본문 바로가기

공부150

[개념] 분산기억 (Transactive Memory) - "누가 무엇을 아는지 아는것" "누가 무엇을 아는지 아는 것" 팀의 퍼포먼스와 연관된 분산기억(transactive memory)이라는 개념이 있다. 분산기억의 개념은 간단하고 강력하다. 사람은 모든 지식을 이해하고 기억할 수 없다. 그래서 지식을 습득할 수 있는 방법을 기억하는 편이 효율적이고, 다양한 일을 할 수 있게 해준다. 이런 학습방식은 배우는 방법을 배운다는 뜻으로 metalearning이라 한다. 이런 metalearning의 위치는 때로는 나의 기억, 때로는 외부의 컴퓨터, 책, 인터넷 북마크 등등으로 확장되는데, '사람' 또한 metalearning에 중요한 역할을 한다. 특히 협업에 있어서 다른 사람의 지식을 활용하는 것은 팀의 퍼포먼스와 직결된다. 예를 들어 코딩에 관련한 문제에 봉착했을 때, 팀에 경력이 풍부한 .. 2020. 5. 20.
[통계] p-hacking, False discovery rate, power analysis Youtube에 'StatQuest'라는 통계관련 정말정말 좋은 채널이 있다. 최근 올라온 동영상 중 p-hacking이 어떤 것인지 피하려면 어떻게 해야 하는지에 관한 영상들이 있어 간단히 정리해본다. 가설 검정 실험이나 연구를 계획할 때는 조건에 따른 결과의 차이를 통해 인과관계를 탐색해 나가는 것이 일반적이다. 이 때 우리가 증명하고 싶은 가설은 '차이가 있음'에 있다. 예) '약을 투여했더니 증상이 호전되었다' 하지만 '차이가 있다'는 가설은 그 정도에 따라 무한으로 가설을 세울 수 있기 때문에, 유일하게 설정할 수 있는 '차이가 없다'를 가설로 내세워 기각하는 방식이 주로 이용된다. 이 때 기각하기 위해 설정하는 가설이 '귀무가설', 기각 시 채택되는 연구가설이 '대립가설'이라는 이름으로 사용된.. 2020. 5. 6.
[네트워크과학] Fundamental Theory of Physics? 일전 거시적 공간을 미시적 공간의 창발현상으로 생각해볼 수 있을까 하는 생각에 빠진 적이 있었다. 우리가 사는 우주에서 정보는 공간을 통해 전달되고, 이는 인과관계가 성립하는 중요한 원칙이다. 이러한 공간을 아주 세밀하게 관찰했을 때, 그 형태가 이산적이라면 인접 공간으로 정보를 전달하는 아주 촘촘한 네트워크를 볼 수 있을 것이고, 그것이 거시적으로 발현된 공간이 바로 우리가 사는 우주라는 상상을 해볼 수 있다. 이런 우주 공간 속에서 발견된 성질 즉 '물리'가 network 이론으로 설명될 수 있다면? 쉽게 말해 에너지, 질량, 시간, 공간과 같은 성질이 network의 성장 형태를 통해 설명될 수 있다면? 이에 대해 가능할지도 모르겠다는 도전적인 연구내용이 Wolfram의 웹페이지에 게재되었다. 구조.. 2020. 4. 15.
[네트워크과학] degree distribution을 설명하는 최적의 function 찾기 지난번 글 'Scale free network - degree distribution 핏팅' 에서는 네트워크 데이터로 부터 구한 degree distribution에 power law function을 핏팅하기 위한 테크닉을 정리했었다. 오늘은 과연 power law function이 degree distribution을 설명하는 적합한 function일까? 라는 질문에 대해 다뤄보려 한다. power law function은 '부익부 빈익빈'에 유래한다. 네트워크에서 '부익부 빈익빈'이란 link를 많이 지닌 node에 더 많은 node의 유입이 이루어 지는 것을 의미한다. degree distribution의 형태가 power law로 나타난다는 것은 네트워크 형성 메카니즘에 이러한 부익부 빈익빈 적.. 2020. 3. 27.
