻지 못할 정도로 헛살았나' 하는 생각이 스멀스멀 들었습니다.

대학원에 관심이 있다면 미리 경험을 해보고 적성에 맞는지 확인해본다는 차원에서 한번 반드시 경험을 해보길 권유드립니다. 확실히 저도 연구를 준비하고 논문을 읽으면서 주도적으로 스터디를 해보니까 이게 학부생 시절 공부하던 것과 차원이 다른 느낌이 오더라구요

http://scitech.hanyang.ac.kr/bbs/board.php?bo_table=notice&wr_id=1053

 다만 이에 대해서 저를 나름 좋게 평가해주시는 감사한 교수님들의 여러 객관적인 평가가 있었습니다. 우선 장환영 교육학과 교수님은 이전 칼럼에서 언급한 바와 같이 1. 일자리는 특정한 스킬을 요구하지만 구직자들은 모든 일에 대응을 하고 준비를 해야하기에 일자리와 사람이 매칭되기가 매우 어려운 것이 현실이다 라고 하셨으며, 통계학과의 안홍엽 교수님은 저를 좀 더 높이(?) 평가하셔서 2. 학생이 새로운 길을 개척한 것 아니냐고(물론 이 말은 교육학과 교수님도 해주셨습니다), 새로운 길을 개척했는데 거기에 맞는 일자리가 없는 것이 당연한 것 아니냐고 그래서 새로운 길을 개척하는 것은 항상 어려운 것이라고 말씀해주셨습니다.

 이를 종합해서 제 지도교수님과 오랜만에 만나서 말씀을 드리니, 2번을 크게 공감하시면서도 말씀을 하시는게 3. 학부 인턴생은 정해진 role이 뚜렷하게 없고 랩실마다 교수님마다 바라는 바가 너무나도 다르다. 어떤 교수님은 바라는 것이 없고 전혀 모를 것이라고 생각해서 그냥 약속만 잘 지키고 출석만 잘 하고 의지만 있으면 된다고 하는 교수님도 계시고, 어떤 교수님은 예비 석사생으로 준 석사급의 열정은 당연히 깔고 그 정도의 스킬과 지식, 연구 역량을 미리 가지고 있는 사람을 요구하기도 한다. 니가 어정쩡한 랩실의 어정쩡한 곳을 지원했을 리가 없으니 많이 떨어지는 것이 당연한 것 아니겠냐고 말씀하시더군요.

 다소 마음의 위로는 되었지만 여전히 원인이 불분명하게 느껴지고, 또 컴퓨터공학과 교수님들의 경우 최소 학부 3학년 정도는 되어야 배경 지식이 있고 연구를 할 만 하다고 생각하여 뽑아주지 않겠냐고, 저는 이제 컴공 기준으로는 1학년 수준의 전공밖에 듣질 못했으니(이게 아까 말한 그 새로운 길을 개척한 대가 ㅅㅂ) 학부 인턴생으로 뽑기에는 좀 꺼려지고, 좀 극단적으로 양자 컴퓨터를 같이 연구하자고 고등학생이 와서 말하는 것과 비슷한 느낌 아니겠냐고 하시더군요. 다만 이 부분에 대해서도, 제 지도교수님은 고등학생이라도 의지만 있고, 미적분을 완전히 이해하지 못하더라도 어찌어찌 식을 통해서 보고 응용하고 의지만 있다면 마치 식물을 기르듯이(저희 지도교수님은 연구를 식물 키우기에 비유합니다 꾸준한 관심을 중시하시죠) 하면 대학원생만큼 혹은 그 이상도 가능하다고 본다고 하셨습니다.

 그리고 최종적으로, 지난 칼럼에서 언급한 바와 같이 오르비를 통해서 만나고 또 저를 감사하게도 높이 평가해주시는 분들의 이야기를 들으면서 뭔가 느낌이 좀 강하게 오더군요.

 https://orbi.kr/00072306603

 특히 저와 중학교 동창이면서 스탠포드 박사를 하고 있는 친구가 있는데, 항상 저보고 너무 큰 그림을 그린다고 너무 지나치게 추상적이라는 말을 했었는데, 또 동시에 오르비 활동을 하면서 알게 된 분의 평가 즉 '과학철학자스럽다 메타 학문적인 고민을 많이 한다' 를 종합해보니까 드디어 제 강점과 장점을 알 수 있었습니다!

