개인차를 고려한 일반인식이론(GRT)에서 식별가능성과 검증가능성 재조명

본 논문은 일반인식이론(General Recognition Theory, GRT)의 2×2 Gaussian 모델에서 오랫동안 제기되어 온 두 가지 식별 불가능성 문제를 심도 있게 탐구한다. 첫 번째 문제는 결정적 구분성(Decisional Separability, DS)의 실패가 완전 매개변수화된 2×2 모델에서는 관측 데이터로부터 식별될 수 없다는 점이다. Silbert와 Thomas(2013)는 선형 결정 경계가 좌표축에 평행하지 않을 경우, 회전(R)과 전단(S)이라는 두 가지 선형 변환을 적용하면 경계를 좌표축에 맞출 수 있음을 보였으며, 이 변환은 확률 분포를 보존하므로 DS가 실패한 모델과 DS가 성립한 모델이 동일한 응답 확률을 만든다고 증명했다. 따라서 DS 자체는 데이터로부터 검증할 수 없는 ‘비검증가능(testability)’ 특성을 가진다. 두 번째 문제는 평균(mean)과 주변 분산(marginal variance)이 동시에 식별될 수 없다는 전통적인 결과이다. 기존 연구(Wickens, 1992 등)는 이 현상을 직관적으로 언급했지만, 본 논문은 이를 2×2 Gaussian GRT 모델 전반에 대해 엄밀히 증명한다. 핵심은 평균 벡터와 공분산 행렬 사이에 스케일 변환이 존재해 동일한 확률 밀도 함수를 생성한다는 점이며, 이는 관측된 혼동 행렬(confusion matrix)만으로는 평균과 분산을 구분할 수 없음을 의미한다. 이러한 배경에서 최근 제안된 GRTwIND(GRT with Individual Differences) 모델이 등장한다. GRTwIND는 ‘보편적 지각(universal perception)’이라는 가정을 도입한다. 이 가정에 따르면 모든 피험자는 동일한 지각 분포를 공유하고, 개인 차이는 주의(attentional)와 전역 스케일링(global scaling) 파라미터를 통해 조정된다. 보편적 지각이 성립한다면, 개별 피험자의 DS 실패는 전체 모델에 영향을 주지 않으며, 따라서 DS와 평균·분산 식별 문제가 조건부로 해결된다고 주장한다. 그러나 저자는 GRTwIND가 보편적 지각과 개별 DS 실패를 동시에 허용할 경우, 두 모델 사이에 일대일 선형 변환이 존재함을 증명한다. 구체적으로, 보편적 지각을 유지하면서 DS가 실패하는 GRTwIND 모델은, 보편적 지각을 포기하고 DS가 성립하는 모델과 동일한 응답 확률을 만든다. 이는 GRTwIND 자체만으로는 보편적 지각 가정을 검증할 수 없으며, DS와 보편적 지각이 통계적으로 구분 불가능한 상태가 됨을 의미한다. 따라서 GRTwIND가 제시한 ‘조건부 해결책’은 실제로는 가정 자체가 검증 불가능하다는 한계가 있다. 다음으로, 저자는 2×2 Gaussian GRT 모델(및 GRTwIND 포함)에서 평균과 주변 분산이 동시에 식별될 수 없다는 사실을 정식으로 증명한다. 이 증명은 선형 변환을 이용해 평균과 공분산을 동시에 변형시켜도 모델이 예측하는 응답 확률이 변하지 않음을 보인다. 결과적으로, 관측된 혼동 행렬만으로는 평균과 분산을 구분할 수 없으며, 추가적인 제약이 필요하다. 이러한 두 가지 비식별성 문제를 해결하기 위해 저자는 GRT 모델을 정의할 때 ‘위치(location)와 규모(scale)’를 고정하는 파라미터 집합 외에도 ‘차원 직교성(orthogonality)’을 명시적으로 고정해야 한다고 주장한다. 차원 직교성은 지각 차원 간 독립성(perceptual independence)과 직결되며, 이를 고정함으로써 모델의 식별가능성을 확보하고 DS, PS(Perceptual Separability) 등을 검증 가능한 형태로 만든다. 저자는 특히 DS를 가정함으로써 차원 직교성을 보장하는 것이 가장 직관적이며, 다중 수준(multilevel) 모델이나 n×m 모델에서도 유사한 제약이 필요함을 강조한다. 마지막으로, ‘지각 우선성(perceptual primacy)’ 개념을 논의한다. 보편적 지각이 실제 인지 메커니즘을 반영한다면, 특정 차원이 다른 차원보다 우선적으로 처리된다는 가정을 정당화할 수 있다. 그러나 이 역시 경험적으로 검증하기 위해서는 추가적인 실험 설계와 제약이 필요하다. 결론적으로, GRTwIND는 보편적 지각 가정 하에 DS와 평균·분산 식별 문제를 ‘조건부’로 해결하지만, 그 자체로는 보편적 지각을 검증할 수 없으며, 모델의 차원 직교성을 명시적으로 고정하는 것이 필수적이다. 이러한 통찰은 GRT 기반 인지 모델링에서 파라미터 제약과 검증 전략을 재고하게 만든다.