데이터 시각화와 기술 통계

Exploratory Data Analysis

Weekly content




5주차 학습목표

Note

이번 주 학습을 마치면 다음을 할 수 있어야 합니다.

  1. 데이터 시각화를 장식이 아니라 연구 질문에 대한 시각적 증거로 설명한다.
  2. ggplot2의 문법을 data, mapping, geom, stat, position, scale, coordinate, facet, theme의 조합으로 이해한다.
  3. 변수 유형과 질문에 맞춰 분포, 관계, 비교, 구성, 시간 변화 그래프를 선택한다.
  4. aes() 안의 mapping과 밖의 setting을 구분한다.
  5. 겹침, 표본 수, 분모, 축 범위, 변환, 불확실성을 점검하여 오해를 줄인다.
  6. 색상·라벨·범례·대체텍스트를 사용해 읽기 쉽고 접근 가능한 그래프를 만든다.
  7. 그래프를 Quarto에 재현 가능하게 포함하고 ggsave()로 명시적으로 저장한다.
  8. ChatGPT와 같은 GenAI를 그래프 생성기보다 차트 설계 검토자와 시각적 주장 비평가로 활용한다.

오늘의 핵심 질문

이 그래프는 무엇을 보여 주며, 그 패턴을 믿기 위해 무엇을 함께 확인해야 할까?

flowchart LR
    A["Research Question<br>무엇을 비교할까?"] --> B["Data Structure<br>관측단위와 변수 유형"]
    B --> C["Visual Encoding<br>위치·색·크기·형태"]
    C --> D["Audit<br>표본·결측·축·분모"]
    D --> E["Interpretation<br>관찰과 설명 구분"]
    E --> F["Claim<br>가능한 주장과 한계"]

Important

좋은 그래프는 단순히 예쁜 그래프가 아닙니다. 독자가 다음을 알아볼 수 있어야 합니다.

  • 무엇이 한 점, 한 막대, 한 선인가?
  • 어떤 값이 비교되고 있는가?
  • 표본 수와 분모는 무엇인가?
  • 원자료의 분포와 불확실성이 얼마나 남아 있는가?
  • 그래프가 보여 주는 것과 연구자가 덧붙인 해석은 어디서 갈리는가?

이번 주의 GenAI 활용 방식

이번 주에도 다음 순서를 유지합니다.

Attempt → Ask → Test → Audit → Explain

단계 학생이 먼저 할 일 GenAI에 맡길 수 있는 일
Attempt 질문, 관측단위, 변수 유형, 예상 패턴을 적는다. 아직 사용하지 않는다.
Ask 현재 그래프와 설계 의도를 함께 제공한다. 대안 시각화, 누락된 점검 항목, 모호한 라벨을 제안한다.
Test 제안된 코드를 직접 실행하고 원자료와 대조한다. 실행 결과를 만들어 달라고 하지 않는다.
Audit 분모, 표본 수, 축, 결측, 과도한 인코딩을 점검한다. reviewer처럼 오해 가능성을 지적하게 한다.
Explain 최종 그래프 선택과 기각한 대안을 설명한다. 설명의 과장이나 인과적 비약을 비판하게 한다.

그래프를 부탁하는 대신 그래프 설계를 검토받기

나는 HCI 대학원 수업에서 ggplot2를 사용하고 있다.
연구질문은 “voice와 text 인터페이스의 과업완료시간 분포가 어떻게 다른가?”이다.
한 행은 한 참여자의 한 과업 시행이며, 동일 참여자가 두 인터페이스를 모두 경험했다.

내가 선택한 그래프와 R 코드를 아래에 제공하겠다.
1. 먼저 이 그래프가 질문에 답하기에 적절한지 평가하라.
2. 표본 수, 반복측정, 겹침, 결측, 축 범위에서 확인할 점을 제시하라.
3. 대안 그래프를 두 개만 제안하고 각각 무엇을 더 잘/덜 보여 주는지 설명하라.
4. 코드를 다시 작성하기 전에 내가 답해야 할 질문을 먼저 제시하라.
5. 인과관계는 추론하지 말라.
민감한 자료를 입력하지 않기

실제 IRB 자료, 사용자 식별자, 비공개 로그를 공개형 GenAI에 업로드하지 않습니다. 다음만으로도 시각화 상담이 가능합니다.