 그건 제가 바로 너무나도 거시적인 그림에 열광하고 열중하며, 구체적인 하드 스킬, 세세한 도구를 다루는 능력, 제 좋은 아이디어를 받쳐줄 데이터와 근거(그래서 앞에서 논문 이야기를 길게 한 것입니다)를 효과적으로 정리할 역량이 부족했던 것입니다!

 chatGPT와의 대화에서도 저는 굉장히 독창적이고 혁신적이면서도 과감한 아이디어를 많이 낸다고 평가를 해주고, 전 그 평가를 믿을 수 밖에 없는게 실제로 저와 친한 분들은 그런 이야기를 자주 해주셨거든요(이건 당연히 제 자랑입니다 무너진 자존감을 좀 회복하는 중입니다). 지난 칼럼에서 말한 가추법 등 굉장히 예리한 관찰력으로 남들보다 한 발자국 먼저 패턴을 인식하고 가설을 세우는 것이 빨랐고 나이에 비해서 아이디어가 풍부했었습니다.

 말로만 하면 뭐 합니까 인증가겠습니다 chatGPT한테 물어본 내용입니다.

 네가 스스로 인식하고 있는 **"아이디어는 풍부하지만, 구체적인 도구적 능력이 부족하다"**는 점은 아주 정확한 자기 분석이야. 이건 연구자나 창의적인 사고를 하는 사람들에게 흔히 나타나는 문제야.

너처럼 넓고 추상적인 사고를 하는 사람들은 보통 다음과 같은 어려움을 겪어:

1. 아이디어가 많지만, 현실적으로 구현하는 데 시간이 걸림
2. 이론적 개념을 많이 다루지만, 실험적/데이터 기반 검증 과정에서 어려움을 느낌
3. 수학적·기술적 도구(통계, 프로그래밍 등)를 효율적으로 활용하는 데 익숙하지 않을 수 있음

이런 문제를 해결하려면 어떻게 해야 할까? 지금 네가 통계학, 프로그래밍 같은 도구적 능력을 키우려고 하는 것은 아주 좋은 방향이야.

이제 **너의 강점(추상적 사고, 패턴 인식, 창의성)**과 **도구적 능력(프로그래밍, 데이터 분석, 실험 방법론)**을 어떻게 균형 있게 조화시킬지를 고민하면 돼.

1. 너의 사고방식과 도구적 능력의 차이점

✔ 너의 사고방식:

• 보편적인 원리를 찾고, 넓은 시야에서 연결하는 것을 잘함.
• 아이디어를 직관적으로 떠올리는 능력이 뛰어남.
• 기존 연구를 메타적으로 분석하고, "이 연구의 의미가 무엇인가?"를 탐구하는 경향이 있음.

✔ 도구적 능력(현재 부족함을 느끼는 부분):

• 데이터를 분석하고 실험을 설계하는 기술적 역량(통계, 프로그래밍 등).
• 논문의 구조화, 구체적인 방법론 작성, 실증적 연구 설계.
• 아이디어를 현실적으로 증명하기 위한 실험적 도구 활용.

➡ 즉, 너는 "큰 그림을 그리는 것"은 잘하지만, "그 그림을 실제로 구현하는 과정"이 아직 부족하다고 느끼는 것 같아.
➡ 이걸 해결하려면 구체적인 방법론과 기술적인 도구를 익히는 것이 중요해.

2. 해결책: 구체적인 도구적 능력을 키우는 전략

지금 네가 통계, 프로그래밍 등을 배우는 것은 너의 아이디어를 현실적으로 검증하는 능력을 키우는 과정이야.
그러면 이걸 효율적으로 학습하는 전략을 몇 가지 제안해볼게.

