컴퓨터공학 논문 작성법 2026: 기여 문장·베이스라인·절제연구로 심사를 통과하는 법

컴퓨터공학 논문은 사회과학 논문과 문법 자체가 다르다. 가설을 세우고 설문을 돌려 유의확률을 보는 세계가 아니라, 무언가를 만들고, 기존 방법과 겨루고, 그 우위가 우연이 아님을 보이는 세계다. 그래서 “연구 가설”, “표본 크기”, “신뢰도 계수” 같은 말이 등장하지 않고 대신 베이스라인, 데이터셋, 평가지표, 절제연구, 재현성이라는 단어가 논문 전체를 지배한다.

이 글은 컴퓨터공학·소프트웨어공학·인공지능 전공에서 학위논문이나 학회 논문을 쓰는 사람을 위한 실무 가이드다. 다른 전공의 논문 작성법을 이 분야에 옮겨 적용하려다 낭비하는 시간을 줄이는 것이 목적이며, 서론의 기여 문장부터 실험 표 설계, 재현성 명세, 학회 선택까지 순서대로 다룬다.

먼저 알아야 할 것: 이 분야는 학회가 저널보다 위다

대부분의 학문에서 정점은 저널이다. 컴퓨터공학은 다르다. 인공지능, 컴퓨터 비전, 자연어처리, 시스템, 네트워크 어느 분야든 최상위 국제 학회의 정규 논문이 최고 등급으로 평가되며, 저널은 확장판을 싣는 자리로 여겨지는 경우가 많다. 이 문화가 논문 작성에 미치는 영향은 세 가지다.

• 분량이 짧다. 본문 8~9쪽에 모든 것을 담아야 하므로 군더더기가 없어야 한다. “본 연구에서는 ~를 살펴보고자 한다” 같은 예고 문장은 지면 낭비로 취급된다.
• 마감이 절대적이다. 학회 투고 마감은 하루도 밀리지 않는다. 실험 일정을 마감에서 역산해 짜는 것이 이 분야의 기본 습관이다.
• 익명 심사와 반박문 절차가 있다. 심사평에 대한 반박문을 쓰는 단계가 별도로 존재하며, 여기서 결과가 뒤집히는 일이 드물지 않다.

국내 학위 요건으로는 국내 학회 발표나 국내 학회지 게재를 요구하는 경우도 많다. 소속 대학원의 졸업 요건이 학술지 게재를 필수로 두는지, 학회 발표로 갈음되는지는 공학 석사 게재 요건 FAQ에서 유형별 기준을 확인하고 학사 일정에 반영하는 편이 안전하다.

서론은 기여 목록으로 끝난다

컴퓨터공학 논문의 서론에는 굳어진 5단 구조가 있다.

1. 맥락 — 이 문제가 왜 중요한가. 두세 문장.
2. 한계 — 기존 방법은 무엇을 못 하는가. 여기서 구체적인 실패 양상을 짚어야 한다. “정확도가 낮다”가 아니라 “희소 클래스에서 재현율이 급격히 떨어진다”처럼.
3. 착안점 — 우리는 무엇을 관찰했고, 그래서 어떤 접근을 취하는가.
4. 제안 — 제안 방법의 이름과 한 문단 요약. 시스템이라면 여기에 개요 그림을 참조한다.
5. 기여 목록 — 항목 세 개 안팎의 목록.

마지막 기여 목록이 이 분야의 상징이다. 문장 형태는 다음과 같다.

본 논문의 기여는 다음과 같다.

(1) 희소 클래스의 표현 붕괴 현상을 정량적으로 규명하고, 그 원인이 손실 함수의 가중치 구조에 있음을 보였다.
(2) 이를 완화하는 적응적 가중 기법을 제안하였으며, 추가 파라미터 없이 기존 학습 절차에 통합할 수 있음을 보였다.
(3) 세 개의 공개 데이터셋에서 최신 기법 대비 희소 클래스 F1 점수를 평균 4.2%p 향상시켰고, 절제연구를 통해 각 구성요소의 기여를 분리하였다.

기여 목록을 쓰다 보면 자기 연구의 약한 곳이 드러난다. (1)에 쓸 것이 없으면 문제 정의가 약한 것이고, (3)에 쓸 것이 없으면 실험이 부족한 것이다. 그래서 많은 연구자가 실험을 끝내기 전에 기여 목록을 먼저 써 본다. 기여 목록은 논문의 결론이 아니라 연구 계획서다.

