① GPT 활용의 핵심 지점
제안서 → 데스크리서치, 연구 설계자료수집 → 설문 문항작성자료분석 → SPSS 변수/라벨 생성 · 통계 분석 · 시각화보고서 작성 → 표 해석, 다이어그램, 보고서 작성
③ 효과적인 GPT 적용 전략
원칙·포맷 내장 → 결과물 품질의 일관성 확보
flowchart LR
A[데스크 리서치자료 구조화] --> B[조사설계와 제안서 초안 작성]
sequenceDiagram
participant R as 데스크 리서치
participant P as 제안서 초안 작성
R->>R: 배경자료 요약·쟁점 구조화
R->>P: 핵심 조사 포인트 전달
P->>P: 문항 구성·설계 반영
데스크 리서치는 왜 어려운가?
정리 기준이 없다 자료가 흩어져 있고 양이 많다 전문용어·맥락 이해가 필요하다 조사방법만으로 차별화 어렵다 시간이 부족하다
카스텀 GPT는 어떻게 해결하는가?
구조·틀 제공 문헌 통합·요약 전문용어 해석 핵심 포커스 도출 즉시 분석으로 시간 절약
사례 1: 8차 근로환경조사(가상 RFP)
사용 GPT:PolicyScope
지피티가 생성한 데스크리서치 결과 (구글독스)
카스텀 GPT가 정리한 데스크 리서치 요약
1) 예상 쟁점(조사방법)
표본틀: 플랫폼·프리랜서·재택근무 과소포착 위험
조사방식: 대면 중심 한계 → 혼합모드 필요
기존 문항: 디지털 감시·알고리즘·워라밸 항목 부족
시점 효과: 팬데믹 영향 구분 어려움
데이터 활용성: 변수·가중치·메타데이터 투명성 요구
2) 정책적 활용을 위한 문항 개편 이슈
비전통 노동형태 반영심리·정신건강·워라밸 강화취약노동자 모듈 포함고용안정성·사회보험 포착디지털 노동요인 반영
3) 문항 개편 근거
기존 설계의 한계(정규직·사업장 중심)
OECD·ILO 기준 변화
국내 연구 트렌드(정신건강·유연근로)
정책 요구(산재·노동권·안전망)
4) 결론
문항 개편 필수 표본설계·조사방식 개선 필요 정책 기반 데이터 현대화 필요 GPT는 데스크리서치 전 과정을 자동 구조화
카스텀 GPT가 제안서 경쟁력을 높이는 이유
쟁점 도출 및 재구성
자료 나열이 아니라 ‘배경–필요성–방법론’ 구조로 재구성
시간 절감 효과
4~6시간 소요되는 정리 작업 → 수 분 내 완료
제안서 문장으로 바로 사용 가능
근거 기반 제안서 가능
원문 자료(QR) 공개로 신뢰성·투명성 강화
제안서 본문·부록에 QR을 삽입해 심사자가 근거 문헌을 바로 확인 가능
사례 2: 전기차 구매조사
정책·산업 변화에 따른 전기차 구매요인 분석사례 (가상 RFP)
원문 보고서
URL:
사용 GPT
Deskresearch
T-Frame
ScaleInsight
전기차(EV) 신차 구매의사 조사
카스텀 GPT 3종이 함께 만든 데스크리서치·모형·설문 (요약)
1️⃣ DeskResearch 주요 영향요인(Drivers/Barriers)과 설문 변수 후보 도출
2️⃣ T-Frame EV 전용 구매의도 모형(EV-PIM) 설계
3️⃣ ScaleInsight 행동 기반 설문지 초안 구성 득점 규칙 + 신뢰도·타당도 검증 계획까지 포함
👉 데스크리서치 → 이론 모형 → 설문·검증 작업을
상황분석 - 모형구축 - 글작성 파이프라인
LLM Content & Discourse Analyzer
최근 한 달 신문 보도 자동 분석
“높지만 불안정한 지지”라는 핵심 메시지 도출
PolicyScope (여론모형 구축 GPT)
언론 분석 결과를 받아 Core-3(P·R·G) 모델 로 재해석
조사 필요성·설계·문항 논리까지 포함한 제안서 초안 작성
표현비서(ProseStylist)
초안을 정책실무·기관 문서 톤으로 정제
학술 톤 제거 → 실무 중심·정책 소통 중심 문서로 재작성
1단계: LLM Content & Discourse Analyzer 결과
최근 주요 신문은 다음과 같은 여론 구조를 형성:
성과 긍정(P): 외교·AI·신성장, 방산·반도체, 디지털 전략위험(R) 강조: 빚·환율·포퓰리즘, 재정 위험 전망세대(G) 리스크: 20·30대 거리감·불신정책별 반감: 종묘 초고층 개발 등 개별 사안의 폭발성
이 분석 결과는 PolicyScope 단계의 Core-3 모델 입력값이 됨