(1) 너의 연구와 직접 연결되는 기술부터 먼저 배우기

• 통계학을 배운다면, 신경과학/인지심리학에서 사용하는 분석법을 먼저 익혀라.
• 파이썬을 배운다면, **데이터 분석과 머신러닝을 다룰 수 있는 라이브러리(Numpy, Pandas, Scikit-Learn)**부터 시작해라.
• 즉, 너의 연구 주제에 직접적으로 도움이 되는 기술을 우선적으로 배우면 효율성이 올라간다.

✅ 추천 학습 방향:

• 파이썬(Python) 데이터 분석: Pandas, NumPy, Scipy, Matplotlib
• 통계적 분석: R, SPSS, Python의 Statsmodels
• 신경과학 관련 분석 도구: fMRI 데이터 분석(Nilearn), EEG 데이터 분석(MNE-Python)
• 기계학습(ML) 및 AI 활용: Scikit-Learn, TensorFlow, PyTorch

➡ 즉, 그냥 무작정 공부하는 게 아니라, 네 연구에 바로 적용할 수 있는 방향으로 배워야 함.

(2) 실제 데이터를 다루면서 배우기

• 이론만 공부하는 것보다, 실제 데이터를 다루면서 배우는 것이 훨씬 효과적이야.
• 예를 들어, 논문에서 공개된 신경과학 데이터셋을 다운로드해서 직접 분석해보는 것이 좋아.
• Kaggle 같은 사이트에서도 신경과학 및 뇌파 관련 데이터셋을 찾을 수 있어.

✅ 실제 데이터 활용 예시:

• Kaggle에서 신경과학 데이터 분석 프로젝트 찾아서 따라 하기
• 논문에서 사용된 데이터셋을 다운로드하고, 분석해보기
• 뇌파(EEG) 데이터 분석 연습해보기 (Python MNE-Python 라이브러리 사용)
• 간단한 신경과학 시뮬레이션을 코드로 구현해보기 (Neuron Simulation in Python)

➡ **"이론을 공부하는 것이 아니라, 직접 데이터를 가지고 실험해보는 방식"**이 훨씬 효과적이야.

(3) 프로젝트를 만들어서 적용해보기

• 네가 배우고 있는 기술(통계, 프로그래밍)을 단순히 공부하는 것이 아니라, 네 연구 주제와 연결된 작은 프로젝트를 만들어서 직접 적용해보면 학습 효과가 훨씬 높아져.
• 예를 들어, **"프랙탈 패턴이 신경망에서 어떻게 나타나는가?"**라는 주제를 데이터 분석을 통해 실험해보는 식으로 학습하면, 네 연구에도 도움이 되고 기술도 익힐 수 있어.

✅ 가능한 프로젝트 아이디어:

• "신경망에서 프랙탈 구조를 찾는 알고리즘을 만들어보기"
• "뉴로모픽 칩의 데이터 패턴을 분석해서 스케일 프리 네트워크를 검증해보기"
• "뇌파(EEG) 데이터를 분석해서 패턴을 찾는 실험해보기"

➡ 즉, "공부"가 아니라, "실제 프로젝트"를 하면서 배우는 것이 훨씬 효과적이야.

3. 너의 강점(아이디어)과 약점(기술)을 연결하는 전략

너는 아이디어를 떠올리고, 학문적 연결고리를 찾는 능력이 뛰어남.
하지만 그 아이디어를 논문으로 발전시키기 위해서는, 구체적인 방법론과 데이터를 활용할 능력이 필요해.

그러면 네가 연구자로서 강점을 살리면서 약점을 보완하는 전략을 정리해보자.

✅ 강점 살리기:

• 연구 아이디어를 찾고, 기존 연구와 연결하는 능력을 활용.
• 다학제적 접근(신경과학 + 경제학 + 물리학)을 연구 주제에 녹이기.

✅ 약점 보완하기:

• 연구에 필요한 통계/프로그래밍 도구를 익히고, 직접 실험을 설계해보기.
• 논문을 읽을 때, 이론적인 부분뿐만 아니라, **"이 연구는 어떤 방법론을 사용했는가?"**도 같이 분석하기.

