이경원 최경철 2017-08 25979 https://aurora.ajou.ac.kr/handle/2018.oak/13931 학위논문(석사)--아주대학교 일반대학원 :라이프미디어협동과정,2017. 8 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. 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 kor The Graduate School, Ajou University 아주대학교 논문은 저작권에 의해 보호받습니다. 의사결정나무 분석을 위한 계층구조 시각화 간의 사용성 연구 Thesis 아주대학교 일반대학원 일반대학원 라이프미디어협동과정 2017. 8 Master http://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000025979 의사결정나무 시각화 평가 사용성 평가