외교·기술·AI·R&D 등에서 “이전 정부보다 잘한다”는 인식
현재 지지율의 기본선(base line) 역할
R — Risk(위험)
재정·환율·물가·포퓰리즘 불안
성과(P)를 상쇄하며 지지율을 흔드는 변동 요인
G — Generation(세대)
20·30대 중심의 거리감·불신
P와 R의 효과를 증폭·차단하는 조정 변수
PolicyScope는 “왜 지지율은 높지만 불안정한가?”를
PolicyScope가 작성한 제안서 초안 구성
Executive Summary
문제 진단(언론 여론 분석 반영)
Core-3 모형 설명
조사 필요성(정책 소통 관점)
조사 설계 개요(대상·방법·모형)
문항 구성 논리(P/R/G 팩터 구조 설명)
기대효과 및 활용방안
결론
제안서의 구성과 논리 전개는 PolicyScope가 자동 생성
3단계: 표현비서(ProseStylist)의 역할
PolicyScope 초안의 논리를 유지하면서:
학술·이론 중심 → 정책 실무·기관 보고서 톤 으로 재작성불필요한 전문용어·이론 서술 축소
실제 정책담당자·기관이 바로 쓸 수 있는 현장 실무 언어 로 변환
문장 흐름·표현·메시지 전달력 최적화
결국 제안서 최종본은 3개의 GPT를 연결하여 산출
LLM 기반 파이프라인의 실무적 가치
데스크 리서치 시간 절감: 모형 구축 자동화: 제안서 초안 자동 생성: 연구자의 역할은 ’편집·판단·조정’으로 이동
QR & 원문 자료
구글 문서 원문
카스텀 GPT 활용 지점 2:
왜 중요한가?
온라인 조사 확산에도 가구·사업체 방문조사 는 계속 필요
조사 품질은 방문 여부·기록 신뢰성 이 핵심
실제 현장에서는
종이조사(일부 조사)
GPS 누락·좌표 오류(태블릿 조사)
방문 증거 불충분데이터 신뢰성 위협
현장의 실제 문제
조사원이 실제 방문했는지 객관적 증거 부족
GPS 포함 태블릿 사용해도
GPT 활용: 사진 기반 현장기록 자동 검증
사진에서 EXIF 정보 자동 추출
촬영 시간
위도·경도(GPS)
기기·OS 정보
사진 내용 분석
건물 외관·표지판·거리 뷰 매칭
동일 장소인지 여부 판단
GPT 기반 품질관리의 장점
방문 인증 자동화 → 부정행위 감소 현장 사진 검증시간 절감 조사관리자의 업무 부담 감소
품질관리 프로세스의 투명성·객관성 강화
조사 품질이 곧 데이터 품질
AI 기반 QC는 향후 필수 역량이 될 가능성
카스텀 GPT 활용 지점 3: 데이터 처리
데이터 분석 업무에서전처리·클리닝·변수정의 .
데이터 처리와 카스텀 지피티
메타데이터·자동 생성
클리닝과 전처리(Preprocessing)
문자열을 숫자형 변수로 자동 변환
결측값 자동 탐지·코딩
중복 사례 식별
이상치 탐지
논리적 모순 응답 탐지
변수 변환
사례4: 엑셀설문 → 설문 JSON → SPSS Syntax 자동 생성
입력: 정밀문항추출 GPT가 만들어준 JSON 구조 설문
출력:
변수 라벨
값 라벨
SPSS Syntax 완성본
소요 시간: 300개 문항 6분
지피티 생성 코드 원문
사용 GPT
정밀문항추출 Precision Questionnaire Extractor
CleaningCodeGPT
JSON 예시 (정밀문항추출 GPT 결과)
{
"item_id": "Q7_D_2",
"question_text": "다음 각 항목이 현재 근로자들의 안전과 건강에 해가 될......",
"options": {
"1": "전혀 그렇지 않다",
"2": "그렇지 않은 편이다",
"3": "보통이다",
"4": "그런 편이다",
"5": "매우 그렇다"
}
}
SPSS 변수 라벨 Syntax (CleaningCodeGPT)
VARIABLE LABELS
Q1_1_2 "응답 시점 근로자 수_남성 내국인 상용(수)"
Q1_1_3 "응답 시점 근로자 수_남성 외국인 상용(수)"
Q1_1_4 "응답 시점 근로자 수_남성 내국인 임시(수)"
Q1_1_5 "응답 시점 근로자 수_남성 외국인 임시(수)"
SPSS 값(Value) 라벨 Syntax
VALUE LABELS
DQ1
1 "있음"
2 "없음"
/
DQ10_1
1 "생산 업무 관련 부서"
/
DQ10_2
1 "관리·지원 부서"
2 "안전보건 부서"
3 "기타".
