---
category: Unified
tags: [auto-consolidated, technical-documentation]
title: [[Negative Prompt|Negative Prompt]]
last_updated: 2026-05-02
---

# [[Negative Prompt|Negative Prompt]]

## 📌 Brief Summary
네거티브 프롬프트(Negative Prompt)는 사용자가 인공지능이 생성하는 이미지에 포함되기를 원하지 않는 요소, 대상, 또는 시각적 품질 등을 구체적으로 나열하는 명령어이다 [1]. 긍정 프롬프트에 원치 않는 요소를 직접 "없음(without)" 등으로 묘사할 경우 오히려 모델이 해당 객체를 생성하는 역효과가 발생할 수 있어, 모델을 원치 않는 개념으로부터 멀어지게 하는 경계(Boundary) 설정 도구로 활용된다 [2-4]. 생성된 이미지의 시각적 결함을 수정하고 불필요한 반복 생성을 줄이는 데 필수적이지만, AI 플랫폼의 아키텍처에 따라 인식 능력과 적용 방식에 확연한 차이를 보인다 [5-7].

---

네거티브 프롬프트(Negative Prompt)는 AI 이미지 생성 모델에게 최종 이미지에 나타나지 말아야 할, 즉 배제할 시각적 요소나 개념을 명시적으로 지시하는 프롬프트 작성 기법이다 [1-3]. 단순히 사후 필터링을 하는 것이 아니라 확산(Diffusion) 및 이미지 생성 과정에서 모델이 원치 않는 방향으로 진행되는 것을 막는 '회피 지도(avoidance map)' 역할을 수행한다 [2, 4]. 사용자는 이를 통해 흐릿함, 신체 변형, 워터마크 등 모델의 전형적인 생성 결함을 방지하고 원하는 품질과 스타일을 일관성 있게 확보할 수 있다 [5-8].

---

부정 프롬프트(Negative Prompt)는 이미지 생성 AI 모델에게 결과물에 포함되지 않아야 할 요소를 명시적으로 지시하는 방법이다 [1, 2]. 긍정 프롬프트가 생성할 이미지의 방향성과 목표를 설정한다면, 부정 프롬프트는 허용되지 않는 경계(boundary)를 설정하여 기형적인 해부학적 구조나 원치 않는 스타일 등의 시각적 결함을 방지하는 데 필수적인 역할을 한다 [3-5].

---

부정 프롬프트(Negative Prompt)는 AI 이미지 생성 모델에게 결과물에 포함되지 않아야 할 요소나 특징을 명시적으로 지시하는 프롬프트 작성 기법입니다 [1, 2]. 긍정 프롬프트(Positive Prompt)가 생성하고자 하는 목표 이미지를 정의한다면, 부정 프롬프트는 생성 과정의 경계선(Avoidance map)을 설정하여 원하지 않는 개념을 회피하도록 유도합니다 [3, 4]. 이를 통해 이미지 생성 시 흔히 발생하는 인체 구조의 왜곡이나 시각적 결함을 수정하고 모델의 편향을 제어하여 결과물의 품질을 향상시킵니다 [5-7].