  • 비식별·합성 자료 10–20행
  • glimpse()와 summary() 출력
  • 변수 설명과 관측단위
  • 현재 그래프 코드
  • 그래프에서 발견한 패턴을 자신의 말로 적은 문장

준비: 이번 주의 공통 데이터

패키지

library(tidyverse)

theme_set(theme_minimal(base_size = 12))
Tip

install.packages("tidyverse")는 패키지가 컴퓨터에 없을 때 한 번 실행합니다. 강의자료를 렌더링하는 코드 청크에서는 설치보다 library(tidyverse)로 명시적으로 불러오는 편이 재현 가능성이 높습니다.

HCI 반복측정 예제 만들기

이번 주에는 가상의 인터페이스 과업 자료를 공통 예제로 사용합니다.

  • 72명의 참여자
  • 두 인터페이스: text, voice
  • 두 과업: search, booking
  • 결과: 과업완료시간, 오류 수, 신뢰, 성공 여부
  • 한 행: 한 참여자의 한 인터페이스 × 과업 시행
glimpse(hci_trials)
Rows: 288
Columns: 8
$ participant_id   <chr> "P001", "P001", "P001", "P001", "P002", "P002", "P002…
$ digital_literacy <dbl> 5.2, 5.2, 5.2, 5.2, 3.1, 3.1, 3.1, 3.1, 4.7, 4.7, 4.7…
$ interface        <fct> text, text, voice, voice, text, text, voice, voice, t…
$ task             <fct> search, booking, search, booking, search, booking, se…
$ completion_time  <dbl> 53.9, 65.7, 51.7, 67.3, 40.7, 34.1, 32.0, 39.6, 43.8,…
$ errors           <int> 0, 1, 0, 2, 1, 1, 0, 1, 1, 2, 1, 0, 1, 0, 2, 1, 0, 1,…
$ trust            <dbl> 4.6, 4.7, 5.9, 5.7, 4.0, 3.1, 4.7, 5.2, 4.1, 5.8, 5.9…
$ success          <fct> success, failure, success, failure, success, success,…
hci_trials |>
  summarise(
    rows = n(),
    participants = n_distinct(participant_id),
    interfaces = n_distinct(interface),
    tasks = n_distinct(task)
  )
# A tibble: 1 × 4
   rows participants interfaces tasks
  <int>        <int>      <int> <int>
1   288           72          2     2
Important

288개의 행이 있다고 해서 표본이 288명인 것은 아닙니다. 독립 참여자는 72명이고, 각 참여자가 네 번 관찰되었습니다. 그래프의 점은 시행(trial)을 나타낼 수 있지만, 통계적 추론의 단위는 연구설계에 맞게 별도로 판단해야 합니다.

시각화는 “그림 그리기”가 아니라 “인코딩 선택”이다

데이터 시각화는 값을 다음과 같은 시각적 속성으로 변환하는 일입니다.

  • Position: x·y 위치
  • Length: 막대 길이
  • Colour / fill: 색 또는 면색
  • Shape: 점 모양
  • Size: 점 크기
  • Alpha: 투명도
  • Facet: 작은 다중 그래프

일반적으로 정확한 비교에는 위치와 길이가 강하고, 색·형태·크기는 보조적인 구분에 더 적합합니다. 한 그래프에 너무 많은 속성을 동시에 매핑하면 정보량보다 해석 비용이 커질 수 있습니다.

그래프를 만들기 전 다섯 문장

  1. Question: 무엇을 알고 싶은가?
  2. Unit: 한 행과 한 점은 무엇인가?
  3. Variables: 변수는 연속형, 범주형, 시간형 중 무엇인가?
  4. Comparison: 분포, 관계, 집단 차이, 구성, 변화 중 무엇을 비교하는가?
  5. Claim: 이 그래프로 말할 수 있는 가장 좁은 주장은 무엇인가?

Grammar of Graphics

ggplot2는 그래프를 하나의 완성된 명령이 아니라 여러 구성요소의 조합으로 만듭니다.

flowchart LR
    A["Data"] --> B["Aesthetic mapping"]
    B --> C["Geom + Stat"]
    C --> D["Position"]
    D --> E["Scale"]
    E --> F["Coordinate"]
    F --> G["Facet + Theme + Labels"]

