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 결과70건

검색 결과 제목

  1. 61잘못된 그래프를 찾는 데 위치 정보가 왜 필요할까?
  2. 62‘해야 한다’는 말은 실제로 그렇게 된다는 뜻일까?
  3. 63같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?
  4. 64예방책이 사후 해결책도 된다고 말해도 될까?
  5. 65시각화가 틀리면 어느 단계부터 다시 봐야 할까?
전체 차트, 의심 영역, 근거 설명를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.

잘못된 그래프를 찾는 데 위치 정보가 왜 필요할까?

전체 차트, 의심 영역, 근거 설명를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

잘못된 그래프를 찾는 데 위치 정보가 왜 필요할까?

3,026개 사례와 21개 오도 유형의 벤치마크는 답뿐 아니라 문제 영역을 찾는 능력을 평가합니다.

Unmasking Deceptive Visuals: Benchmarking Multimodal Large Language Models on Misleading Chart Question Answering

게시 2026-09-12 · 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 →
영역 문제, 추상화, 표현·알고리즘의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.

시각화가 틀리면 어느 단계부터 다시 봐야 할까?

영역 문제, 추상화, 표현·알고리즘의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

시각화가 틀리면 어느 단계부터 다시 봐야 할까?

Munzner의 중첩 모형은 시각화의 네 설계 층을 나누고, 위층의 오해가 아래층의 정교한 구현까지 연쇄적으로 무효화할 수 있음을 보입니다.

A Nested Model for Visualization Design and Validation

게시 2026-09-12 · 약 10분해외 논리학 연구 해설 읽기 →

61–65 / 70편