나뭇잎 교과서

탐구 데이터의 종류와 가치

"오늘은 덥다", "기온 31.2 °C", "미세먼지 나쁨"은 모두 데이터입니다. 그런데 이 셋으로 할 수 있는 계산은 서로 다릅니다. 어떤 데이터로 어디까지 말할 수 있는지 알아야, 데이터에서 지식을 끌어낼 수 있습니다.

먼저 알면 좋은 것 평균과 중앙값절대 온도
본문

탐구 데이터의 종류와 가치

본문

어제 낮 기온이 10 °C였고 오늘은 20 °C이다. 그러면 오늘이 어제보다 두 배 따뜻하다고 말할 수 있을까? 같은 날 몸무게 40 kg인 동생과 80 kg인 아버지를 두고 아버지가 두 배 무겁다고 말하는 것은 자연스럽다. 그런데 온도에서는 왜 어색할까? 그리고 설문의 '매우 그렇다'와 '그렇다' 사이, 혈액형 A와 B 사이에도 이런 계산을 할 수 있을까? 탐구 자료의 종류에 따라 할 수 있는 계산이 어떻게 달라지는지 알아보자.

그림 1. 섭씨 눈금(위)으로는 20 °C가 10 °C의 두 배로 보이지만, 0점이 진짜 0인 절대 온도(아래)로 바꾸면 두 값의 비는 1.035에 지나지 않는다.
먼저 알아야 할 것온도와 분자 운동(통합과학), 대푯값과 비율(수학), 예술·사회과학과 과학의 탐구 비교(예술·사회과학과 과학 탐구 비교).

1.3.1측정의 네 가지 척도

탐구에서 모은 자료는 숫자로 적혀 있어도 모두 같은 계산을 할 수 있는 것은 아니다. 혈액형이나 식물의 종처럼 이름으로 나누기만 하는 자료는 명목 척도이다. 설문의 '전혀 아니다'부터 '매우 그렇다'까지처럼 순서는 있지만 간격이 같다는 보장이 없는 자료는 서열 척도이다. 섭씨 온도처럼 간격은 같지만 0이 '없음'을 뜻하지 않는 자료는 간격 척도이고, 길이와 질량, 절대 온도처럼 0이 진짜 없음을 뜻하는 자료는 비율 척도이다.

정리 1.3.1 척도와 할 수 있는 계산

명목 척도는 개수를 세고 최빈값을 구할 수 있다. 서열 척도는 여기에 순서 비교와 중앙값이 더해진다. 간격 척도는 차이와 평균을 계산할 수 있다. 비율 척도에서만 '몇 배'라는 비를 말할 수 있다. 섭씨 온도 \(t\)를 절대 온도로 바꾸면 \(T = t + 273.15\)이다.

그림 1에서 두 온도를 바꾸어 보자. 10 °C와 20 °C의 섭씨 값의 비는 2이지만, 절대 온도로는 283.15 K와 293.15 K라서 비가 약 1.035이다. 기체 분자의 평균 운동 에너지는 절대 온도에 비례하므로, 20 °C의 공기 분자는 10 °C일 때보다 겨우 3.5% 더 빠르게 움직이는 에너지를 가진다. 섭씨의 0 °C는 물이 어는 온도로 정한 것일 뿐, 열이 없다는 뜻이 아니기 때문이다.1

1.3.2자료의 종류가 정하는 탐구

척도를 잘못 읽으면 결론이 틀어진다. 설문에서 '매우 그렇다'에 5, '그렇다'에 4를 주고 평균을 내는 일이 흔하지만, 응답자마다 두 답 사이의 거리를 다르게 느낄 수 있다. 그래서 서열 자료는 평균과 함께 중앙값이나 응답 비율을 보는 것이 안전하다. 반대로 측정 자료를 '높음, 낮음'으로만 나누어 적으면 정보가 줄어 작은 차이를 놓친다. 따라서 탐구를 설계할 때는 무엇을 계산하고 싶은지를 먼저 정하고, 그 계산이 가능한 척도로 자료를 모아야 한다.

척도예가능한 계산 명목혈액형, 식물의 종개수, 최빈값 서열설문 응답, 지진 진도위에 더해 순서, 중앙값 간격섭씨 온도, 연도위에 더해 차이, 평균 비율길이, 질량, 절대 온도위에 더해 몇 배인지
그림 2. 아래 척도로 갈수록 자료가 담은 정보가 많아지고, 할 수 있는 계산도 늘어난다.

1.3.3예제 풀이

예제 1.3.2

밀폐된 강철 통 속 기체의 온도를 27 °C에서 327 °C로 높였다. 어떤 학생은 "온도가 약 12배가 되었으니 압력도 약 12배가 된다"고 말했다. 이 말을 바로잡고, 실제로 압력이 몇 배가 되는지 구하여라. 부피는 변하지 않는다.