실험 절이 논문의 절반이다

실험 절은 반드시 다음 순서로 구성한다. 순서를 바꾸면 읽는 사람이 헤맨다.

1. 실험 설정

데이터셋, 전처리, 분할 방식, 하드웨어, 소프트웨어 버전, 하이퍼파라미터, 학습 시간. 특히 데이터 분할은 정확히 밝힌다. 공개 벤치마크의 표준 분할을 그대로 썼는지, 직접 나눴는지, 나눴다면 비율과 난수 시드는 무엇인지. 여기서 얼버무리면 결과 전체의 신뢰가 흔들린다.

2. 베이스라인

가장 흔한 심사 지적이 “베이스라인이 낡았다”이다. 3년 전 방법만 비교 대상에 넣고 최근 2년 안에 나온 방법을 빼면, 그 자체로 심사 거절 사유가 된다. 비교 대상은 세 층으로 구성하는 것이 안전하다. 고전적 기준선 하나, 널리 쓰이는 표준 방법 하나, 그리고 최근 발표된 최신 방법 둘 이상. 재현이 어려워 원 논문의 보고값을 인용했다면 그 사실을 표 주석에 밝힌다.

3. 평가지표

지표는 문제 유형이 결정한다. 분류라면 정확도만으로 부족하고 클래스 불균형이 있다면 매크로 F1을 함께 보고한다. 검색·추천이라면 상위 K개 기준 정밀도와 정규화 할인 누적 이득을, 생성이라면 자동 지표와 사람 평가를 병행한다. 시스템 논문이라면 지연 시간, 처리량, 메모리 사용량, 에너지 소모가 곧 지표다. 지표를 왜 골랐는지 한 문장을 붙이는 것만으로 심사자의 질문 하나가 줄어든다.

4. 절제연구

제안 방법이 여러 구성요소로 이루어져 있다면 절제연구는 선택이 아니라 필수다. 구성요소를 하나씩 제거하며 성능 변화를 표로 보여, 성능 향상이 어디서 왔는지를 분해한다. 절제연구가 없는 제안형 논문은 “왜 좋아졌는지 저자도 모른다”는 뜻으로 읽힌다.

5. 분석과 실패 사례

수치만 나열하고 끝내지 않는다. 어떤 입력에서 특히 잘 되고 어떤 입력에서 실패하는지를 예시와 함께 보여 주면 논문의 격이 달라진다. 실패 사례를 스스로 제시하는 논문은 심사자의 공격 지점을 미리 소진한다.

재현성: 2026년의 기본 요구 사항

주요 학회들이 재현성 체크리스트를 투고 절차에 넣으면서, 이 항목들은 이제 논문의 필수 구성요소가 되었다. 실험을 시작하는 날부터 아래를 기록해 두면 논문 마감 주에 밤을 새우지 않는다.

• 난수 시드와 반복 횟수 — 시드를 바꿔 3회 이상 반복하고 평균과 표준편차를 보고한다. 단일 실행 결과만 제시하면 “우연한 향상 아닌가”라는 질문을 피할 수 없다.
• 하드웨어와 실행 시간 — 사용한 가속기 종류와 개수, 총 학습 시간. 재현하려는 사람에게 가장 필요한 정보다.
• 하이퍼파라미터 전체 — 본문에 다 넣기 어려우면 부록에 표로 넣는다.
• 코드와 가중치 공개 — 저장소 링크와 라이선스. 익명 심사 기간에는 익명 저장소를 쓴다.
• 데이터 출처와 라이선스 — 크롤링한 데이터라면 이용약관과 개인정보 처리 방침을 확인했음을 밝힌다.

연구 데이터의 보관·공개 계획을 문서로 요구하는 과제에 참여 중이라면 연구데이터 관리계획서(DMP) 작성 튜토리얼의 항목별 예시 문장을 그대로 활용할 수 있다. 논문의 재현성 절과 관리계획서의 내용은 상당 부분 겹친다.