[네트워크이론] degree에 따른 attachment rate 구하기 - 실전편 이전에 작성했던 degree에 따른 attachment rate 구하기 방법의 특징을 BA model을 이용해서 확인해 본다. BA model은 이전에 작성했던 방법을 조금 수정하여 작성했다. BA model을 100,000 스탭 성장 시킨 후, 세 방법을 적용해 구한 attachment rate 결과는 다음과 같다. BA model은 실제로 degree에 비례한 attachment rate로 성장시킨 model인 degree-attachment rate가 선형 관계를 지닌 model이다. 세 방법 모두 다 degree가 증가할 수록 attachment rate가 비례하여 증가하는 경향을 보여준다. BA model이 지닌 degree에 비례한 attachment rate의 특성이 잘 나타난다. Jeong.. 2020. 3. 18.
[네트워크과학] Scale free network - degree distribution 핏팅 Degree distribution과 Scale-free network Network에서 각 node가 지닌 link의 수의 분포를 degree distribution이라고 한다. 그리고, 이 degree distribution의 형태를 통해 network의 특징을 살펴볼 수 있다. Scale-free network는 degree distribution에 대해 척도 불변의 성질을 지닌 네트워크를 말한다. scale-free는 여기서 scale invariance(척도 불변)를 나타내는데, 함수 f(x)의 형태가 x의 스케일 요소에 의존하지 않는다는 뜻이다. 좀 더 쉽게 말해보자면, 서로 다른 degree scale에서 함수의 형태를 살펴 봐도 그들이 빚어내는 형상은 불변한다. 이러한 특징을 지닌 함수는 .. 2020. 2. 24.
[네트워크이론] Degree 편향을 보정한 결집계수(Clustering Coefficient) 결집계수 결집계수(Clustering coefficient)는 네트워크의 결집도를 정량화 하는 한 방법이다. 그 정의가 참 재미있는데 다음과 같다. C_i : node i 의 지역(local) 결집 계수k_i : node i 의 이웃의 수 (=degree)T(i) : node i 의 이웃끼리 이웃인 경우 (node i를 중심으로 삼각형이 만들어지므로 Triangle의 개수라고도 한다) 특정 node i 의 이웃과 이웃이 서로 이웃인 경우를, 모든 가능한 경우 'k(k-1)/2'로 나눈 값을 지역(local) 결집계수로 정의한다. 결집계수의 문제점 결집계수는 node의 특성을 나타내는 값으로 많이 이용하는데, 치명적인 단점이 있다. 바로, 분모가 과대 평가 된다는 점이다. 이웃의 수가 적다면 모든 경우의 .. 2020. 2. 13.
[생각] 기성언론 vs 뉴미디어 JTBC 뉴스룸 신년 토론회 '한국 언론, 어디에 서있나'를 보고 생각을 정리. 가짜뉴스 혹은 인터넷을 통한 진영의 형성은 복잡 네트워크에서 크게 주목 받는 현상이다. 이번 토론의 구도는 기성언론과 뉴미디어(유튜브)를 대표하는 두 진영이 의견을 주고 받는 구도였다. 전반적으로 기성언론 측은 기성언론의 장점을 '공신력'에 두고 뉴미디어의 추측 혹은 진영논리에 기반한 뉴스 생성의 위험성을 지적했다. 반면, 뉴미디어 측은 기성언론의 구조가 공적 역할을 하는 사기업이라는 모순점을 지니고 있으며, 이에 따른 선택적/반복적/악의적 보도가 공신력을 잃게 만들었다는 점을 지적했다. 그리고, 이를 견제하고 보완하기 위한 방법으로 다양한 의견과 정보를 공유하는 뉴미디어의 가능성을 주장했다. 사실 뉴스의 소비자들 또한 문제.. 2020. 1. 9.
[네트워크이론] Degree Centrality(연결 중심성) 고찰 네트워크 이론의 강력한 파워 중 하나는 바로 중심성(Centrality)다. 복잡한 관계 속에 위치한 각각의 node의 중요성을 나타내는 지표를 중심성 이라고 하는데, 엄청나게 다양한 중심성이 제안 되어 왔다. 오늘은 가장 대표적이면서 중요한 Degree centrality를 고찰해 보려 한다. Degree centrality는 가장 간단하고도 대표적인 중심성이다. node가 지닌 degree, 즉, link의 수를 중심성의 지표로 활용한다. 더 쉽게 말하자면 '친구가 몇 명 있는가?'에 해당한다. 간단하지만 강력하고, 수많은 중심성 지표와 상관 관계를 갖는다. 쉽게 생각해보자, 친구가 많은 사람 A가 있다. 그런데 A의 친구들은 친구가 한 명도 없는 경우가 있을까? 이런 상황은 Degree centra.. 2019. 12. 21.

티스토리툴바