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 결과132건

검색 결과 제목

  1. 96로그 눈금은 설명과 예측에 똑같이 좋을까?
  2. 97같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?
  3. 98같은 숫자인데 왜 어떤 그래프가 더 읽기 쉬울까?
  4. 99가능한 결과를 하나씩 보면 불확실성이 더 잘 보일까?
  5. 100시각화가 틀리면 어느 단계부터 다시 봐야 할까?
질문 목적, 눈금 선택, 값 재확인을 연결해 조건과 범위를 확인하는 교육용 도식.

로그 눈금은 설명과 예측에 똑같이 좋을까?

질문 목적, 눈금 선택, 값 재확인을 연결해 조건과 범위를 확인하는 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

로그 눈금은 설명과 예측에 똑같이 좋을까?

지수성장 그래프 실험은 선형 눈금과 로그 눈금의 장점이 현재값 설명과 미래값 예측에서 뒤바뀔 수 있음을 보여 줍니다.

Is my visualization better than yours? Analyzing factors modulating exponential growth bias in graphs

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 →
수량 40과 80을 같은 시작선의 길이 120·240 막대로 표시하고, 면적비 1대2인 반지름 60·84.85 원으로 표시한다.

같은 숫자인데 왜 어떤 그래프가 더 읽기 쉬울까?

수량 40과 80을 같은 시작선의 길이 120·240 막대로 표시하고, 면적비 1대2인 반지름 60·84.85 원으로 표시한다.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 입문

같은 숫자인데 왜 어떤 그래프가 더 읽기 쉬울까?

수량을 길이·위치·면적으로 나타내면 독자가 해야 하는 지각적 판단도 달라집니다. 정확한 비율 표현부터 점검합니다.

Crowdsourcing Graphical Perception: Using Mechanical Turk to Assess Visualization Design

게시 2026-09-12 · 약 7분해외 논리학 연구 해설 읽기 →
여덟 행에 같은 상황에서 얻은 A와 B의 점수를 표시한 도표. 두 번째와 여섯 번째 행을 제외한 여섯 행에서 B가 크다.

가능한 결과를 하나씩 보면 불확실성이 더 잘 보일까?

여덟 행에 같은 상황에서 얻은 A와 B의 점수를 표시한 도표. 두 번째와 여섯 번째 행을 제외한 여섯 행에서 B가 크다.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

가능한 결과를 하나씩 보면 불확실성이 더 잘 보일까?

가상 결과를 차례로 보여 주는 HOPs 연구를 읽습니다. 평균의 높이와 두 값의 순서가 바뀔 가능성을 구별하는 연습입니다.

Hypothetical Outcome Plots Outperform Error Bars and Violin Plots for Inferences about Reliability of Variable Ordering

게시 2026-09-12 · 약 8분해외 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 →

96–100 / 132편