직관 — 같은 질문으로 두 원문을 읽는다
어떤 설명은 평균을, 다른 설명은 중앙값을 대푯값으로 쓴다. 어느 쪽이 항상 더 클까? 설명을 많이 모으기 전에 같은 질문을 적고, 각 원문에서 정의와 조건을 찾아야 서로 비교할 수 있다.
연구 윤리에서 배운 출처·자기 기여의 구별을 문헌 조사에 적용한다. 평균과 중앙값을 소재로 기관과 도구의 공개 원문을 읽고, 가상 자료의 자기 계산을 더해 짧은 결론을 완성한다.
문헌 조사는 검색·선정·대조·종합의 과정이다
문헌 조사는 탐구 질문과 관련된 선행 자료를 찾아 정의·가정·근거를 검토하고 서로 연결하여 결론을 만드는 방법이다. 2022 개정 교육과정의 내용 요소와 2015 개정 모델 교과서는 같은 방법을 ‘문헌 연구’라 부르고, 모델 교과서는 자료를 찾아 읽는 단계를 ‘선행 연구 검토하기’라고 한다. 영어 literature review는 ‘문헌 고찰’로 옮기기도 한다. 자료에는 연구 논문·보고서·책·영상 등이 들어갈 수 있다. 이번 예는 NIST 통계 핸드북의 정의와 Google 스프레드시트·Python의 공식 설명서를 사용한다.
질문은 “평균은 중앙값보다 항상 큰가?”다. 먼저 다음 기준을 정했다.
| 단계 | 이 예에서 정한 기준 |
|---|---|
| 찾을 내용 | 유한한 숫자 자료의 산술평균과 중앙값 정의 |
| 검색어 | 평균, 중앙값과 그 영어 mean, median |
| 찾는 곳 | 통계 기관의 공개 핸드북, 계산 도구를 만든 곳의 공식 설명서 |
| 포함 | 정의와 계산 조건을 본문에서 직접 확인할 수 있는 공개 원문 |
| 제외·보류 | 제목만 보이는 글, 근거 없이 대소관계를 단정한 요약 |
| 기록 | 기관·제목·URL·확인일·읽은 절·자기 계산 여부 |
| 범위 | 표본에서 얻은 수의 계산; 모집단 추론이나 분포 이론은 다루지 않음 |
이 순서는 한 번에 끝나지 않는다. 대조하다가 정의가 다른 문서를 만나면 검색어와 포함 기준으로 돌아가 다시 찾는다. 기준을 바꾸었다면 언제, 왜 바꾸었는지도 기록에 남긴다.
문헌 검색어는 집합의 연산처럼 좁히고 넓힌다
검색어 두 개를 AND로 이으면 둘 다 들어간 문서만 남는 교집합이 된다. OR는 둘 중 하나라도 들어간 합집합, NOT은 앞 낱말의 문서에서 뒤 낱말의 문서를 뺀 차집합이다. 집합의 연산에서 배운 세 연산과 같다.
가상의 문헌 목록에서 ‘평균’이 들어간 문서의 집합을 , ‘중앙값’이 들어간 문서의 집합을 라 하자. 집합 의 원소 개수를 로 쓰고, , , 으로 정했다. 실제 검색 서비스의 결과 수가 아니라 계산을 위한 가상의 수다.
- ‘평균 AND 중앙값’은 건으로 좁힌다.
- ‘평균 OR 중앙값’은 건으로 넓힌다. 두 번 센 30건을 한 번 뺀다.
- ‘평균 NOT 중앙값’은 건이다.
figures/search_operators.py그림 1에서 칠한 부분은 OR가 가장 넓고 AND가 가장 좁다. 같은 뜻의 낱말을 OR로 묶으면(‘중앙값 OR median’) 놓치는 문서가 줄고, 관계없는 뜻을 NOT으로 빼면 읽을 목록이 줄어든다. 연산자를 쓰는 표기는 서비스마다 다르므로 그 서비스의 검색 도움말을 먼저 확인한다.
검색할 곳은 자료의 종류에 따라 고른다. 연구 논문은 학술 데이터베이스, 책은 도서관 소장 목록, 보고서는 그것을 낸 기관의 자료실이나 보고서 목록, 영상 자료는 그것을 만든 기관의 공개 강의 목록에서 찾는다. 학술 데이터베이스는 제목·저자·초록·발행 연도처럼 찾을 칸을 골라 검색하게 하는 경우가 많고, 도서관 목록은 서명·저자·주제어로 찾는다. 이 글은 정의를 직접 실은 기관 핸드북과 도구 설명서를 골랐으므로 웹 문서만 썼다.