구성요소 핵심 질문 예시
Data 어떤 관측을 그리는가? hci_trials
Mapping 변수를 어떤 시각 속성에 연결하는가? aes(x = completion_time, colour = interface)
Geom 어떤 기하 객체로 나타내는가? geom_point(), geom_histogram()
Stat 그리기 전에 무엇을 계산하는가? count, bin, smooth
Position 겹치는 객체를 어떻게 배치하는가? stack, dodge, jitter, fill
Scale 데이터 값을 화면 값으로 어떻게 변환하는가? log, percent, viridis
Coordinate 화면의 좌표 범위를 어떻게 보여 주는가? Cartesian zoom
Facet 집단별 작은 그래프로 나눌 것인가? facet_wrap()
Theme / labels 정보 위계를 어떻게 정리하는가? theme_minimal(), labs()

가장 작은 ggplot

ggplot(data = hci_trials)

데이터만 지정했기 때문에 빈 좌표계가 나타납니다.

ggplot(
  data = hci_trials,
  mapping = aes(x = completion_time, y = trust)
)

변수와 축의 관계는 생겼지만, 아직 어떤 기하 객체로 그릴지 정하지 않았습니다.

ggplot(
  data = hci_trials,
  mapping = aes(x = completion_time, y = trust)
) +
  geom_point()

Mapping과 setting을 구분하기

aes() 안은 데이터 변수와 시각 속성의 연결(mapping)입니다.

ggplot(hci_trials, aes(completion_time, trust)) +
  geom_point(aes(colour = interface))

고정된 모양이나 색은 aes() 밖에서 설정(setting)합니다.

ggplot(hci_trials, aes(completion_time, trust)) +
  geom_point(colour = "steelblue", alpha = 0.6)

아래 코드는 문자열 "steelblue"을 하나의 범주로 매핑하므로 원하지 않는 범례가 생깁니다.

ggplot(hci_trials, aes(completion_time, trust)) +
  geom_point(aes(colour = "steelblue"))

스스로 설명해 보기

다음 두 문장을 구분할 수 있어야 합니다.

  • “인터페이스에 따라 점의 색이 달라진다.” → mapping
  • “모든 점을 파란색으로 그린다.” → setting

그래프 객체를 저장하고 층을 추가하기

base_scatter <- ggplot(
  hci_trials,
  aes(x = completion_time, y = trust)
)

base_scatter + geom_point()

base_scatter +
  geom_point(aes(colour = interface), alpha = 0.55) +
  geom_smooth(
    method = "lm",
    formula = y ~ x,
    se = TRUE,
    colour = "black",
    linewidth = 0.8
  )

geom_smooth()의 선은 관계를 요약하지만, 인과관계를 보여 주지는 않습니다. 회귀선은 관측된 패턴에 대한 시각적 요약입니다.

질문과 변수 유형에 따라 그래프 선택하기

질문 변수 구조 출발점이 되는 그래프 반드시 확인할 것
값은 어떻게 분포하는가? 연속형 1개 histogram, density, ECDF binwidth, 표본 수, 결측, 극단값
범주별 관측은 몇 개인가? 범주형 1개 bar chart count인지 proportion인지
두 수치가 함께 변하는가? 연속형 2개 scatterplot 겹침, 비선형성, 영향점
집단별 분포가 다른가? 범주형 + 연속형 raw points + box/violin 집단별 n, 분포, 반복측정
두 범주가 관련되어 보이는가? 범주형 2개 count/proportion bar, heatmap 분모와 조건부 비율
시간에 따라 어떻게 변하는가? 시간 + 연속형 line chart 정렬, 간격, 집계 단위
세 번째 변수가 패턴을 바꾸는가? 3개 이상 colour, shape, facet 과도한 인코딩, 작은 집단
Warning

그래프 유형은 변수 유형만으로 자동 결정되지 않습니다. 같은 자료라도 질문이 “개수”인지 “비율”인지, “원자료 분포”인지 “평균 변화”인지에 따라 적절한 그래프가 달라집니다.

한 변수: 분포를 본다는 것

연속형 변수: histogram의 binwidth는 분석 선택이다

p_bin_3 <- ggplot(hci_trials, aes(completion_time)) +
  geom_histogram(binwidth = 3, boundary = 0) +
  labs(x = "Completion time (seconds)", y = "Trials")

p_bin_12 <- ggplot(hci_trials, aes(completion_time)) +
  geom_histogram(binwidth = 12, boundary = 0) +
  labs(x = "Completion time (seconds)", y = "Trials")

p_bin_3
p_bin_12
과업완료시간을 3초 폭으로 나눈 세밀한 히스토그램
Figure 1: 과업완료시간: 3초 간격의 histogram
같은 과업완료시간을 12초 폭으로 나눈 거친 히스토그램
Figure 2: 과업완료시간: 12초 간격의 histogram

