데이터 시각화
COVID-19 시뮬레이션,
복잡한 개념의 직관적 해석
[아티클]
이 글은 20년 6월에 발표된 아티클로
시뮬레이션을 통해 복잡한 개념을 이해하고
개인의 선택이 COVID-19의 확산에 미치는 영향을
시각화하는 방법에 대한 중요한 주제를 다루고 있습니다.
이 아티클에서는 데이터 시각화의 중요성과 시뮬레이션을 통한 인사이트를 탐색하며,
현실 세계의 선택이 어떻게 커뮤니티와 개인에게 영향을 미치는지에 대한 인사이트를 제공합니다.
19년 11월 6일, 존스 홉킨스 대학은
미국의 빠르게 퍼지는 새로운 바이러스에 대한 대응을 탐구하는
시뮬레이션에 관한 기사를 발표했습니다.
부제목에는 "파괴적인 영향을 미치는 빠르게 퍼지는 코로나바이러스를 상상한다"로
마치 오늘의 뉴스 헤드라인과 헷갈릴 정도인데요.
시뮬레이션과 게임은 주로 전문가 팀을
위기 상황에서 대응할 수 있도록 훈련하는 데 사용됩니다.
시뮬레이션은 정책 관련 전문가와 응급 대응자에게만 국한되지 않고,
개인들이 복잡한 개념을 이해하고 그 결정이 지역사회에 미치는 영향을 조사하는
중요한 방법으로 부상하고 있습니다.
이들은 단순히 정보를 제공하는 것뿐만 아니라 다른 사람들에 대한 공감을 형성하는 데 도움을 줍니다.
게임이 어떻게 공감을 형성할까
코로나바이러스와 관련된 가장 인기 있는 시뮬레이션 중 하나는
해리 스티븐스의 "왜 코로나바이러스 같은 전염병이 지수적으로 확산되는가"입니다.
다음 그래프의 애니메이션 점들은 미국인들이 COVID-19 확산을 늦추는 데
사회적 거리두기의 중요성을 이해하는 데 도움이 되었습니다.
These simulations show how to flatten the coronavirus growth curve
The early trickle of new coronavirus infections has turned into a steady current. By creating simple simulations, we can see how to slow it down.
www.washingtonpost.com
스티븐스의 시뮬레이션과 같은 것들은 정적 그래픽이나 비디오 설명 대신
데이터를 경험하는 방법을 제공합니다.
정보를 소비하는 대신 결과물에 몰입하게 되며, 백그라운드에서 수학적 계산을 보지 않아도 됩니다.
COVID-19의 시뮬레이션은 케이스를 해석하는 것을 넘어
정책 수립과 규정 이해로 확장됩니다.
백신을 개발하는 속도가 얼마나 빠를 것인가에 대한 토글을
켜고 끄고 하는 선택은 제안된 출시 날짜를 이동시키며,
다양한 개발 단계에 필요한 시간을 나타내는 막대를 줄이거나 늘리게 됩니다.
이러한 시뮬레이션에서 최종적으로 당면하게 되는 선택 중 하나는
이렇게 압축된 일정으로 제공되는 제품으로 백신을 접종할 것인지 여부입니다.
그리고 모델에 입력할 예상 값 중 어느 것을 선택하든,
모델링 팀이 미완료된 사례 수와 바이러스 자체에 대한 불확실한 측정을 고려하여
전 세계적으로 진행 중인 모델링 작업에서 직면한 어려운 선택을 생각하게 됩니다.
멀티플레이어 게임으로 레벨 업하기
시뮬레이션은 일반적으로 COVID-19에 대한 우리의 이해의 한 측면,
바이러스의 지수적인 확산이나 모델 입력 선택과 같은 것을 다룹니다.
Shirley Wu와 Stephen Osserman의 '팬데믹의 사람들' 게임은
지역 인구 통계, 지수적 확산, 병원 수용능력 및 개인의 의사 결정이 결과로 이어지는
빠른 멀티플레이어 게임으로 결합됩니다.
게임 중에는 우리의 지역 사회에서 COVID-19을 모델로 한
고도로 전염성이 있는 호흡기 바이러스가 확산되는 동안
19명의 다른 플레이어와 함께 주 동안 외출 빈도를 결정하고 우편 번호를 입력합니다.
외출 빈도가 높으면 감염 증가로 병원 수용 능력이 초과 될 수 있지만,
격리하고 집을 나가지 않으면 음식이 없어 사망할 수 있습니다.
5주 동안 게임을 진행하면 마지막에 모든 제한을 해제할지 여부를 결정해야 합니다.
'팬데믹의 사람들' 게임을 디자인할 때 하나의 도전 과제는
"개인들이 자신의 행동의 결과를 보게 하면서 그들의 행동이
더 큰 커뮤니티의 일부이기 때문에 그 행동이 중요하다는 점을
강조하는 방법을 찾는 것"이었습니다.
게임은 미국을 기반으로 한 플레이어들에게 개인적이고 지역화된 경험을 제공하면서
질병 확산을 최소화하는 공동 경험도 제공합니다.
이런 식으로 '팬데믹의 사람들'은 우리가 단어나 차트만으로는
어렵게 이해하는 개념을 직관적으로 이해하게 만듭니다.
