다이어그램과 시각추론

같은 상관관계도 그래프 모양에 따라 원인처럼 보일까?

세 차례 크라우드 실험은 집계 수준과 시각 표지가 인과 판단을 흔들 수 있음을 보였습니다. 그래프와 결론의 거리를 점검합니다.

아침 식사를 자주 하는 학생의 성적이 높다는 자료를 막대그래프로 보면, 아침 식사가 성적을 올린다고 느낄 수 있습니다. 그러나 그래프는 배정 실험을 새로 만들어 주지 않습니다. 같은 상관 자료도 집계 방식과 점·선·막대라는 표지가 인과적 이야기를 떠올리는 정도를 바꿀 수 있습니다.

학술 자료의 내용

연구를 읽는 두 가지 질문

세 실험이 바꾼 것

Xiong 등은 세 차례 크라우드 실험에서 같은 단순 관계를 글, 막대, 선, 산점도로 제시하고 상관·인과 문장에 대한 동의와 자유 해석을 조사했습니다. 첫 실험은 목표 표본 136명의 미국 MTurk 참여자를 사용해 네 주제와 네 표현을 균형 있게 배치했습니다. 같은 100개 자료점과 상관 0.6을 문맥에 맞춰 축 이름만 바꾸었습니다. [1]

형식보다 집계와 표지의 결합을 봅니다

첫 실험에서 인과 동의는 막대와 글에서 높고 선과 산점도에서 낮았습니다. 연구진은 후속 실험으로 두 집단 평균처럼 자료를 많이 묶는 집계와 막대·선·점 표지의 효과를 분리했습니다. 덜 집계하고 점을 보이는 방식이 부당한 인과 판단을 줄이는 방향을 보였지만, 맥락의 인과 개연성 효과가 시각 형식보다 컸다는 점도 함께 보고했습니다. [1]

그래프는 인과 증명의 대체물이 아닙니다

결과는 산점도가 언제나 안전하거나 막대그래프가 거짓이라는 뜻이 아닙니다. 과제, 문맥, 집계와 관습이 함께 영향을 줍니다. 연구는 온라인 표본과 만들어 낸 자료를 사용했으며 실제 정책 결정을 측정하지 않았습니다. 시각화를 바꾸는 일은 인과 오해를 줄이는 한 장치일 뿐, 연구 설계와 교란 변수 설명을 생략할 근거가 아닙니다. [1]

그림으로 생각하기

독서 시간과 점수의 가상 자료를 두 방식으로 보기

가상의 40명 자료에서 독서 시간과 점수가 함께 증가한다고 합시다. 막대 그림은 독서 시간이 짧은 집단과 긴 집단의 평균 두 개만 보여 줍니다. 점 그림은 개인 자료와 겹침을 보여 줍니다. 어느 그림도 독서 시간을 무작위로 배정했다는 정보를 포함하지 않습니다.

그림 옆 결론을 세 단계로 나눕니다. ‘함께 변했다’는 자료 기술, ‘독서가 점수를 올렸다’는 인과 주장, ‘독서 시간을 늘려야 한다’는 개입 제안입니다. 뒤 단계로 갈수록 연구 설계와 대안 설명이 더 필요합니다. 학습 습관, 가정 지원, 기존 성취가 두 변수 모두에 영향을 줄 수 있습니다.

LTCT가 만든 표는 표현별로 보이는 정보와 숨기는 정보를 적습니다. 평균 막대는 집단 차이를 빠르게 보이지만 분포와 겹침을 숨깁니다. 점 그림은 개인차를 보이지만 표본이 매우 크면 복잡해질 수 있습니다. 캡션에 관찰 자료임을 쓰고, 인과 화살표를 근거 없이 추가하지 않습니다.

같은 독서 시간과 점수 자료를 두 집단 평균 막대와 개인 점으로 나타낼 때 각각 드러나는 정보, 숨는 정보와 허용되는 결론을 비교한 표.
출처: Xiong 등의 집계·시각 표지 실험을 참고한 LTCT 자체 비교표. 수치와 독서 사례는 설명용 가상 자료이며 원문 그래프를 복제하지 않았습니다. 그림 크게 보기 ↗

어디까지 말할 수 있을까요?

  • 첫 실험은 품질 기준을 통과한 미국 MTurk 참여자 136명과 합성 자료를 사용했습니다. 다른 문화·연령·실제 의사결정에 효과가 그대로 일반화되지 않습니다.
  • 표현을 바꾸어 인과 평정이 낮아져도 참가자가 정확한 인과 모형을 이해했다는 뜻은 아닙니다. 문맥 효과와 사전 믿음이 크게 작용했습니다.

원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]

배운 내용을 수업에 적용하기

교육 현장과 연결해 보면

수업에서는 같은 관찰 자료를 평균 막대와 개별 점으로 제시하고, 각 그림에서 직접 읽을 수 있는 주장과 추가 설계가 필요한 주장을 분류하게 할 수 있습니다.

수업 활동의 효과는 별도 실험으로 확인해야 합니다. 표현, 집계 수준, 캡션만 바꾸고 데이터와 질문을 같게 유지하며 오류 이유와 지연 전이를 측정합니다.

한 번 더 생각하기

산점도를 쓰면 인과 오해가 사라지나요?

생각을 비교할 해설 펼치기

아닙니다. 연구에서 일부 조건의 인과 평정이 낮았을 뿐이며 문맥과 사전 믿음의 영향도 컸습니다. 산점도에도 추세선을 강하게 그리거나 축을 자르면 다른 오해가 생길 수 있습니다.

원문과 출처 정보

한국어 제목은 이해를 돕기 위한 LTCT 번역입니다. 한글 제목 뒤 괄호에 원제를 함께 표기했습니다. 저자·학술지·원문 버전은 원문 서지정보를 기준으로 확인할 수 있습니다.

  1. 시각화된 자료에서의 인과 착시 (Illusion of Causality in Visualized Data)

    Cindy Xiong, Joel Shapiro, Jessica Hullman, Steven Franconeri (2019). IEEE Transactions on Visualization and Computer Graphics 공개 전자본.

    자료 성격
    시각화 학회 연구 논문 공개본
    읽은 버전
    arXiv v1 · 2019-08-01 공개
    확인 범위
    공개 HTML 전문에서 파일럿, 세 실험의 표본·설계·합성 자료, 정량·질적 결과, 집계와 시각 표지 해석 및 한계를 확인.
    원문 확인일

이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준

출처·개념 네트워크

같은 연구 흐름에서 이어 읽기

같은 원문, 저자·연구 흐름, 공통 개념 태그를 기준으로 연결한 관련 해설입니다.