같은 데이터라도 binwidth에 따라 봉우리와 꼬리의 인상이 달라집니다. 하나의 값만 사용하기보다 몇 가지 합리적 간격에서 패턴이 유지되는지 확인합니다.

histogram과 density를 겹칠 때

ggplot(hci_trials, aes(completion_time)) +
  geom_histogram(
    aes(y = after_stat(density)),
    binwidth = 4,
    boundary = 0,
    alpha = 0.45
  ) +
  geom_density(linewidth = 0.9) +
  labs(
    x = "Completion time (seconds)",
    y = "Density",
    title = "과업완료시간의 분포"
  )

after_stat(density)는 histogram의 빈도를 밀도 척도로 변환하여 density curve와 같은 y축에서 비교하게 합니다.

ECDF: bin을 정하지 않고 누적 분포 보기

ggplot(hci_trials, aes(completion_time, colour = interface)) +
  stat_ecdf(linewidth = 0.9) +
  scale_colour_viridis_d(end = 0.85) +
  labs(
    x = "Completion time (seconds)",
    y = "Cumulative proportion",
    colour = "Interface",
    title = "인터페이스별 과업완료시간의 누적 분포"
  )

특정 시간 안에 완료한 시행의 비율을 읽고 싶다면 ECDF가 유용합니다.

범주형 변수: geom_bar()와 geom_col()

geom_bar()는 원자료에서 범주별 관측 수를 직접 계산합니다.

ggplot(hci_trials, aes(task)) +
  geom_bar() +
  labs(x = "Task", y = "Trials")

이미 요약한 값을 그릴 때는 geom_col()을 사용합니다.

task_counts <- hci_trials |>
  count(task, name = "trials")

ggplot(task_counts, aes(x = task, y = trials)) +
  geom_col() +
  labs(x = "Task", y = "Trials")

Note
  • geom_bar() → 각 x 범주의 행을 센다.
  • geom_col() → 데이터에 이미 존재하는 y값을 막대 높이로 사용한다.

Count와 proportion을 구분하기

success_by_interface <- hci_trials |>
  count(interface, success) |>
  mutate(proportion = n / sum(n), .by = interface)

success_by_interface
# A tibble: 4 × 4
  interface success     n proportion
  <fct>     <fct>   <int>      <dbl>
1 text      failure    17     0.118 
2 text      success   127     0.882 
3 voice     failure    13     0.0903
4 voice     success   131     0.910 
p_success_count <- ggplot(
  success_by_interface,
  aes(x = interface, y = n, fill = success)
) +
  geom_col() +
  labs(x = "Interface", y = "Trials", fill = "Outcome")

p_success_prop <- ggplot(
  success_by_interface,
  aes(x = interface, y = proportion, fill = success)
) +
  geom_col() +
  scale_y_continuous(labels = scales::label_percent()) +
  labs(x = "Interface", y = "Within-interface proportion", fill = "Outcome")

p_success_count
p_success_prop

두 그래프는 서로 다른 질문에 답합니다. 비율 그래프에는 분모가 인터페이스별 시행 수라는 사실이 라벨이나 본문에서 드러나야 합니다.

두 변수: 관계와 집단 비교

연속형 × 연속형: scatterplot

ggplot(hci_trials, aes(completion_time, trust)) +
  geom_point(alpha = 0.45) +
  geom_smooth(
    method = "lm",
    formula = y ~ x,
    se = TRUE,
    linewidth = 0.8
  ) +
  labs(
    x = "Completion time (seconds)",
    y = "Trust (1–7)",
    title = "과업완료시간과 신뢰의 관계"
  )

관찰: 완료시간이 긴 시행에서 신뢰가 낮아지는 경향이 보이는가?
아직 말할 수 없는 것: 완료시간이 신뢰를 낮춘다고 단정할 수 있는가?

겹침(overplotting)을 다루기

점이 많이 겹치면 빈도가 숨겨질 수 있습니다.

ggplot(hci_trials, aes(errors, trust)) +
  geom_jitter(width = 0.15, height = 0.08, alpha = 0.35) +
  labs(
    x = "Number of errors",
    y = "Trust (1–7)",
    title = "이산형 값의 겹침을 jitter로 드러내기"
  )

jitter는 원래 데이터 값을 바꾸지 않고 화면 위치만 조금 이동합니다. 정확한 좌표보다 겹친 관측의 밀도를 보여 주는 것이 목적입니다.