이 글을 처음 쓸 때 실제로 사용한 검색어는 ‘수학 문헌 연구 평균 중앙값 반례 자료 비교’였다. 검색 결과에는 교육 연구와 문헌 목록도 섞였다. 검색 순위나 요약만으로 정의를 확정하지 않고, 아래 원문의 해당 절을 직접 열어 확인했다. 확인일은 2026-11-17이다.
실제 원문의 정의를 근거표로 남긴다
읽을 자료를 고를 때는 네 가지를 묻는다. 누가 냈는가, 어느 판본이고 언제 확인했는가, 정의·자료·증명 같은 근거를 보여 주는가, 내 질문의 조건과 맞는가. 정의를 직접 제시한 기관 문서나 도구를 만든 곳의 설명서 같은 1차 자료를 우선한다. 그것을 다시 요약한 글은 1차 자료를 찾는 길잡이로 쓴다.
| 원문과 읽은 부분 | 확인한 내용의 자체 요약 | 이 탐구에서 쓸 범위 |
|---|---|---|
| NIST/SEMATECH 통계 핸드북, 1.3.5.1 Measures of Location의 Definition of Location | 평균은 자료의 합을 개수로 나눈 값이며 중앙값은 정렬 순서로 정한다 | 수학적 정의와 홀짝 자료 수의 구별 |
| Google Sheets, MEDIAN, 구문·참고 | 홀수 개면 가운데 값, 짝수 개면 가운데 두 값의 평균을 구하고 텍스트는 무시한다 | 숫자 자료를 넣을 때의 중앙값 설명 |
| Google Sheets, AVERAGE·AVERAGEA, 구문·참고 | AVERAGE는 숫자 값의 합을 개수로 나누고 텍스트는 뺀다. AVERAGEA는 텍스트를 0으로 넣는다 | 계산 범위와 숫자·텍스트 입력의 구별 |
| Python 표준 라이브러리 statistics, median·median_low·median_high | 짝수 개 자료에서 각각 가운데 두 값의 평균, 작은 값, 큰 값을 돌려준다 | 정의가 다른 중앙값의 비교 |
NIST 원문의 첫 문장을 “정확히 절반은 중앙값보다 작고 나머지 절반은 크다”라고만 옮기면 같은 값이 반복된 자료에서 오해가 생긴다. 실제 계산은 정렬한 위치에 대한 홀짝 공식으로 확인했다. 예를 들어 의 중앙값은 2지만 2보다 작은 값이 정확히 절반 있는 것은 아니다.
Google AVERAGE 도움말의 BigQuery 단락은 읽은 범위에 넣지 않았다. 도구가 텍스트를 무시한다는 설명을 “빠진 관측값은 무시해도 전체 추론에 문제가 없다”로 확대하지 않는다. 위 표는 원문을 읽어 정리한 결과이며 실제 시트나 프로그램을 실행한 기록은 아니다.
근거표의 각 행은 끝의 참고문헌 목록과 짝을 맞추고, 표기 양식은 연구 윤리의 출처 표기를 따른다.
자기 입력으로 정의를 적용한다
다음 A·B는 원문 기관에서 조사한 값이 아니라 비교를 위해 직접 만든 가상 자료다. 자료의 개수가 세 개로 같아도 각 값이 달라지면 평균·중앙값의 대소관계가 달라질 수 있다.
| 기호 | 이름 | 원어 | 뜻 |
|---|---|---|---|
| 정렬한 값 | ordered values | 인 세 숫자 | |
| 평균 | arithmetic mean | 세 값의 합을 3으로 나눈 값 | |
| 중앙값 | median | 정렬한 가운데 값 |
세 값에서는 정의를 다음처럼 적용한다.
A를 로 정하면 합은 다. 평균은 , 중앙값은 2이므로 평균이 더 크다. B를 로 정하면 합은 이고 평균은 6, 중앙값은 8이므로 평균이 더 작다.
| 가상 자료 | 합 | 평균 | 중앙값 | 비교 |
|---|---|---|---|---|
| A: 1, 2, 9 | 12 | 4 | 2 | 평균 > 중앙값 |
| B: 1, 8, 9 | 18 | 6 | 8 | 평균 < 중앙값 |
figures/means_medians.pyB는 숫자 자료라는 조건을 만족하면서 “평균이 항상 더 크다”는 결론을 깨므로 그 주장의 반례다. A는 반대 방향도 가능함을 보여 준다. 같아지는 예도 있다. 이면 평균과 중앙값이 모두 2다. 따라서 한 가지 엄격한 대소관계를 모든 자료에 적용할 수 없다.
