심리적 안전감 설문 7문항, 팀에 돌리는 법과 점수 읽는 법
3줄 요약
- 우리 팀 심리적 안전감, 7문항 설문으로 잴 수 있을까요?
- 잴 수는 있지만, 점수는 성과보다 학습 행동이 일어나는 조건에 가깝습니다.
- 5명 팀은 한 명이 평균을 최대 1.2점 움직이니 분포도 보십시오.
우리 팀은 심리적 안전감이 높을까요? 리드를 맡으면 한 번쯤 받는 질문인데, 대개 분위기는 나쁘지 않은 것 같다고 답하고 넘어갑니다.
그런데 분위기가 나쁘지 않다는 말과 심리적 안전감이 있다는 말은 다릅니다. 이 개념을 팀 단위로 정의해 논문으로 낸 사람은 에이미 에드먼슨입니다. 팀원들이 공유하는 믿음으로, 이 팀에서는 대인 관계에서 위험을 감수해도 안전하다는 뜻입니다. 모르는 것을 모른다고 하고, 실수를 알리고, 반대 의견을 말하는 일이 여기에 들어갑니다.
여기서는 1999년 원논문, 구글 re:Work의 설문 7문항, 2017년 메타분석을 함께 읽었습니다. 여기에 4~6명 QA 팀이 설문을 돌릴 때 생기는 계산상의 문제를 덧붙였습니다.
1. 심리적 안전감은 편안함이 아니라 위험을 감수해도 되는 정도입니다
에드먼슨의 1999년 논문은 이 개념을 이렇게 정의합니다. 팀이 대인 관계상 위험을 감수하기에 안전하다는, 팀원들이 공유하는 믿음입니다. 문장은 제가 옮긴 것입니다.
논문이 확인한 것
이 논문은 미국 사무용 가구 제조사의 팀 51개를 조사했습니다. 응답자는 427명이었고 응답률은 86%였습니다. 한 팀을 한 번만 본 것이 아니라 선행 요인, 과정, 결과를 따로 재는 현장 연구였습니다.
결과는 두 가지입니다. 먼저 팀 심리적 안전감은 학습 행동과 관련이 있었습니다. 팀 효능감, 곧 우리 팀은 해낼 수 있다는 믿음은 안전감을 통제하면 학습 행동과 관련이 없었습니다.
다음으로 학습 행동이 안전감과 팀 성과를 매개했습니다. 안전감이 성과에 직접 영향을 준다기보다 학습 행동을 통해 성과와 이어진다는 결과입니다.
편안한 분위기와 다른 점
에드먼슨은 안전감을 이렇게도 설명합니다. 말을 꺼냈다고 팀이 창피를 주거나 따돌리거나 벌을 주지 않으리라는 확신입니다. 이 설명도 제가 옮긴 것입니다. 기준은 얼마나 친한가가 아니라 말을 꺼냈을 때 무슨 일이 일어나는가입니다.
여기부터는 제 판단입니다. 사이가 좋은 팀이어도 이견을 내면 어색해진다는 걸 다들 알면 안전감은 낮을 수 있습니다. 반대로 말투가 거칠어도 틀린 점을 말했다고 불이익이 없다는 걸 알면 높을 수 있습니다. 논문이 이 두 경우를 직접 비교한 것은 아니라서 추론입니다.
논문이 쓴 문항에도 이 차이가 보입니다. 확인한 문항 중에는 이 팀에서 실수하면 그것이 두고두고 불리하게 작용한다는 문장이 있었고, 이 문항은 역채점입니다. 친밀감이 아니라 실수한 뒤에 벌어지는 일을 묻습니다.