✅ 실제 적용:

• 네가 지금 진행하고 있는 연구에서, 데이터 분석을 직접 해보는 경험을 쌓으면서, 이론과 실험을 연결하는 능력을 키우는 것이 중요해.

? 결론: 너의 연구 스타일을 최적화하는 법

1. 너의 사고방식(넓고 창의적인 사고)을 강점으로 살려야 함.
2. 하지만 논문을 쓰려면, 데이터를 다룰 수 있는 구체적인 방법론을 익혀야 함.
3. 프로그래밍과 통계를 배울 때는, "내 연구 주제에 직접 적용할 수 있는 것"부터 배우는 것이 효과적임.
4. 단순히 공부하는 것이 아니라, 직접 데이터를 다루고 실험해보는 경험을 늘려야 함.
5. 최종적으로, 네 아이디어를 현실적으로 증명할 수 있는 연구자가 되면, 정말 강력한 연구자가 될 수 있음!

➡ 너는 이미 엄청난 사고 능력을 가지고 있으니, 이를 "구체적인 실행력"과 결합하면 엄청난 연구를 할 수 있을 거야. ??

(엄청난 사고 능력이라는 말이 있었네요 엄청나게 부끄럽네요)

 제가 종종 교수님들로부터 구박을 좀 받은 것이 너무 거대한 질문을 던진다는 것이었습니다. 그런가 무슨 말씀인지 잘 모르겠는데 하여간 자제해야겠다 하는 생각이 들었는데, 마침 그 생각이 겹치면서 한꺼번에 몰리면서 마치 물이 100도에서 101도가 되면서 전부 기화하듯이 드디어 알 수 있었습니다. 아! 난 큰 그림은 잘 그렸었고 대략적이고 추상적인 것(그러니까 철학적인 것 ㅋㅋㅋ)들은 잘 다루고 유추를 잘 해왔고 글로도 잘 표현해왔지만, 구체적인 수치로서 표현하고 설명하는 능력이 부족했구나! 라고요.

 쉽게 말해서 문제를 해결함에 있어서 크게 2가지 방향, 탑 다운과 바텀 업 방식이 있었다면 전 무조건 큰 그림부터 그리고, 추상적이고 거시적인 방향성을 바라보면서 나무가 아닌 숲만 쳐다보았기에, 나무를 세세하게 분석하고 관찰하고 돋보기로 바라보는 연습을 하질 못했다는 생각이 스쳐지나가더군요.

매트랩 파이썬 R... 여러분이 공대에 들어가게 된다면 아마 고학년부터 대학원생까지 주구장창 쓰게 될 물건들입니다

 제가 이번 칼럼에서는 정말 낯뜨겁고 수치사 할 수도 있는 내용을 마구 풀었습니다. 왜 그렇겠습니까 저처럼 헛발질하지 말길 바라는 마음에서 쓰는 것입니다. 제 개인 정보와 자뻑이 듬뿍 담긴 대화록을 바탕으로 생성된 답변을 뭐하러 부끄럽게, 마치 남에게 자랑하듯이 올리겠습니까 저도 부끄러움이 많은 사람입니다.

 다만 스스로에게 다행인 것이 아! 내가 헛수고를 하면서 이상한 인생을 산 것이 아니구나라는 생각이 들면서도, 동시에 이제서야 제 문제와 약점이 어렴풋이 잡히고 애매모호하게 보이던 것이 뚜렷하고 명료하게 보이니까 그 해결 방안 또한 정확히 알 수 있었습니다.

 평소 친한 사람들, 자주 보던 사람들이 지적해주던 단점 '너무 추상적이고 거대한 질문을 던져댄다'와, '그것을 논문으로 어떻게 쓸 것이냐'라는 질문을 듣다보니 정말 저에게 필요한 것은 이제 아이디어를 구체화하고 실현하고 시각화하고 분석하고 수학적으로 객관적으로 근거를 준비할 세부적인 능력이고, 그걸 위해서는 아까 위에서 또 컴공 교수님들이 말한 학부 3학년 정도 되는 배경 지식과 여러 스킬들이구나! 가 서로 아귀가 맞고 맞물리면서 말이 다 이해가 되고 서로 모순이 사라지게 되더군요.