문헌의 정의에서 자기 결론을 어디까지 끌어낼 수 있을까?
정의를 식으로 빼 보면 반례 하나보다 넓은, 조건이 붙은 결론을 얻는다. 세 값에서는 가운데 값에서 가장 큰 값까지의 간격이 가장 작은 값까지의 간격보다 길 때 평균이 중앙값보다 크다. 식 (1)의 두 값을 빼면 다음과 같다.
식 (2)의 분자 를 두 간격의 차로 묶으면 식 (3)이 된다. 은 가운데 값과 가장 작은 값의 간격, 는 가장 큰 값과 가운데 값의 간격이다.
그림 2의 A는 간격이 1과 7이므로 식 (3)이 이고, 실제로 다. B는 간격이 7과 1이라 이며 와 같다. 은 두 간격이 1로 같아 차가 0이다. 큰 값 쪽으로 멀리 떨어진 값이 있으면 평균이 그쪽으로 끌려간다는 말을 세 값에서 식으로 확인한 것이다.
식 (3)은 문자로 보였으므로 모든 세 값 자료에 성립한다. 자료가 네 개 이상이면 식 (3)을 그대로 쓸 수 없고 중앙값의 정의부터 다시 적용해야 한다. 문헌이 준 것은 정의이고, 식 (3)과 그 적용 범위는 이 탐구가 덧붙인 자기 기여다.
두 문서의 중앙값이 다르면 무엇을 먼저 확인할까?
두 문서가 같은 정의를 쓰는지 먼저 확인한다. 짝수 개 자료 에서 NIST, Google MEDIAN, Python의 median은 가운데 두 값 4와 6의 평균인 5를 중앙값으로 정한다. 같은 Python 문서의 median_low는 작은 쪽 4를, median_high는 큰 쪽 6을 돌려준다.
figures/median_definitions.py그림 3의 세 값은 모두 각자의 정의에 맞는 계산이다. Python 문서는 자료가 띄엄띄엄한 값이고 중앙값이 실제 자료의 값이기를 원할 때 median_low나 median_high를 쓰라고 안내한다. 그래서 ‘5와 6 중 하나는 틀렸다’가 아니라 ‘어느 정의로 계산했는가’를 근거표에 적는다. 홀수 개 자료에서는 세 정의가 모두 같은 가운데 값을 준다.
평균도 같은 이름 아래 입력 처리 규칙이 다를 수 있다. Google AVERAGE는 텍스트를 계산에서 빼고, AVERAGEA는 텍스트를 0으로 넣는다고 도움말에 적혀 있다. 2, 4, 6과 ‘미측정’이라는 글자 한 칸을 넣으면 설명대로 계산한 값은 앞의 규칙으로 , 뒤의 규칙으로 이다. 연구 윤리에서 본 ‘빈칸을 0으로 바꾸는 오류’와 같은 숫자 차이가 도구 선택만으로도 생긴다.
인용한 정의와 자기 결론을 한 문단에 연결한다
완성된 종합 문단의 예는 다음과 같다.
NIST의 위치지표 정의와 Google의 MEDIAN·AVERAGE 도움말, Python statistics 문서를 대조하면, 평균은 합과 개수로, 중앙값은 정렬한 가운데 위치로 정한다. 짝수 개 자료의 중앙값은 문서에 따라 가운데 두 값의 작은 쪽이나 큰 쪽을 쓰기도 하므로, 이 탐구는 두 값의 평균을 쓰는 정의를 택했다. 이 정의를 자체 가상 자료 A(1,2,9)와 B(1,8,9)에 적용했다.
A에서는 평균이 더 크고 B에서는 더 작으므로, 평균이 중앙값보다 항상 크다는 주장은 성립하지 않는다. 세 값 자료에서는 가운데 값에서 가장 큰 값까지의 간격이 가장 작은 값까지의 간격보다 길 때 평균이 더 크고, 두 간격이 같으면 둘이 같음을 식으로 보였다. 이 계산은 실제 집단을 조사하거나 특정 분포 전체를 추정한 결과가 아니다.
위 문단의 출처는 정의를 뒷받침한다. A·B의 선택, 반례 계산, 간격으로 쓴 식은 자기 작업이다. 기관 이름을 계산 옆에 붙였다는 이유로 그 기관이 이 탐구의 모든 해석을 보증하는 것은 아니다.