## 📖 Core Content
- **기능과 원리:** 부정 프롬프트는 주로 모델이 가진 편향성이나 반복되는 결함을 방지하는 데 사용된다 [5]. 긍정 프롬프트를 통해 원하는 형태를 묘사하더라도 발생할 수 있는 잉여 사지(extra limbs), 흐릿한 화질(blurry), 워터마크(watermark) 등 시각적 실패 요소를 명시적으로 차단함으로써, 불필요한 이미지 렌더링 횟수(rerolls)를 줄이고 품질을 최적화한다 [1, 2, 6, 7].
- **작성 방법 및 가중치 활용:** 효과적인 부정 프롬프트를 작성하려면 포괄적이고 모호한 단어(예: "bad", "ugly")보다는 명확한 명사나 시각적 결함(예: "extra fingers", "misaligned eyes")을 구체적으로 지목해야 한다 [8, 9]. 또한 괄호나 대괄호를 이용한 문법(예: `(blurry:1.5)`, `[dog]`)을 통해 특정 단어를 회피하려는 강도(가중치)를 조절할 수 있다 [9, 10]. 단, 과도한 가중치나 불필요하게 긴 부정 프롬프트는 이미지의 의도된 스타일이나 인체 구조를 오히려 망칠 수 있으므로, 반복되는 오류를 진단한 후 최소한의 타겟팅된 단어만 사용하는 것이 권장된다 [9, 11-13].
- **플랫폼 및 모델별 특성:** 스테이블 디퓨전(Stable Diffusion) 생태계에서는 부정 프롬프트가 필수적인 최적화 도구로 자리 잡고 있다 [2, 14]. 모델 버전에 따라서도 반응이 다른데, SD 1.5는 긴 부정 프롬프트 목록에도 잘 반응하지만, SDXL이나 Flux 같은 최신 모델일수록 길고 방대한 목록보다는 직면한 문제에 맞춘 간결하고 선별적인 부정 프롬프트에 더 잘 반응한다 [15, 16]. 반면 DALL-E 3 모델은 "not", "no", "without"과 같은 부정 지시어를 논리적으로 잘 처리하지 못해, 명시된 단어를 오히려 이미지에 생성해버리는 경향이 있으므로 부정 프롬프트 대신 긍정적인 특성을 직접 묘사하는 방식으로 접근해야 한다 [17-19].

---

**네거티브 프롬프트의 역할과 중요성**
*   **경계의 설정:** 긍정 프롬프트가 이미지의 목적지(Destination)를 정의한다면, 네거티브 프롬프트는 피해야 할 경계선(Boundaries)을 설정한다 [4]. 이는 생성 과정에서 발생하는 모델의 편향(예: 기업용 초상화에서 지나치게 번들거리는 피부 등)을 차단하고 원치 않는 방향으로 흘러가는 것을 방지한다 [8].
*   **작업 효율성 증대:** 네거티브 프롬프트는 단순히 불량한 프롬프트를 땜질하는 도구가 아니라, 실패한 결과물을 버리고 다시 생성(Reroll)하는 시간과 비용을 크게 절약해 주는 핵심 구성 요소이다 [6, 9].

**효과적인 네거티브 프롬프트 작성 전략**
*   **구체적이고 정확한 진단:** 이미지를 확인한 후 "나쁘다(bad)"나 "어색하다"와 같은 포괄적인 단어 대신, "여섯 개의 손가락(extra fingers)", "워터마크(watermark)", "밀랍 같은 피부(waxy skin)" 등 명확하고 구체적인 시각적 결함 요소를 파악하여 네거티브 프롬프트에 적용해야 한다 [10].
*   **스타일의 보호:** 네거티브 프롬프트는 의도한 예술적 스타일을 보호하는 데에도 유용하다. 사실적인 초상화를 원한다면 "애니메이션, 3D 렌더링, 만화(anime, render, cartoon)" 등을 네거티브로 설정하고, 반대로 일러스트레이션을 원한다면 "사진, 사실적인(photograph, realistic)" 등을 배제하여 스타일의 혼입을 막아야 한다 [11, 12].
*   **타겟화와 가중치 사용:** 무조건 길고 뚱뚱한 네거티브 목록을 붙여넣기보다는 5~10개 내외의 타겟화된 키워드를 사용하는 것이 이미지의 왜곡(Concept confusion)을 줄이고 품질을 높이는 데 효과적이다 [13, 14]. 필요한 경우 특정 단어에 가중치(예: `(blurry:1.5)`)를 부여하여 강도를 조절할 수 있다 [15].

**플랫폼별 적용 메커니즘의 차이**
*   **스테이블 디퓨전 (Stable Diffusion):** 네거티브 프롬프트 입력을 위한 전용 섹션이 존재하며 고품질 이미지 생성을 위해 핵심적으로 사용된다 [2, 7]. 너무 이른 단계에서 공격적인 네거티브가 들어가면 구조를 훼손할 수 있으므로 주의가 필요하며, CFG(Classifier-Free Guidance) 스케일에 따라 네거티브 프롬프트의 통제력이 달라진다 [14, 16].
*   **미드저니 (Midjourney):** `--no` 매개변수(Parameter)를 텍스트 프롬프트 끝에 추가하여 원하지 않는 요소를 차단할 수 있다(예: 나무를 제외하려면 `--no trees` 입력) [17, 18].
*   **DALL-E 3:** 스테이블 디퓨전이나 미드저니와 달리 "아님(not)", "없음(no, without)"과 같은 부정 지시어를 제대로 처리하지 못한다 [5, 19]. 네거티브를 시도할 경우 오히려 해당 요소를 이미지에 삽입하는 경향이 있으므로, 배제하고 싶은 요소가 있다면 반대로 원하는 긍정적 특징을 자세하게 묘사하는 방식으로 회피해야 한다 [5, 20].

