교육 데이터는 차트보다 이야기로 배워질 때가 있다
논문 『Data Comics for Education: Evaluating Effectiveness, Benefits, and the Ethics of AI-Assisted Creation』를 읽고
학습자가 차트를 못 읽는다고 탓하기 전에, 데이터가 어떤 순서와 이야기로 제시되는지 다시 설계해야 한다.
제일 먼저 든 생각
교육평가나 HRD 대시보드를 만들다 보면, 사람들은 자주 “그래프를 더 쉽게 만들자”고 말한다. 그런데 이 논문은 한 발 더 간다. 차트를 쉽게 만드는 것만으로는 부족하고, 데이터를 어떤 장면의 순서로 읽게 할 것인가가 학습의 일부가 된다는 것이다.
논문은 데이터 코믹스(data comics)를 다룬다. 데이터 코믹스는 막대그래프나 선그래프를 단독으로 던지는 대신, 패널, 캐릭터, 장면 전환, 이야기 구조를 이용해 데이터의 맥락을 따라가게 하는 형식이다. 연구진은 생성AI(GenAI)의 도움으로 만든 데이터 코믹스가 기존 시각화보다 학습자의 정보 검색과 이해에 어떤 차이를 만드는지 살폈다.
학생들은 데이터 코믹스에서 일관되게 더 나은 수행을 보였고, 특히 통찰 이해 과제에서 그 차이가 컸다.
“Students consistently performed better with data comics, particularly in insight comprehension tasks…”
이 문장을 교육평가 쪽으로 옮기면, 대시보드의 문제가 “차트가 예쁘지 않다”가 아닐 수 있다. 학습자가 아직 어떤 질문으로 데이터를 봐야 하는지 모르는 상태라면, 차트는 답이 아니라 낯선 암호가 된다.
논문 구조를 Deciflow식 연구 브리프로 정리한 그림. 데이터 시각화는 전달 형식이고, 데이터 코믹스는 해석 경로까지 함께 설계한다.
연구는 무엇을 비교했나
연구진은 대학생 60명을 대상으로 동일 참가자 내 비교(within-subjects study)를 진행했다. 참가자들은 전통적인 데이터 시각화와 생성AI 도움으로 만든 데이터 코믹스를 각각 보고, 정보 검색(information retrieval)과 이해(comprehension) 과제를 수행했다. 시각화 리터러시 수준이 결과를 매개하는지도 함께 보았다.
초록과 본문에 따르면 데이터 코믹스는 특히 “무엇을 읽어야 하는지”가 명확하지 않은 학습자에게 장점이 있었다. 단순히 숫자를 찾는 것보다, 왜 그 숫자가 중요한지 이해하는 과제에서 더 잘 작동했다. 학생들은 데이터 코믹스를 더 흥미롭고 이해하기 쉽다고 평가했다.
다만 논문은 장점만 말하지 않는다. 생성AI로 만든 교육 자료에는 잘못된 정보, 편향, 소유권, 투명성 문제가 붙는다. 데이터 코믹스가 학습을 돕는 형식이 될 수는 있지만, AI가 그린 장면이 데이터의 의미를 왜곡하지 않는지 검토해야 한다.
HRD에서 중요한 건 ‘보여주기’가 아니라 ‘읽히기’
HRD나 교육평가 현장에서는 교육 만족도, 사전·사후 점수, 참여 로그, 과제 수행률 같은 데이터를 자주 시각화한다. 그런데 보는 사람이 그래프 문법에 익숙하지 않으면, 좋은 차트도 행동으로 이어지지 않는다. 이 논문은 그 지점에서 꽤 실용적이다.
예를 들어 교육성과 리포트에 “부서별 평균 점수” 차트만 넣으면 독자는 순위를 본다. 하지만 데이터 코믹스식으로 바꾸면 흐름이 달라진다.
- 처음에는 어떤 업무 문제가 있었는지 보여준다.
- 교육 전후에 관찰한 행동 지표를 제시한다.
- 특정 집단에서 왜 변화가 작았는지 맥락을 붙인다.
- 다음 교육 설계에서 바꿀 질문을 남긴다.
이렇게 하면 데이터는 증거이면서 동시에 학습 경로가 된다. 특히 Power BI나 사내 대시보드를 설계할 때도 적용할 수 있다. 모든 페이지를 만화처럼 만들자는 뜻이 아니다. 중요한 지표 몇 개만이라도 패널의 순서를 갖게 만들면, 독자는 수치를 보는 대신 판단의 흐름을 따라간다.
생성AI는 제작 병목을 줄이지만, 검토 병목은 남긴다
논문에서 흥미로운 점은 생성AI가 데이터 코믹스의 제작 부담을 줄일 수 있다고 본다는 점이다. 기존에는 데이터 시각화, 스토리텔링, 디자인, 교육학 지식이 모두 필요했다. 생성AI는 초안 제작 속도를 높인다.
하지만 교육 자료에서 빠른 제작은 곧바로 안전한 제작이 아니다. 이 논문의 학생들도 생성AI 기반 자료에 대해 오정보와 소유권 우려를 언급했다. 업무 적용으로 바꾸면, AI가 만들어준 시각 자료는 다음 질문을 통과해야 한다.
- 그림이 실제 데이터의 크기와 방향을 과장하지 않는가?
- 캐릭터나 장면이 특정 집단을 고정관념으로 표현하지 않는가?
- 출처, 생성 방식, 검토자가 명확히 남아 있는가?
- 학습자가 가져가야 할 결론과 데이터가 실제로 맞물리는가?
원문 첫 페이지. 이 연구는 데이터 코믹스를 “재미있는 형식”이 아니라 교육용 데이터 커뮤니케이션 방식으로 검증하려 한다.
내 작업에 붙여본다면
다음 교육평가 리포트에서는 차트 하나를 “데이터 코믹스식 4컷”으로 바꿔볼 수 있겠다.
- 1컷: 교육 전에 현장에서 보인 문제 장면
- 2컷: 교육 중 수집된 핵심 행동 데이터
- 3컷: 교육 후 달라진 지표와 달라지지 않은 지표
- 4컷: 다음 설계에서 확인할 질문
이 조건에서 논문이 보여준 것은, 데이터 이해가 단순한 그래프 해독 능력만은 아니라는 점이다. 학습자는 숫자를 읽는 것이 아니라, 숫자가 놓인 이야기를 따라가며 판단한다.
오늘 남길 질문은 이것이다. 내가 만든 교육 대시보드는 데이터를 보여주는가, 아니면 사람이 데이터를 읽을 순서를 설계해주는가.
원문 정보
- 제목: Data Comics for Education: Evaluating Effectiveness, Benefits, and the Ethics of AI-Assisted Creation
- 저자: Zirui Shan, Vanessa Echeverria, Yuheng Li, Yi-Shan Tsai, Roberto Martinez-Maldonado
- 연도/게시일: 2026
- 게재/출처: arXiv
- arXiv: 2607.02361v1
- PDF: https://arxiv.org/pdf/2607.02361