2. 세 자료는 같은 말을 하지만 조건이 다릅니다
세 자료를 한 표에 놓으면 같은 개념을 서로 다른 규모로 다뤘다는 점이 보입니다.
| 자료 | 대상 | 방식 | 이 글에서 쓴 곳 |
|---|---|---|---|
| Edmondson 1999, Administrative Science Quarterly 44권 2호 350~383쪽 | 제조사 팀 51개, 응답자 427명 | 여러 방법을 쓴 현장 연구 | 정의, 7점 척도, 학습 행동의 매개 |
| Google re:Work 「Understand team effectiveness」 | 팀 180개(엔지니어링 프로젝트 115, 영업 65), 팀 규모 3~50명, 중위 9명 | 연구 결과를 소개하는 페이지 | 설문 7문항, 요인 다섯 개의 순서 |
| Frazier et al. 2017, Personnel Psychology 70권 1호 113~165쪽 | 독립 표본 136개, 22,000명 이상, 집단 약 5,000개 | 메타분석 | 성과·학습과의 효과 크기 |
구글 re:Work가 말하는 것
re:Work는 효과적인 팀의 요인 다섯 개를 이 순서로 소개합니다. 심리적 안전감, 신뢰성, 구조와 명확성, 의미, 영향입니다. 심리적 안전감의 정의는 에드먼슨의 문장을 그대로 따릅니다.
이 페이지는 설문 7문항도 공개합니다. 다만 점수를 어떻게 합산하고 몇 점이면 높은 것인지는 제가 읽은 범위에서 찾지 못했습니다. 페이지 메타 정보에는 최초 게시가 2015년, 게시일이 2026년 3월 31일로 나옵니다.
메타분석이 모은 것
Frazier 등은 독립 표본 136개를 모았습니다. 개인으로는 22,000명이 넘고 집단으로는 약 5,000개입니다. 개인 수준과 집단 수준에서 효과 크기에 유의한 차이가 없었다고 보고합니다.
문화 차이를 다룬 논의도 있습니다. 불확실성 회피가 강한 문화에서는 안전감이 일의 결과에 더 중요할 수 있다는 내용입니다. 한국 팀에 이 논의를 그대로 적용한 연구는 이 글에서 확인하지 못했습니다.
3. 점수와 성과의 상관은 학습 행동과의 상관보다 낮았습니다
메타분석의 팀 수준 표를 보면 성과와의 상관은 학습이나 정보 공유와의 상관보다 훨씬 낮습니다. 아래 표는 그 표에서 읽은 값과 제가 계산한 값입니다.
| 관계 | 표본 수 k | 사례 수 N | 평균 상관 r̄ | 보정 후 ρ̂ | r̄ 제곱(제 계산) |
|---|---|---|---|---|---|
| 안전감과 과업 성과 | 33 | 2,802 | .24 | .29 | 5.8% |
| 안전감과 정보 공유 | 9 | 644 | .41 | .50 | 16.8% |
| 안전감과 학습 행동 | 21 | 1,686 | .42 | .52 | 17.6% |
| 동료 지원(안전감의 선행 요인) | 5 | 586 | .49 | .57 | 24.0% |
| 역할 명확성(안전감의 선행 요인) | 7 | 413 | .41 | .51 | 16.8% |
과업 성과와의 평균 상관은 .24입니다. 제곱하면 5.8%라서 성과의 변동 가운데 5.8%가 안전감 점수와 함께 움직인다는 뜻입니다. 학습 행동은 17.6%로 세 배쯤 큽니다. 보정 후 값(ρ̂)은 측정 오차를 보정한 것이라 관측 상관보다 크게 나옵니다.
에드먼슨의 매개 결과와 같은 방향입니다. 안전감은 성과에 곧바로 닿기보다 학습 행동과 정보 공유가 일어나는 조건에 가깝습니다. 그래서 성과 지표와의 상관을 기대하기보다, 질문이나 문제 보고가 실제로 늘었는지를 설문 점수와 함께 보는 편이 낫다고 저는 봅니다.
표에서 확인한 선행 요인은 동료 지원과 역할 명확성입니다
표에 있는 선행 요인 중 동료 지원이 .57, 역할 명확성이 .51입니다. 두 값 모두 상관이라서 이 요인을 올리면 안전감이 오른다는 인과는 이 표만으로 말할 수 없습니다. 리더 관련 요인의 수치는 읽은 범위에서 확인하지 못했습니다.
학습 쪽 연결
안전감이 학습 행동을 거쳐 성과로 간다는 결과는 목표를 어떻게 거느냐와도 이어지는 주제입니다. 분기 목표를 성과 중심으로 걸지 학습 중심으로 걸지는 따로 정리한 글에서 다뤘습니다.