---

*   **네거티브 프롬프트의 핵심 역할과 원리**
    긍정 프롬프트(Positive Prompt)가 이미지가 도달해야 할 '목표(target)'를 설정한다면, 네거티브 프롬프트는 이미지의 '경계(boundaries)'를 정의한다 [4, 5]. 긍정 프롬프트 내에 "without"이나 "no"와 같은 부정어를 사용하면 모델이 오히려 그 단어에 집중해 원치 않는 객체를 생성하는 역효과를 낳을 수 있으므로, 전용 네거티브 기능이나 파라미터를 사용해야 한다 [1, 9]. 네거티브 프롬프트는 단순히 이미지를 다듬는 용도뿐만 아니라 재시도(reroll) 횟수를 대폭 줄여주고, 모델이 학습 데이터에서 무의식적으로 가져오는 편향(예: 너무 반짝이는 피부, 텍스트의 무작위 삽입 등)을 강력히 차단해준다 [6, 10, 11].

*   **효과적인 작성 전략 및 가중치 제어**
    *   **구체성 확보:** "bad(나쁜)"나 "ugly(못생긴)"와 같은 포괄적이고 모호한 단어보다는 "extra fingers(여분의 손가락)", "misaligned eyes(어긋난 눈)", "watermark(워터마크)" 등 시각적으로 명확한 결함을 직접적으로 지목하는 것이 훨씬 높은 제어력을 발휘한다 [12-14].
    *   **스타일에 따른 분리 적용:** 추구하는 화풍에 따라 배제해야 할 요소도 달라진다. 예를 들어, 실사(Photorealistic) 초상화를 생성할 때는 `cgi, render, cartoon, painting` 등을 네거티브 프롬프트로 차단하고, 반대로 애니메이션/일러스트 스타일을 생성할 때는 `photograph, realistic`과 같은 실사 키워드를 배제하여 스타일이 섞이는 것을 막아야 한다 [8, 15, 16].
    *   **가중치(Weight)와 과교정 방지:** 일반적인 품질 저하 단어들을 끝없이 나열하는 방대한 네거티브 리스트는 오히려 이미지의 전체적인 구조를 혼탁하게 만들 수 있다 [17, 18]. 5~10개 내외의 타겟팅된 단어를 사용하고, 특정 요소가 계속 나타날 경우 `(blurry:1.5)`와 같이 괄호와 숫자를 통해 해당 네거티브 키워드의 회피 가중치를 세밀하게 조정하여 억제하는 방식이 권장된다 [3, 14, 18].

*   **주요 AI 모델별 네거티브 프롬프트 적용**
    *   **스테이블 디퓨전(Stable Diffusion):** 전용 부정 프롬프트(Negative Prompt) 섹션을 지원하여 변형된 손가락이나 저화질 요소를 명시적으로 차단할 수 있으며, 가중치 구문을 적극적으로 활용할 수 있다 [3].
    *   **미드저니(Midjourney):** 텍스트 프롬프트 뒤에 `--no` 파라미터를 붙여 배제할 요소를 지정한다 (예: `a medieval town --no buildings, cobblestone`) [19].
    *   **DALL-E 3:** 시스템 구조상 "not", "without"과 같은 부정어를 잘 처리하지 못하고 입력된 단어를 그대로 이미지에 구현하려는 특성이 있다. 따라서 DALL-E 3에서는 네거티브 프롬프트 대신, 원하는 긍정적인 특성을 더 강력하게 묘사하는 방식으로 우회해야 한다 [9, 20, 21].

