[출제 의도] 빅데이터 분석과 인공지능(AI)이 찾아내는 수학적 패턴인 '상관관계(Correlation)'가 반드시 현상의 진짜 원인인 '인과관계(Causation)'를 뜻하지 않음을 이해하고 있는가? 제3의 변수(교락변수)에 의해 발생하는 통계적 착시를 꿰뚫어 보고, 데이터를 올바르게 해석하는 비판적 사고력(데이터 문해력)을 논리적으로 평가한다.
상황 제시
어느 해안 도시에서 수년간의 데이터를 분석한 결과, "아이스크림 판매량이 증가할수록, 해수욕장에서의 익사 사고 발생 건수도 정확히 비례하여 증가한다"는 충격적인 통계 결과가 도출되었다.
이 데이터를 학습한 인공지능(AI)은 익사 사고를 줄이기 위한 최적의 해결책으로 "아이스크림 판매를 법으로 금지해야 한다"는 분석 보고서를 내놓았다. 이 통계적 분석이 가진 수학적, 논리적 오류를 다음 세 단계의 물음을 통해 비판적으로 논증하시오.
[문제 1] 패턴의 발견: 산점도와 양의 상관관계 (기초 역량)
두 변수 $X$(아이스크림 판매량)와 $Y$(익사 사고 건수)의 관계를 시각적으로 나타내는 산점도(Scatter plot)의 개념을 설명하고, $X$ 가 증가할 때 $Y$ 도 함께 증가하는 현상을 통계학에서 어떤 '상관관계(Correlation)'라 부르는지 서술하시오.
해설 및 모범 채점 기준 확인하기
수능 영어 1등급을 결정짓는 킬러 문항 정복
청랑북스 추천 도서
S-Class 수능 영어 킬러 마스터 1권
수능 영어 최상위권을 향한 30일의 여정! 단순히 영어 문장을 번역하는 수준을 넘어, 지문 전체의 뼈대를 파악하고 문장 간의 숨겨진 유기적 연결고리를 찾아내는 대수적 사고력을 길러드립니다.
통계학에서 두 변수 $X$ 와 $Y$ 사이의 수학적 관계를 파악하기 위해, 각각의 데이터를 $x$ 축과 $y$ 축에 점으로 찍어 그래프로 나타낸 것을 '산점도(Scatter Plot)'라고 합니다.
상황 제시의 데이터처럼 한 변수 $X$(아이스크림 판매량)의 값이 커짐에 따라 다른 변수 $Y$(익사 사고 건수)의 값도 대체로 커지는 경향을 띠는 현상을 통계학에서는 '양의 상관관계(Positive Correlation)'가 있다고 합니다. 이 두 변수가 직선의 형태로 얼마나 밀접하게 연관되어 있는지를 나타내는 수치를 상관계수($r$)라 부르며, 이 수치가 $1$ 에 가까울수록 두 변수 간의 동기화 현상(함께 오르고 내림)이 강력함을 의미합니다.
정답: 좌표평면에 점을 찍어 시각화한 것을 산점도라 하며, 두 변수가 함께 증가하는 패턴을 '양의 상관관계'라 한다.
평가 요소
채점 기준 및 감점 요인
배점
산점도의 정의
데이터를 $x, y$ 좌표 평면에 점으로 찍어 시각적 패턴을 파악하는 도구임을 정확히 서술함.
+10점
상관관계의 분류
한 변수가 증가할 때 다른 변수도 동반 상승하는 패턴을 '양의 상관관계'라는 통계 용어를 사용하여 명확히 기술함.
+15점
[문제 2] 착시의 원인: 제3의 변수(교락변수)의 개입 (응용 역량)
인공지능은 1번의 상관관계를 바탕으로 아이스크림이 익사 사고의 '원인'이라고 잘못된 인과관계(Causation)를 도출했다. 수학과 통계학에서는 이처럼 상관관계가 인과관계를 보장하지 않는다고 경고한다. 겉보기에 강한 상관관계를 보이지만 실제로는 전혀 원인-결과가 아닌 이 현상 뒤에 숨겨진 '제3의 변수(교락변수, Confounding Variable)'가 무엇인지 추론하고, 이것이 통계적 착시를 만들어낸 논리적 원리를 서술하시오.
해설 및 모범 채점 기준 확인하기
지문 구조를 꿰뚫는 완벽한 독해의 기술
청랑북스 추천 도서
S-Class 수능 영어 킬러 마스터 3권 (DAY21~30)
단순히 영어 문장을 번역하는 수준을 넘어, 지문 전체의 뼈대를 파악하고 문장 간의 숨겨진 유기적 연결고리를 찾아내는 '논리적 사고력'이 필요합니다. 30일 완성 마스터 플랜으로 상위 1%에 도전하세요.
통계학의 가장 위대한 금언은 "상관관계는 인과관계를 의미하지 않는다(Correlation does not imply causation)" 입니다.
아이스크림을 먹는 행위 자체가 사람을 물에 빠뜨리는 원인(인과관계)이 될 수는 없습니다. 이 두 변수가 수치적으로 완벽하게 함께 오르내리는 양의 상관관계를 보이는 이유는, 이 둘 뒤에 숨겨진 공통의 진짜 원인인 '제3의 변수(여름, 폭염)'가 존재하기 때문입니다.
