연구자를 위한 LLM 프롬프트 가이드: ChatGPT, 클로드, 제미니

제가 연구를 위해 ChatGPT를 처음 사용했을 때, "중소기업의 기술 도입에 관한 문헌 검토를 작성해 주세요"라고 요청했습니다. 그랬더니 14개의 참고 문헌이 포함된, 자신감 넘치고 잘 구성된 6개의 단락을 만들어 주었습니다. 아주 훌륭해 보였죠.

첫 번째 인용문을 확인해 봤는데 존재하지 않았습니다. 두 번째 인용문도 마찬가지였습니다. 세 번째는 실제 논문이었지만 연구 결과가 완전히 틀렸습니다. 14개를 모두 확인해 봤는데, 그중 3개만 실제 논문이었습니다. 제대로 인용된 논문은 하나도 없었습니다.

그날 저는 연구에 LLM을 사용하는 첫 번째 규칙을 배웠습니다. 결과물은 권위 있어 보이지만, 스스로 검증하지 않고는 단 하나의 주장도 믿을 수 없다는 것이었습니다.

수개월에 걸친 시행착오 끝에 제가 깨달은 두 번째 사실은 LLM(법학 석사)이 연구에 진정으로 유용하다는 것입니다. 진리의 원천으로서가 아니라, 사고 도구로서, 브레인스토밍 파트너로서, 초안 작성자로서, 통계적 설명자로서, 글쓰기 코치로서 말입니다. 핵심은 무엇을 어떻게 질문하고, 그 답을 어떻게 활용하느냐를 아는 것입니다.

이 가이드는 ChatGPT, Claude, Gemini를 효과적으로 사용하면서 낭패를 보지 않으려는 대학원 연구원들을 위한 실용적인 프롬프팅 매뉴얼입니다.

Why the Prompt Is Everything

LLM은 당신의 생각을 읽지 않습니다. 당신이 제공하는 정보에만 정확하게 반응합니다. 모호한 질문에는 일반적인 답변이 나오고, 구체적인 질문에는 구체적인 답변이 나옵니다. 시작하기 전에 반드시 이해해야 할 가장 중요한 점입니다.

다음 두 가지 질문을 비교해 보세요.

잘못된 프롬프트: “기후 변화 연구에 대해 말씀해 주세요.”

좋은 질문입니다: "동남아시아 대도시의 도시 열섬 현상에 관한 학술 논문을 위해 문헌 검토를 작성하고 있습니다. 2020년부터 2025년 사이에 발표된 연구에서 사용된 가장 중요한 세 가지 방법론적 접근 방식을 요약하고, 특히 원격 탐사 기술에 초점을 맞춰 주십시오. 각 접근 방식의 장점과 한계점도 포함해 주십시오."

첫 번째 프롬프트는 위키백과 수준의 개요를 제공합니다. 두 번째 프롬프트는 실제로 활용할 수 있는 정보를 제공합니다. 차이점은 모델이 아니라 프롬프트에 있습니다.

학술 연구를 위한 좋은 주제는 네 가지 요소를 포함합니다. 첫째, 맥락: 연구자가 누구이며 무엇을 연구하는지. 둘째, 과제: 모델이 정확히 무엇을 하기를 원하는지. 셋째, 제약 조건: 연구의 범위, 형식 또는 한계. 넷째, 결과 명세: 원하는 답변의 구조를 명시하는지.

네 가지 항목을 매번 모두 포함할 필요는 없습니다. 하지만 구체적일수록 결과가 더 좋아집니다.

ChatGPT, Claude, and Gemini: Which Model for Which Task

These are the three models you are most likely to use as a researcher in 2026. They are not interchangeable. Each has strengths that matter for academic work.

ChatGPT (GPT-4o and later). Good at brainstorming, generating draft text, explaining concepts at different levels of complexity, and creative problem-solving. It handles a wide range of tasks competently and has the largest user base, which means more community-shared prompts and techniques. The weakness is that it hallucinates confidently. It will invent citations, fabricate statistics, and present wrong information with complete assurance. Always verify.

Claude (Anthropic). Particularly strong with long documents. You can upload a full PDF of a paper and ask it to summarize, compare, or critique specific sections. Claude tends to be more careful about stating uncertainty. When it does not know something, it is more likely to say so rather than making something up. It also handles nuanced analytical tasks well, like comparing the methodological approaches of two papers or identifying gaps in an argument. Good for literature analysis and critical thinking tasks.

Gemini (Google). The biggest advantage is integration with Google’s search infrastructure. Gemini can access current web content and Google Scholar results, which means it can find and reference papers that actually exist. This is a significant advantage over ChatGPT and Claude for literature searching tasks. The weakness is that the academic writing output tends to be less polished than the other two, and the model sometimes prioritizes breadth over depth.