부피가 일정한 기체의 압력은 절대 온도에 비례한다. 27 °C는 \(27 + 273 = 300\) K이고, 327 °C는 \(327 + 273 = 600\) K이다.

따라서 압력은 \(600 \div 300 = 2\)배가 된다. 섭씨 값의 비인 약 12배는 0점이 임의로 정해진 간격 척도에서 비를 계산한 잘못이다. 만약 이 학생의 말을 믿고 12배의 압력을 견디도록 통을 설계했다면 재료를 크게 낭비했을 것이고, 반대로 다른 경우에는 위험을 얕보았을 수도 있다. 그래서 자료의 척도를 아는 것은 계산의 기초이면서 안전의 문제이기도 하다.

아래 탐구 카드에서 여러 탐구 자료를 척도에 따라 나누어 보고, 각 자료로 할 수 있는 계산과 그 자료가 지닌 가치를 살펴보자.

  1. 켈빈은 1848년 기체의 부피가 온도에 따라 줄어드는 비율을 거꾸로 이어 가면 약 −273 °C에서 0이 된다는 데서 절대 온도를 생각해 냈다. 그래서 절대 온도의 단위에 그의 이름이 붙었다.
마무리

탐구 자료는 명목, 서열, 간격, 비율의 네 척도로 나뉘고, 척도에 따라 할 수 있는 계산이 다르다. 섭씨 온도는 0점이 임의인 간격 척도라서 차이는 말할 수 있지만 몇 배인지는 말할 수 없고, 비를 말하려면 절대 온도로 바꾸어야 한다. 그래서 처음 질문의 20 °C는 10 °C보다 두 배 따뜻한 것이 아니라, 절대 온도로 약 3.5% 높을 뿐이다.

탐구 1

20 °C는 10 °C보다 두 배 따뜻할까?

데이터의 종류 · 측정 척도 · 표현을 바꿔 보는 검사
데이터
계산

—

학교 기상 동아리가 11일 동안 기록했다고 가정한 모식 자료이다. 각 줄은 같은 자료를 다른 부호나 단위로 적은 것이다. 계산 결과를 원래 표현으로 되돌려 비교한다.

  1. 질문어제 최고 기온이 10 °C, 오늘이 20 °C라면 오늘이 "두 배 따뜻하다"고 말할 수 있을까? 미세먼지 등급을 1~4로 바꿔 평균을 내면 "평균 등급 2.4"는 무슨 뜻일까?
  2. 복원데이터는 크게 말이나 범주로 기록하는 질적 데이터(구름 모양, 인터뷰 내용)와 수로 기록하는 양적 데이터(기온, 강수량)로 나뉜다. 섭씨 0 °C는 물이 어는 온도로 정한 것이고, 절대 온도 0 K는 열운동이 가장 작은 상태이다.
  3. 설명숫자로 적혀 있어도 다 같은 숫자가 아니다. 명목 척도(구름 모양, 혈액형)는 이름표일 뿐이고, 순서 척도(등급, 순위)는 순서만 뜻이 있다. 등간 척도(섭씨 기온)는 차이에 뜻이 있지만 0이 임의로 정해졌고, 비율 척도(강수량, 질량, 절대 온도)는 0이 '없음'을 뜻해 몇 배인지도 말할 수 있다.
  4. 연결어떤 계산이 의미 있는지 확인하는 방법은 간단하다. 정보는 그대로 두고 부호나 단위만 바꿔서 같은 계산을 했을 때 결론이 바뀌면, 그 계산은 데이터가 아니라 우리가 고른 표현에 대해 말하고 있는 것이다.
  5. 적용네 데이터와 네 계산을 하나씩 짝지어 보자. 줄마다 결과가 같으면 초록, 다르면 빨강으로 표시된다. 표를 만들어 "의미 있는 계산"에 표시하고, 척도마다 쓸 수 있는 계산이 어떻게 늘어나는지 정리해 보자.
  6. 판단컴퓨터는 숫자로 적힌 열이면 무엇이든 평균을 내 준다. 설문의 "매우 그렇다 = 5 … 전혀 아니다 = 1" 점수를 평균하는 일은 흔하지만, 간격이 같다는 가정을 깔고 있다는 것을 알고 써야 한다. 또 기온처럼 연속적인 값은 같은 값이 거의 반복되지 않아 최빈값이 쓸모없을 때가 많다.

확인조건이 달라지면

두 물체의 온도가 −10 °C와 20 °C이다. 두 물체에 대해 "의미 있는" 말은?

읽기 2

데이터는 어떻게 지식이 될까?