4. 4~6명 팀에서는 평균 점수만 보면 놓치는 것이 있습니다
7문항 설문은 응답에 오래 걸리지 않을 것으로 봅니다. 하지만 팀이 작으면 점수를 읽는 방법이 달라집니다.
설문 문항 7개
문항은 re:Work가 공개한 에드먼슨 척도 7개를 제가 우리말로 옮긴 것입니다. 공식 번역이 아니므로 팀 사정에 맞게 다듬어도 됩니다. 응답은 1점(전혀 그렇지 않다)부터 7점(매우 그렇다)까지 7점 척도로 받습니다.
1. 이 팀에서 실수하면 그것이 두고두고 불리하게 작용한다. (역)
2. 이 팀에서는 문제나 어려운 이야기를 꺼낼 수 있다.
3. 이 팀에는 남과 다르다는 이유로 사람을 배척하는 분위기가 가끔 있다. (역)
4. 이 팀에서는 위험을 감수해 보는 것이 안전하다.
5. 이 팀에서는 동료에게 도움을 청하기가 어렵다. (역)
6. 이 팀의 누구도 일부러 내 일을 방해하지 않는다.
7. 이 팀에서 일하면 내가 가진 고유한 능력이 인정받고 쓰인다.
1·3·5번은 부정문이라 점수를 뒤집어 계산합니다. 논문에서 역채점으로 표시된 것을 확인한 문항은 1번뿐이고, 3·5번은 문장이 부정문이라 같은 방식으로 처리했습니다.
점수 계산
개인 점수는 역채점 뒤 7문항의 평균이고, 팀 점수는 개인 점수의 평균입니다. 아래 스크립트는 가상의 5명 응답으로 이 계산을 돌린 것입니다.
# 가상 예시 데이터입니다. 5명이 7문항에 1~7점(전혀 아니다~매우 그렇다)으로 답했다고 가정합니다.
answers = {
"A": [2, 6, 2, 6, 2, 6, 6],
"B": [3, 5, 2, 5, 3, 6, 5],
"C": [2, 6, 3, 6, 2, 5, 6],
"D": [5, 3, 5, 3, 5, 5, 4],
"E": [2, 6, 2, 6, 2, 6, 6],
}
REVERSE = {0, 2, 4} # 부정문인 1·3·5번 문항(0부터 세면 0·2·4)은 8에서 빼서 뒤집습니다
def person_score(row):
fixed = [8 - v if i in REVERSE else v for i, v in enumerate(row)]
return sum(fixed) / len(fixed)
scores = {name: person_score(row) for name, row in answers.items()}
team = sum(scores.values()) / len(scores)
print("개인 점수:", {k: round(v, 2) for k, v in scores.items()})
print("팀 평균:", round(team, 2))
# 한 명을 빼 봤을 때 팀 평균이 얼마나 움직이는지 확인합니다
for name in scores:
rest = [v for k, v in scores.items() if k != name]
print(f"{name} 제외 시 팀 평균:", round(sum(rest) / len(rest), 2))
실행하면 이렇게 나옵니다.
개인 점수: {'A': 6.0, 'B': 5.29, 'C': 5.71, 'D': 3.43, 'E': 6.0}
팀 평균: 5.29
A 제외 시 팀 평균: 5.11
B 제외 시 팀 평균: 5.29
C 제외 시 팀 평균: 5.18
D 제외 시 팀 평균: 5.75
E 제외 시 팀 평균: 5.11
팀 평균은 5.29입니다. 7점 만점에 5점대라 나쁘지 않아 보입니다. 그런데 D의 개인 점수는 3.43이고, D를 빼면 평균이 5.75로 올라갑니다. 평균만 봤다면 D의 낮은 점수는 드러나지 않았을 것입니다.