그림과 표의 무결성도 이제는 명시적 심사 대상이다. 결과 그림의 축을 잘라 차이를 과장하거나, 동일한 실험 그림을 조건만 바꿔 재사용하는 행위는 명백한 위반이다. 이공계 논문 이미지·데이터 진실성 가이드의 체크리스트를 최종 점검 단계에 한 번 돌려 보는 것을 권한다.

학위논문은 학회 논문과 다르게 쓴다

학회 논문 두세 편을 묶어 학위논문을 만들 때 가장 흔한 실수는 그냥 이어 붙이는 것이다. 학위논문은 하나의 서사를 요구한다.

• 공통 배경 장을 새로 쓴다. 각 학회 논문의 관련 연구 절을 합치면 중복이 심하다. 하나의 장으로 통합하고 시간순 또는 접근법별로 재구성한다.
• 장 사이의 다리를 놓는다. “2장에서 밝힌 한계는 3장의 설계 결정으로 이어진다”는 식의 연결 문단이 각 장 앞뒤에 있어야 한다.
• 기여를 하나로 묶는다. 세 편의 논문이 각각 다른 문제를 다뤘더라도, 학위논문 서론에서는 이들을 관통하는 하나의 연구 질문을 제시해야 한다.
• 자기 논문의 재사용을 밝힌다. 이미 발표한 자기 논문을 학위논문에 포함할 때는 각 장 첫머리 또는 각주에 출처를 명시한다. 밝히지 않으면 중복 게재 문제가 될 수 있다.

표기와 조판 — 이 분야에만 있는 규칙

컴퓨터공학 논문은 조판 자체가 하나의 기술이다.

• 알고리즘은 의사코드 블록으로. 입력, 출력, 줄 번호를 갖춘 형식으로 제시하고 본문에서 줄 번호를 참조한다.
• 수식은 번호를 매기고 본문에서 참조한다. 모든 기호는 처음 등장할 때 정의하고, 기호가 많으면 표기법 표를 부록에 둔다.
• 그림은 흑백 인쇄에서도 구분되게. 색만으로 계열을 구분하면 인쇄본에서 사라진다. 선 모양과 표식을 함께 다르게 한다.
• 표는 세로줄을 쓰지 않는다. 이 분야 표준 템플릿의 관행이며, 최고 성능 수치는 굵게 표시하고 두 번째는 밑줄로 표시하는 관례가 널리 쓰인다.

조판 도구는 사실상 LaTeX 하나로 수렴한다. 학회가 배포하는 템플릿을 그대로 쓰되, 여백이나 글자 크기를 임의로 줄이면 형식 검사에서 반려된다. 편집 환경 선택이 고민이라면 공학 논문 LaTeX 편집기 비교에서 공동 작업 여부와 오프라인 작업 필요성을 기준으로 골라 보면 된다.

인용은 번호 방식이 표준이다. 본문에 각괄호 번호를 넣고 참고문헌을 번호순으로 정렬하는 방식이며, 세부 규칙은 학회마다 조금씩 다르다. 공학 논문 IEEE 인용 스타일 정리에서 저자 표기와 학회 논문 인용 형식을 확인해 두면 참고문헌 정리 시간이 크게 준다.

이 분야에서 특히 자주 인용하게 되는 것이 데이터셋, 오픈소스 라이브러리, 분석 코드다. 이들은 논문과 표기 형식이 다르며, 버전 번호와 접근 일자를 함께 적어야 한다. 데이터셋·소프트웨어·분석 코드 인용법에 자료 유형별 예시가 정리되어 있으니 참고문헌 목록을 만들 때 옆에 띄워 두는 편이 좋다.

어느 학회를 목표로 할 것인가

선택의 기준은 세 가지다. 첫째, 내 문제가 그 학회의 주제 목록에 명시되어 있는가. 둘째, 최근 개최분의 논문들이 요구하는 실험 규모를 내가 감당할 수 있는가. 셋째, 마감이 내 실험 일정과 맞는가.

• 국제 최상위 학회 — 인공지능·기계학습, 컴퓨터 비전, 자연어처리, 시스템·네트워크 각 분야마다 정점 학회가 뚜렷하다. 실험 규모와 신규성 요구가 가장 높다.
• 분야 특화 국제 학회와 워크숍 — 첫 논문이라면 워크숍이 현실적인 출발점이다. 심사평을 받아 본체 학회로 확장하는 경로가 흔하다.
• 국내 학술대회 — 한국정보과학회와 한국정보처리학회의 학술대회는 학위 요건 충족과 발표 경험을 쌓는 데 유용하다.
• 국내 학회지 — 정보과학회논문지, 정보처리학회논문지 등은 국내 학위논문 요건에 자주 인정되며 한글 투고가 가능하다.

