DAG 시각적 유사성 인지에 영향을 주는 요인 분석

초록

본 연구는 사람들의 유향 비순환 그래프(DAG) 시각적 비교 과정에서 어떤 특성이 유사성 판단에 가장 크게 작용하는지를 카드 정렬 실험을 통해 규명한다. 69개의 작은 합성 DAG를 20명의 참여자에게 제시하고, 유사하다고 생각되는 그래프들을 자유롭게 그룹화하도록 하였다. 결과는 레벨 수, 각 레벨의 노드 수, 그리고 전체적인 형태(대칭·비대칭)가 유사성 인지에 핵심적인 요인임을 보여준다.

상세 분석

이 논문은 시각적 그래프 비교가 금융, 생물학, 자연어 처리 등 다양한 분야에서 핵심 작업임을 전제로, 인간이 DAG를 어떻게 인지하고 유사성을 판단하는지에 대한 근본적인 이해가 부족하다는 점을 지적한다. 이를 메우기 위해 저자들은 카드 정렬(card‑sorting)이라는 전통적인 인지심리·HCI 방법을 채택했으며, 이는 참가자들이 직접 그룹을 형성하고 그 이유를 태깅하도록 함으로써 ‘열린(open)’ 정렬 방식을 구현한다. 실험에 사용된 69개의 DAG는 6~9개의 노드로 구성된 합성 그래프이며, 기본 그래프 G0에서 시작해 노드와 엣지를 단계적으로 추가·변형한 뒤, 엣지 교차, 레이아웃, 다중 부모·자식 관계, 장거리 연결 등 네 가지 사전 정의된 요인을 고려해 다운샘플링하였다.

참가자는 20명(남 13, 여 7)으로 연령·전문성에 다양성을 두었으며, 사전 지식이 없는 일반 사용자부터 정보 시각화에 익숙한 고급 사용자까지 포함했다. 실험 절차는 각 참가자가 69장의 그래프 카드를 보고 유사하다고 생각되는 그래프들을 여러 그룹으로 나누고, 각 그룹에 사용된 판단 기준을 자유 서술형 태그로 기록하도록 설계되었다. 또한 그룹 형성 난이도와 일관성에 대한 자기 평가를 5점 Likert 척도로 수집해 정량적 신뢰성을 확보했다.

데이터 분석은 두 축으로 진행되었다. 첫 번째는 그룹화 패턴을 클러스터링하고, 참가자 간 일관성을 측정해 ‘공통된 인지 구조’를 도출하는 것이었다. 두 번째는 태그 분석을 통해 어떤 그래프 특성이 실제 판단 근거로 사용됐는지를 정성·정량적으로 파악했다. 결과는 대부분의 참가자가 레벨 수(그래프 깊이), 레벨당 노드 수(가로 폭), 그리고 전체적인 형태(대칭·비대칭, 폭/높이 비율) 등을 주요 기준으로 삼았으며, 엣지 교차나 구체적인 연결 패턴은 상대적으로 낮은 중요도를 보였다. 특히, 레벨 수와 레벨당 노드 수는 서로 상보적인 역할을 하여, 같은 레벨 수라도 노드 배치가 달라지면 다른 그룹으로 분류되는 경향이 있었다.

이러한 발견은 기존 그래프 유사도 측정(예: 그래프 편집 거리)에서 흔히 사용되는 구조적·위상적 요소와는 차별화된다. 인간이 시각적으로 빠르게 파악하는 ‘형태적’ 특성이 인지적 부하를 최소화하고, 비교 작업을 효율화한다는 점을 시사한다. 따라서 향후 시각적 비교 도구는 레벨 구조와 전체적인 실루엣을 강조하는 디자인 원칙을 채택하고, 불필요한 엣지 교차나 세부 연결은 부가적인 인터랙션(예: 강조·숨김)으로 처리하는 것이 바람직하다.

또한, 연구는 카드 정렬이 그래프 인지 연구에 적합한 방법임을 입증한다. 종이 기반의 전시가 모든 그래프를 한눈에 보여줌으로써 기억 부하를 줄이고, 참가자가 직접 그룹을 재배치할 수 있어 높은 일관성을 확보했다. 향후 연구에서는 디지털 카드 정렬의 인터페이스 개선, 더 큰 규모의 DAG(노드 수 20~30) 및 실제 도메인 데이터(예: 금융 거래 흐름) 적용을 통해 일반화 가능성을 검증할 필요가 있다.