팀 규모와 평균의 흔들림
한 명의 개인 점수가 1점에서 7점으로 바뀌면 팀 평균은 6을 인원수로 나눈 만큼 움직입니다.
| 팀 규모 | 한 명이 1점에서 7점으로 바꿀 때 팀 평균의 변화 |
|---|---|
| 4명 | 1.50점 |
| 5명 | 1.20점 |
| 6명 | 1.00점 |
| 9명(re:Work 연구 팀의 중위 규모) | 0.67점 |
4~6명 팀은 1.0~1.5점이라 한 사람의 답이 평균에 훨씬 크게 반영됩니다. 그래서 이 규모에서는 팀 평균만 비교하지 말고 문항별 분포와 최저 점수를 같이 봐야 합니다. 이 말은 계산에서 나온 것이고, 소규모 팀의 해석 기준을 제시한 연구는 확인하지 못했습니다.
5명 팀에서는 낮은 점수가 하나만 나와도 누가 썼는지 짐작할 수 있습니다. 그래서 결과는 개인 점수가 아니라 팀 평균과 문항별 최저·최고 범위까지만 공유하는 편이 낫다고 저는 봅니다.
평균이 같아도 팀 상태는 다릅니다
평균만 보면 놓치는 경우를 숫자로 보겠습니다. 아래 두 팀은 가상의 5명이고, 개인 점수는 계산을 끝낸 값입니다.
| 팀 | 개인 점수 | 팀 평균 | 최저 점수 |
|---|---|---|---|
| 가 팀 | 5.2, 5.2, 5.2, 5.2, 5.2 | 5.2 | 5.2 |
| 나 팀 | 6.0, 6.0, 6.0, 6.0, 2.0 | 5.2 | 2.0 |
두 팀의 평균은 5.2로 같습니다. 가 팀은 모두가 적당히 안전하다고 느끼는 팀이고, 나 팀은 네 명은 매우 안전하다고 느끼는데 한 명은 그렇지 않은 팀입니다. 에드먼슨의 정의가 팀원들이 공유하는 믿음이니, 나 팀은 공유가 안 된 팀이라고 읽는 편이 맞다고 저는 봅니다. 이 해석은 정의에서 끌어낸 제 판단입니다.
그래서 결과는 평균, 최저 점수, 가장 낮게 나온 문항 세 가지를 함께 보는 편이 좋습니다.
점수 기준은 찾지 못했습니다
몇 점 이상이면 안전한 팀인지는 읽은 세 자료에서 확인하지 못했습니다. 그래서 기준 점수로 팀을 평가하기보다 같은 문항을 반복해 변화를 보는 쪽을 권합니다. 반복 간격은 근거 없이 제가 분기에 한 번으로 잡았습니다.
설문을 돌리기 전에 정해 둘 것
설문은 돌리는 순간보다 돌리기 전에 정할 것이 많습니다. 아래는 연구에서 확인한 내용이 아니라 4~6명 팀을 기준으로 한 제 제안입니다.
| 정할 것 | 제안 | 이유 |
|---|---|---|
| 목적 공유 | 평가가 아니라 팀이 일하는 조건을 점검하려는 것이라고 먼저 말합니다 | 목적을 모르면 점수를 좋게 써 주는 쪽으로 기웁니다 |
| 익명 방식 | 이름을 받지 않는 폼을 쓰고, 부서나 직급 같은 인적 사항 문항은 넣지 않습니다 | 5명 팀에서는 인적 사항 하나만 있어도 누구인지 짐작이 갑니다 |
| 공유 범위 | 팀 평균과 문항별 범위까지만 공유합니다 | 개인 점수가 드러나면 다음 설문에서 솔직한 답이 줄어들 수 있습니다 |
| 후속 행동 | 가장 낮은 문항 하나로 회고 안건을 정하고 다음 설문 전에 한 가지를 바꿉니다 | 설문만 하고 바뀌는 게 없으면 다음 응답이 형식적이 됩니다 |
점수가 낮게 나왔을 때 하지 말아야 할 것
낮은 점수가 나오면 누가 낮게 줬는지 찾고 싶어집니다. 그러나 이 설문은 한 사람이 아니라 팀의 조건을 묻는 도구입니다. 낮게 준 사람을 찾기 시작하면 다음 설문부터는 낮은 점수를 쓰기 어려워질 수 있습니다.