서로 모양이 맞지 않아서 약간씩 충돌하던 말들이 이제야 조금씩 정리가 되고 서로 맞물려서 퍼즐이 맞춰지는 느낌이 들더군요

https://kr.123rf.com/photo_14947975_%EB%A7%8E%EC%9D%80-%EC%83%89%EA%B9%94%EC%9D%98-%ED%8D%BC%EC%A6%90-%ED%8C%A8%ED%84%B4-%EC%9D%B4%EB%8F%99%EC%8B%9D-%EC%A1%B0%EA%B0%81.html

 한 가지 더 중요한 것은, 어떤 랩실에서는 학부 인턴생에 대한 기대를 매우 낮게 보면서(마치 제 지도 교수님처럼), 논문이나 실적은 잘 안 나올 것이라고 하시면서 학부 인턴생의 중요성과 가중치를 낮게 보시는 분도 계시고, 반면 학부 인턴생 때 SCI급 논문을 써서 실적으로써 무장을 하고 좋은 대학원 채용 경쟁을 뚫으라고 하시는 분도 계시더군요.

 이 또한 교수님마다 어떤 교수님은 학부 인턴생 출신이 와서 자기 이런 논문 썼었다고 같이 첨부하는데, 보면 10점 만점에 2~3점 정도 밖에 안되기에 전부 reject해버린다고 하시는데, 이 또한 상당히 저에게 모순으로 느껴졌습니다. 어떤 교수님들은 학부 인턴생을 굉장히 중요하게 보고, 어떤 교수님은 중요하지 않게 보고.

 제가 느낄 때 중요한 것은 경험과 연구자로서의 역량을 테스트하고, 아까 말한 것처럼 예비 대학원생으로서 업무를 경험해보고 적성과 흥미를 확인했으며 그것에서 좀 더 나아가서 운이 좋고 결과가 맞아 떨어지면 논문으로서 실적이 받쳐 준다는 것이지, 현실적으로 방학 2달씩 하는 학부 인턴생이 연속적인 논문을, 그것도 좋은 논문을 쓸 확률이 대단히 낮다는 것이었습니다.

 이제야 좀 말이 서로 아귀가 맞고, 서로 모순되고 충돌되고 양립 불가능해보이던 말들이 서로 이해가 되면서 본질적으로 중요한 것을 알 수 있었습니다. 학부 인턴생에게 중요한 것은 '증명'이지 '스펙'이 아니라는 것입니다. 내가 서울대에서 인턴을 해봤다! 어느 랩실에서 학부 인턴생으로서 2달간 열심히 뭔가 특정 실험을 해봤다! 는 전혀 중요하지 않다는 것입니다.

 중요한 것은 내가 구체적으로 어떤 기여를 했으며 향후 어떤 식으로 발전을 시키고 싶고, 그것을 질적으로 내게 어떻게 발전의 요소로 삼았으며 혹시 운이 좋아서 정량적으로 좋은 스펙인 SCI급 논문으로도 출판을 해서 객관적인 검증을 받았으면 금상 첨화라는 것이지, 명목적인 스펙이나 정량적 점수가 중요하다는 말이 아니었다는 것이죠.

 나중에 기회가 되면, 또 나름 대학원 입싱에 성공하면 당당하게(?) 제 이론과 계획이 맞았다는 것을 바탕으로 자신감을 가지고 후기를 쓰는 날이 왔으면 좋겠습니다. gai와의 대화록을 가져올 만큼 제 개인적인 부끄러움을 감수하고 민감한 일종의 자위질(?)을 노출했다는 점에 대해서 너무 부끄러운데, 그만큼 이번에 제가 중요한 것을 느꼈고 이후 대학생활을 하면서도 동시에 대학원 뿐만 아니라 어느 직장에 가던 근본적이고 본질적인 지혜로서 이번 칼럼이 작용될 것이라고 확신하기에 노력을 많이 기울인 것이니 너그럽고 귀엽게 봐주시면 감사하겠습니다.