자료: 실험심리학 용어 사전, http://www.cogpsych.org/dict/dict.cgi?cmd=view_iterm&iterm=heuristics
게슈탈트 심리학자들은 앞서 소개된 원리들을 ‘법칙’이라고 했지만 대부분의 지각심리학자들은 이를 게슈탈트 ‘원리’ 또는 ‘추단법( heuristics ; 편의법, 어림법, 발견법이라고도 한다)’이라고 부른다. 법칙이란 용어를 인정하지 않는 이유는 게슈탈트 심리학자들이 제안한 규칙들이 법칙의 자격을 갖출 정도로 강하게 예측하지 않기 때문이다. 따라서 게슈탈트 원리들을 추단법, 다시 말하면 지각 문제에 최선의 추측적인 해결을 제공하는 어림법으로 보는 것이 제일 알맞다. 추단법이 무엇인지를 다른 문제해결 방식인 연산법과 비교해서 알아보자.
[인용 문헌 : 김정오, 곽호완, 박창호, 박권생, 정상철, 남종호, 도경수 공역. (2007). 감각과 지각 7판. 시그마프레스. ]
시각 체계가 이 두 개의 형태에서 위치 변동된 점들의 짝을 어떠한 식으로든 찾아내기 때문에, 우리는 움직임을 지각하게 되는 것이다. 각 점의 짝을 찾기 위해, 시각 체계는 두 형태를 구성하는 점들을 낱낱이 비교하는 것일까? 이렇게 하면, 짝을 찾기 위해 수행해야 할 비교의 수가 너무 많아진다. 때문에, 대부분의 연구자들은 뇌가 광경속의 모든 점을 하나씩 비교함으로써 일치점의 문제를 해결한다는 생각을 포기하였다. 그러나 이 ‘점 대 점’ 비교가 해결책이 아니라면, 그 해결책은 무엇일까? Vilayanur Ramachandran과 Stuart Anstis(1986)는 인간의 뇌가 움직임 어림법(movement heuristics )－실세계에서는 움직임이 어떻게 일어나는 가에 관한 “주먹 구구식(rules of thumb)”－을 이용함으로써 이 문제를 해결한다고 제안하였다.
[인용 문헌 : 정찬섭, 김정오, 도경수, 박권생, 박창호, 김유진, 남종호 공역. (1999). 감각과 지각 4판. 시그마프레스. ]
우리가 일상 생활에서 흔히 경험할 수 있듯이, 의사결정은 때로 매우 어렵고 복잡한 과제임이 분명하다. 의사결정을 이렇게 어렵게 하는 요인들은 매우 다양하다. 예를 들어, 의사결정에 사용될 수 있는 정보가 거의 없거나 잘못된 정보가 제공된 경우, 의사결정을 하는 데 너무 시간이 촉박하거나 주어진 정보를 처리하는 데 인지적으로 부하가 높은 경우, 정보 단서들이 역동적으로 변화하는 경우, 목표들 사이의 갈등, 그리고 너무 새롭고 특수한 상황의 발생으로 인해 기존의 지식을 적용할 수 없거나 기억으로부터 지식을 인출하지 못하는 경우 등에서는 의사결정을 하기가 매우 힘들 것이다(Cook & Woods, 1994). 이러한 모든 요인들은 대부분 인간의 인지적 능력에 있어서의 한계와 밀접하게 관련되어 있다. 이 때문에 사람들은 인지적 발견법( heuristics )이라고 불리는 대체적으로 매우 강력하고 효율적이기는 하지만 최상의 해결책이라는 것을 항상 보장할 수는 없는, 손쉬운 사고 방식을 취하기도 한다. 불행하게도, 발견법들은 의사결정을 매우 단순화하는 경향이 있기 때문에 때로 편파나 잘못된 지각을 이끌기도 한다.