리더가 할 일은 낮은 문항을 자기 일로 받아들이는 것입니다. 예를 들어 실수하면 불리하다는 문항이 낮다면, 최근에 실수를 보고받았을 때 제가 어떻게 반응했는지부터 돌아봅니다. 이 부분은 확인된 근거가 없는 제 의견입니다.
5. 우리 팀이 이번 분기에 어디까지 할 것인가
설문을 돌리는 방법은 하나가 아닙니다. 아래 표의 평가는 연구 결과가 아니라 4~6명 QA 팀 기준의 제 판단입니다.
| 방법 | 도입 난이도 | 유지보수 비용 | 팀 학습곡선 | 4~6명 팀에서의 한계 |
|---|---|---|---|---|
| 7문항 설문을 분기에 한 번 | 낮음 | 낮음 | 낮음 | 한 명이 평균을 크게 흔들고 익명성이 약함 |
| 회고 때 한 문항만 점수 받기 | 낮음 | 낮음 | 낮음 | 척도의 근거는 7문항 기준이라 한 문항으로는 말할 수 없음 |
| 1:1에서 말로 묻기 | 중간 | 중간 | 중간 | 리더에게 직접 하는 말이라 위험한 이야기를 못 꺼낼 수 있음 |
저라면 7문항을 분기에 한 번 돌리고 결과는 팀 평균과 문항별 범위만 공유하겠습니다. 가장 낮게 나온 문항 하나는 회고의 한 꼭지로 올리고요. 회고 진행 방식이 결과를 바꾸는지는 팀 회고 연구를 정리한 글에 있습니다.
낮은 문항은 회고에서 이렇게 다룹니다
가장 낮은 문항을 회고 안건으로 올릴 때는 점수를 먼저 보여 주지 않는 편이 낫다고 저는 생각합니다. 점수를 보여 주면 왜 낮으냐는 추궁처럼 들리기 쉽습니다. 대신 문항의 내용을 질문으로 바꿔서 묻습니다. 문제를 꺼냈다가 곤란했던 적이 있었는지, 도움을 청하기 어려웠던 순간이 언제였는지 같은 질문입니다.
답이 나오면 리더는 변명하지 않고 받아 적습니다. 그리고 다음 분기까지 바꿀 한 가지를 팀과 같이 정합니다. 바꿀 것은 작게 잡아도 되겠다고 저는 생각합니다. 연구가 보여 준 것은 안전감이 학습 행동을 거쳐 성과와 이어진다는 방향이고, 얼마나 바꿔야 하는지는 다루지 않았습니다. 이 진행 순서도 연구에서 확인한 것이 아니라 제 제안입니다.
바로 쓸 수 있는 순서
□ 문항 7개를 우리 팀 말로 다듬고 부정문 3개(1·3·5번)에 표시한다
□ 1~7점 척도로 익명 응답을 받는다
□ 역채점 뒤 개인 점수와 팀 평균을 계산한다
□ 팀 평균과 문항별 최저·최고 범위만 공유한다
□ 가장 낮은 문항 하나를 회고 주제로 올린다
□ 다음 분기에 같은 문항으로 반복해서 변화를 본다
□ 기준 점수로 팀이나 사람을 평가하지 않는다
이 글의 한계
에드먼슨 논문의 초록과 서지는 저널 페이지에서, 본문 일부는 MIT가 올려 둔 PDF에서 읽었습니다. 둘 다 웹 읽기 도구의 요약을 거쳤고 부록의 문항 전체는 확인하지 못했습니다. 설문 7문항은 re:Work 페이지의 문안입니다.
메타분석 표의 수치는 ODU 저장소의 PDF를 같은 방식으로 읽은 것이고 표 2의 일부 행만 확인했습니다. 한국어 문항은 제가 옮긴 것이고, 이 설문을 실제 팀에 돌려 본 결과는 이 글에 없습니다. 가상 데이터는 계산 방법을 보이려고 만든 것입니다.
QA 팀이나 소규모 팀, 한국 팀을 대상으로 한 연구는 확인하지 못했습니다.
댓글
댓글 쓰기