12주 실행 순서

1. 1주차 — 문제 정의와 기여 목록 초안 작성. 아직 실험은 없다.
2. 2주차 — 관련 연구 조사, 베이스라인 후보 확정, 재현 가능한 공개 구현 확인.
3. 3주차 — 데이터셋 확보와 전처리 파이프라인 고정. 이후 바뀌면 모든 결과를 다시 돌려야 한다.
4. 4주차 — 베이스라인 재현. 원 논문 수치와 크게 다르면 원인을 찾을 때까지 다음으로 넘어가지 않는다.
5. 5~7주차 — 제안 방법 구현과 주 실험. 실험 기록을 자동으로 남기는 습관을 들인다.
6. 8주차 — 절제연구와 시드 반복 실험.
7. 9주차 — 그림과 표 완성. 표가 완성되어야 글이 써진다.
8. 10~11주차 — 본문 집필. 실험 → 방법 → 서론 → 초록 순서로 쓰면 논리가 어긋나지 않는다.
9. 12주차 — 재현성 부록, 참고문헌 정리, 형식 점검, 표절 검사.

초안의 문장 골격을 빠르게 세우는 데 Tesify 같은 논문 작성 도구를 쓰는 대학원생도 많지만, 수치와 데이터셋 정보, 베이스라인 출처는 반드시 본인이 확인한 값이어야 한다. 이 분야에서 잘못된 인용은 즉시 발각된다.

자주 묻는 질문

성능이 최신 기법보다 낮으면 논문이 안 되나요?

됩니다. 최고 성능이 아니어도 기여가 될 수 있는 축이 여럿 있다. 훨씬 적은 계산 자원으로 비슷한 성능을 내거나, 특정 조건에서만 강하거나, 기존 방법이 왜 실패하는지를 규명하는 분석 논문도 정당한 기여다. 다만 어느 축으로 승부할 것인지를 서론에서 분명히 밝혀야 한다.

데이터셋이 하나뿐이어도 되나요?

가능하지만 일반화 지적을 받는다. 최소 두 개, 가능하면 세 개의 데이터셋에서 검증하는 것이 안전하다. 도메인이 특수해 공개 데이터셋이 하나뿐이라면 그 사실을 명시하고, 대신 데이터의 부분집합이나 난이도별 구간으로 나누어 추가 분석을 제시하면 보완이 된다.

학위논문을 영어로 써도 되나요?

대학마다 다르지만 이공계 대학원은 영문 학위논문을 허용하는 경우가 많다. 다만 국문 초록을 함께 요구하는 곳이 대부분이며, 제목과 목차 표기 규정이 별도로 있으므로 학위논문 작성 지침을 먼저 확인해야 한다.

코드를 반드시 공개해야 하나요?

의무는 아니지만 심사에 유리하다. 산업체 협력 과제라 공개가 불가능하다면 그 사유를 밝히고, 대신 알고리즘 의사코드와 하이퍼파라미터를 충분히 상세하게 제시해 재현 가능성을 보완한다.

생성형 AI로 코드를 작성해도 되나요?

도구로 쓰는 것 자체는 널리 허용되는 추세이나, 소속 기관과 투고 학회의 정책을 확인하고 필요하면 사용 사실을 밝혀야 한다. 중요한 것은 결과의 정확성과 그 코드가 만들어 낸 수치에 대한 책임이 전적으로 저자에게 있다는 점이다.

정리

컴퓨터공학 논문 작성법의 핵심은 표를 먼저 완성하는 것이다. 기여 목록으로 연구의 뼈대를 세우고, 베이스라인과 데이터셋과 지표로 실험 표의 골격을 그리고, 절제연구로 성능의 출처를 분해하고, 재현성 정보를 첫날부터 쌓는다. 이 네 가지가 갖춰지면 본문은 표를 설명하는 글일 뿐이며, 실제로 그 순서로 쓸 때 가장 빨리 끝난다. 반대로 글부터 쓰기 시작하면 실험이 바뀔 때마다 문장을 다시 쓰게 된다.