범주형 × 연속형: 평균 막대보다 분포를 먼저 보기

ggplot(hci_trials, aes(x = interface, y = completion_time)) +
  geom_boxplot(width = 0.22, outlier.shape = NA) +
  geom_jitter(width = 0.08, alpha = 0.25) +
  labs(
    x = "Interface",
    y = "Completion time (seconds)",
    title = "인터페이스별 과업완료시간의 분포"
  )

  • 점: 개별 시행
  • 상자 중앙선: median
  • 상자: 중간 50% 범위
  • whisker 밖의 점: 자동 삭제 대상이 아니라 추가 확인 대상

범주의 순서를 질문에 맞게 바꾸기

hci_trials |>
  mutate(task = fct_reorder(task, completion_time, .fun = median)) |>
  ggplot(aes(x = completion_time, y = task)) +
  geom_boxplot(outlier.shape = NA) +
  geom_jitter(height = 0.08, alpha = 0.25) +
  labs(
    x = "Completion time (seconds)",
    y = "Task ordered by median time"
  )

수평 막대나 상자그림이 필요할 때는 가능한 경우 x와 y를 바꾸어 표현합니다.

범주형 × 범주형: 분모가 핵심이다

success_table <- hci_trials |>
  count(interface, task, success) |>
  mutate(
    rate = n / sum(n),
    .by = c(interface, task)
  )

success_table
# A tibble: 8 × 5
  interface task    success     n   rate
  <fct>     <fct>   <fct>   <int>  <dbl>
1 text      search  failure     2 0.0278
2 text      search  success    70 0.972 
3 text      booking failure    15 0.208 
4 text      booking success    57 0.792 
5 voice     search  failure     2 0.0278
6 voice     search  success    70 0.972 
7 voice     booking failure    11 0.153 
8 voice     booking success    61 0.847 
ggplot(success_table, aes(x = task, y = rate, fill = success)) +
  geom_col() +
  facet_wrap(vars(interface)) +
  scale_y_continuous(labels = scales::label_percent()) +
  scale_fill_viridis_d(end = 0.85) +
  labs(
    x = "Task",
    y = "Proportion within interface × task",
    fill = "Outcome",
    title = "인터페이스와 과업별 성공 구성"
  )

Warning

position = "fill"은 각 막대를 100%로 정규화합니다. 시각적으로 비율을 비교하기는 쉽지만 집단별 관측 수가 숨겨집니다. 본문이나 표에서 각 집단의 n을 함께 확인합니다.

세 변수 이상: 색보다 facet을 먼저 고려하기

색으로 세 번째 변수 추가하기

ggplot(
  hci_trials,
  aes(completion_time, trust, colour = interface)
) +
  geom_point(alpha = 0.45) +
  scale_colour_viridis_d(end = 0.85) +
  labs(
    x = "Completion time (seconds)",
    y = "Trust (1–7)",
    colour = "Interface"
  )

작은 다중 그래프(small multiples)

ggplot(
  hci_trials,
  aes(completion_time, trust, colour = interface)
) +
  geom_point(alpha = 0.45) +
  geom_smooth(
    method = "lm",
    formula = y ~ x,
    se = FALSE,
    linewidth = 0.7
  ) +
  facet_wrap(vars(task)) +
  scale_colour_viridis_d(end = 0.85) +
  labs(
    x = "Completion time (seconds)",
    y = "Trust (1–7)",
    colour = "Interface",
    title = "과업별로 나누어 관계 비교하기"
  )

facet은 같은 축과 같은 문법으로 하위 집단을 비교하게 합니다. 다만 각 패널의 표본 수가 매우 작으면 패턴이 과장될 수 있습니다.

색과 형태를 함께 사용하기

색만으로 집단을 구분하기 어려운 독자를 위해 형태를 함께 사용할 수 있습니다.

ggplot(
  hci_trials,
  aes(
    completion_time,
    trust,
    colour = interface,
    shape = interface
  )
) +
  geom_point(alpha = 0.55, size = 2) +
  scale_colour_viridis_d(end = 0.85) +
  labs(
    x = "Completion time (seconds)",
    y = "Trust (1–7)",
    colour = "Interface",
    shape = "Interface"
  )

Tip

색, 모양, 크기, 투명도를 모두 변수에 매핑하지 않습니다. 중요한 비교 한두 개를 위치·facet에 맡기고, 색과 형태는 보조적으로 사용합니다.