3. 표집은 배치에 의해 영향을 받는다. Donk(1994)는 몇 계기들을 감시하는 관찰자들의 안구 운동을 조사해 보니, 그들이 대각선 주사보다는 수평 주사를 더 자주 한다는 것을 발견했다. Donk는 조작자들이 사건 발생 비율이 높은 채널을 볼 때 대각선 주사를 하기 싫어한다는 것도 발견했다. Donk는 조작자들이 주의 요구를 줄이기 위해 채널 배치에 기초한 단순화 규칙 및 편의법( heuristics )을 사용하며, 이것은 체계적인 수행 편중을 초래한다고 제안하였다. 즉, 채널 및 사건 발생률로만 계기 주사를 이해하는 것은 수행을 완전히 설명할 수 없다. 계기의 배치가 중요하다는 것이다.
heuristics 편의법
의사결정 연구의 분류 위에서 언급한 몇몇 특성들이 세 가지 주요 종류의 의사결정 연구를 구분하는데 커다란 역할을 한다. 합리적(rational) 혹은 규범적인(normative) 의사결정 연구(예, Edward, 1987; Lehto, 1997)에서는, 어떤 최적의 틀 혹은 황금 기준(gold standard)에 근거해 사람들이 어떻게 결정을 해야하는지, 예로 이득의 최대화와 손실을 최소화하는 결정을 해야하는지에 초점을 맞추어 왔다. 사람들의 의사결정이 최적의 처방과 어떤 괴리가 일어나는가를 밝히는데 노력을 집중하는 것이다. 우리는 이러한 결정의 단순한 예를, 2장에서 언급한 신호-탐지 결정에서의 최적 반응기준(optimal beta) 설정의 맥락에서 이미 살펴보았으며, 나중에 더 자세히 논의하겠다. 의사결정에 대한, 인지(cognitive) 혹은 정보처리(information processing) 접근에서는 결정에서 사용되는 여러 편향과 과정들에 보다 직접적으로 관심을 두는데, 이것들은 인간의 주의, 작업기억, 전략 선택에 있어서의 한계와 관련 지울 수 있고, 대부분의 경우 잘 적용되지만 바람직하지 못한 결과를 내놓을 수도 있는 친숙한 결정 방식과 - 간편법( heuristics )이라고 알려진 - 관련될 수도 있다(Kahneman, Slovic, & Tversky, 1982; Hogarth, 1987; Wallsten, 1981). 최적의 선택과의 괴리라는 측면보다는, 인간정보처리 체계의 관점에서 여러 편향과 전략의 원인을 이해하는데 강조가 주어진다. 마지막으로 가장 최근의 접근인 자연적 결정 형성(naturalistic decision making)(Zsambok & Klein, 1997)에서는 실제 환경(즉 실험실 밖의)에서 사람들이 어떻게 결정을 하는가에 초점을 두는데, 이 상황에서 사람들은, 실험실 연구에서는 없을 수 있는, 어떤 영역에 관한 전문성을 갖고 있으며, 또한 여러 측면의 복잡성(시간의 전개나 제약, 복합 단서 등) 가운데 결정을 하게 된다. 이들 세 접근의 모든 특성은, 아래의 모형과 논의에서 적절하다면 모두 다루도록 하겠다.
