Where Research Blooms
관심 논문을 연동하세요. AI가 논문 간 교차 분석을 수행하고,
사람이 놓치기 쉬운 연구 공백과 새로운 연구 방향을 제안합니다.
선착순으로 무료 체험 기회를 드리고 있습니다.
발견된 인사이트
좌측 라이브러리의 논문 조합에서 도출 · 새로운 추천까지 21시간 33분
역할-권위-집단 정체성의 통합 현장 실험
동조(Asch)와 복종(Milgram)이 동일 연속선 위에 있다면, 집단 내 역할 배정만으로도 극단적 행동이 유발될 수 있다. 집단 간 갈등(Sherif)이 형성한 프레임 위에서 인지부조화(Festinger)가 자기합리화를 촉진하므로, 이 상호작용을 통합적으로 검증하는 현장 실험이 필요하다.
공유 정체성 설계를 통한 집단 갈등 완화
무의미한 범주화만으로도 내집단 편애가 발생한다면, Sherif의 상위목표 전략과 결합하여 '공유 정체성'을 설계함으로써 집단 간 갈등을 완화할 수 있다. Asch의 동맹자 효과를 확장하면, 소수 의견의 체계적 보호가 집단사고 예방 장치로 작동할 수 있다.
연구 설계에 왜 AI가 필요한가요?
한 사람이 읽을 수 있는 논문, 한 번에 다룰 수 있는 맥락에는 한계가 있습니다. AI는 그 한계를 넓혀, 연구자가 더 나은 판단에 집중할 수 있게 합니다.
분석에 포함할 논문을 직접 선택하고 관리
AI 제안을 평가하고 최종 연구 질문을 결정
모든 문장은 연구자 본인이 직접 작성
각 논문의 방법론, 변수, 결과를 읽고 표로 정리
여러 논문의 공통점, 차이, 모순을 교차 대조하여 공백을 발견
연구 아이디어의 차별성과 근거를 평가하고 발전 방향을 제안
PDF를 등록하면 piuda가 연구 질문, 이론적 배경, 독립·종속 변수, 방법론, 주요 발견까지 자동으로 읽고 구조화합니다. 이렇게 구축된 라이브러리가 Discovery와 Validate & Enrich, 두 가지 핵심 모드의 분석 기반이 됩니다.
Asch, 1956
Sherif, 1961
Milgram, 1963
Festinger, 1957
연구 질문
독립변수 (IV)
방법
등록된 논문들을 교차 분석하여 유의미한 분석 조합을 찾아내고, 각 조합에서 도출 가능한 연구 인사이트를 점수화하여 제안합니다. 인사이트는 주기적으로 새롭게 생성되며, 논문을 추가할수록 이전에 없던 조합과 방향이 발견됩니다.
분석 조합 탐색
Asch, 1956
Milgram, 1963
Zimbardo, 1973
Lewin, 1947
Tajfel, 1971
Sherif, 1961
Festinger, 1957
Janis, 1972
Bandura, 1977
연구 인사이트 도출
역할-권위-집단 정체성의 통합 현장 실험
동조와 복종이 동일 연속선 위에 있다면, 집단 내 역할 배정만으로도 극단적 행동이 유발될 수 있다.
공유 정체성 설계를 통한 집단 갈등 완화
무의미한 범주화만으로도 내집단 편애가 발생한다면, 공유 정체성을 설계하여 집단 간 갈등을 완화할 수 있다.
연구 추천에서 선택한 방향이나 직접 구상한 아이디어를 입력하면, 등록된 논문들의 교차 분석 증거를 토대로 검증하고, 더 날카롭게 다듬을 수 있는 방향을 제안합니다.
Discovery 추천
역할-권위-집단 정체성의 통합 현장 실험
공유 정체성 설계를 통한 집단 갈등 완화
인지부조화 해소 전략의 세대 간 차이
직접 입력
소셜미디어가 집단 동조 압력에 미치는 영향 — 디지털 환경의 Asch 효과
예: 수면 패턴 연구
Validate & Enrich에서 검증된 아이디어를 연구계획서로 발전시킬 때, piuda가 방법론의 허점, 논리적 비약, 보완이 필요한 부분을 짚어줍니다. 코멘트를 확인하고 반영하면서 초안을 점점 더 단단하게 만들어 갈 수 있습니다.
2.1 연구 목적
소셜미디어 환경에서 동조 압력이 개인의 의사결정에 미치는 영향을 익명성 수준에 따라 비교 검증한다.
