d라이브러리

▲통계청

AI 시대, 우리는 방대한 정보 속에서 끊임없이 선택을 요구받습니다. 이때 중요한 것은 데이터를 바탕으로 한 통계적 사고입니다. 통계적 사고는 불확실한 상황에서 합리적으로 결정하는 힘을 길러주죠. 그렇다면 통계적 사고는 무엇이고, 어떻게 기를 수 있을까요? 지금부터 함께 알아봅시다.

‘고려 시대의 신문을 만드세요.’

다음과 같은 숙제가 주어졌습니다. 불과 몇 년 전만 해도 이 숙제를 하기 위해서는 도서관에 가서 책을 찾아보고, 인터넷에서 관련 정보를 일일이 검색한 뒤 정리해야 했습니다. 하지만 이제는 챗GPT에 질문만 던지면 필요한 정보를 순식간에 얻을 수 있습니다. 
이처럼 정보 탐색이 쉬워진 데에는 ‘통계’가 중요한 역할을 합니다. 챗GPT를 비롯한 다양한 인공지능(AI) 서비스는 방대한 데이터를 통해 그 안에서 일정한 규칙을 찾아 학습합니다. 그리고 규칙에 따라 가장 자연스러운 단어 조합을 예측해 답변을 생성합니다. 즉 AI는 통계적 연산을 기반으로 작동하는 시스템인 겁니다.

그러나 여기에서 반드시 주의해야 할 점이 있습니다. 챗GPT가 생성하는 문장은 ‘사실’이 아니라 ‘그럴듯한 말’일 수 있다는 것입니다. 예를 들어, 챗GPT가 ‘장영실은 고려 시대의 과학자입니다’라는 답변을 내놨다고 해봅시다. 이 문장은 문법적으로도 자연스럽고 표현에도 문제가 없어 보입니다. 하지만 실제로 장영실은 조선 시대 인물이죠. 이처럼 AI는 겉으로 그럴듯해 보이는 잘못된 정보를 사실처럼 전달할 수 있습니다.

▲Shutterstock

챗GPT는 대형언어모델, GPT-4o를 사용하는 생성 AI다. GPT-4o는 인간의 자연어를 학습힌 뒤, 주어진 문맥에서 가장 자연스러운 응답을 만들어낸다. 때문에 사실이 아닌 답변을 하는 경우도 꽤 많다.

이러한 현상을 AI 분야에서는 ‘AI 할루시네이션’이라고 부릅니다. AI가 실제로 존재하지 않는 정보를 진짜처럼 만들어내는 오류를 말하죠. AI 할루시네이션이 발생하는 이유는 AI가 진실 여부를 판단하지 않고, 단지 가장 어울리는 단어를 조합해 문장을 만들기 때문입니다. 즉, AI는 ‘이게 사실인가?’가 아니라 ‘이 문장이 자연스러운가?’를 기준으로 판단합니다.

게다가 AI가 학습하는 데이터 자체에도 문제는 존재합니다. 온라인에는 잘못된 정보나 편향된 설명이 다수 존재하고, AI는 이 데이터들을 그대로 학습합니다. 따라서 우리는 AI가 제공하는 정보를 무조건적으로 신뢰해서는 안 됩니다. 정보를 접했을 때는 ‘이 내용의 출처는 무엇인가?’ ‘이 정보는 검증된 것인가?’와 같은 질문을 스스로 던져보는 태도가 필요합니다. 여기에서 중요한 능력이 바로 ‘통계적 사고력’입니다.

통계적 사고력은 숫자나 그래프를 읽는 능력을 넘어, 정보를 분석하고 평가하며, 적절한 판단을 내리는 힘을 말합니다. AI가 제공하는 정보를 맹신하지 않고, 그 이면을 비판적으로 들여다보는 태도는 앞으로의 시대를 살아가는 데 필수적인 역량입니다. 챗GPT 같은 AI를 현명하게 활용할 수 있는 힘은 바로 여기에서 비롯되죠.

통계적 사고력이 필요한 순간은 챗GPT를 사용할 때뿐만이 아닙니다. 우리가 일상에서 자주 사용하는 유튜브, 틱톡, 인스타그램 같은 SNS 플랫폼에서도 통계적 사고는 반드시 필요합니다. 이런 경험, 누구나 한 번쯤 해봤을 텐데요. 어느 날부터 유튜브에 내가 자주 보는 주제의 영상이나 콘텐츠만 계속 추천에 뜨기 시작하고, 비슷한 스타일의 영상들이 줄줄이 이어집니다. 이건 모두 추천 알고리즘 때문입니다.