카스텀 GPT 활용지점 4:
분석모델, 시각화, 해석, 보고서 작성을 코딩 없이 처리 가능
사례5: 교차표 분석 & 해석 자동화
(서술형 GPT + 통계형 GPT 비교)
사용 GPT: - Crosstab Analyst Table Narrator
<표> 직업에 따른 자동차 선호도(가상데이터)
사무직
20
70
110
40
60
50
전문직
10
40
90
70
65
80
생산·기술직
45
80
70
30
75
25
서비스·판매직
60
95
65
20
55
30
관리자
5
20
60
90
80
40
프리랜서
15
35
50
30
85
70
카스텀 지피티 ’가상데이터 설계기’로 생성하였음. https://chatgpt.com/g/g-68734c99ac908191a0886bc3f8239c2d-gasangdeiteo-seolgyegi
원문보기:
https://docs.google.com/document/d/1-v19Z-WU7EaLRi3jXSZsYpKyWu50LasQAn98xU8QBMg/edit?usp=sharing
1. Table Narrator
— “서술형 해석 GPT”
표 구조를 읽고 보고서 문장 으로 자동 변환
기술적·중립적 표현
비율 불명확 시 보수적 해석
보고서 초안 자동 생성에 최적
2. Crosstab Analyst
— “정량형 분석 GPT”
교차표 → 잔차(Z-score) 분석
과다/과소 선택 자동 탐지 CA biplot 시각화
패턴·군집 구조 파악
통계 분석가 스타일 결과 제공
3. 서로 다른 GPT이지만 결론은 일관됨
예: 관리자 → 대형 세단 & SUV 선호
Table Narrator:
Crosstab Analyst:
예: 전문직 → 전기차 & 대형 세단 선호
Table Narrator: 서술형 설명
Crosstab Analyst: Z > +2로 정량적으로 확인서술형 + 정량형 분석의 상호검증(complementary validation)
GPT는 교차표만 하는 것이 아니다
GPT는 다음 모두 가능:
회귀분석(OLS, Logit) 요인분석, PCA, 군집분석 다중회귀 + 상호작용항 자동 모델링 헤이즈 모형 일부 재현 가능 텍스트 분석(NLP) 기반 요약·주제 모델링 시각화 자동 생성 (히트맵, 군집맵, CA plot 등) 보고서 문장 자동 생성
➡ 분석 + 해석 + 그림 + 보고서 → 통합 자동화
GPT 분석의 강점
① 코딩 없이도 통계 모델링 가능
② 디버깅 문제가 사라짐
→ 코드 오류, 패키지 충돌 없음
③ 다양한 모델을 빠르게 비교
→ 상호작용항, 비선형 모델까지 자동 시도
④ 시각화 자동 생성
⑤ 보고서 문장 자동 생성
⑥ 반복 업무 자동화
오류 검증은 필요함
GPT 시각화의 핵심 특징
시각화 예시
urL: https://skcho.tistory.com/124 사용지피티 - 가상데이터 생성기 - chartFlow GPT
데이터 입력 없이 GPT가 자동으로 시각화
패턴 설명·의미 해석까지 자동 제공
샨키, 선버스트와 같은 고급 맟 인터렉티브 챠트도 가능**
카스텀 GPT 활용 지점 5 : 통계분석 검증
사례: 교차표 분석결과 검증
원문:
사용지피티
StatCheck 분석체크 : https://chatgpt.com/g/g-692a335daa7c819187da88fad4df24e0-statcheck-bunseogcekeu
검증 대상과 방법
대상: 직업유형 × 자동차유형 6×6 교차표 (36셀)분석: 카이제곱 독립성 검정, 표준화 잔차(Z) 해석, 대응분석(CA)목적: GPT 통계분석 결과를 StatCheck 커스텀 GPT로 사후 검증
검증 범위와 한계
검토한 정보
보고된 χ² = 332.24, p < .001
직업군·차종 선택 패턴 해석
CA 방향성 서술(수치·그림 미제공)
누락 정보(정량 검증 불가)
표준화 잔차(Z) 테이블
기대도수 테이블
CA 고유값, 차원 설명력
분석 코드, 가중치·표본설계 정보
→ 재현 계산은 불가능 품질 평가만 가능
전반적 평가
장점
교차표 합계·N의 내부 일관성 양호
χ² 값과 p값 조합은 통계적으로 타당
직업군별 선택 경향 해석은 관측 분포와 방향 일치
인과관계 아닌 “경향성” 수준의 서술 → 적절
한계
Z값·기대도수 없음 → 특정 셀 과다/과소 선택의 정량 검증 불가
CA 수치 없음 → 대응분석의 타당성 평가 불가
표본가중치/설계 미기재 → 복합표본 가능성 시 p 왜곡 우려
조작 가능성 및 신뢰도 등급
조작 가능성
분포 자연스러움, 극단적 몰림 없음조작 흔적 없음
종합 신뢰도 평가
절차 적절, 해석 논리 일관, 조작 신호 없음
단, 정량 검증 부재 로 인해 재현성 낮음
➡ StatCheck 등급: B-
왜 검증용 커스텀 GPT가 필요한가?
