한곳에서 찾는 논리 자료

통합검색

연구와 학습, 시험과 도서를 한곳에서 찾습니다.

검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

관심 주제로 찾아보기

조건 초기화

검색 결과2건

검색 결과 제목

  1. 1잘린 축·뒤집힌 축·넓이 왜곡은 모두 같은 방식으로 독자를 속일까?
  2. 2같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?
값 48과 52를 0 시작 축과 47 시작 축에 그려 시각적 차이 비율이 달라지는 두 막대그래프

잘린 축·뒤집힌 축·넓이 왜곡은 모두 같은 방식으로 독자를 속일까?

값 48과 52를 0 시작 축과 47 시작 축에 그려 시각적 차이 비율이 달라지는 두 막대그래프
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

잘린 축·뒤집힌 축·넓이 왜곡은 모두 같은 방식으로 독자를 속일까?

기만적 시각화 실험은 왜곡 기법과 질문 유형에 따라 오판 크기가 달라짐을 보여, ‘나쁜 그래프’ 한 범주보다 오류 메커니즘별 평가가 필요함을 제안합니다.

How Deceptive Are Deceptive Visualizations? An Empirical Analysis of Common Distortion Techniques

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →
같은 데이터, 기만 표현, 메타데이터를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.

같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?

같은 데이터, 기만 표현, 메타데이터를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?

1,600쌍의 차트와 10개 비전언어모델을 비교한 연구는 시각적 기만과 메타데이터 완화의 범위를 측정했습니다.

Chart Deception in Vision-Language Models: From Vulnerability to Mitigation

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →

1–2 / 2편