수행 전략과 PRF 노력과 수행간의 관계를 보이는 PRF의 개념은 8장에서 의사결정 편의법 ( heuristics )을 논의하면서 이미 다뤄진 적이 있다. 편의법은 너무 많은 노력을 들이지 않고 합리적으로 좋은 수행을 제공할 수 있는 정신적 지름길로 보인다. 예를 들어 여러 선택사항들 중에서 선택할 때, “측면에 의한 제거”와 같은 변의법은 그림 11.3의 실선으로 표시되는 것과 같은 PRF를 보일 수 있다. 모든 선택사항들의 속성들을 모두 고려하는, 최적인 보상 (compensatory) 전략은 끊어진 선으로 표시되는 것과 같은 PRF를 보일 수 있다. 어떤 전략이 선택될 것인가? 그 답은 노력과 수행과 관련하여 효용 (utility)의 역할을 고려함으로써 주어진다. 좋은 수행에는 정적 효용이 있으며, 또한 노력을 보존하는 데에도 정적 효용이 있다고 (계속 많은 노력을 투입하는 것은 피로한 일이므로) 가정한다면, 우리는 PRF공간이 좋은 영역 (좌상의 적은 노력과 높은 수행 영역)과 나쁜 영역(우하의 많은 노력과 낮은 수행 영역)을 가지고 있다고 생각할 수 있다. Navon과 Gopher (1979)는 PRF의 원점에서 출발하는 일정한 효율의 선들에 대해 말하였다 (그림에 보이는 가는 선들). 따라서, 사람들은 PRF 공간의 좌상 쪽으로 치우친 점들에서 조작하고자 할 것이다. 그림 11.3에서 명백하게 볼 수 있듯이, 편의적인 PRF는 최적 전략의 PRF보다 좌상으로 더 떨어진 영역을 가지고 있는데, 이것이 왜 사람들이 최적 전략보다 편의법을 사용하려고 하는지를 설명해 준다.
이런 과제 관리 논제들을 다시 검토하면서, 작업 부하가 과도해질 때 (앞에 서술된 기법들로 측정될 때 그림 11.7의 저부하 영역에서 과부하 영역으로 교차해 갈 때) 조작자들이 채택하는 과제 관리 전략을 이해하는 것의 중요성을 부각해야만 한다. 아주 일반적 수준에서, 네 유형의 채택이 가능하다. (1) 사람들은 과제의 수행이 저조해지는 것을 허용할 수 있다. 자동차 운전자는 차내의 자동화 시스템을 다루는 작업 부하가 증가함에 따라 차선을 벗어나면서 달릴 수 있다. (2) 사람들은 더 효율적인, 자원을 덜 소모하는 방식으로 과제를 수행할 수 있다. 예를 들면, 의사 결정에서 최적 해법에서 충족성 편의법 (satisfactory heuristics )으로 전환할 수 있다. (3) 사람들은 저 순위의 과제들의 수행을 완전히 제거함으로써 “최적” 방식으로 수행할 수 있다. 예를 들어, 높은 작업 부하 상황에서 항공 관제사는 요청되지 않는 한 기상 정보를 조종사에게 제공하는 것을 중지하고, 항공 교통의 분리 (traffice separation)에만 충분한 주의를 줄 수 있다. (4) 사람들은, 수행해야 할 과제를 포기하는 것과 같이, 최적적이지 않은 방식으로 과제를 포기할 수 있다. 여기 한 예로서, 이 장과 책을 시작할 때와 같이, 고 작업 부하의 실패 진단을 처리하기 위해 도로 감시라는 가장 치명적인 과제를 포기한 불운한 운전자가 이 장의 마지막 예이다. 불행히도, 자원 할당에 관해 이 장의 앞에서 다뤄진 내용 넘어서는, 사람들이 언제 이 혹은 저 전략을 채택하는지를 설명할 수 있는 일반 원칙에 대해 알려진 것은 거의 없다. 아마 아주 확실하게 진술될 수 있는 한 원칙은 훈련과 전문성이 성공적인 작업 부하 관리에 아주 중요한 역할을 한다는 것이다 (Orasnu & Fischer, 1997). 그러므로 그런 훈련이 비행과 같이 고 위험의 다중 과제 환경에서 많은 훈련 프로그램의 공식화된 성분이 되었다는 것은 놀라운 일이 아니다 (Wiener, Kanki, & Helmreich, 1993).