여름이 되어 날씨가 더워지면 당연히 아이스크림 판매량이 급증합니다(A). 동시에 날씨가 덥기 때문에 수많은 사람들이 피서를 위해 바다로 몰려가고, 이로 인해 확률적으로 익사 사고 발생 건수도 급증합니다(B). 결국 '여름'이라는 진짜 원인 변수가 A와 B를 동시에 증가시켰을 뿐인데, 겉으로 드러난 숫자(데이터)만 분석하는 기계는 중간 과정을 생략하고 A와 B가 서로 직접적인 원인과 결과인 것처럼 착각하는 논리적 오류를 범하게 됩니다. 통계학에서는 이처럼 관측되지 않고 뒤에서 두 변수에 영향을 주는 진짜 원인을 '교락변수(Confounding Variable)'라고 부릅니다.
정답: '상관관계'가 '인과관계'를 보장하지 않는다. 두 현상이 함께 증가한 진짜 원인은 숨겨진 제3의 교락변수(여름날씨, 폭염) 때문이다.
평가 요소
채점 기준 및 감점 요인
배점
상관과 인과의 분리
"상관관계는 인과관계를 의미하지 않는다"는 통계학적 명제를 명확히 제시함.
+15점
제3의 변수 추론 능력
두 현상을 동시에 유발한 진짜 원인인 제3의 변수('여름날씨/기온')를 정확히 추론하고 논리적 착시 현상을 설명함.
+15점
[문제 3] AI의 한계와 통계적 리터러시의 필연성 (심층 사고력)
인공지능 머신러닝 알고리즘은 본질적으로 다차원 공간에서 가장 오차가 적은 '상관관계(패턴)'를 찾아내는 거대한 통계 방정식의 연속이다. 위 2번 문항의 결론을 바탕으로, AI 모델이 도출한 예측값(결과)을 무비판적으로 수용하여 정책이나 의사결정에 반영할 때 발생할 수 있는 치명적 위험성을 지적하고, AI 시대에 인간이 갖추어야 할 '데이터 리터러시(데이터 문해력)'의 역할에 대해 종합적으로 논술하시오.
해설 및 모범 채점 기준 확인하기
비문학 독해와 논술 실력을 동시에 잡는 기적의 15분
청랑북스 추천 도서
하루 15분, 시사 논술 필사
단순히 글자를 따라 적는 연습에 그치지 않고, '논술 공식 → 쟁점 분석 → 핵심 어휘 → 예시 답안 필사'로 이어지는 체계적 프로세스로 논리적 글쓰기 실력과 비문학 독해력을 동시에 끌어올려 줍니다.
현재 인류가 열광하는 인공지능(AI)은 스스로 도덕적 옳고 그름을 사유하거나 현상의 '진짜 원인(Why)'을 탐구하는 지적 생명체가 아닙니다. AI는 단지 수십억 개의 과거 데이터를 기반으로 '수학적으로 가장 발생 확률이 높은 패턴(상관관계)'을 기계적으로 찾아내는 거대한 통계 모델에 불과합니다.
[상관관계의 무비판적 수용의 위험성] 만약 인간이 통계적 검증 능력을 상실하고 AI가 던져주는 "아이스크림을 금지해라", "특정 인종이 대출 연체율이 높으니 대출을 거절해라"와 같은 상관관계적 패턴을 '진리(인과관계)'로 착각하고 맹신하게 된다면, 우리 사회는 데이터의 겉모습에 속아 치명적인 차별과 오류적 정책을 양산하게 될 것입니다.
[데이터 리터러시의 역할] 따라서 이 시대의 인간에게 가장 필요한 무기는 코딩 기술 그 자체가 아니라 '데이터 리터러시(데이터 문해력)'입니다. AI가 엄청난 연산 속도로 1차적인 상관관계를 찾아내면, 인간은 비판적 사고를 발휘하여 그 이면에 숨겨진 제3의 변수나 인과적 오류가 없는지 철학적, 논리적으로 검증(Filtering)해야 합니다. 기계가 뱉어내는 맹목적인 '상관관계'를 인간의 통찰력으로 필터링하여 진짜 '인과관계'로 승화시킬 때만이, 인류는 통계적 착시에 빠지지 않고 올바른 미래를 설계할 수 있습니다.
정답: AI는 원인을 모르고 패턴(상관관계)만 찾으므로, 이를 무비판적으로 수용하면 거짓 인과관계의 함정에 빠진다. 이를 걸러내는 인간의 비판적 '데이터 리터러시'가 필수적이다.
평가 요소
채점 기준 및 감점 요인
배점
AI 통계 모델의 본질 이해
AI가 인과관계가 아닌 확률적 상관관계만 도출하는 기계라는 점을 꿰뚫고 이로 인한 정책적, 사회적 위험성을 논리적으로 지적함.
+15점
데이터 리터러시의 철학적 가치
기계의 상관관계 분석을 비판적으로 검증하여 인과관계를 판단하는 것이 인간의 핵심 역량(문해력)임을 훌륭하게 논술함. ※ '상관관계와 인과관계의 구분'이라는 핵심 통계 논리가 빠지면 10점 감점
댓글