요약 편집하기 (부분)

== 분야별 요약의 특성 ==

=== 학술 분야 ===

학술 논문에서 요약은 '''초록(Abstract)'''이라는 형태로 표준화되어 있다. 국제 학술지에서는 대개 150~300단어 이내로 제한하며, 투고 규정에 따라 구조화 초록(Structured Abstract)을 요구하기도 한다. 구조화 초록은 Background, Objective, Methods, Results, Conclusions 등의 소제목을 명시적으로 포함한다.

학술 초록은 데이터베이스(PubMed, Scopus, Web of Science, KISS, RISS 등)에서 논문을 검색할 때 가장 먼저 노출되는 텍스트이므로, 검색 가능성을 높이기 위한 핵심어(Keywords) 선정도 중요하다.

초록 작성의 실용적 원칙:
* 연구에서 실제로 한 것과 발견한 것만 기술하고, 논문에 없는 내용은 절대 초록에 포함하지 않는다.
* 일반적 배경 지식보다 이 연구만의 특수성을 부각해야 한다.
* "본 연구는 ~를 연구한다" 대신 "본 연구는 ~를 발견했다"와 같이 결과 중심으로 쓰는 것이 국제 표준이다.
* 약어는 처음 등장할 때 풀어쓰고, 초록 내에서 단독으로 사용된 약어는 본문에서도 다시 정의해야 한다.

학위논문에서는 초록 외에도 국문 요약(영어 논문의 경우)과 영문 요약(국문 논문의 경우)을 병기하는 것이 대부분 대학원의 표준이다.

=== 법률 분야 ===

법률 문서에서는 '''판결 요지(判決要旨)''', '''법령 적용 요약''', '''소송 경위 요약''' 등이 사용된다. 대한민국 법원의 판결문은 수십 페이지에 달하는 경우가 많으며, 실무 활용을 위한 판례집(판례공보, 판례월보 등)에서는 이를 요약한 형태로 제공한다.

대한민국 법원 판결문의 표준 구성:

{| class="wikitable"
|-
! 구성 요소 !! 설명
|-
| 주문(主文) || 판결의 결론. 단 몇 줄로 압축됨. 사실상 가장 강력한 요약
|-
| 이유(理由) || 주문에 이른 법적 근거와 사실 판단. 본문에 해당
|-
| 판시사항 || 이 판결에서 법적으로 판단한 핵심 쟁점의 요약
|-
| 판결요지 || 판시사항에 대한 법원의 판단을 2~3문장으로 요약
|-
| 참조조문 || 적용된 법령 목록
|}

법률 요약에서 특히 주의해야 할 사항:
* 법률 용어는 임의로 바꾸지 않는다. '손해배상'을 '배상금'으로, '처분'을 '결정'으로 바꾸는 것만으로도 법적 의미가 달라질 수 있다.
* 사실관계(Facts)와 법적 판단(Legal Holding)을 명확히 구분한다.
* 판결의 주문(결론)과 방론(Obiter Dictum, 결론 도출에 직접 필요하지 않은 부가적 언급)을 혼동하지 않는다.

=== 의학 분야 ===

의학에서는 '''임상 요약(Clinical Summary)''', '''환자 경과 요약''', '''케이스 리포트(Case Report)''' 등의 형태로 요약이 사용된다. 특히 응급 상황에서의 환자 인수인계(Hand-off)는 생명과 직결되는 매우 중요한 구두 요약 행위이다.

SBAR 기법은 의료 현장에서 표준화된 구두 요약 프레임워크로 널리 사용된다:

{| class="wikitable"
|-
! 구성 !! 영어 원어 !! 내용
|-
| S || Situation || 현재 상황 (환자 이름, 병실, 현재 문제)
|-
| B || Background || 배경 (진단명, 입원 경위, 주요 병력)
|-
| A || Assessment || 평가 (현 상태에 대한 임상적 판단)
|-
| R || Recommendation || 요청/제안 (필요한 조치나 결정 사항)
|}

최근 [[전자의무기록(EMR)]] 시스템과 AI의 결합으로 자동 임상 요약 기능이 도입되고 있으며, 특히 장기 입원 환자의 방대한 의무기록을 요약하여 담당의에게 제공하는 기능이 상용화 단계에 있다. 그러나 의료 분야에서의 AI 요약 오류는 심각한 의료 사고로 이어질 수 있으므로, 검증과 책임 소재에 대한 논의가 활발히 진행 중이다.

=== 언론·미디어 분야 ===

뉴스에서의 요약은 '''리드(Lead)''' 형식으로 나타난다. 역피라미드 구조(Inverted Pyramid Structure)를 따르는 뉴스 글쓰기는 가장 중요한 정보(6하 원칙: 누가·언제·어디서·무엇을·어떻게·왜)를 첫 단락에 모두 담는다. 이 첫 단락 자체가 기사 전체의 요약 역할을 한다.