---

*   **개념 및 작동 원리**
    *   부정 프롬프트는 생성 과정 중 방향을 잃고 오류를 범하기 쉬운 AI 모델을 올바른 길로 안내하는 제어 시스템이다 [1, 3].
    *   긍정 프롬프트의 텍스트 내에 단순히 "없는(no)", "아닌(without)" 등의 부정어를 혼합해 사용할 경우, DALL-E 3나 미드저니(Midjourney) 등의 모델은 이를 오인하여 오히려 그 단어의 요소를 생성해버리는 역효과를 발생시킨다 [6-9]. 이러한 문제를 피하기 위해 플랫폼에서 자체적으로 제공하는 전용 부정 프롬프트 매개변수나 텍스트 입력 영역을 활용해야 한다 [2, 6].
    *   생성 과정에서 긍정 및 부정 조건화(conditioning)의 반영 강도는 **CFG(Classifier-Free Guidance) 스케일**에 의해 함께 조절된다 [4, 10].

*   **플랫폼별 적용 방법**
    *   **스테이블 디퓨전(Stable Diffusion)**: 별도의 전용 부정 프롬프트 입력 영역을 사용한다 [1, 11]. 단순히 "나쁜(bad)"과 같은 모호한 단어를 나열하는 것보다 "여분의 손가락(extra fingers)", "비대칭 눈(asymmetrical eyes)", "워터마크(watermark)" 등 구체적이고 시각적인 결함 명사를 지목하는 것이 훨씬 정밀하게 작동한다 [4, 12-14]. 또한 `(blurry:1.5)`처럼 가중치를 부여하여 특정 결함을 강하게 밀어낼 수 있으나, 과도하게 사용할 경우 전체적인 이미지 구조에 새로운 문제가 생길 수 있다 [15-17].
    *   **미드저니(Midjourney)**: 텍스트 프롬프트의 끝에 `--no` 매개변수를 덧붙여 원치 않는 요소를 제거할 수 있다(예: 나무를 없애려면 `--no trees` 입력) [18, 19]. 이는 자연어인 "without"을 사용하는 것보다 명확하고 강력하게 작동한다 [2].
    *   **DALL-E 3**: 부정어를 잘 처리하지 못하는 시스템적 약점이 있으므로, "문자가 포함되지 않은"과 같이 부정적인 지시를 내리기보다는 원하는 상태를 긍정적이고 구체적으로 묘사하여 우회하는 것이 효과적이다 [7, 8].

*   **최적화 전략과 모델별 특성**
    *   결함이 발생했을 때, 모든 프롬프트에 무조건 길고 범용적인 부정 프롬프트 세트를 복사해서 붙여넣는 것은 구시대적 방식이다 [5, 11]. **발생한 시각적 문제를 진단한 후 가장 관련성 높은 최소한의 부정 프롬프트만 추가**하여 의도치 않은 이미지 손상(collateral damage)을 줄이는 것이 현명한 워크플로우다 [13, 20, 21].
    *   부정 프롬프트는 의도한 화풍을 보호하는 데에도 쓰인다. 실사 초상화를 원할 때는 `cgi, render, cartoon`을 부정 프롬프트로 지정하여 현실감을 지키고, 반대로 애니메이션 화풍을 원할 때는 `photograph, realistic`을 부정 프롬프트로 차단하여 의도한 스타일이 실사풍으로 오염되는 것을 막는 전략이 필수적이다 [14, 22, 23].
    *   모델 세대별로 수용성에 차이가 있다. SD 1.5 모델은 길게 나열된 부정 프롬프트 목록에도 잘 대응하지만, 최신 모델인 SDXL이나 Flux 모델은 길고 불필요한 부정 프롬프트를 억지로 넣을 경우 오히려 이미지의 디테일이 무너지거나 구도가 뻣뻣해질 수 있으므로 결함에 정확히 초점을 맞춘 간결한 작성이 권장된다 [24, 25].

---

* **작동 원리와 필요성**
  부정 프롬프트는 단순히 생성 후의 결함을 가리는 필터가 아니라, 이미지 생성(Diffusion) 과정 중에 모델이 원치 않는 개념으로부터 멀어지도록 유도하는 가이드 역할을 합니다 [2]. 이는 불필요한 이미지 재생성(Reroll) 시간을 절약해주고, 모델이 학습 데이터에서 무의식적으로 가져오는 편향(예: 원치 않는 광택, 과도하게 가공된 피부 등)을 사전에 차단하는 데 필수적입니다 [5, 6, 8]. 특히 인물의 신체 구조(손가락 등), 텍스트, 워터마크 등의 오류를 제어하는 데 빈번하게 사용됩니다 [3, 7]. 

