예인본은 저널 투고와 다른 독특한 단계가 있습니다. 독자 피드백, 협력자 의견, 초기 동료 심사를 받은 후 예인본을 직접 v2, v3로 업데이트할 수 있습니다. 전통적인 학술지 투고에는 이런 절차가 없으므로, 대부분 이를 어떻게 처리해야 할지 모릅니다.

그 결과, 많은 v2 업데이트는 학술적 내용은 합리적이지만 언어와 구조 처리가 부적절하여, 독자에게 “이 연구가 계속 임시 방편으로 수정하고 있다, 안정적이지 않다”는 인상을 줍니다. bioRxiv와 medRxiv는 모든 버전 이력을 공개적으로 보관하므로, 독자가 “version history”를 클릭하면 각 업데이트의 차이를 볼 수 있습니다. 그 차이의 제시 방식은 독자의 연구 신뢰성 판단에 직접 영향을 미칩니다.

아래는 v2/v3 업데이트 시 모국어가 아닌 저자들이 가장 자주 범하는 다섯 가지 오류입니다. 각 오류마다 바로 적용할 수 있는 수정 사례가 포함되어 있습니다.

1. Version note를 기록식 나열로 작성하여 어디가 학술적 변화인지 불명확한 경우

bioRxiv와 medRxiv에서는 새 버전 업로드 시 “What’s new in this version” 또는 “Summary of changes” 섹션을 작성하도록 요구합니다. 이 문장은 v2의 초록과 마찬가지로 독자가 다시 읽을 필요가 있는지 판단하는 핵심 근거입니다.

많은 저자들이 이 섹션을 commit log처럼 나열합니다: “Updated Figure 3. Added Supplementary Figure 5. Revised Discussion.” 독자는 어느 것이 편집 수정이고 어느 것이 결론 수준의 업데이트인지 알 수 없습니다.

전형적인 원문:

Updated figures. Added new analysis. Revised text. Fixed typos. Updated references.

이 문장은 의미상 거의 공백에 가깝습니다. v1을 이미 읽은 독자는 v2를 다시 정독해야 하는지 판단할 수 없습니다.

수정 방향:

version note를 “결론 수준 업데이트 / 데이터 수준 업데이트 / 문장 수준 업데이트” 세 계층으로 분류합니다. 결론이나 주요 발견 수준의 업데이트를 맨 앞에 놓고, 해석에 영향을 미치는지 명확히 설명합니다. 새로운 데이터나 분석을 두 번째 계층에 놓고, 편집, 용어, 참고문헌 등을 마지막에 놓습니다.

수정 후:

Changes in v2:

  • Primary conclusion unchanged. Main figures and effect sizes updated with n = 28 additional patients recruited between Oct 2025 and Jan 2026. HR for the primary outcome shifted from 2.1 to 2.4 (95% CI 1.5–3.8); direction and significance preserved.
  • Added a new sensitivity analysis (new Supplementary Figure S5) addressing confounding by prior treatment.
  • Revised Discussion to engage with feedback from preprint readers regarding generalizability; no new claims added.
  • Minor typographical and reference corrections.

이 섹션을 읽은 독자는 결론이 변하지 않았고, 데이터가 확대되었으며, Discussion이 논의 범위를 확장했다는 것을 알 수 있습니다. 그들은 다시 읽어야 할지 직접 결정할 수 있습니다.

2. 신버전과 구버전의 초록과 본문이 자체 일치하지 않는 경우

v2 업데이트 시 가장 오류가 발생하기 쉬운 단계는 초록과 본문, 그림의 동기화입니다. 전형적인 상황은 저자가 독자 피드백에 따라 표본을 추가하고, 본문의 n값과 효과 크기를 업데이트했지만, 초록은 v1의 이전 수치를 그대로 사용하는 경우입니다.

독자가 한 번 불일치를 발견하면 전체 데이터를 직접 의심하기 시작합니다. 이는 v1 자체에 작은 오류가 있는 것보다 신뢰성을 더 훼손합니다.