시간 변화와 선 그래프

선은 순서가 있는 x축에서 관측을 연결합니다. 순서가 없는 범주를 선으로 연결하면 존재하지 않는 연속성을 암시할 수 있습니다.

weekly_usage <- tibble(
  week = 1:12,
  text = c(420, 438, 451, 449, 465, 470, 482, 491, 496, 508, 517, 529),
  voice = c(180, 193, 207, 225, 241, 260, 278, 301, 326, 348, 371, 399)
) |>
  pivot_longer(
    cols = c(text, voice),
    names_to = "interface",
    values_to = "active_sessions"
  )
ggplot(
  weekly_usage,
  aes(week, active_sessions, colour = interface)
) +
  geom_line(linewidth = 0.9) +
  geom_point(size = 2) +
  scale_colour_viridis_d(end = 0.85) +
  scale_x_continuous(breaks = 1:12) +
  labs(
    x = "Week",
    y = "Active sessions",
    colour = "Interface",
    title = "주별 활성 세션 변화"
  )

점검할 질문

  • 주별 값은 사용자 수인가, 세션 수인가?
  • 동일 사용자가 여러 번 포함될 수 있는가?
  • 주별 관찰 간격은 동일한가?
  • 선의 변화가 제품 변경 때문인지 계절성 때문인지 이 그래프만으로 알 수 있는가?

Scale과 coordinate: 값의 변환과 화면의 확대는 다르다

로그 변환은 질문의 척도를 바꾼다

diamonds의 가격과 carat은 오른쪽으로 긴 분포를 가집니다.

ggplot(diamonds, aes(carat, price)) +
  geom_point(alpha = 0.08) +
  scale_x_log10() +
  scale_y_log10(labels = scales::label_dollar()) +
  labs(
    x = "Carat (log10 scale)",
    y = "Price (log10 scale)",
    title = "로그 척도에서 본 carat과 price"
  )

로그 축에서는 같은 거리의 차이가 원래 척도의 같은 배수 변화를 뜻합니다. 단순히 보기 좋게 만드는 장식이 아니라 해석의 척도를 바꾸는 결정입니다.

coord_cartesian()은 데이터를 버리지 않고 화면만 확대한다

zoom_base <- ggplot(hci_trials, aes(completion_time, trust)) +
  geom_point(alpha = 0.4) +
  geom_smooth(
    method = "lm",
    formula = y ~ x,
    se = FALSE,
    linewidth = 0.8
  )

zoom_base + coord_cartesian(xlim = c(30, 65))

반면 scale_x_continuous(limits = ...), xlim(), ylim()은 범위 밖 값을 통계 계산에서 제거할 수 있습니다. 단순 확대가 목적이라면 coord_cartesian()을 사용합니다.

축을 자를 때의 윤리

막대그래프는 길이 자체가 값을 나타내므로 y축을 중간에서 시작하면 차이를 과장할 수 있습니다. 축을 제한했다면 그 이유와 범위를 분명하게 드러냅니다.

GenAI Checkpoint — 축과 변환 감사 
아래 ggplot2 코드에서 축 제한과 변환이 데이터 또는 통계 계산을 바꾸는지 검토하라.
1. 화면 확대인지 데이터 제거인지 구분하라.
2. 독자가 차이를 과대평가할 위험을 설명하라.
3. 더 정직한 대안을 코드가 아닌 원칙으로 먼저 제시하라.

원자료와 요약통계를 함께 보여 주기

평균만 있는 막대는 분포, 표본 수, 극단값을 숨길 수 있습니다. 먼저 참여자별 인터페이스 평균을 계산합니다.

participant_time <- hci_trials |>
  summarise(
    mean_time = mean(completion_time),
    .by = c(participant_id, interface)
  )
time_summary <- participant_time |>
  summarise(
    n_participants = n(),
    mean_time = mean(mean_time),
    sd_time = sd(mean_time),
    se_time = sd_time / sqrt(n_participants),
    critical_t = qt(0.975, df = n_participants - 1),
    lower = mean_time - critical_t * se_time,
    upper = mean_time + critical_t * se_time,
    .by = interface
  )

time_summary
# A tibble: 2 × 8
  interface n_participants mean_time sd_time se_time critical_t lower upper
  <fct>              <int>     <dbl>   <dbl>   <dbl>      <dbl> <dbl> <dbl>
1 text                  72      49.4      NA      NA       1.99    NA    NA
2 voice                 72      43.5      NA      NA       1.99    NA    NA
ggplot(participant_time, aes(interface, mean_time)) +
  geom_jitter(width = 0.07, alpha = 0.3) +
  geom_pointrange(
    data = time_summary,
    aes(y = mean_time, ymin = lower, ymax = upper),
    linewidth = 0.7
  ) +
  labs(
    x = "Interface",
    y = "Participant-level mean completion time",
    title = "원자료 요약과 95% t interval을 함께 보기"
  )
Warning: Removed 2 rows containing missing values or values outside the scale range
(`geom_segment()`).