In practice, most researchers end up using two or three of these depending on the task. Use Gemini to find papers. Use Claude to analyze them. Use ChatGPT to brainstorm and draft. That is a reasonable workflow, though your preferences may differ.

Prompting for Research Question Development

This is one of the best uses of LLMs in the early stages of research. You have a broad area of interest but you need to narrow it into a specific, viable research question. LLMs are good brainstorming partners here because they can generate dozens of angles you might not have considered.

Prompt template:

“I am a [degree level] researcher in [field]. My broad area of interest is [topic]. I want to identify a specific research gap that has not been extensively studied. Suggest 10 specific research questions that are narrow enough for a single study, relevant to current debates in the field, and feasible for a [methods type] approach.”

Example:

“I am a PhD researcher in educational technology. My broad area of interest is mobile learning in higher education. I want to identify a specific research gap. Suggest 10 specific research questions that are narrow enough for a single study, relevant to post-2023 literature, and feasible for a mixed-methods approach with university students as participants.”

The model will give you 10 questions. Most will be generic. Two or three might be genuinely interesting. Those two or three are your starting points for a proper literature search to verify whether they actually represent a gap.

Do not take the LLM’s word that a gap exists. It does not know the current state of the literature. It is guessing based on patterns. Always verify with actual database searches.

Prompting for Literature Search and Paper Discovery

This is where Gemini has a clear advantage, because it can access Google Scholar. But all three models can help you think about your search strategy.

Prompt for search strategy:

“I am searching for papers on [topic] for a systematic literature review. Suggest 10 search strings I should use across Scopus, Web of Science, and Google Scholar. Include Boolean operators and alternative terms for key concepts.”

This is genuinely useful. The model will suggest synonym combinations and Boolean structures you might not think of yourself. “Technology acceptance” OR “technology adoption” AND “small enterprises” OR “SMEs” OR “micro-enterprises” AND “developing countries” OR “emerging economies.” That kind of systematic search string generation is tedious to do manually and LLMs handle it well.

Prompt for paper recommendations (Gemini):

“Search Google Scholar for the 10 most cited papers published between 2020 and 2025 on [specific topic]. For each paper, give me the title, authors, journal, year, and a one-sentence summary of the main finding.”

Gemini can actually retrieve real papers here. ChatGPT and Claude cannot reliably do this because they do not have real-time access to databases. If you use ChatGPT or Claude for paper recommendations, treat every citation as suspect until you verify it in Scopus or Google Scholar yourself.

Prompting for Summarizing and Comparing Papers

This is where LLMs save the most time. Reading a 25-page paper takes an hour. Getting an LLM summary takes 30 seconds. The summary is not a replacement for reading the paper, but it tells you whether the paper is worth reading in full.

Prompt for single paper summary (Claude is best for this):

“I am uploading a PDF of a research paper. Summarize it in the following structure: (1) Research objective, (2) Methodology and sample, (3) Key findings, (4) Limitations acknowledged by the authors, (5) How this paper relates to [your specific topic].”

구조화된 형식은 모델이 모호한 개요를 제공하는 대신 구체적인 정보를 추출하도록 합니다. 다섯 번째 요점은 요약을 특정 연구와 관련성 있게 만들어주기 때문에 가장 중요합니다.

여러 논문을 비교하기 위한 안내:

“[주제]에 관한 논문 다섯 편을 요약했습니다. 요약 내용은 다음과 같습니다. [요약 내용 붙여넣기]. 다음 항목들을 기준으로 이 논문들을 비교하세요: (1) 방법론적 접근, (2) 표본 특성, (3) 주요 결과, (4) 연구 간의 모순점, (5) 어느 연구에서도 다루지 않은 공백.”

이것은 종합입니다. 이 모델은 단순히 요약하는 것이 아니라, 여러 자료에서 나타나는 패턴, 모순, 그리고 부족한 부분을 파악하는 것입니다. 최종 결과물은 문헌 검토를 위한 초안 프레임워크입니다. 상당한 편집과 검증이 필요하겠지만, 이를 바탕으로 작업을 진행할 수 있습니다.

Prompting for Statistical Help and Data Analysis

통계 전문가가 아니라면, LLM(법학 석사)은 적절한 방법론을 설명하고 선택하는 데 놀라울 정도로 유용할 수 있습니다. LLM이 직접 분석을 수행해 주지는 않지만, 여러분이 무엇을 하고 왜 그렇게 하는지 이해하도록 도와줄 수 있습니다.