모둠은 원문 찾기·조건 읽기·자기 검산을 나누고, 서로 맡지 않은 표 한 행을 다시 확인할 수 있다. 성찰란에는 “제목만 읽었을 때 예상한 내용과 실제 원문에서 확인한 내용이 어떻게 달랐는가?”를 쓴다. 이 글의 표는 직접 읽은 문서의 기록이며 실제 동료 토론을 했다는 주장은 아니다.
문헌 조사는 원문의 정의를 근거표로 대조하고 자기 계산과 구별해 결론을 쓴다. 그렇게 하면 가상 자료 B(평균 6, 중앙값 8) 하나가 ‘평균이 중앙값보다 크다’는 일반 주장의 반례가 된다.
문헌 조사와 사례 조사는 어떻게 다른가?
문헌 조사는 이미 발표된 자료의 정의·결과를 찾아 대조하고, 사례 조사는 질문지나 통계 자료로 현재 상황을 파악해 사실대로 기술한다. 이 글은 공개 원문 네 종류의 정의를 비교했고, 통계적 탐구는 가상 대기 기록을 모아 분석한다. 2015 모델 교과서의 사례 조사 단원에도 ‘선행 연구 검토하기’가 있어, 두 방법을 함께 쓸 수 있다.
문헌 조사에서 원문 일부만 읽어도 되는가?
문헌 조사에서는 질문에 필요한 절만 읽어도 되지만, 읽은 범위를 정확히 적어야 한다. 이 글은 NIST 핸드북의 1.3.5.1절에서 위치지표의 정의 부분을 읽었으며, 같은 쪽의 분포 설명 전체를 검토했다고 하지 않는다. 빠진 조건이 있는지 앞뒤 문맥도 확인한다.
문헌 조사에서 검색 결과가 너무 많으면 어떻게 좁히나?
문헌 조사의 검색 결과가 너무 많으면 함께 나와야 할 낱말을 AND로 더하고 관계없는 뜻은 NOT으로 뺀 뒤, 찾을 칸이나 발행 연도·자료 종류를 제한한다. 가상 목록에서 ‘평균’만 친 120건은 ‘평균 AND 중앙값’으로 30건이 된다(그림 1). 좁힌 조건은 포함·제외 기준과 함께 기록해 두어야 같은 검색을 다시 할 수 있다.
문헌 조사의 흔한 오해
- 검색 결과의 위쪽에 있거나 결과가 많으면 결론도 정확하다. — 순위와 개수는 정확성의 근거가 아니다. 같은 요약을 되풀이한 글이 많을 수 있고, 이 글의 결론은 원문 정의와 조건에 맞는 반례 B에서 나왔다.
- 두 문서가 다르게 말하면 하나는 반드시 틀렸다. — 의 중앙값이 문서에 따라 5와 6으로 다른 것은 정의가 다르기 때문이다. 정의·자료·적용 범위를 맞춘 뒤에 비교한다.
- 초록이나 검색 요약에 적힌 결론은 원문의 결론과 같다. — 요약은 조건을 빼기 쉽다. NIST 원문은 중앙값을 정렬한 위치의 홀짝 공식으로 정하는데, 이를 ‘정확히 절반은 작고 절반은 크다’로만 줄이면 처럼 같은 값이 반복된 자료에서 맞지 않는다.
직접 해보기
- 새 가상 자료 의 평균과 중앙값을 구하고 두 값의 순서를 말하라. 식 (3)으로도 같은 차가 나오는지 확인하라.
- 새 가상 자료 의 평균과 중앙값을 구하고 식 (3)으로 검산하라. 1번 결과만으로 모든 자료의 순서를 결론 내릴 수 있는가?
- 어떤 설명서는 의 중앙값을 7이라고 적었다. 어떤 정의를 썼을지 추측하고, NIST 정의로 다시 계산하라. “중앙값은 늘 자료 중 하나다”라는 주장도 검토하라.
- 가상의 문헌 목록에서 ‘대푯값’이 들어간 문서가 80건, ‘중앙값’이 들어간 문서가 50건, 둘 다 들어간 문서가 20건이다. ‘대푯값 AND 중앙값’, ‘대푯값 OR 중앙값’, ‘대푯값 NOT 중앙값’의 결과는 각각 몇 건인가?
- 검색 결과의 요약만 읽은 항목을 ‘원문 전체 검토’라고 기록했다. 기록을 고치고 다음에 실제로 열어 확인할 정보를 세 가지 적어라.