Warning

이 interval은 참여자별 평균의 불확실성을 기술적으로 요약한 것입니다. 동일 참여자가 두 조건을 모두 경험한 paired design의 공식 가설검정이나 혼합모형을 대신하지 않습니다. 그래프의 불확실성 표시와 최종 통계모형은 연구설계에 맞게 선택해야 합니다.

Labels, annotation, caption

좋은 제목은 그래프 종류가 아니라 질문 또는 핵심 패턴을 알려 줍니다.

trust_plot <- hci_trials |>
  summarise(
    mean_trust = mean(trust),
    .by = c(interface, task)
  ) |>
  ggplot(aes(task, mean_trust, colour = interface, group = interface)) +
  geom_line(linewidth = 0.9) +
  geom_point(size = 2.5) +
  scale_colour_viridis_d(end = 0.85) +
  coord_cartesian(ylim = c(3.5, 6)) +
  labs(
    title = "평균 신뢰는 과업과 인터페이스에 따라 달라 보인다",
    subtitle = "기술적 평균이며 반복측정 구조를 반영한 추론 결과는 아님",
    x = "Task",
    y = "Mean trust (1–7)",
    colour = "Interface",
    caption = "Synthetic HCI data generated for teaching"
  )

trust_plot

필요한 곳만 주석 달기

trust_plot +
  annotate(
    "text",
    x = 2,
    y = 5.8,
    label = "booking에서 두 조건 모두 신뢰가 낮아짐",
    hjust = 1,
    size = 3.5
  )

주석은 그래프가 이미 보여 주는 모든 값을 반복하지 않고, 독자가 놓치기 쉬운 비교를 제한적으로 안내합니다.

Quarto에서 그래프를 연구 산출물로 만들기

그래프 코드 청크에는 의미 있는 label, caption, alt text를 붙일 수 있습니다.

::: {.cell}

```{.r .cell-code}
ggplot(hci_trials, aes(interface, completion_time)) +
  geom_boxplot()
```

::: {.cell-output-display}
![인터페이스별 과업완료시간 분포](06_week_files/figure-html/fig-interface-time-1.png){#fig-interface-time fig-alt='text와 voice 조건의 완료시간을 점과 상자그림으로 비교한 그래프' width=672}
:::
:::
  • fig-cap: 그림 아래에 표시되는 설명
  • fig-alt: 화면 낭독기 사용자를 위한 대체텍스트
  • label: 안정적인 파일명과 교차참조에 활용
  • fig-width, fig-height: 출력 크기 조정

Quarto figure options

Alt text는 그래프 해석을 대신하지 않는다

좋은 alt text는 다음을 포함합니다.

  1. 그래프 유형
  2. 축과 비교 집단
  3. 가장 중요한 시각적 패턴
  4. 이해에 필요한 핵심 예외
Scatterplot of completion time against trust for text and voice interfaces.
Trust generally decreases as completion time increases, with substantial overlap
between interfaces and several slow trials above 70 seconds.
GenAI Checkpoint — 접근성 검토

그래프 코드와 자신이 작성한 alt text를 함께 제공하고 다음을 요청합니다.

이 alt text가 그래프 유형, 축, 집단, 핵심 패턴을 포함하는지 평가하라.
색 이름만으로 집단을 설명하지 말고, 데이터에 없는 결론을 추가하지 말라.
100단어 이내의 수정안을 제안하라.

그래프 저장하기

마지막으로 생성된 그래프에 의존하기보다 저장할 객체를 명시합니다.

final_plot <- ggplot(
  hci_trials,
  aes(completion_time, trust, colour = interface)
) +
  geom_point(alpha = 0.45) +
  facet_wrap(vars(task)) +
  scale_colour_viridis_d(end = 0.85) +
  labs(
    x = "Completion time (seconds)",
    y = "Trust (1–7)",
    colour = "Interface"
  )

final_plot

dir.create("figures", showWarnings = FALSE)

ggsave(
  filename = "figures/hci-completion-trust.png",
  plot = final_plot,
  width = 7,
  height = 4.5,
  units = "in",
  dpi = 300,
  bg = "white"
)

저장할 때 확인합니다.