읽기 · 질적·양적 데이터 · 1차·2차 데이터 · 공개 데이터와 메타데이터

1958년부터 하와이 마우나로아 관측소에서 잰 이산화 탄소 농도는 처음 몇 년 동안은 "계절에 따라 오르내리는 숫자"였다. 수십 년이 쌓이자 그 숫자는 대기 조성이 바뀌고 있다는 가장 유명한 증거가 되었다. 데이터의 가치는 어디서 생길까?

1데이터의 여러 종류

나누는 기준종류예
기록하는 방식질적 데이터 (말, 범주, 그림, 소리)야외 관찰 일지, 인터뷰 녹취, 구름 모양, 사진
양적 데이터 (수와 단위)기온, 질량, 개체 수, 측정 전압
누가 모았나1차 데이터 (탐구자가 직접 관찰·측정·조사)교실 CO₂ 센서 기록, 직접 받은 설문
2차 데이터 (다른 사람이나 기관이 모은 것을 활용)기상청 관측 자료, 논문의 표, 공공 데이터
값의 성격범주형 (명목, 순서)혈액형, 미세먼지 등급
수치형 (셀 수 있는 값인 이산, 잴 수 있는 값인 연속)알 개수 / 키, 시간

질적 데이터가 양적 데이터보다 덜 과학적인 것은 아니다. 제인 구달은 1960년 탄자니아 곰베에서 침팬지가 풀줄기를 흰개미 굴에 넣어 흰개미를 꺼내 먹는 모습을 관찰해 기록했다. "도구는 사람만 쓴다"는 생각을 바꾼 이 발견은 숫자가 아니라 꼼꼼한 관찰 기록에서 나왔다. 질적 데이터는 무엇을 재야 할지 알려 주고, 양적 데이터는 얼마나, 얼마나 자주인지를 알려 준다.

2데이터의 가치는 쌓이고 나눌 때 커진다

먼저 오래 쌓인 데이터가 힘을 낸다. 킬링이 시작한 마우나로아 CO₂ 관측은 같은 장소, 같은 방법으로 60년 넘게 이어졌다. 한 해의 값만으로는 알 수 없는 장기 추세는 측정 방법을 바꾸지 않고 오래 기록해야 보인다.

공개된 데이터도 그렇다. 인간 유전체 사업 참여자들은 1996년 버뮤다 회의에서 해독한 염기 서열을 하루 안에 공개하기로 약속했다. 누구나 받아 쓸 수 있게 되자 전 세계 연구자가 같은 자료로 서로 다른 질문을 던질 수 있었다.

또 여러 데이터를 결합할 수 있다. 기상 관측, 위성 영상, 인구 자료를 겹치면 폭염 피해가 어느 지역의 누구에게 집중되는지 같은, 한 자료만으로는 답할 수 없는 질문을 다룰 수 있다.

우리나라에서도 공공데이터포털, 기상청 기상자료개방포털, 에어코리아 등에서 많은 데이터를 내려받을 수 있다. 미국 항공우주국(NASA)과 해양대기청(NOAA)도 관측 자료를 공개한다. 이런 공개 데이터는 학생도 실제 연구와 같은 자료로 탐구할 수 있게 해 준다.

3데이터에 대한 데이터, 메타데이터

"23.4"라는 숫자만으로는 아무것도 알 수 없다. 무엇을(기온), 어떤 단위로(°C), 언제, 어디서(지상 1.5 m, 백엽상 안), 어떤 기기로, 누가 쟀는지가 함께 있어야 한다. 이런 정보를 메타데이터라 한다. 메타데이터가 없으면 다른 사람이 데이터를 다시 쓸 수 없고, 측정 기기를 바꾼 시점에 생긴 가짜 변화를 실제 변화로 착각할 수도 있다.

그래서 과학계는 데이터를 찾을 수 있고(Findable), 접근할 수 있고(Accessible), 다른 자료와 함께 쓸 수 있고(Interoperable), 다시 쓸 수 있게(Reusable) 관리하자는 FAIR 원칙(2016)을 제안했다.

판단데이터가 많다고 저절로 지식이 되지는 않는다. 질문이 있어야 어떤 데이터가 필요한지 정할 수 있고, 데이터가 어떻게 모였는지 알아야 무엇까지 말할 수 있는지 판단할 수 있다. 2차 데이터를 쓸 때는 출처, 측정 방법, 이용 조건(라이선스)을 확인하고, 개인 정보가 담긴 데이터는 동의와 익명화 없이 쓰거나 공개하면 안 된다.

확인조건이 달라지면

한 학생이 인터넷에서 "우리 동네 연평균 기온 1990~2020" 표를 찾았다. 2005년 이후 기온이 갑자기 0.8 °C 높아져 있다. 결론을 내기 전에 가장 먼저 확인할 것은?

AI 출제 문항연습문제 풀어보기14문항
Esc

↑↓ 고르기Enter 열기