메서드 선택을 위한 프롬프트:

“[변수 설명: 유형, 표본 크기, 분포]를 포함하는 데이터셋이 있습니다. 제 연구 질문은 [질문]입니다. 어떤 통계적 검정 또는 분석 방법을 사용해야 할까요? 이 방법이 적절한 이유와 확인해야 할 가정을 설명해 주세요.”

출력 해석을 위한 프롬프트:

“[SPSS/R/Python] 분석 결과는 다음과 같습니다. [결과 붙여넣기] 각 값이 무엇을 의미하는지 쉽게 설명해 주세요. 통계적으로 유의미한 결과인가요? 실제적인 의미는 무엇인가요? 결과 섹션에는 무엇을 보고해야 할까요?”

R 또는 Python 코드를 입력하라는 메시지:

다음 변수들을 포함하는 데이터셋에 대해 [특정 분석]을 수행하는 R 코드를 작성하세요: [변수 및 변수 유형 목록]. 각 단계에 대한 설명을 주석으로 포함하세요. 분석 실행 후, 결과를 보여주는 고품질 그래프를 생성하세요.

LLM은 분석 코드를 생성하는 데 매우 뛰어납니다. 생성된 코드는 대개 제대로 작동하거나 약간의 수정만 필요합니다. 하지만 항상 논리를 확인해야 합니다. 모델이 올바른 검정을 선택했지만 매개변수 설정이 잘못되었거나, 잘못된 변수에 대한 분석 결과를 도출할 수도 있습니다. 코드를 실행하고, 출력 결과를 예상과 비교하여 확인하고, 방법론에서 설명한 내용과 일치하는지 검증하십시오.

Prompting for Drafting and Structuring Your Writing

이는 가장 흔한 활용 사례이자 연구자들이 주의하지 않으면 문제를 일으키는 원인이기도 합니다. LLM(법학 석사)은 원고 초안 작성을 도울 수 있지만, 그 결과물은 학술지에 투고하기 전에 상당한 수정 작업을 거쳐야 합니다.

섹션 개요 작성 안내:

“저는 [주제]에 관한 학술 논문의 토론 부분을 작성하고 있습니다. 주요 연구 결과는 다음과 같습니다: [연구 결과 목록]. 관련 이론은 다음과 같습니다: [이론 목록]. 토론 부분에 대한 상세한 개요를 작성해 주십시오. 개요에는 (1) 주요 연구 결과 요약, (2) 기존 문헌과의 비교, (3) 이론적 함의, (4) 실제적 함의, (5) 한계점, (6) 향후 연구 방향이 포함되어야 합니다.”

이것은 LLM을 잘 활용한 사례입니다. 개요는 구조적인 뼈대일 뿐 완성된 글이 아닙니다. 실제 내용은 직접 채워 넣어야 합니다.

초안 작성을 위한 프롬프트:

다음 개요와 참고 자료를 바탕으로, 본 연구 결과[연구 결과 설명]를 Smith(2023)와 Johnson(2024)의 연구 결과[그들의 연구 결과 설명]와 비교하는 토론 단락을 작성하십시오. 격식 있는 학술적 어조를 사용하고, 완곡한 표현을 포함하십시오. 임의로 인용문을 만들어내지 마십시오.

"인용문을 임의로 만들지 마십시오"라는 지침은 중요합니다. 이 지침이 모델이 반드시 준수한다는 것을 보장하는 것은 아니지만, 조작된 참고문헌의 발생 빈도를 줄여줍니다. 모델에 포함된 모든 인용문을 항상 확인하십시오.

핵심 규칙: LLM 출력물을 그대로 원고에 붙여넣고 제출하지 마세요. 해당 텍스트에는 Turnitin에서 감지할 수 있는 AI 작성 패턴(짧은 문장 빈도, 예측 가능한 어휘, 하이픈 사용, 반복되는 연결어)이 나타납니다. 초안의 모든 부분은 자신의 어조로 다시 작성해야 합니다. LLM 초안을 시작 틀로 삼아, 자신만의 어조가 담길 때까지 수정하세요.

Prompting for Language Improvement and Editing

영어가 모국어가 아닌 경우, LLM(문법 검토 서비스)은 글쓰기 실력을 향상시키는 데 유용한 첫걸음이 될 수 있습니다. 문법 오류를 잡아내고, 더 명확한 표현을 제안하며, 글의 격식을 조정해 줍니다.