역피라미드 구조가 탄생한 배경에 대해서는 전보 통신 시대에 통신 두절에 대비하여 중요한 정보를 먼저 전송하던 관행에서 비롯됐다는 설이 유력하게 거론된다. 현대에는 독자의 짧아진 주의 집중 시간(Attention Span)과 모바일 뉴스 소비 행태에 맞추어 리드의 중요성이 더욱 커졌다.

텔레비전 뉴스에서는 '''앵커 브리핑'''이 뉴스 요약의 전형이며, 포털 사이트의 뉴스 섹션에서는 AI가 자동 생성한 요약 문장이 기사 상단에 표시되는 방식이 보편화되었다.

최근 논란이 되는 것은 AI 뉴스 요약의 '''편향성 문제'''이다. 동일한 사건을 다룬 기사라도 어떤 측면을 요약에 포함하느냐에 따라 독자의 인식이 크게 달라질 수 있으며, 클릭률을 높이기 위해 자극적인 내용을 우선 배치하는 알고리즘이 요약의 편향을 심화시킬 수 있다는 비판이 제기된다.

=== 교육 분야 ===

교육 현장에서 요약은 '''학습 전략(Learning Strategy)'''의 핵심 요소로 다루어진다. 던로스키(Dunlosky) 등의 연구에 따르면, 학습한 내용을 직접 요약해 보는 것(Summarization)은 단순 반복 독서보다 장기 기억 형성에 훨씬 효과적이다.<ref>Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving Students' Learning With Effective Learning Techniques. ''Psychological Science in the Public Interest'', 14(1), 4–58.</ref> 다만 같은 연구에서 요약의 효과는 자기 테스트(Self-Testing)나 분산 학습(Distributed Practice)보다는 낮은 것으로 평가되었다.

대한민국 교육과정에서 요약 관련 성취 기준의 단계적 발전:

{| class="wikitable"
|-
! 학교급 !! 주요 학습 내용
|-
| 초등 3~4학년 || 문단의 중심 문장 찾기, 글의 내용 한 문장으로 말하기
|-
| 초등 5~6학년 || 문단 요약하기, 글 전체의 중심 내용 정리하기
|-
| 중학교 1~3학년 || 글의 구조를 파악하여 요약하기, 주장과 근거 구분하며 요약하기
|-
| 고등학교 || 정보의 신뢰성 평가하며 요약하기, 비판적 읽기와 연계한 요약, 매체 특성을 고려한 요약
|-
| 대학 || 학술 텍스트 초록 작성, 문헌 리뷰, 연구 노트 요약
|}

수능 국어 영역에서는 요약 능력이 독서(비문학) 파트 전반에 걸쳐 간접 측정된다. 주제 찾기, 핵심 논거 파악, 내용 일치 확인 등의 문항 유형이 모두 요약 능력과 직결된다.

=== 비즈니스 분야 ===

비즈니스에서는 '''이그제큐티브 서머리(Executive Summary)'''가 보고서·기획서·제안서의 표준 구성 요소로 자리 잡았다. 경영진이 전체 보고서를 읽지 않고도 핵심 내용과 의사결정 사항을 파악할 수 있도록 설계되며, 보고서 본문보다 먼저 작성하는 것이 아니라 '''본문을 완성한 후 마지막에 작성'''하는 것이 원칙이다.

McKinsey·BCG·Bain 등 주요 컨설팅 펌에서 이그제큐티브 서머리는 다음 요소를 반드시 포함한다:
# 핵심 문제(Key Problem Statement)
# 분석 방법론 요약(Approach)
# 핵심 발견 사항 3~5개(Key Findings)
# 권고 사항(Recommendations)
# 기대 효과 및 실행 계획 개요(Expected Outcomes & Next Steps)

이른바 '''BLUF(Bottom Line Up Front)''' 원칙이 비즈니스 커뮤니케이션의 표준으로 자리 잡으면서, 핵심 결론을 문서의 맨 앞에 배치하는 방식이 군사·기업·공공 분야 전반에 확산되었다. 이는 역피라미드 구조와 동일한 원리다.

=== 정보처리 및 컴퓨터 과학 분야 ===

컴퓨터 과학에서 요약의 개념은 여러 방식으로 확장된다. 데이터베이스의 '''집계 함수(Aggregate Function, SUM·AVG·COUNT 등)'''는 대용량 데이터를 수치로 요약하며, 통계학의 '''기술 통계(Descriptive Statistics)'''는 데이터 분포를 핵심 지표(평균, 중앙값, 표준편차 등)로 요약한다.

소프트웨어 공학에서는 '''코드 요약(Code Summarization)'''이 AI 연구의 한 분야로 발전했다. 소스 코드를 분석하여 자연어 설명을 자동 생성하거나, 반대로 자연어 설명에서 코드를 생성하는 기술이 [[GitHub Copilot]]·[[Claude]]·[[Cursor]] 등에서 상용화되었다.