전형적인 문제:

Abstract: We analyzed 186 patients with newly diagnosed type 2 diabetes… Methods: A total of 214 patients were enrolled (93 in the control arm and 121 in the intervention arm)…

초록의 186은 v1의 수치이고, Methods의 214는 v2 업데이트 후의 수치입니다. 독자가 이런 불일치를 보면 전체 연구에 대한 신뢰를 잃게 됩니다.

수정 방향:

v2 업로드 전에 전담 “수치 일관성” 자가 점검을 실시합니다. 다음 범주의 수치를 나열하고, 초록, Methods, Results, Discussion, 그림 설명, 표 설명에서 완전히 일치하는지 하나씩 확인합니다:

  1. 표본 크기(전체, 각 군)
  2. 추적 기간
  3. 주요 결과의 효과 크기 및 통계량
  4. 부차 결과의 효과 크기
  5. 핵심 백분율(반응률, 사건률, 소실률 등)

버전 반복 절차에 “동결 점검”을 추가할 것을 권장합니다: v2의 초록과 그림을 업로드하기 전에 먼저 한 명의 협력자가 독립적으로 확인한 후 업로드합니다.

3. 본문은 업데이트되었지만 그림 설명과 표 설명은 여전히 v1의 언어를 사용하는 경우

이는 v2 업데이트에서 가장 숨겨진 문제 유형입니다. 저자가 본문의 핵심 용어를 통일했으나(예: v1에서 “responder”를 사용했다가 v2에서 “sustained responder”로 변경), Figure 3의 그림 설명과 Table 2의 표 설명을 함께 수정하는 것을 잊었습니다.

bioRxiv와 medRxiv의 그림은 독립적으로 업로드되는 PDF/PNG입니다. 저자들은 주 본문 PDF에 신경을 쓰고 그림의 문장 동기화를 무시하는 경향이 있습니다. 결과적으로 독자는 Figure 3에서 “responder”를 보고 본문에서 “sustained responder”를 보면서 두 개가 다른 개념인지 확실하지 않습니다.

전형적인 상황:

  • 본문 Methods: “We defined sustained responders as patients with continuous tumor shrinkage for at least 6 months.”
  • Figure 3 그림 설명: “Kaplan-Meier curves of overall survival in responders versus non-responders.”

두 용어가 공존하면서 독자가 멈춰서 확인해야 하고, 읽는 흐름이 끊어집니다.

수정 방향:

v2 업로드 전에 모든 그림의 문장(그림 설명, 표 설명, 축 레이블, 범례)을 본문과 용어 정렬합니다. 방법은:

  1. v2에서 v1 대비 변경된 핵심 용어 목록 작성
  2. 각 용어에 대해 주 본문 PDF와 모든 그림 PDF에서 v1 원래 용어를 검색하여 모두 대체되었는지 확인
  3. 특히 범례(legend)와 그림 설명(caption)의 용어가 본문과 일치하는지 점검

용어 일관성은 언어 전문성의 직접적인 신호이며, v2처럼 공개 수정되는 상황에서 특히 중요합니다.

4. v2에서 조용히 주요 결론을 바꾸었지만 version note에는 표기하지 않은 경우

이는 신뢰성에 가장 영향을 미치는 오류 유형입니다. 저자가 v2에서 새로운 데이터나 재분석에 따라 v1의 “compound X reduces tumor volume significantly”를 “compound X marginally reduces tumor volume in a subset of models”로 바꾸었지만, version note에는 “Updated analysis”라고만 적었습니다.

학술 윤리상 이런 방식은 문제가 있습니다. v1을 읽고 트윗하거나 인용한 독자들은 당신의 결론이 바뀌었는지 알아야 합니다.

권장하지 않는 version note:

v2: Updated analysis and revised text.

권장하는 version note:

Changes in v2 (conclusion-relevant):

  • The primary efficacy claim has been narrowed. In v1 we reported that compound X significantly reduced tumor volume across all three xenograft models. On re-analysis with a pre-registered statistical plan submitted during v1 review, the effect is statistically significant only in the two MSI-H models and not in the MSS model.
  • All figures, the abstract, and the discussion have been updated to reflect this narrower claim.
  • The original v1 preprint remains publicly accessible via the version history for transparency.

