스터디 참여와 점수가 함께 올랐으니 참여가 원인일까?

1. 함께 변한다는 말과 원인이라는 말을 나눈다

관찰 자료에서 참여 횟수가 높은 학생의 점수가 높다면 두 변수가 연관되어 있다고 말할 수 있습니다. 그러나 참여가 점수를 높였다는 화살표의 방향은 그 관찰 하나에 들어 있지 않습니다.

점수가 높은 학생이 스터디를 더 즐겨 참여했을 수도 있고, 학습 동기가 참여와 점수를 모두 높였을 수도 있습니다. 어느 하나가 실제 원인이라고 확정하지 않아도 이 두 모형은 원래 관찰과 모순되지 않는 반례가 됩니다.

2. 경쟁 모형을 숨기지 말고 표로 펼친다

출발값에서는 ‘참여→점수’, ‘점수→참여’, ‘동기→참여·점수’ 세 모형이 모두 관찰된 양의 연관과 양립합니다. 따라서 직접 인과 결론에는 두 개의 경쟁 설명이 남습니다.

공통 원인이나 역방향 선택을 끄는 것은 그 가능성을 자료로 제거한 것이 아니라 학습자가 가정에서 제외한 것입니다. 관찰 연구의 결론을 강하게 만들려면 왜 제외해도 되는지 별도 근거가 필요합니다.

3. 인과 모형은 관찰과 개입을 구분한다

Stanford Encyclopedia of Philosophy의 인과 모형 해설은 숨은 공통 원인을 별도 화살표로 표현하고, 개입은 대상 변수로 들어오는 기존 화살표를 끊어 값을 정하는 것으로 설명합니다. 무작위 대조시험은 이런 의미의 개입을 목표로 합니다.

이 활동의 ‘무작위 배정에서 차이 있음·없음’은 실제 연구 결과가 아니라 개입 증거가 경쟁 모형을 어떻게 좁히는지 보여 주는 고정 분기입니다. 단일 실험도 이탈·불이행·측정 오류·표본 범위 때문에 모든 상황의 인과를 보장하지 않습니다.

참고: Stanford Encyclopedia of Philosophy · Causal Models

4. 오답은 결론의 강도를 낮추어 고친다

오답 ‘참여가 많은 학생의 점수가 높았으므로 스터디가 점수를 올렸다’는 관찰과 인과를 한 문장으로 합쳤습니다. ‘참여 횟수와 점수가 함께 높았지만 방향·공통 원인은 구분되지 않는다’가 먼저 허용되는 수정입니다.

적절한 무작위 배정에서 참여 기회를 바꿨고 다른 조건과 이탈을 점검한 뒤 차이가 반복되었다면 해당 설계·표본 안에서 인과 해석을 강화할 수 있습니다. 그래도 특정 학생에게 반드시 같은 효과가 난다고 쓰지는 않습니다.