다이어그램과 시각추론

같은 사망 자료도 누적선과 주간선이 다른 위험으로 느껴질까?

온라인 실험 2건 2,549명에게 같은 코로나19 자료를 34개 시각 형식으로 보여 주자 누적축과 예측모형 수가 위험 인식을 다르게 움직였습니다.

누적값은 시간이 지나면 거의 내려가지 않습니다. 같은 자료를 ‘지금까지의 총합’으로 보면 계속 올라가는 선이 되고, ‘이번 주 발생’으로 보면 오르내리는 선이 됩니다. 계산은 모두 맞아도 독자가 느끼는 현재 위험은 달라질 수 있습니다.

학술 자료의 내용

연구를 읽는 두 가지 질문

2020년 두 온라인 실험에 2,549명이 참여했습니다

Padilla 등은 2020년 10월과 12월에 미국 참가자 2,549명을 대상으로 같은 코로나19 사망 자료를 당시 CDC가 사용하던 34가지 시각 형식으로 제시했습니다. 첫 실험은 캘리포니아 참가자를 16개 조건에 무작위 배정했고, 두 번째는 캘리포니아와 뉴욕의 다른 추세를 비교했습니다. [1]

누적축은 개인과 타인의 위험 추정을 일관되게 높였습니다

누적 사망선은 본 뒤의 위험 인식을 일관되게 높였고, 주간 발생선은 변화 방향과 지역 추세에 따라 더 다양한 반응을 만들었습니다. 누적선은 총부담을 보여 주는 데 적합하지만 현재 증가 속도를 읽는 질문에는 계속 상승하는 모양이 강한 단서가 될 수 있습니다. [1]

불확실성 표현의 모형 수 역시 인식에 영향을 주었습니다

단일 평균·구간뿐 아니라 여러 예측모형을 겹친 형식도 비교했습니다. 여섯 개 이상 모형을 보여 준 형식은 다른 불확실성 형식보다 위험 추정을 더 높이는 경향이 있었습니다. 더 많은 선이 단지 정보량만 늘리는 것이 아니라 ‘여러 가능성이 모두 위험하다’는 인상을 줄 수 있습니다. [1]

위험 인식 변화가 정확한 행동을 뜻하지는 않습니다

연구는 시각화를 보기 전후의 7점 위험 평정을 중심으로 했고 실제 감염 회피 행동이나 예측 정확도를 직접 검증하지 않았습니다. 자료는 팬데믹 절정기의 특정 지역·정서 맥락에서 수집됐습니다. 누적과 주간 발생 중 어느 것이 항상 낫다기보다 질문에 맞는 분모와 시간창을 밝혀야 합니다. [1]

그림으로 생각하기

총 100명과 이번 주 5명은 다른 질문입니다

도시 A의 누적 사망이 90→95→100으로 늘고 주간 사망이 5→5→5라고 합시다. 누적선은 계속 올라가고 주간선은 평평합니다. 두 그래프는 같은 사건을 다른 시간 분모로 요약합니다.

‘지금까지 부담’에는 누적선이, ‘최근 추세’에는 주간선이 더 직접적입니다. 제목과 축에 누적/주간을 크게 표시하고 독자에게 어느 질문을 답하는지 먼저 고르게 합니다.

LTCT 도식은 같은 세 값을 두 작은 패널에 그립니다. 수치와 축 범위를 동일하게 검수하고, 감정적 인상을 정답으로 채점하지 않습니다.

같은 90 95 100 누적값과 5 5 5 주간값을 두 패널에 비교한 선그래프
Padilla 등의 축 비교를 LTCT 자체 수치로 재구성한 이중 그래프. 원문 자극을 복제하지 않았습니다. 그림 크게 보기 ↗

어디까지 말할 수 있을까요?

  • 2020년 미국의 코로나19 맥락과 위험 평정 결과를 다른 질병·국가·시기에 그대로 적용할 수 없습니다.
  • 인식 변화는 정보 이해, 판단 정확도, 실제 행동 변화와 동일하지 않습니다.

원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]

배운 내용을 수업에 적용하기

교육 현장과 연결해 보면

시험에서 같은 데이터를 누적·기간 발생 그래프로 제시해 어떤 질문에 어느 그래프가 적합한지 평가할 수 있습니다.

수업 자료의 차트에는 축의 분모와 시간창을 제목·대체텍스트에도 반복 표기하고 모바일에서 모형 선이 겹치지 않는지 검수합니다.

한 번 더 생각하기

누적선이 계속 상승한다고 최근 주간 위험도 계속 커졌다고 말할 수 있나요?

생각을 비교할 해설 펼치기

말할 수 없습니다. 누적값은 새 사건이 0이 아닌 한 증가하므로 최근 발생률의 증가·감소는 별도의 기간별 값으로 확인해야 합니다.

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. 코로나19 예측 시각화가 팬데믹 위험 인식에 미친 영향 (Impact of COVID-19 Forecast Visualizations on Pandemic Risk Perceptions)

    Lace Padilla, Helia Hosseinpour, Racquel Fygenson, Jennifer Howell, Rumi Chunara, Enrico Bertini (2022). Scientific Reports 12, 2014.

    자료 성격
    오픈액세스 동료심사 논문
    읽은 버전
    2022-02-02 공개 출판본과 대학 저장소 보존본
    확인 범위
    공개 본문 전체의 두 실험, N=2,549, 34개 형식, 누적·발생축과 다중모형 결과, 한계
    원문 확인일

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