heuristics 편의법
~ heuristics : 발견법; 295,313-314,325,443
[인용 문헌 : 곽호완, 김영진, 박창호, 남종호, 이재식 공역. (2003). 공학심리학, 제3판. 시그마프레스. ]
우리가 일상 생활에서 흔히 경험할 수 있듯이, 의사결정은 때로 매우 어렵고 복잡한 과제임이 분명하다. 의사결정을 이렇게 어렵게 하는 요인들은 매우 다양하다. 예를 들어, 의사결정에 사용될 수 있는 정보가 거의 없거나 잘못된 정보가 제공된 경우, 의사결정을 하는 데 너무 시간이 촉박하거나 주어진 정보를 처리하는 데 인지적으로 부하가 높은 경우, 정보 단서들이 역동적으로 변화하는 경우, 목표들 사이의 갈등, 그리고 너무 새롭고 특수한 상황의 발생으로 인해 기존의 지식을 적용할 수 없거나 기억으로부터 지식을 인출하지 못하는 경우 등에서는 의사결정을 하기가 매우 힘들 것이다(Cook & Woods, 1994). 이러한 모든 요인들은 대부분 인간의 인지적 능력에 있어서의 한계와 밀접하게 관련되어 있다. 이 때문에 사람들은 인지적 발견법( heuristics )이라고 불리는 대체적으로 매우 강력하고 효율적이기는 하지만 최상의 해결책이라는 것을 항상 보장할 수는 없는, 손쉬운 사고 방식을 취하기도 한다. 불행하게도, 발견법들은 의사결정을 매우 단순화하는 경향이 있기 때문에 때로 편파나 잘못된 지각을 이끌기도 한다.
[인용 문헌 : 이정모, 김민식, 감기택, 김정오, 박태진, 김성일, 이광오, 김영진, 이재호, 신현정, 도경수, 이영애, 박주용, 조은경, 곽호완, 박창호, 이재식, 이건효 (공저). (2003). 인지심리학. 학지사. ]
“boxer”라는 단어는 개보다는 권투 선수를 지칭할 가능성이 높기 때문에, 작업 기억 용량이 작은 사람들은, 이 문장이 개에 관한 이야기라는 것을 나중에 알게되면, 이 문장을 이해하는데 어려움을 겪게 될 것이다. 이런 경우, 이들의 문장 통합은 실패로 돌아가고, 따라서 그림 10.6에 제시된 오류 회복 어림법(error recovery heuristics )을 이용해야 할 것이다. 이 어림법의 예로는 일치하지 않는 단어를 다시 해석해보기, 어려움의 원인일 수도 있는 이전 단어 점검하기, 더 많은 정보를 얻기 위해 계속 읽어 나가기, 일관성이 없는 것을 일관성이 있도록 정교화시켜 보기(아마 Ken이 권투선수에게 주기 위해 애완 동물 가게에 가서 개를 구입한다) 등을 포함시킬 수 있을 것이다.
수단-목적 분석, 하위 목표 설정, 그리고 후진적 해결법 같은 전략들은 문제 해결을 성공시킬 때도 많지만, 문제 해결의 성공을 반드시 보장하는 것은 아니기 때문에, 어림법( heuristics )이라 불린다. 이와는 대조적으로 알고리듬(algorithm)이란 정해진 단계를 오류 없이 따르기만 하면 성공적 문제 해결을 보장하는 절차이다. 곱셈 법칙은 알고리듬인데, 그 이유는 이 규칙을 바르게만 따라가면 정답이 보장되기 때문이다. 먼저 하위 목표 설정, 유추 이용 그리고 다이아그램 구축이라는 세 가지의 일반적인 어림법을 고려해 보고, 일반적 전략으로서 이들이 갖는 잠재적 유용성 및 한계점을 평가해 보기로 하자.