추천 알고리즘은 사용자의 클릭과 시청 기록, 관심사 등을 바탕으로 ‘당신이 좋아할 만한 콘텐츠’를 자동으로 분석하고 제공합니다. 그런데 이 시스템이 반복되면 사용자는 점점 한정된 정보만 소비하게 되고, 세상을 편협하게 바라보게 될 수 있습니다. 자신도 모르게 ‘정보의 울타리’ 안에 갇히는 것이죠. 이러한 현상을 ‘필터 버블’이라고 하는데요. 이런 필터 버블을 터뜨리려면 통계적 사고력이 필요합니다. 통계적 사고를 갖고 있다면, ‘내가 지금 보고 있는 정보는 전체의 일부일 뿐’이라는 인식을 가질 수 있고, 한 주제에 대해 다양한 의견을 접하려고 노력할 수 있죠. 알고리즘이 제공하는 정보에만 의존하지 않고, 스스로 다양한 정보를 찾고 판단하는 힘이 생깁니다.

이처럼 통계적 사고는 단지 수학 시간에 필요한 기술이 아닙니다. 이제는 디지털 시대를 살아가기 위한 기본 역량이죠. 실제로 2022년 개정 교육과정에서는 ‘확률과 통계’를 ‘일반 선택 과목’으로 지정했습니다. 일반 선택 과목은 학교가 교육과정을 편성할 때 우선적으로 개설해야 하는 과목군을 말합니다. 2015 개정 교육과정에서는 확률과 통계가 ‘일반 선택 과목’이 아닌, ‘선택 과목’이었기 때문에 학교에서 ‘확률과 통계’를 개설하지 않으면 학생이 선택하고 싶어도 배울 수 없었습니다. 이는 단순히 수학 공식을 배우는 것을 넘어서, 일상 생활 속 데이터를 분석하고 해석하며, 그 속에서 의미를 찾는 힘이 더욱 중요해졌음을 보여주는 변화입니다. 

▲통계청

그렇다면, 이렇게 중요한 통계적 사고는 어떻게 기를 수 있을까요? 먼저 일상 속에서 데이터를 중심으로 생각하는 습관을 들여야 합니다. 뉴스를 볼 때나 누군가의 주장을 들었을 때, ‘이건 전체 중 얼마에 해당되는 걸까?’ ‘이 수치는 어떤 기준에서 나왔을까?’ 같은 질문을 스스로 던져보는 연습이 필요합니다.

또 숫자와 그래프에 익숙해지는 것도 중요합니다. 그래프는 단순한 시각 자료가 아니라, 데이터의 흐름과 특징을 이해할 수 있는 도구입니다. 꺾은선그래프, 막대그래프, 원그래프 등 다양한 형태의 시각 자료를 해석하는 능력은 통계적 사고력의 핵심 중 하나입니다. 여기에 확률과 불확실성에 대한 감각까지 더해지면, 우리는 세상을 보다 명확히 이해할 수 있게 됩니다. 예를 들어, ‘비 올 확률 70%’라는 말이 단순히 ‘비가 온다’는 뜻이 아니라, 10번 중 7번은 비가 온다는 통계적 예측이라는 사실을 알고 행동하는 것이죠.

가장 효과적인 방법은 직접 데이터를 다뤄보는 것입니다. 예를 들어, 반 친구들의 스마트폰 사용 시간, 수면 시간, 공부 시간 등을 조사해 그래프로 정리하고, 거기서 어떤 상관관계가 있는지 분석해보는 겁니다. 

이 모든 경험을 하나로 묶을 수 있는 활동이 있습니다. 바로 ‘통계 포스터 만들기’입니다. 이 활동은 문제를 정의하고, 데이터를 수집하고 분석한 뒤, 의미 있는 결론을 도출해 그 결과를 시각적으로 표현하는 전 과정을 포함합니다. 말 그대로 데이터를 이해하고, 활용하며, 소통하는 모든 능력을 아우르는 종합 활동입니다. 이 과정은 단순한 수학 능력을 넘어서 창의력, 논리력, 그리고 의사소통 능력까지 함께 길러줍니다. 이러한 활동을 통해 학생들은 통계가 단순한 수학 개념이 아니라, 현실을 이해하고 문제를 해결하는 데 꼭 필요한 도구라는 사실을 깨달을 수 있죠. ‘내 생활을 데이터로 설명할 수 있다’는 경험은 통계적 사고를 자연스럽게 익히게 하며, 이는 AI 시대를 살아가는 데 중요한 자산이 됩니다.