학술적 어조 교정을 위한 안내:

"다음 단락을 학술적인 어조, 문법 및 명확성을 개선하도록 다시 작성하십시오. 의미는 완전히 동일하게 유지하고 새로운 정보를 추가하지 마십시오. Scopus 색인 저널에 적합한 공식적인 학술 영어를 사용하십시오. 다음은 원문입니다: [텍스트 붙여넣기]"

간결성을 위한 안내:

“The following paragraph is too long and wordy. Reduce it to approximately [X] words while keeping all key information. Remove filler phrases and redundancy. Here is the paragraph: [paste text].”

Prompt for hedging:

“Review the following paragraph and add appropriate hedging language where claims are too strong or absolute. Academic convention requires cautious language like ‘suggests,’ ‘indicates,’ ‘it is possible that,’ etc. Here is the paragraph: [paste text].”

These prompts produce useful first-pass improvements. But remember: LLM-revised text still has AI patterns. If you use an LLM to polish your writing, you need to go through the output and add your own variation, your own vocabulary, and your own voice. Or get it professionally humanized 그리고 edited before submission.

How to Cite LLMs in Your Research

If you used an LLM during any part of your research or writing process, you need to cite it. Most universities and journals now require disclosure of AI tool usage, and the major citation styles have formats for it.

APA 7th edition:
OpenAI. (2025). ChatGPT (GPT-4o version) [Large language model]. https://chat.openai.com
In-text: (OpenAI, 2025)

For Claude:
Anthropic. (2025). Claude (Claude 3.5 Sonnet) [Large language model]. https://claude.ai
In-text: (Anthropic, 2025)

For Gemini:
Google. (2025). Gemini (Gemini 1.5 Pro) [Large language model]. https://gemini.google.com
In-text: (Google, 2025)

Some institutions want you to include the actual prompt in an appendix. Others want a general disclosure statement in the methods or acknowledgements section, such as: “ChatGPT (GPT-4o, OpenAI, 2025) was used to assist with brainstorming research questions and generating initial draft outlines. All output was verified and substantially rewritten by the authors.”

Check your target journal’s author guidelines and your university’s academic integrity policy. The specific format varies, but the principle is universal: be transparent about what you used and how you used it.

The Six Things LLMs Cannot Do for Your Research

Knowing the limits is just as important as knowing the capabilities. Here is what LLMs cannot reliably do, no matter how good your prompt is.

1. Provide reliable citations. LLMs fabricate references. ChatGPT and Claude generate plausible-looking citations that do not exist. Gemini is better because it can access Google Scholar, but it still sometimes produces wrong metadata. Verify every single citation against the actual source in Scopus or Google Scholar.

2. Report accurate facts and statistics. LLMs generate text based on probability, not truth. They will confidently state that a study found a specific percentage or that a country has a specific population when neither is correct. Every factual claim needs independent verification.

3. Produce original analysis. LLM 학위는 다른 사람들이 발견한 내용을 요약할 수는 있습니다. 하지만 데이터를 분석하거나, 특정 연구 맥락에서 결과를 해석하거나, 학위 논문이나 학술지에 발표하는 논문에 필요한 독창적인 지적 기여를 할 수는 없습니다. 그것은 전적으로 당신의 몫입니다.

4. 연구의 구체적인 맥락을 이해하십시오. 이 모델은 연구 참여자, 기관 환경, 데이터 수집의 어려움, 연구 방법론의 미묘한 차이 등을 알지 못합니다. 모델의 제안은 일반적이지만, 연구는 구체적이어야 합니다.

5. 통과되는 텍스트를 작성하세요 AI detection. LLM으로 생성된 원본 텍스트는 기계가 생성한 텍스트임을 나타내는 통계적 특징을 가지고 있습니다. 따라서 Turnitin AI Checker, Copyleaks 등의 탐지기에 의해 탐지될 수 있습니다. LLM으로 생성된 모든 텍스트는 제출 전에 사람이 쓴 것처럼 자연스럽게 들리도록 상당 부분 수정해야 합니다.

6. 동료 피드백을 대체하십시오. LLM(법학 석사)은 제안을 해줄 수는 있지만, 지도교수, 공동 저자 또는 동료 심사자의 중요하고 분야별 전문성을 반영한 피드백을 대체할 수는 없습니다. LLM은 논문 작성을 위한 준비 도구로 활용하고, 평가는 사람에게 맡기십시오.

대학원 연구자를 위한 실용적인 LLM 워크플로우

2년간의 실험 끝에 제가 정착시킨 작업 흐름은 다음과 같습니다.

1단계: 탐색. ChatGPT나 Claude를 활용하여 연구 질문과 방향을 브레인스토밍하세요. Gemini를 사용하여 실제 논문을 검색하세요. 데이터베이스 쿼리를 위한 검색어를 생성하세요. 읽기 시작하기 전에 연구 분야의 전반적인 흐름을 파악하세요.