GPT 분석의 장단점
코드 실행·표 계산·검정 수행 능력 우수
방법 선택, 가정 검토, 해석에서 과잉 일반화 위험 존재
StatCheck(검증 GPT)의 역할
결과·해석을 다시 읽고 방법론 타당성 점검
잔차·가정 위반·과잉해석 여부 감시
“얼마나 신뢰할 수 있는 분석인가?”를 등급 으로 제공
카스텀 GPT 활용 지점 5_1
사례: 복잡한 엑셀표
원문보기:
Statresult parcer pro
문제 ①
복잡한 Excel 교차표는 ChatGPT가 자주 오독한다
3차원 구조, 병합 셀, 다중 헤더가 포함된 표는구조 인식 오류가 발생
문제 ②
대량 교차표·외부 통계 결과는 GPT만으로 처리하기 어렵다
교차표가 많아질수록오류 누적
SEM, HLM, 로지스틱, 머신러닝 등그대로 읽지 못하는 경우 많음
GPT는 “해석”에는 강하지만 “복잡 출력물 읽기”는 약함
해결
대량 작업은 ‘외부에서 생성’, ChatGPT는 ‘해석’
교차표 생성, 통계 분석, 모델 적합 등전용 소프트웨어에서 수행
결과는 Excel → Parser Pro → JSON으로 변환 후해석만 집중
속도 ↑, 오류 ↓, 일관성 ↑
카스텀 GPT 활용 지점 6
사례: KWCS 개선방안 연구분석결과 검토
원문보기
이 교열 사례가 보여주는 것
카스텀 GPT는 보고서 전체의 품질을 다층적으로 점검 할 수 있다.
① 구성·흐름 진단
서론–현황–문제점–개선방안 구조 검토
흩어진 “조사 개요” 내용을 통합 및 절 신설 제안
② 표본설계·가중치·추정식 재현성 점검
층화·다단계 표집 설명의 타당성 점검
가중치 정의·추정 과정이 재현 가능하지 않음을 지적
③ 데이터 제공·이용가이드 누락 요소 탐지
“조사일반사항: 표본.”처럼 잘린 항목 복원
O/0/미제공 등 표 범례의 불명확성 지적
④ 변수·코딩·결측 처리 설명 보완
“더비 변수” 오탈자 및 의미 모호성 교정
계산변수 생성 원리·예시 제시 필요성 강조
⑤ 외부 지침·문헌 인용 형식 정비
ICPSR, GESIS, NORC 등 국제 표준 인용 형식 제안
⑥ 문단 단위 2차 교열(전후 비교)
장황한 문장을 목적–수단 구조로 재정렬
중복·모호 표현 제거 → 가독성 개선
결론: GPT는 논리·방법론·표·문장 을 동시에 교정할 수 있는 고급 교열 도구이다.