다가오는 통계 활용 대회는 바로 이러한 경험을 나누고, 통계적 사고력을 마음껏 펼칠 수 있는 무대입니다. 여러분이 평소 궁금했던 것의 해답을 통계를 통해 찾고 이를 창의적인 포스터로 표현해보세요. 통계 속에 숨은 이야기를 찾아내는 여정에 여러분을 초대합니다! 

통계 포스터, 어떻게 만들까?

통계청은 학생들이 데이터를 분석하고 통계적으로 생각하는 힘을 기를 수 있도록 매년 전국학생통계활용대회를 열고 있습니다. 단순히 숫자를 다루는 데 그치지 않고, 일상 속 문제를 통계를 통해 탐구하고 나만의 해결 방법을 찾아보는 기회를 제공하는 대회죠. 여러분도 데이터를 바탕으로 의미 있는 결론을 내리고, 그 과정을 포스터로 표현해보세요. 
어떻게 시작해야 할지 막막하다면, 2024년 제26회 대회에서 고등부 대상을 받은 통계 포스터(118쪽 사진)를 참고해보는 것도 좋습니다. 학생이 스스로 주제를 정하고, 자료를 모으고 분석해서 통계로 풀어낸 과정을 아래에서 자세히 설명합니다.

 

 

Shutterstock

❶ 주제 정하기
플라스틱 병에 붙은 라벨지를 떼고 버리지 않거나 오염된 플라스틱 병을 그대로 버리는 등 평소 학교에서 재활용 분리배출 기준이 잘 안 지켜지는 모습을 자주 볼 수 있었다.
이 문제를 개선하기 위해 권고문을 붙이려고 했지만 어떤 스타일의 권고문이 급우들의 실천을 더 잘 이끌어 낼 수 있을지 고민에 빠졌다. 이에 통계구리 팀(서울 명덕외고 정지민, 정시현, 김서현)은 ‘어떤 권고문이 실제로 사람들의 행동에 영향을 더 많이 주는지’를 통계를 통해 분석해 보기로 했다.

Shutterstock

❷ 자료 수집 및 분석
128명을 대상으로 직관적, 설명적, 친화적인 스타일의 세 가지 권고문 중 어떤 것이 가독성이 좋고, 이목을 끌며, 의미가 잘 전달되는지에 대해 사전 설문 조사를 했다.
응답자들은 직관적인 문구를 가장 가독성이 높다고 느꼈으며, 친화적인 문구는 의미전달력이 가장 좋고, 이목도 가장 잘 끈다고 의견을 내놓았다. 이후 학교 내 3곳의 분리수거함에 직관적, 설명적, 친화적인 스타일의 세 가지 권고문을 부착하고 사람들이 어느 문구에 더 잘 반응하는지를 실험했다.

Shutterstock

❸ 결론 정리
설문과 실험 결과를 분석했더니 권고문의 형식에 따라 전달력과 분리수거율에 차이가 있었다. 직관적인 문구는 가독성은 높았지만 의미 전달이 부족했고, 설명적인 문구는 메시지는 분명했지만 읽기 어려웠다. 실제 분리수거율은 각각 23.07%와 11.1%로 나타났다.
반면, 간단하고 재치 있는 표현을 사용한 친화적 문구는 36.36%로 가장 높은 분리수거율을 보였다. 이를 통해 효과적인 권고문은 짧고 직관적인 문장, 명확한 메시지, 시각적 강조 요소가 필요하다고 결론내렸다.

Shutterstock

❹ 통계 포스터 시각화
설문조사 결과는 사람들이 선호하는 권고문 유형을 쉽게 파악할 수 있도록 원 그래프로, 실험을 통해 각 권고문에 실제로 얼마나 반응했는지는 비교하기 쉽도록 막대 그래프로 정리했다.
또한 실험에 사용한 권고문을 실제로 부착한 쓰레기통 사진과 문구 예시를 함께 제시함으로써, 자료의 신뢰도와 현장감을 동시에 높이도록 구성했다. 가장 중요한 최종 결론 부분은 두꺼운 폰트와 포인트 색을 사용해 강조하며, 더욱 눈에 잘 띄도록 정리했다.