2단계: 읽기 및 종합. 주요 자료를 Claude에 업로드하여 구조화된 요약을 생성하세요. 비교 프롬프트를 활용하여 자료 전반에 걸쳐 주제, 모순 및 공백을 파악하세요. 생성된 요약을 바탕으로 종합 매트릭스를 작성하세요. 모든 내용을 실제 자료와 대조하여 검증하세요.

3단계: 글쓰기. LLM을 사용하여 개요와 초안을 작성하세요. 모든 단락을 자신의 말과 어조로 다시 쓰세요. 자신만의 분석, 완곡한 표현, 분야별 전문 용어를 추가하세요. 하이픈(-)과 반복되는 연결어구를 제거하세요. 자신만의 목소리가 담기도록 만드세요.

4단계: 마무리 작업. 문법, 간결성, 어조 개선을 위해 LLM의 프롬프트를 활용하여 1차 편집 단계를 진행하세요. 그런 다음 원고를 완성하세요. 전문적으로 편집됨 인간 편집자가 LLM이 놓친 부분을 확인하고 텍스트가 자연스럽게 읽히도록 검토합니다.

5단계: 제출 전 점검. 원고를 Turnitin으로 검사하세요. 유사도 점수를 확인하고 필요한 부분을 수정하세요. 역 문제점을 확인하세요. AI 점수를 확인하고 인간화하다 표시된 부분을 모두 기재하십시오. 사용한 LLM 모델을 인용하십시오. 제출 시 함께 제출하십시오. 언어 편집 인증서.

연구 과정에서 LLM을 활용하셨나요? 원고가 출판 준비가 완료된 상태인지 확인하십시오. 원고를 업로드하고 견적을 받아보세요 for AI humanizing, 전문 편집, or both. Every order includes a free Turnitin AI 보고서 그리고 언어 편집 인증서.

결론: LLM은 사고력을 대체하는 것이 아니라, 사고를 위한 강력한 도구이다.

A good power tool makes skilled work faster. It does not make unskilled work good. That is exactly how LLMs work in research.

If you know your field, know your methodology, and know how to think critically about evidence, LLMs will save you time at every stage of the research process. If you use them as a shortcut to avoid doing the actual intellectual work, the result will be a manuscript full of confident errors, fabricated citations, and text that triggers every AI detector on the market.

Learn to prompt well. Verify everything. Rewrite everything. Cite what you used. And make sure the final manuscript sounds like a real researcher wrote it, because a real researcher did. The LLM just helped along the way.

PM Proofreading offers professional AI humanizing, journal manuscript editing, thesis editing, academic paraphrasing고 학 번역 for international researchers. Every editing order includes a free 언어 편집 인증서. Upload your manuscript and get a quote today.

자주 묻는 질문

Which LLM is best for academic research: ChatGPT, Claude, or Gemini?

Each has different strengths. ChatGPT is strong for brainstorming, drafting, and explaining concepts at different levels. Claude handles long documents well and tends to be more careful about acknowledging uncertainty, which makes it good for paper analysis and critical comparison tasks. Gemini has an advantage for literature searching because it can access Google Scholar and current web content. Many researchers use two or three models for different tasks within the same project.

Do I need to cite ChatGPT or Claude if I used them during my research?

Yes. Most universities and journals now require disclosure of AI tool usage. In APA 7th edition, cite the model as the author with the version and URL. For example: OpenAI (2025). ChatGPT (GPT-4o) [Large language model]. https://chat.openai.com. Include a disclosure statement in your methods or acknowledgements section describing which tools you used and for what purpose. Check your target journal’s author guidelines and your university’s academic integrity policy for specific requirements.

Will using LLMs for my research trigger Turnitin AI detection?

If you paste raw LLM output into your manuscript without rewriting it, yes. LLM-generated text has specific statistical patterns (uniform sentence lengths, predictable word choices, formulaic transitions) that Turnitin AI Checker detects. The solution is to use LLM output as a starting framework, then substantially rewrite every section in your own voice with your own vocabulary, varied sentence structures, and genuine analytical commentary. If you need help, a professional AI humanizing service can rewrite flagged sections by hand.

Can LLMs generate reliable academic citations?

No. This is one of the most dangerous limitations. ChatGPT and Claude frequently fabricate citations that look real but do not exist. They generate plausible author names, journal titles, and publication years for papers that were never written. Gemini is somewhat better because it accesses Google Scholar, but it still produces errors in metadata. Every citation an LLM gives you must be independently verified in Scopus, Web of Science, or Google Scholar before you include it in your manuscript. Never cite a paper you have not personally confirmed exists.