답과 풀이
-
합이 이므로 평균은 다. 정렬한 가운데 값 3이 중앙값이어서 평균이 더 크다. 간격은 과 이므로 식 (3)은 이고, 와 같다.
-
합은 이므로 평균은 5, 중앙값은 7이다. 평균이 더 작다. 간격이 7과 1이므로 식 (3)은 이고 와 같다. 두 결과처럼 자료에 따라 순서가 달라지므로 1번 하나로 일반적인 순서를 정할 수 없다.
-
가운데 두 값은 3과 7이다. 7은 큰 쪽을 고르는 정의(Python의 median_high와 같은 방식)로 계산했을 때 나온다. 추측에서 멈추지 말고 그 설명서에서 짝수 개일 때의 규칙을 찾아 확인한다. NIST 정의로는 이고, 5는 원자료에 없다. 따라서 ‘늘 자료 중 하나’는 두 값의 평균을 쓰는 정의에서는 성립하지 않는다. 작은 쪽이나 큰 쪽을 고르는 정의에서는 늘 자료의 값이므로, 어느 정의에 대한 주장인지 밝혀야 한다.
-
AND는 둘 다 들어간 20건이다. OR는 건이고, NOT은 건이다. 두 번 센 20건을 OR에서 한 번 빼는 이유는 그림 1과 같다.
-
‘검색 결과 요약만 확인, 원문 미열람’으로 고친다. 예를 들어 발행 주체와 판본, 정의가 있는 절, 그 주장의 가정·예외를 직접 확인할 계획을 적는다. 열지 못했다면 그 한계를 유지한다.
더 읽기
- NIST/SEMATECH, e-Handbook of Statistical Methods, 1.3.5.1 Measures of Location — NIST. Definition of Location의 평균·정렬한 자료의 홀짝 중앙값 정의를 읽었다. 원문의 모집단·분포 설명을 이 글의 필수 내용으로 넓히지 않았다.
- Google, MEDIAN — Google 고객센터 도움말. 구문과 숫자 자료의 홀짝 처리, 텍스트 처리에 관한 참고 절을 읽었다.
- Google, AVERAGE — Google 고객센터 도움말. 일반 Sheets의 구문과 숫자 합·개수 설명을 읽었다. 이 글은 실제 시트 실행 보고가 아닌 문헌 비교다.
- Google, AVERAGEA — Google 고객센터 도움말. 텍스트를 0으로 계산에 넣는다는 규칙을 읽었다.
- Python, statistics — Mathematical statistics functions — Python Software Foundation. median·median_low·median_high 절에서 짝수 개 자료의 세 가지 처리와 쓰임을 읽었다.
- 교육부 2022 개정 교육과정 — 교육부, 2022. 수학과제 탐구의 내용 요소 ‘문헌 연구’와 [12수과02-01]의 선행 연구 검색·정리·검토·종합 절차를 확인했다.
- 교육부·한국과학창의재단, 수학과제 탐구 — 2015 개정 교육과정 적용 모델 교과서 — 전북교육청 게시글(2019-04-03)의 PDF 첨부. 표지와 목차(PDF 1·3·4쪽)만 읽었고, Part02의 문헌 연구·사례 조사·수학 실험 단원에 ‘선행 연구 검토하기’ 절이 있음을 확인했다.
영상 노트
- 00:00 한 질문을 들고 두 종류의 원문을 읽는다.
- 00:35 그림 1로 AND·OR·NOT 검색을 교집합·합집합·차집합으로 읽는다.
- 01:15 자료를 고르는 네 질문과 근거표의 네 원문을 대조한다.
- 01:55 식 (1)과 그림 2로 A·B를 계산한다.
- 02:35 식 (2)에서 식 (3)으로 묶어 간격의 차가 평균과 중앙값의 차임을 보인다.
- 03:15 그림 3에서 중앙값 정의가 다른 문서를 비교한다.
- 03:55 반례·정의·출처가 이어진 종합 문단을 완성한다.
지도에서의 위치
- 2026-11-17 · 에이전트 초안
- 2026-11-17 · 수학과제 탐구의 공식 범위·실제 원문·완성 활동·새 연습·해석과 성찰 집필
- 2026-11-17 · 전수 검수 반영 — 검색어 조합(집합 연산)·자료를 찾는 곳·자료 선정 기준·세 값의 평균과 중앙값 차 식·문서마다 다른 중앙값 정의 비교·교과 용어 근거 보강, 질문 블록과 오해 교체, 해보기 5문항 (에이전트 수정, 그림 1→3)
- 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림