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
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
세 차례 크라우드 실험은 집계 수준과 시각 표지가 인과 판단을 흔들 수 있음을 보였습니다. 그래프와 결론의 거리를 점검합니다.
Illusion of Causality in Visualized Data
네트워크 시각화 통제 실험은 노드-링크와 인접 행렬의 장점이 그래프 크기·밀도·과제에 따라 달라짐을 보여 줍니다.
A Comparison of the Readability of Graphs Using Node-Link and Matrix-Based Representations
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
1,600쌍의 차트와 10개 비전언어모델을 비교한 연구는 시각적 기만과 메타데이터 완화의 범위를 측정했습니다.
Chart Deception in Vision-Language Models: From Vulnerability to Mitigation
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
41–45 / 88편