[인용 문헌 : 박권생 역. (2000). 인지심리학:이론과 적용. 시그마프레스. ]
언어심리학, 특히 통사처리 연구자의 입장에서 보면, 70년대 후반은 몇 가지 점에서 의미 있는 시기였다. 언어에 대한 관심을 부활시켰던 Chomsky의 변형생성문법과, 이를 바탕으로 제기되었던 복잡성 유도이론(derivational theory of complexity)을 검증하려는 수많은 실험 결과들은 변형생성문법이 인간의 문장처리과정, 구체적으로 통사분석과정을 설명하기에 적절치 않다는 결론을 얻게 되었다(이정모, 1989). 70년대 이후의 대부분의 언어심리학적 연구들은 문법이론에 의해 통사처리과정을 이해하려 하기보다는 문장에 포함된 지엽적이고 제한적인 단서를 이용한 간편법( heuristics )에 의해 문장의 구문분석과 통사적 관련성이 계산되는 것으로 보려고 하였다. 이런 입장에서 본다면, 언어처리 연구란 사람들이 어떤 통사단서나 의미단서를 이용하는가, 즉 어떤 책략(strategies, 혹은 방략)을 사용하는가를 밝히는 문제가 된다. 하지만 이러한 책략을 찾아내기란 쉽지 않다. 통사해독 과정은 신속하고 의식의 개입 없이 이루어지는 자동적 처리과정이다. 그러기에 문장을 듣거나 혹은 읽은 후의 측정은 문장을 처리하는 중에 일어나는 과정의 변화를 탐지할 수 없기 때문에 실시간(real time, 혹은 온라인) 측정방법을 사용해야할 필요가 있다.
[인용 문헌 : 이정모 외. (1998). 인지심리학의 제 문제. 학지사. ]
문제는 아직 인간이 소유하고 있는 지능의 실체가 무엇인지 또 어떠한 과정을 거쳐 지적 행동이 나타나는지에 관하여 정설이 없고 많은 논란의 대상이 되어왔다. 여기서 우리가 가장 단순하게 정의한다면 지능(intelligence 또는 thinking)이란 새로운 정보와 이미 알려진 사실들로부터 법칙이나 경험을 통하여 얻어진 법칙( heuristics ), 추측, 직감 등을 근거로 추론하여 문제를 해결하는 과정과 능력이라 하겠다. 일부 학자들은 컴퓨터가 이러한 구체적인 기능 외에도 인간과 마찬가지로 감정(emotion), 성격(personality), 독창력(creativity)을 가져야만 완전한 의미의 지능을 소유한다고 주장한다. 과연 컴퓨터가 완전한 지능을 가질 수 있느냐에 대해서는 긍정적인 견해와 부정적인 견해가 있다. 일부 인공지능 과학자들은 미래의 컴퓨터가 지금까지 인간고유의 영역으로 인식되어 오던 일반적인 지능을 가질 수 있고 또한 컴퓨터가 외부적으로 감정을 소유한 것처럼 반응을 나타내고 특정한 성격에 따라 행동하는 것처럼 보일 수 있다고 주장한다. 이에 반하여 철학자 드레이푸스(Dreyfus, 『What Computers Can’t Do』의 저자)는 완전한 인공지능의 가능성을 주장하는 컴퓨터 과학자들의 논리가 몇가지 가정(생물학적, 심리학적, 인식론적, 존재론적)에 근거를 두고 있는 바 그 논리의 모순성을 지적하였다.
인간은 문제를 해결하는 과정에서 여러 가지 발견법을 사용한다. 그러나, 특히 의사결정의 경우에는 발견법( heuristics )이 종종 여러 가지 인지적 편견을 가지게 하고, 이로 말미암아 비합리적인 의사결정을 내리는 경우가 빈번하다. 다음은 인지적 편견을 유발하는 대표적인 발견법을 간단히 소개한다.
