통합검색

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.

Illusion of Causality in Visualized Data

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

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

그래프의 점이 움직일 때, 여전히 같은 대상을 가리킬까?

별 8에서9, 달5에서 자료없음, 숲3에서7, 강은 새로4가 되는 대상별 대응표.

보기 좋은 그래프가 올바른 개념까지 전달할까?

보기 좋은 그래프가 올바른 개념까지 전달할까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식