의사결정나무 분석을 위한 계층구조 시각화 간의 사용성 연구
- 주제(키워드) 의사결정나무 , 시각화 평가 , 사용성 평가
- 발행기관 아주대학교
- 지도교수 이경원
- 발행년도 2017
- 학위수여년월 2017. 8
- 학위명 석사
- 학과 및 전공 일반대학원 라이프미디어협동과정
- 실제URI http://www.dcollection.net/handler/ajou/000000025979
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
의사결정나무 분석은 의사결정규칙을 도표화해서 관심 대상이 되는 집단을 몇 개의 소집단으로 분류하거나 예측하는 통계 분석 방법이다. 본 연구에서는 의사결정나무 분석의 시각화 간의 사용성 평가를 목적으로 했다. 특히, 의사결정나무 분석의 시각화로 기존에 널리 사용된 노드-링크 다이어그램(Node-link diagram)과 계층구조 시각화 중 사용성이 높은 것으로 알려진 썬버스트(Sunburst)에 초점을 맞추었다. 또한, 데이터 셋의 크기가 달라짐에 따라 사용성이 달라질 수 있음을 확인하고자 했다. 이를 위해 두 시각화를 의사결정나무 분석 시각화에 맞게 시각화 요소들을 개선했다. 그리고 일곱 가지 질문에 대해서 두 시각화를 데이터 셋의 크기를 바꿔가며 두 차례씩 사용자 실험을 하여 어떠한 시각화의 사용성이 더 좋은지 평가했다. 이를 통해 세 가지의 결과를 도출해냈다. 첫째, 의사결정나무의 깊이가 얕은 경우 양적 분석에 있어 썬버스트의 사용성이 노드-링크 다이어그램보다 높았다. 둘째, 의사결정나무의 깊이가 깊은 경우 썬버스트의 사용성이 전반적으로 떨어진 것을 확인했다. 셋째, 의사결정나무의 깊이가 깊은 경우 노드-링크 다이어그램의 사용성이 썬버스트에 비해 전반적으로 좋은 것으로 나타났다. 본 결과를 통해 데이터 분석가들은 주어진 의사결정나무 데이터 셋의 크기와 형태에 따라 적절한 시각화를 선택하고 더 좋은 분석 결과를 도출해낼 수 있을 것이다.
more목차
I. . 서론. 1
II. 배경 이론 및 선행 연구 고찰 4
1. 의사결정나무 분석 4
2. 의사결정나무의 시각화 5
3. 계층구조 시각화와 썬버스트 6
III. 시각화 설계 13
1. 의사결정나무 분석 정보 13
2. 노드-링크 다이어그램 14
3. 썬버스트 15
4. 두 시각화의 사용성 비교 16
IV. 실험 19
1. 질문 선정 19
2. 실험 1 21
가. 피실험자 21
나. 실험 환경 22
다. 실험 데이터 22
라. 절차 26
마. 결과 27
3. 실험 2 30
가. 피실험자 30
나. 실험 데이터 30
다. 실험 환경 및 절차 32
라. 결과 32
4. 실험 1 과 2 의 교차 분석 35
가. 썬버스트 36
나. 노드-링크 다이어그램 37
V. 결론 39
VI. 참고문헌 42