[인용 문헌 : 한광희, 임중우, 김민식, 이일병, 변혜란, 김진우, 김상문, 이승종, 이익환, 이민행, 임춘성, 박창균, 나동렬 공저. (2000). 인지과학. 학지사. ]
이런 절차를 연산법(algorithm)이라 한다. 대표적 예로는 컴퓨터 프로그램과 조리법이다. 이들이 자세히 작성된 경우, 정확하게 따르기만 하면 원하는 결과를 얻을 수 있다. 그림조각들을 맞출 때 연산법은 해결을 보장하지만 대단히 힘들고 오래 걸린다. 그림조각들을 맞출 때 추단법( heuristics )이라는 문제해결 방략에 의지하기가 더 쉽다. 추단법은 어떤 해결방법을 제공하는 주먹구구식 규칙이지만 그 해결을 보장하지 않는다. 그럼에도 불구하고 문제를 어떻게 풀어야 할지 모를 때, 추단법은 매우 유용하고 강력한 방안이다. 그림조각 맞추기에서 추단법의 예는 직선 모서리를 모두 뽑기, 모퉁이를 찾기, 그림에서 같은 물체 또는 같은 색깔에 해당하는 조각을 찾기 등등이다. 한 영역(예: 그림조각 맞추기)에만 적용할 수 있는 추단법이 있는가 하면, 여러 영역에 적용하여 여러 문제들을 풀 수 있는 일반적 추단법도 있다.
문제해결은 문제공간을 검색할 때 영역 일반적(domain general)인 문제해결방략, 즉 ‘추단( heuristics )’법의 통제를 받는다. 가장 일반적이고 융통성 있는 추단은 수단목표분석(meansend analysis)으로 차이 감소와 하위목표를 포함한다. 다루기 곤란한 문제들은 보통 더 쉽게 다룰 수 있는 하위 문제들(하위-목표설정)로 나뉘어진다. 이 작업은 잘 정의된 문제들(문제해결에 필요한 정보가 주어진 경우)과 잘 정의되지 못한 문제들(해결자가 가능한 해결방법에 관해 빠진 정보와 적절한 정보를 제공해야 하는 경우) 모두에 해당한다. 잘 정의되지 않은 문제에서 해결을 위한 탐색은 그 문제를 해결 가능한 부분들로 나뉘게 하는 제약의 탐색이다. 예를 들어 작문할 때 이것은 어떤 예를 들 것인지, 쟁점의 어떤 측면을 논의할 것인지 등을 포함한다. 잘 정의된 문제들은 전체 상태공간을 지도처럼 보여 줄 수 있다. 상태공간이 반드시 문제의 난이도를 결정하지는 않는다. 서양장기에서는 가능한 문제공간이 수십억 개이다.
사람들이 무선적으로 ‘보이는’ 숫자들을 뽑는 이유는 표본은 그것이 뽑힌 전집과 같은 특성을 가져야 한다고 믿기 때문이다. 이런 사고는 대표성 추단법(representative heuristics )으로 알려져 있다. 예를 들면 그림 5.4에서처럼 동전던지기를 수없이 많이 한 결과를 기록한다고 하자. 그림에서 (b)와 (c)는 연속된 순서에서 무선으로 뽑은 두 표본이다. 동전던지기를 수없이 여러 번 하면 온전한 동전은 앞면(H)이 50%, 뒷면(T)이 50%를 보일 것이다.
가용성 추단법(availability heuristics )은 이 이상으로 사고에 영향을 준다. 비행기 여행은 항공 사고가 크게 보도된 이후 다른 어느 때보다 더 위험하다고 판단된다. 아동 성희롱범이나 살인자에 대한 공포 때문에 부모들은 아이를 도보로 등교하게 하는 대신에 차로 학교에 데려다 주지만, 실제로 하늘에서 무엇인가가 떨어져서 죽을 확률이 살인 가능성보다 5배 크다. 가용되는 정보를 바탕으로 판단하고 사건들의 상대적 빈도인 ‘기저율’을 무시하면(또는, 더 정확히, 모를 때) 오판이 팽배해진다.
[인용 문헌 : 이영애 역. (2003). 사고 유형. 시그마프레스. ]
글
댓글 없음:
댓글 쓰기