* **효과적인 작성 전략**
  부정 프롬프트를 작성할 때는 단순히 '나쁜(bad)'과 같은 모호하거나 광범위한 단어를 나열하기보다는, 이미지에서 반복적으로 발견되는 실제 결함을 정확한 시각적 명사나 특징으로 번역하여 지정해야 합니다 [9]. 예를 들어, "나쁜 손"보다 "여섯 개의 손가락(extra fingers)", "변형된 손(deformed hands)", "워터마크(watermark)"처럼 구체적으로 지시하는 것이 모델의 이해도를 높입니다 [9]. 또한 괄호나 숫자를 이용해 특정 단어에 가중치(Weights)를 부여할 수 있지만, 너무 많은 단어에 과도한 가중치를 주면 의도한 긍정적 개념이나 이미지의 전반적인 구조마저 훼손될 수 있으므로 주의해야 합니다 [10-13].

* **주요 플랫폼별 활용 방식**
  * **스테이블 디퓨전(Stable Diffusion):** 전용 부정 프롬프트 입력 섹션을 활용하며, CFG 스케일(Classifier-Free Guidance Scale)과 결합하여 모델이 부정 지시를 따르는 강도를 조절합니다 [7, 14]. 한 연구에 따르면 부정 프롬프트의 강력한 영향은 초기 단계가 아닌 확산(Diffusion) 과정의 10단계 이후부터 주로 발현됩니다 [15]. 
  * **미드저니(Midjourney):** 텍스트 프롬프트의 끝부분에 `--no` 매개변수(Parameter)를 덧붙여 원하지 않는 요소를 배제합니다. (예: `--no trees`를 입력하면 나무가 없는 풍경을 생성함) [16, 17].
  * **DALL-E 3:** DALL-E 3와 같은 일부 모델은 "not", "no", "without"과 같은 부정형 지시어를 잘 처리하지 못합니다 [18-20]. 사용자가 부정 프롬프트를 텍스트로 적으면 오히려 그 단어에 해당하는 피사체를 이미지에 추가하는 역효과가 발생하기 쉬우므로, DALL-E 3를 사용할 때는 부정어를 쓰지 않고 원하는 긍정적인 속성만으로 프롬프트를 구성해야 합니다 [18-21].

## ⚖️ Trade-offs & Caveats
No trade-offs available.

## 🔗 Knowledge Connections
- **Related Topics:** [[Positive Prompt|Positive Prompt]], [[Stable Diffusion|Stable Diffusion]], [[CFG Scale|CFG Scale]], [[Prompt Weighting|Prompt Weighting]]
- **Projects/Contexts:** [[AI 이미지 생성 (AI Image Generation)|AI 이미지 생성 (AI Image Generation)]], [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]]
- **Contradictions/Notes:** 스테이블 디퓨전과 같은 모델에서는 부정 프롬프트를 통한 결함 통제가 고품질 이미지 생성에 매우 효과적이고 필수적이지만 [2, 14], DALL-E 3와 같은 텍스트 의존도가 높은 대화형 AI 모델에서는 부정 지시어("not", "without" 등)를 오인하여 원치 않는 요소를 도리어 생성하는 한계가 존재하므로 플랫폼별로 접근 방식을 달리해야 한다 [17-19].

---
*Last updated: 2026-04-30*

---

- **Related Topics:** [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치 (Prompt Weights)]], [[매개변수 (Parameters)|매개변수 (Parameters)]]
- **Projects/Contexts:** [[안정적 디퓨전 이미지 최적화 (Stable Diffusion Image Optimization)|안정적 디퓨전 이미지 최적화 (Stable Diffusion Image Optimization)]], [[초상화 및 애니메이션 스타일 제어|초상화 및 애니메이션 스타일 제어]]
- **Contradictions/Notes:** 미드저니(`--no`) 및 스테이블 디퓨전(전용 입력란)은 네거티브 프롬프트를 통해 요소 차단이 매우 원활하게 이루어진다고 권장되는 반면 [7, 17], DALL-E 3 모델은 부정적 지시어를 이해하지 못하고 프롬프트 텍스트 자체를 구현하여 오류를 일으킬 수 있으므로 긍정형 지시어만 사용해야 한다는 상반된 구조적 한계를 보입니다 [5, 19, 20].