“결론 수준의 변화”를 직백하게 표기하면 독자가 연구를 불안정하다고 느끼지 않으며, 오히려 저자의 신중함을 더 신뢰하게 됩니다. 결론 변화를 숨기면 반대입니다. 일단 발견되면(예인본 댓글 섹션에서는 정기적으로 독자들이 비교 분석을 함), 연구의 신뢰성은 심각하게 훼손됩니다.

5. v2, v3를 반복해도 언어 질에는 업그레이드를 하지 않는 경우

마지막 문제 유형은 구조적입니다: 많은 예인본이 v1에서 v3로 여러 번 데이터를 수정하고 분석을 추가했지만, 언어 질은 v1의 초안 수준에 머물러 있습니다. 독자가 새 버전을 열 때마다 같은 수동태, 같은 긴 명사구, 같은 중복 표현을 봅니다.

이런 “데이터만 바꾸고 언어는 안 바꾸는” 반복은 경험 많은 독자에게 암묵적 판단을 형성합니다: 이 논문 저자는 언어를 중시하지 않으며, 대상 학술지에서 “language issues”로 탁상 거절될 가능성이 있다. 이 판단은 독자가 v4를 열 의도를 더욱 낮춘다.

권장하는 방법:

매 버전 업데이트마다 적어도 한 번은 전체적인 언어 다듬기를 포함합니다. 국소적 패치만 하지 않습니다. 구체적인 방법:

  1. v1에서 v2로: 초록과 Discussion 다듬기에 집중. 이 두 섹션은 독자가 전파할 때 스크린샷할 가능성이 가장 높습니다.
  2. v2에서 v3로: 이미 저널 투고를 준비 중이면, Introduction, Methods, Results를 전체적으로 언어 업그레이드합니다. 예인본에서 저널 투고 시 가장 자주 간과되는 다섯 가지 언어 조정을 참고하세요.
  3. 매번 업로드 전에 예인본 초록의 다섯 가지 언어 문제를 다시 읽고 대조 확인하세요.

언어 질의 업그레이드는 한 번에 다 할 필요가 없습니다. v2, v3마다 독자들이 “이 논문이 개선되고 있다”고 느끼고, “이 논문이 계속 패치하고 있다”고 느끼지 않으면, 예인본의 신뢰성은 계속 누적됩니다.

v2 업로드 전 자가 점검 목록

  1. Version note 계층화: “결론 수준 / 데이터 수준 / 문장 수준” 세 단계로 변경 사항을 작성했는가? 결론 수준의 변화가 명확하게 표기되었는가?
  2. 수치 일관성: 초록, Methods, Results, Discussion, 그림 설명, 표 설명의 핵심 수치가 모두 v2의 최신 값과 일치하는가?
  3. 용어 일관성: v2에서 새로 도입하거나 수정한 핵심 용어가 모든 그림 문장에서 동기화되어 대체되었는가?
  4. 결론 변화 투명성: v1 이후 주요 결론에서 방향, 유의성 또는 적용 범위의 변화가 있었는가? 있으면 version note에서 직백하게 설명했는가?
  5. 언어 업그레이드: 이번 v2에서 적어도 한 개 모듈(초록, Discussion 또는 Introduction)을 전체적으로 언어 다듬기했는가, 아니면 데이터 수정만 했는가?

v2, v3 업로드를 준비 중이거나, version note를 어떻게 학술 윤리를 유지하면서도 독자가 연구를 불안정하다고 느끼지 않도록 작성할지 고민 중이라면, v1과 계획한 변경 목록을 contact@scholarmemory.com으로 보내주세요. 무료 버전 차이 언어 점검 샘플을 제공하여 신버전에서 어떤 언어 수준의 조정이 필요한지 판단하는 데 도움을 드리겠습니다.