핵심 비유
데이터 분석 교육은 '요리책이 아니라 주방의 순서'다 — 레시피(차트 종류)를 아무리 많이 외워도 "오늘 뭘 만들지"를 스스로 정하지 못하면 요리를 시작할 수 없다. data-class가 가르치는 건 차트 도감이 아니라, 궁금한 것을 질문으로 세우고 실제 자료로 그 예측이 뒤집히는 걸 경험하는 순서(GAISE II의 질문→수집→분석→해석) 그 자체다. 급식 잔반이라는 하나의 접시로, 그 순서를 끝까지 따라간다.
핵심 포인트
- 데이터 분석을 잘한다는 건 차트 이름을 많이 아는 게 아니라, 궁금한 걸 질문으로 세우고 그 질문에 맞는 도구를 그때그때 찾는 것이다.
- 국제 통계교육 표준 GAISE II(미국통계학회·NCTM, 2020)는 이 과정을 4단계로 정의한다 — 질문 설정 → 자료 수집 → 자료 분석 → 결과 해석. 핵심은 순서가 아니라, 모든 단계를 "질문하기"가 관통한다는 점이다.
- 이 4단계는 한국 KOSTAT 통계교육·2022 개정 교육과정이 가르치는 '탐구 문제 설정 → 자료 수집 → 자료 분석 → 결과 해석'과 정확히 대응한다 — 서로 다른 나라가 독립적으로 같은 절차에 닿았다는 것이 이 순서가 유행이 아니라 통계적 사고의 구조임을 보여준다.
- data-class 산출물 캔버스의 6단계(케이스 선택 → 데이터 보기 → 분석도구 → 인터뷰 → 산출물 작성 → 모의 발표)는 이 4단계를 학생이 실제로 밟는 화면 동선으로 풀어낸 것이다.
- 근거수집 '분석 방'은 피벗으로 자료를 묶으면 관찰문 한 줄이 자동 생성된다 — 차트를 저장시키는 게 아니라 해석 문장을 만들게 강제하는 설계다.
- 절차 없이 기법만 배우면 오독에 취약해진다. 특히 두 가지가 실증 근거가 강하다: Y축 0 기준(막대 그래프 세로축이 0이 아니면 작은 차이가 커 보이고, 축이 잘렸다고 미리 알려줘도 사람들은 계속 차이를 과대평가한다) / 상관 ≠ 인과(두 값이 같이 움직여도 하나가 원인이라는 뜻은 아니다 — GAISE II는 관찰연구는 교란변수 때문에 인과를 주장할 수 없다고 명시한다).
- 심슨의 역설(그룹별 경향이 합치면 사라지거나 뒤집히는 현상), 평균의 함정(극단값이 평균을 왜곡 — 중앙값 병기), 체리피킹(유리한 구간만 보여주기), 표본 대표성(일부만 보고 전체를 판단) 네 가지도 함께 짚어야 한다.
- "그래도 통계 기법 자체는 먼저 가르쳐야 하지 않나?" — 기법은 필요하지만 순서가 문제다. "차트 카탈로그를 먼저 암기시킨 뒤 적용"이 아니라 "질문에 답하려다 자연스럽게 그 도구를 만나는" 순서로 배치해야 한다. data-class 추천 탭의 위저드(질문 7문항 → 도구 추천)가 이 원칙을 구현한다.
- 산출물 캔버스의 '해석 50자' 게이트가 요구하는 것도 결국 이 리터러시다 — 차트만 붙이고 넘어갈 수 없게, "왜 이렇게 보이는가"를 매번 되묻게 만든다.
교사 팁
수업을 시작할 때 차트 이름부터 나열하지 말고, "여러분이 급식 잔반에 대해 가장 궁금한 게 뭐야?"로 연다. 학생이 질문을 던지면 "그 질문에 답하려면 뭘 봐야 할까"로 이어가, 결과적으로 상관·비교·시계열 같은 기법을 학생 스스로 '발견'하게 만드는 게 핵심이다. 차트가 하나 완성될 때마다 곧바로 "이게 진짜일까, 아니면 그렇게 보이게 그린 걸까?"를 물어라 — 여섯 가지 오독 원칙(Y축0·상관≠인과·심슨역설·평균함정·체리피킹·표본대표성)을 한 번에 다 가르칠 필요는 없고, 차트 하나마다 하나씩만 골라 되묻게 하면 충분하다. 온도대(파생값, 실제 기온 아님) 같은 필드는 "이 숫자가 어디서 왔는지" 학생에게 되물어 순환 논리에 빠지지 않게 짚어 준다. 이 방법론은 D2(사용법)의 화면 조작과 함께 설명하면 "왜"와 "어떻게"가 한 흐름으로 이어진다.