3.1 연구 설계
본 연구는 Asch(1956)의 동조 패러다임을 디지털 환경으로 확장한 2×3 혼합 요인 실험(Mixed-factorial design) 설계를 채택한다.
3.2 연구 대상
만 19–29세 대학생 240명 (익명 조건 120명, 실명 조건 120명). 독립변수인 익명성 수준은 프로필 노출 여부(실명/닉네임/완전익명)로 조작한다.
제외 기준도 명시하세요: SNS 비사용자, 심리학 전공자(실험 의도 파악 가능성).
3.3 표본 크기 산정
Milgram(1963)의 효과 크기(Cohen's d = 0.52)를 기반으로 G*Power 3.1을 사용하여 필요 표본 수를 산출하였다.
3.4 측정 도구
Asch 원 패러다임의 선분 비교 과제를 디지털 환경에 적합한 의견 동의율 측정 과제를 주요 종속변수로 사용하며, 사회적 바람직성 척도(SDS-17)를 통제변수로 활용한다. 반영 완료
검정력 분석 결과가 누락되었습니다. Milgram 효과 크기(d=0.52) 기준 최소 N=210 (α=.05, power=.80)으로, 현재 240명은 적절하나 근거를 명시해야 합니다.
익명성 3수준(실명/닉네임/완전익명) 간 차이가 충분한지, 조작 점검 문항을 사전에 파일럿 테스트하는 것을 권장합니다.
혼합 요인 설계에서 참가자 내 요인의 순서 효과(order effect)를 통제할 역균형화(counterbalancing) 절차를 명시해주세요.
제외 기준에 심리학 전공자를 추가하세요. Asch 패러다임에 대한 사전 지식이 동조 반응을 왜곡할 수 있습니다.
적용된 코멘트
Asch 원 패러다임의 선분 비교 과제 대신, 디지털 환경에 적합한 의견 동의율 측정 과제를 종속변수로 사용하는 것을 권장합니다.
반영 완료데이터 프라이버시
무료 플랜의 모든 연구 데이터는 로컬 SQLite에만 저장됩니다. piuda 서버에 사용자 데이터가 전송되지 않습니다.
AI 분석은 Zero Data Retention(ZDR) 계약된 엔드포인트를 통해 처리됩니다. LLM 제공자가 데이터를 학습에 사용하지 않습니다.
유료 플랜에서도 민감한 연구/PDF를 Local Vault로 지정하면 서버 동기화에서 제외됩니다.
활용 사례
다양한 연구 맥락에서 piuda를 활용할 수 있습니다.
논문은 읽었는데 어떤 연구를 해야 할지 감이 안 올 때. 논문 간 교차 분석으로 아직 연구되지 않은 공백을 자동 탐색하고, 유망한 연구 방향을 제안합니다.
적용 분야
연구 아이디어는 있는데 기존 연구와 얼마나 차별적인지, 근거가 충분한지 확인하고 싶을 때. 차별성·근거 강도·실현 가능성을 평가하고 발전 방향을 제안합니다.
적용 분야
논문을 하나하나 엑셀에 정리하는 대신, AI가 변수·방법론·결과를 구조화하고 논문 간 관계를 교차 대조합니다. 체계적 리뷰의 기초 작업을 단축합니다.
적용 분야
검증된 아이디어를 연구계획서로 발전시킬 때, piuda가 방법론의 허점과 논리적 비약을 짚어줍니다. 코멘트를 반영하면서 초안을 점점 더 단단하게 만들 수 있습니다.
적용 분야
요금
무료 플랜으로 연구와 라이브러리를 열람하실 수 있습니다. 흩어진 논문을 교차 분석하고 놓친 연구 공백을 짚어내는 생성 기능은 유료 체험에서 열립니다. 클로즈 베타 기간에는 대기자로 등록한 연구자 중 선정해, 이 기능을 가장 먼저 경험하실 기회를 드립니다.
조회·열람 전용 — 둘러보기
분석·인사이트 전 기능 · 선정 시 유료 체험 (디바이스당 1회)
기관·팀 단위 라이선스
자주 묻는 질문
얼리 액세스
정리하고, 비교하고, 검증하는 일은 piuda가 합니다.
연구자는 더 깊이 생각하는 데 시간을 쓰세요.
대기자로 등록하시면, 선정된 연구자께 전 기능 유료 체험을 우선 초대로 열어드립니다 (디바이스당 1회)
역할-권위-집단 정체성의 통합 현장 실험
동조와 복종이 동일 연속선 위에 있다면, 집단 내 역할 배정만으로도 극단적 행동이 유발될 수 있다.
공유 정체성 설계를 통한 집단 갈등 완화