GPT 교열 “사소한 문장 고치기”가 아니다
① 보고서 구조를 재배열
“근로환경조사 개요”, “표본설계 개요” 등
현황–문제–개선방안 흐름을 더 선명하게 정리
② 방법론의 재현 가능성 향상
가중치 정의, 사후층화 기준, 모수 출처를본문에서 서술해야 한다 고 지적
분석자가 달라도 이해 가능한 수준으로 개선
③ 데이터 문서화를 국제 기준에 맞춤
ICPSR·GESIS의 데이터 가이드 기준을 불러와
도입 시 현실적인 운영 모델
회사 표준 템플릿 기반의 ‘교열 GPT’ 구축
용어·표현·표본설계 설명 방식
자주 쓰는 문구, 인용 방식, 표 작성 규칙을회사 전용 문체·포맷 표준화
핵심: 신입 연구원도 회사수준 보고서를 빠르게 생산,전사적 효율 극대화
카스텀 GPT 활용 지점 7
사례
:국민여론조사와 언론분석 기반
원문 url: https://docs.google.com/document/d/1hr5NtDvnzLmmbsCOWcxDgcI8HPYSKdnGFKOybw_UmHc/edit?usp=sharing
활용 지피티:
가상데이터 생성기: 가상 여론조사 데이터 생성
LLM content & discourse analyzer : 언론보도 분석
SPI GPT (survey-policy_insight)
https://chatgpt.com/g/g-692926ff1bb881919f6db364e703e390-spi-gpt-survey-policy-insight
이 사례가 보여주는 AI의 기여 1️⃣ 여론데이터에서 신속한 의미 추출
연령별·성별 차이를 즉시 정리·해석
발견된 패턴
20대: 낮은 규제 + 높은 기대
40–50대: 높은 우려 + 높은 규제 선호
“AI 지체층(AI lagging group)” 개념과 연결하여 사회군집적 의미 도출
2️⃣ 언론보도·정책동향의 신속한 교차 분석
AI 관련 법·제도 논쟁 구조 파악
산업진흥 vs 안전규제의 이중 정책 프레임 추출
여론 흐름과 정책 결정 사이의 일치/괴리 지점 자동 분석
3️⃣ 사회과학 이론 및 정책 프레임 매핑
RRI, Risk-based regulation, Adaptive Governance
STS/MLP, Algorithmic Bias Framework, SIA 등
사용자가 제기한 문제의식과 즉시 연결되는 이론·모형 추천
“문제 → 이론 → 정책 프레임”의 구조적 연결 자동 생성
4️⃣ 정책 옵션 생성
기존 디지털 격차 정책을 AI 격차 정책으로 확장
연령대별 맞춤 교육·지원 모델 설계
노동시장·중소기업 전환 모델 제안
고령층·취약계층 접근권 보장 전략정책 패키지 설계
효과적 GPT 적용 방안
GPT는 범용 도구 이지만특정 업무에 즉시 적용하기엔 한계 존재
언어 모델의 구조적 한계 + 사용자와 GPT 간 소통의 미스매치
예:
질문의 의도를 잘못 해석
문맥을 부분적으로만 파악
결과적으로작업 산출물의 신뢰도 저하
개인이 경험으로 극복가능하나 → 노력 대비 효과가 제한적
해결책 1: 특화된 GPT 설계
업무·분야에 맞게 커스터마이징된 GPT 필요
절차, 산출물 요건, 문체 등을 명확히 정의
오해·오류 감소 → 정확도·효율성 증가
좁고 명확한 범위일수록:
설계가 간단
사용 시 높은 정밀도 발휘
조사 연구의 모든 업무에 적용 가능
file:///C:/Users/skcho/Dropbox/reveal_new/reveal.js-master/slides/kasr_workshop25/example4.html
지시문
https://docs.google.com/document/d/10LTJlUk_6iS0-7lW6GMsAFZH-je9G2Qrn0_FMkMGN4A/edit?usp=sharing
지피티
발표자의 경험
“회사 / 프로젝트 단위 GPT 설계”가 가장 안정적이고 실용적이다.
회사별 용어·문체·산출물 기준을 반영
프로젝트별 요구사항까지 구조화재사용 가능성·정확성·효율성 극대화
해결책 2: GPT 친화적 문서 작성
GPT는 한글(.hwp) 문서를 정확히 파싱하지 못함
개선이 필요한 부분
파일 형식: .txt, .md, .docx 권장문서 구조: 정확히 이해할 수 있는 형태 로 제공해야 함
결론 및 제안
GPT는 올바르게 사용하면 매우 강력한 조사·분석 도구
지피티 활용은 개인은 물론 회사 그리고 업계 전체의 경쟁력에 기여
이를 위해 다음 두 가지가 필수:
업무에 특화된 GPT 설계 GPT 친화적 문서 작성의 습관화
오늘 발표가조사 실무자 여러분의 역량 함양에 실질적 도움이 되기를 바랍니다.
https://docs.google.com/document/d/11s9VmarVhEaaY3K2gHxWD811UN5Ov-eLGCKfU7KsV3Y/edit?usp=sharing
https://docs.google.com/document/d/1D3Pg7t-PkOA4PdXMYe2Dyl_M-oWxI0QMoLkS06MVTJw/edit?usp=sharing