People of the Pandemic | a hyperlocal cooperative simulation game
A game that shows how an infectious disease might spread in your community, using data from your zip code and your team's collective decisions each week. Create your own team, invite others, save lives.
peopleofthepandemicgame.com
모의병에 기반한 시뮬레이션 사용 (그리고 대규모 데이터 논란 회피)
이러한 시뮬레이션을 사용하면
사용자가 게임 자체와 경험에서 배우는 내용에 집중할 수 있습니다.
디자이너가 사용한 바이러스의 복제율이 정확한지
플레이 중에 논의하지 않고도 (아마도 그런 수준의 검토는 전문가로 제한될 것입니다)
감염의 전파 역학, 위험 및 심지어 질병 부담과 관련된 큰 불확실성에 중점을 둘 수 있습니다.
워싱턴 포스트의 Harry Stevens는 협업자 John Muyskens와 함께
"COVID-19의 모든 모델이 왜 서로 다른 예측을 하는가"라는
두 번째 과제를 해결하기 위해 노력했습니다.
See how experts use disease modeling to predict coronavirus cases after states reopen
Disease modelers are wary of reopening the country. Here’s how they arrive at their verdict.
www.washingtonpost.com
'팬데믹의 사람들' 게임은 입력하는 시간에 따라 업데이트되고
플레이어의 위치에 맞게 조정되는 모델입니다.
그러나 이 게임에서의 질병 확산은 COVID-19을 모델로 하지만
정확한 예측이 아닌 간소화된 모델을 사용한 것임을 명확히 선언하고 있습니다.
이것은 바이러스 모델링이 아니라 바이러스를 모델로 했다는 것을요.
고위험 이슈에 대한 시뮬레이션의 어려움과 대중을 위한 도전 과제
그럼에도 불구하고 도표와 그래프를 보면 어떤 '진실성'이 있음을 시사합니다.
COVID-19 예측 모델은 종종 신생 질병의 예측에 영향을 미치는
불확실성을 인정하는 대신 "무엇이 발생할 것인가"로 공유됩니다.
불확실성에 대해 솔직하지 않으면, 이 경우에는 COVID-19의 심각성을
과소 또는 과대 평가 할 수 있다는 사실,
사람들은 앞으로 과학을 신뢰하지 않을 수도 있습니다.
이러한 문제를 극복하기 위해 디자이너는 만들어내는 것의 현실성과
시뮬레이션의 인상 사이에서 신중한 균형을 맞춰야 합니다.
시뮬레이션을 게임으로 변환함으로써
시뮬레이션을 예측과 혼동하지 않도록하고
대중이 지역 사회의 미래를 예측하려고 시도하지 않도록 하는 것이 중요합니다.
**A New Mode of Communication?**
현재 우리는 사회적 거리두기를 실천하면서 다른 사람들과 떨어져 살고 있습니다.
이때 우리 개개인의 선택이 어떤 영향을 미치는지를 파악하기는 어려울 수 있습니다.
우리가 게임을 즐기는 사람들이기도 하고,
이제 뉴스를 통한 정보 전달 대신 정보를 체험하는 방식으로 접근하고 있습니다.
게임과 시뮬레이션을 통해 복잡한 주제를 직관적으로 이해할 수 있게 되었고,
우리의 개별 및 집단적인 선택에 대한 대화를 더욱 풍부하게 만들어주고 있습니다.
이러한 시뮬레이션의 인기는 정보 전달 방식이 자연스럽게 진화하고 있는 결과인 것 같습니다.
[3줄 요약]
1. 시뮬레이션과 게임으로 어려운 주제를 쉽게 이해할 수 있다.
이런 게임을 통해 우리는 정보를 보기만 하는 것이 아니라 그 상황에 몰입하게 되고,
우리의 선택이 어떻게 사회와 개인에게 영향을 미치는지 이해할 수 있다.
2. 시뮬레이션은 전문가들이 팀을 훈련하는 데 사용되었지만,
이제는 개인들도 복잡한 아이디어를 이해하고,
자신의 결정이 지역사회에 미치는 영향을 조사하는 데 도움이 되는 중요한 도구로 사용되고 있다.
3. 시뮬레이션은 예측하기 어려운 새로운 질병에 대한 모델을 만들 때
가상 바이러스나 모의병과 같은 대체 데이터를 사용하는 것을 추천한다.
이렇게 하면 중요한 통찰력을 얻을 수 있고, 예측 모델을 실제 예측과 혼동하지 않도록 한다.
Move over, data visualization. The era of ‘data simulation’ is here (fastcompany.com)
'데이터시각화 이슈와 전망' 카테고리의 다른 글
| 말에서 지혜로, 정성적 사용자 데이터를 시각화하는 기술 (0) | 2024.02.08 |
|---|---|
| 세상을 바꾼 역사적 데이터 시각화: 나이팅게일, 콜레라, 노예제도까지[아티클] (1) | 2024.01.31 |
| 효과적인 데이터 시각화를 위한 도구 및 기술 탐색방법[아티클] (0) | 2024.01.16 |
| 대시보드 디자인할 때, 데이터 시각화의 오류와 해결책[아티클] (0) | 2024.01.12 |
| 예술과 기술의 매혹적인 융합을 촉진하는 AI 미디어 작품들 (0) | 2023.12.26 |