---
*Last updated: 2026-04-30*

---

- **Related Topics:** [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치(Prompt Weights)]], [[CFG 스케일 (CFG Scale)|CFG 스케일(CFG Scale)]], 파라미터(Parameters)
- **Projects/Contexts:** 스테이블 디퓨전(Stable Diffusion) 이미지 최적화 및 제어, 미드저니(Midjourney) 파라미터 튜닝
- **Contradictions/Notes:** 미드저니와 스테이블 디퓨전은 강력한 전용 네거티브 기능(`--no` 명령어 및 Negative Prompt 영역)을 지원하여 결과물 품질 향상에 크게 기여하지만 [1, 3, 19], DALL-E 3의 경우 부정어 처리 능력이 취약하여 네거티브 프롬프트를 시도할 경우 오히려 원치 않는 텍스트나 사물이 결과물에 나타나는 모순적 결과를 초래하므로 긍정적 묘사에 집중해야 한다고 안내한다 [9, 20, 21].

---
*Last updated: 2026-04-30*

---

- **Related Topics:** [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치 (Prompt Weights)]], [[CFG 스케일 (CFG Scale)|CFG 스케일 (CFG Scale)]], [[AI 이미지 생성 도구 및 매개변수|AI 이미지 생성 도구 및 매개변수]]
- **Projects/Contexts:** [[상업용 AI 이미지 품질 관리 및 워크플로우 최적화|상업용 AI 이미지 품질 관리 및 워크플로우 최적화]]
- **Contradictions/Notes:** 많은 초보자들이 긍정 프롬프트 안에 "없는(no)"이라는 단어를 사용하여 요소를 배제하려 하지만, 제공된 소스들은 이러한 자연어 기반 부정 방식이 AI에게 오히려 역효과(해당 요소를 생성함)를 낳는다고 공통적으로 지적한다 [6, 7, 9]. 또한 긴 부정 프롬프트의 효율성에 있어서도 과거 모델(SD 1.5)과 최신 모델(SDXL, Flux) 간 상이한 반응을 보이므로 맹목적인 긴 부정 프롬프트의 남용은 지양해야 한다고 조언하고 있다 [24, 25].

---
*Last updated: 2026-04-30*

---

- **Related Topics:** [[긍정 프롬프트 (Positive Prompt)|긍정 프롬프트(Positive Prompt)]], [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치(Prompt Weights)]], [[매개변수(Parameters)|매개변수(Parameters)]], CFG 스케일(Classifier-Free Guidance)
- **Projects/Contexts:** AI 이미지 결함 수정 및 최적화 워크플로우
- **Contradictions/Notes:** 스테이블 디퓨전이나 미드저니에서는 부정 프롬프트 및 배제 파라미터(`--no`)가 이미지 품질 관리를 위해 적극적으로 권장되는 강력한 기능입니다 [1, 7, 16, 22]. 하지만 DALL-E 3 모델의 경우 자연어 처리 과정의 한계로 인해 부정적인 표현을 사용할 경우 오히려 원하지 않는 대상을 생성하는 역효과가 나타나며, 모든 지시는 긍정형 문장으로 구성되어야 한다고 상충되는 접근 방식을 요구합니다 [18-21].

---
*Last updated: 2026-04-30*


## 📌 Brief 부문
부정 프롬프트(Negative Prompt)는 AI 이미지 생성 모델에게 결과물에 나타나지 말아야 할 요소들을 지시하는 제어 도구이다 [1]. 이는 단순히 이미지가 생성된 후 필터링을 하는 것이 아니라, 디퓨전(Diffusion) 과정 자체에서 원치 않는 개념(예: 흐릿함, 왜곡된 인체 구조, 워터마크 등)으로부터 멀어지도록 가이던스를 제공한다 [1, 2]. 긍정 프롬프트(Positive prompt)가 이미지가 도달할 '목적지'를 정의한다면, 부정 프롬프트는 피해야 할 '경계'를 설정하여 고품질의 결과물을 안정적으로 얻기 위해 필수적으로 활용된다 [3, 4].