철도 혼잡도의 불확실성을 다섯 가지 방식으로 그려 163명에게 물었더니, 값을 가장 정확히 읽게 한 버블 트리맵과 사람들이 가장 신뢰한 군집 뷰가 서로 달랐다.
혼잡도 앱은 대개 "지금 붐빔"만 알려주고, 그 값이 얼마나 믿을 만한지는 말하지 않는다. 점 추정만 던지고 불확실성은 감춘다. 한 연구팀이 그 빈자리를 정면으로 다뤘다. 철도 혼잡도의 불확실성을 다섯 가지 방식으로 그린 뒤, 필리핀 수도권 통근자 163명에게 같은 확률 분포를 각각 다르게 보여주고 다섯 개의 판단 과제를 풀렸다.
비교한 다섯은 성격이 제각각이다. 버블 트리맵은 원의 크기와 윤곽으로, 시각 엔트로피는 도형의 모양으로 불확실성을 나타낸다. 군집은 경계를 두지 않고 점을 공간에 흩어 "대략 이 근처"라는 인상을 준다. 아이콘 어레이는 'X out of Y'처럼 칸을 채워 세게 하고, HOPs는 가능한 값들을 시간에 따라 하나씩 깜빡이는 애니메이션으로 보여준다. 연구팀은 다섯 조건에서 정보량과 세분화를 똑같이 맞춰, 성능 차이가 오직 "어떻게 그렸나"에서만 나오도록 통제했다.
결과에서 가장 눈에 띈 건 정확도 순위와 신뢰 순위가 어긋난 점이다. 혼잡 수준을 가장 정확히 맞힌 건 버블 트리맵으로 69.3%였다. 그런데 정작 사람들이 가장 확신하고 신뢰한 건, 정확도는 중간 아래(51.8%)였던 군집 뷰였다.
연구팀은 이 어긋남을 '가짜 정밀함(false precision)'으로 설명한다. 버블 트리맵의 또렷한 원 경계는 정밀해 보이지만, 불확실한 값을 딱 떨어지는 것처럼 보이게 해 오히려 불안을 키운다는 것이다. 반대로 군집의 경계 없는 배치는 불확실성을 개별 칸이 아니라 전체적인 관계로 제시해, "확실치 않다"는 직관과 더 맞아떨어진다.
속도에선 격차가 더 컸다. 시각화 선택이 응답 시간에 준 영향은 거대했고(η²=0.52), 군집은 중앙값 46초로 가장 빨랐다. 반대로 값을 하나씩 세어야 하는 아이콘 어레이(180초)와 시각 엔트로피(233초)는 느렸다. 인지 편향을 줄이려 설계된 HOPs는 기대와 달리 정확도가 가장 낮았는데(32.5%), 애니메이션으로 흩뿌려진 값을 머릿속에서 평균 내는 일이 짧은 판단 순간엔 오히려 부담이 됐다.
정답이 하나가 아니라는 것
연구팀의 결론은 보편적 '최선'이 없다는 것이다. 값을 정확히 읽어야 하는 화면이면 버블 트리맵을, 역 전광판이나 앱처럼 빠르고 안심되는 표시가 필요하면 군집을 권한다. 넓게 보면 이 결과는, 불확실성 시각화를 정확도만으로 고르면 놓치는 게 있다는 이야기다. 사람이 그림을 얼마나 믿고 편하게 읽느냐가 정확도와 따로 움직이기 때문이다. 다만 필리핀 수도권 통근자·온라인 설문·정적 화면이라는 조건에서 나온 결과라, 실제 앱과 현장으로 옮길 때는 다시 확인할 여지가 있다고 저자들은 덧붙였다.
References