  • 화면과 논문에서 필요한 가로세로 비율
  • 글자 크기와 범례 크기
  • raster(.png)와 vector(.pdf, .svg) 형식의 목적
  • 파일명에 그래프의 내용을 알 수 있는 표현 사용
  • 결과를 재생성할 수 있는 코드 보존

Visual integrity audit

최종 그래프를 내보내기 전에 다음을 점검합니다.

Data

Encoding

Communication

GenAI

GenAI Red Team: 그래프를 공격하게 하기

당신은 데이터 시각화 reviewer다.
아래 그래프 코드, 변수 설명, 내가 작성한 해석을 검토하라.

다음 관점에서 가장 중요한 문제만 최대 5개 제시하라.
- 관측단위와 반복측정
- count와 proportion의 분모
- 축 범위와 변환
- 겹침과 숨겨진 분포
- 색상 접근성
- 표본 수가 작은 하위집단
- 상관관계를 인과관계로 표현한 문장

각 문제에 대해 “왜 문제인지 → 확인할 증거 → 가능한 수정” 순서로 답하라.
그래프를 직접 보지 못했다면 보았다고 주장하지 말고 코드에서 판단 가능한 범위만 말하라.
Important

AI의 비판을 모두 받아들이는 것이 목표가 아닙니다. 자신의 연구질문과 자료구조에 비추어 채택·수정·기각 이유를 설명하는 것이 목표입니다.

Activity: Visual Evidence Lab

연구질문 선택

아래 중 하나를 선택하거나 자신의 HCI 질문을 사용합니다.

  1. voice와 text 인터페이스의 완료시간 분포는 어떻게 다른가?
  2. 오류 수와 신뢰 사이에는 어떤 패턴이 있는가?
  3. 과업에 따라 인터페이스별 성공률이 다르게 보이는가?
  4. 디지털 리터러시와 완료시간의 관계가 인터페이스별로 다른가?

Round 1 — Human first

AI 없이 다음을 작성합니다.

  • 연구질문
  • 한 행과 한 점의 관측단위
  • 변수 유형
  • 선택할 그래프와 이유
  • 예상되는 패턴
  • 가장 먼저 확인할 위험 한 가지

Round 2 — Build incrementally

최소 세 단계의 버전을 저장합니다.

  1. data + mapping + geom
  2. 겹침·분포·분모를 보완한 버전
  3. labels·scale·facet·접근성을 보완한 최종 버전

Round 3 — AI audit

GenAI에게 완성 그래프를 다시 그려 달라고 하기보다 다음을 검토하게 합니다.

  • 질문과 그래프의 일치
  • 누락된 표본 수 또는 분모
  • 축과 색상의 오해 가능성
  • 대안 그래프 한 가지
  • 과도한 해석 문장

제출물

  1. 최종 그래프 2개
  2. 각 그래프의 research question
  3. caption과 alt text
  4. Visual Claim Card
  5. AI Collaboration Log

Visual Claim Card

항목 작성할 내용
Question 그래프가 답하려는 질문
Unit 한 행과 한 점의 의미
Visual evidence 실제로 보이는 패턴
Numerical check 패턴을 확인한 수치 요약
Interpretation 가능한 설명
Alternative 다른 설명 또는 교란 가능성
Boundary 그래프로 말할 수 없는 것
Next step 추가 자료 또는 분석

AI Collaboration Log

항목 기록할 내용
목적 차트 선택, 코드 디버깅, 접근성, reviewer 등
내가 먼저 한 시도 AI 사용 전 그래프와 예상
프롬프트 실제 요청의 핵심
AI 제안 제안 요약
검증 실행한 코드와 확인한 결과
결정 채택·수정·기각과 이유
최종 변화 그래프 또는 해석의 변화

마무리

오늘 익혀야 할 것은 geom의 긴 목록이 아니라 다음의 반복 가능한 사고 과정입니다.

질문을 정한다 → 관측단위와 변수 유형을 확인한다 → 가장 단순한 그래프를 만든다 → 분포·표본·분모·축을 감사한다 → 필요한 층만 추가한다 → 관찰과 해석의 경계를 설명한다

다음 주에는 그래프에서 발견한 패턴을 평균, 중앙값, 표준편차, IQR, 비율과 같은 기술통계로 요약하고, 체계적인 EDA workflow로 확장합니다.