(가천대학교 박사학위 청구 논문이며, 모든 저작권은 저자인 본인에게 있음)미국 아웃바운드 투자 심사 정책의 형성과 한국형 모델 설계에 관한 연구, A Study on the Formation of U.S. Outbound Investment Screening Policy and the Design of a Korean Model: With a Focus on Defensive Technology Control by Non-Hub States in the Era of Economic Security

<p dir="ltr">논문제목 :미국 아웃바운드 투자 심사 정책의 형성과 한국형 모델 설계에 관한 연구: 경제안보 시대 비허브 국가의 방어적 기술 통제를 중심으로(A Study on the Formation of U.S. Outbound Investment Screening Policy and the Design of a Korean Model: With a Focus on Defensive Technology Control by Non-Hub States in the Era of Economic Security)</p><p dir="ltr">본 연구의 1차 분석자료 구성</p><p dir="ltr">| 자료 유형 | 내용 | 건수/분량 |</p><p>|-----------|------|-----------|</p><p dir="ltr">| OISP 최종규칙 | 2024년 10월 28일 발표, 2025년 1월 2일 시행 | 1건 |</p><p dir="ltr">| 사전규칙제정안 단계 의견서 | 2023년 8월 사전규칙제정안에 대한 의견 | 60건 |</p><p dir="ltr">| 규칙제정안 단계 의견서 | 2024년 6월 규칙제정안에 대한 의견 | 43건 |</p><p dir="ltr">| 재무부 전문(preamble) | 최종규칙에 대한 재무부의 해설 및 의견 반영 내용 | 1건 |</p><p dir="ltr">모든 의견서는 미국 재무부 규제 포털인 Regulations.gov에 공개된 자료이며, 연구자가 직접 수집하여 분석하였다. 앞서 제1장에서 개괄한 바와 같이, 두 의견수렴 절차에서 확인된 공개 제출물은 문서번호 기준 총 106건이었다. 이하에서는 최종 분석대상 103건을 확정한 구체적인 선별 절차를 설명한다. 이 가운데 동일한 내용이 서로 다른 문서번호로 중복 게시된 규칙제정안 제출물 1건을 통합하여 105건의 고유 제출물을 식별하였다. 이후 OISP 규칙안과 직접 관련되지 않은 의견 2건을 제외하고, 최종적으로 103건을 분석 대상으로 확정하였다. 단계별 분석 대상은 사전규칙제정안 60건과 규칙제정안 43건이다.</p><p dir="ltr">이 103건은 의견서 단위 분석의 모집단이다. 요청항목 단위 분석에서는 103건 전체에 대해 누락 여부를 점검하였으며, OISP 규제 내용과 무관한 사전규칙제정안_060에서는 독립적인 요청항목이 식별되지 않았다. 나머지 102건에는 하나 이상의 요청항목이 포함되었다. 따라서 의견서 단위 표의 분모는 103건이고, 요청 유형별 수용률 표의 분모는 102개 의견서에서 추출된 284개 요청항목이다.</p><p dir="ltr">요청항목을 추출한 후, 수집한 전체 의견서의 내용이 빠짐없이 반영되었는지 확인하고 독립 요청 여부를 재검토하였다. 이 과정에서 누락 항목을 보완하고 단순 논거나 중복 항목을 제외하여 최종적으로 284개의 독립 요청항목을 확정하였다. 재검토 전후에도 요청 유형별 수용 양상의 핵심적인 방향은 유지되었다.</p><p dir="ltr"><br></p><p dir="ltr">연구자는 이 103건의 의견서 전체를 직접 코딩하였고, 코딩 과정의 일관성을 확보하기 위해 사전에 설정한 코딩 기준을 적용하였다. 구체적으로 표면적 입장은 의견서가 명시적으로 취한 찬성·반대·수정 요청 여부를 기준으로 분류하였으며, 실질적 입장은 해당 요청이 규제의 적용 범위, 예외, 집행 부담, 명확성에 미치는 효과를 기준으로 판정하였다. 특히 수정 요청의 경우, 규제의 명확화나 집행 가능성을 높이는 요청은 지지적 수정으로, 규제 범위 축소나 예외 확대를 요구하는 요청은 반대적 수정으로 구분하였다.</p><p dir="ltr"><br></p><p dir="ltr">단독 연구자의 코딩에서 발생할 수 있는 편향을 완화하기 위해, 무작위로 추출한 21건(20.4%)에 대해서는 AI 보조 도구를 활용한 재분류 점검을 수행하였다.

AI는 독립적 인간 코더를 대체하는 수단이 아니라 연구자의 판정 안정성을 확인하기 위한 보조 도구로 활용되었으며, 최종 코딩 판정은 연구자가 수행하였다. 연구자 판정과 AI 보조 분류의 단순 일치율은 표면적 입장에서 100%, 실질적 입장에서 81.0%였다. 이는 우연에 의한 일치를 보정한 코더 간 신뢰도 계수가 아니므로 절대적 신뢰도 지표로 해석하지 않고, 판정 기준의 모호한 지점을 확인하기 위한 보조적 일관성 점검 결과로 사용하였다.</p><p dir="ltr"><br></p>