SAT Math 연구 설계, 무작위로 나누면 인과관계를 말해도 될까요? Random sample과 random assignment

연구 설명에 random이라는 단어가 보이면 결론이 모두 강해진다고 생각하기 쉽습니다. 하지만 SAT Math에서 random sample과 random assignment는 같은 역할을 하지 않습니다. 한쪽은 조사 결과를 어느 모집단까지 넓힐 수 있는지와 연결되고, 다른 쪽은 처리 조건이 결과에 영향을 주었다고 말할 근거와 연결됩니다.

업그레이드캠퍼스는 이 유형을 누구를 뽑았는가 → 무엇을 관찰하거나 바꾸었는가 → 어떻게 집단을 나누었는가 → 어떤 결론을 말하는가의 순서로 읽습니다. 숫자 계산보다 연구 설계의 동사를 표시하는 일이 먼저입니다. selected, assigned, observed, received가 각각 다른 단계를 가리킨다는 점을 놓치지 마세요.

연구 설계는 SAT의 공식 통계 skill입니다

College Board는 Evaluating statistical claims—Observational studies and experiments를 SAT Math의 Problem-Solving and Data Analysis에 포함합니다. Student Question Bank의 공식 설명은 연구 묘사를 읽고 인과관계의 근거가 있는지 판단하며, random assignment가 왜 인과관계의 근거를 제공하는지 이해하는 문제를 이 skill로 안내합니다.

같은 설명에는 random sample을 보고 결과를 어느 모집단까지 확장할 수 있는지 판단하는 문제도 포함됩니다. 따라서 random 하나만 찾고 답을 고르면 부족합니다. 표본을 뽑는 단계인지, 이미 모인 참여자를 처리 집단에 배정하는 단계인지 구분해야 합니다.

Math Specifications는 Problem-Solving and Data Analysis가 SAT Math의 약 15%이며 basic study design을 이해하는 능력을 포함한다고 설명합니다. 공식 범위에는 비율, 자료 분포, 산점도, 확률, margin of error도 함께 있지만, 연구 설계 문제는 계산 결과보다 그 결과로 어떤 말을 할 수 있는가를 묻는다는 점에서 별도의 읽기 순서가 필요합니다.

Observational study와 experiment부터 나눕니다

Observational study에서는 연구자가 이미 존재하는 차이를 관찰합니다. 예를 들어 가상의 학교에서 학생들이 스스로 선택한 학습 앱 사용 시간과 모의 점수의 관계를 조사했다고 합시다. 두 변수가 함께 움직일 수는 있지만, 앱 사용을 연구자가 배정하지 않았으므로 앱이 점수 변화를 일으켰다고 바로 단정할 수 없습니다.

Experiment에서는 연구자가 참여자에게 처리 조건을 배정합니다. 같은 가상의 상황에서 참여 학생을 두 집단으로 나누고 한 집단에는 새 학습 방법을, 다른 집단에는 기존 방법을 적용할 수 있습니다. 두 집단이 있다는 사실만으로 연구 유형을 알 수 없습니다. 어떤 원리로 배정했는가를 확인해야 합니다.

관찰 연구에도 비교 집단은 있을 수 있고, 실험에도 설계 결함은 생길 수 있습니다. 그래서 두 집단을 비교했다만으로 experiment라고 정하지 않습니다. 연구자가 처리 조건을 부여했는지, 참여자가 스스로 선택했는지, 기존 특성을 관찰했는지 문장의 동사를 확인해야 합니다.

Random sample은 모집단 일반화의 범위를 정합니다

Random sample은 모집단에서 표본을 선택하는 방식과 관련됩니다. 가령 한 교육구의 11학년 전체 명단에서 무작위로 학생을 뽑았다면, 표본 결과를 그 교육구 11학년 모집단에 확장할 근거를 생각할 수 있습니다. 다른 나라의 모든 고등학생이나 연령이 다른 학생에게 자동으로 넓힐 수는 없습니다.

“어디에서 누구를 뽑았는가”를 확인합니다. 표본을 뽑은 틀이 특정 학교 학생만 포함한다면 결론의 대상도 그 범위를 넘어가지 않아야 합니다. 표본 수가 크다는 사실과 모집단에서 무작위로 선택했다는 사실은 같은 조건이 아닙니다.

SAT 선택지에서는 students in the district, all high school students, participants in the study처럼 비슷해 보이는 집단명이 나올 수 있습니다. 표본이 나온 모집단을 정확히 되짚어야 합니다. random sample이라는 말이 있어도 출발 모집단보다 넓은 집단으로 결론을 확대하지 마세요.

Random assignment는 인과관계의 근거와 연결됩니다

Random assignment는 이미 연구에 참여한 사람들을 처리 집단에 나누는 방식입니다. 참여자의 기존 특성이 특정 집단에 몰리는 위험을 줄여 처리 조건 외의 차이를 통제하는 데 도움을 줍니다. College Board의 공식 설명은 random assignment가 인과관계의 근거를 제공하는 이유를 이해하도록 요구합니다.

이 말은 random assignment라는 문구만 있으면 모든 인과 문장이 자동으로 참이라는 뜻이 아닙니다. 무엇을 배정했는지, 결과 측정이 어떤지, 연구 설명이 비교할 처리 조건을 실제로 제시하는지 확인해야 합니다. SAT에서는 공식 자료가 말하는 범위 안에서 주장의 강도를 고릅니다.

가상의 실험에서 참여자를 새 학습법과 기존 학습법에 무작위로 배정하고 다른 조건을 같게 유지했다면, 두 집단의 결과 차이를 학습법의 효과와 연결할 근거가 생깁니다. 반면 학생이 원하는 방법을 직접 골랐다면 동기, 기존 실력, 학습 시간처럼 다른 차이가 함께 움직였을 수 있어 인과 해석이 약해집니다.

두 random을 2×2로 보면 결론의 범위가 보입니다

Random sample과 random assignment는 서로 다른 단계이므로 둘 다 있을 수도, 하나만 있을 수도, 둘 다 없을 수도 있습니다. 이 조합을 나누면 어떤 결론이 가능한지 더 분명하게 읽을 수 있습니다.

표본 선택	처리 배정	우선 판단할 수 있는 것	경계할 말
random sample 있음	random assignment 있음	출발 모집단에 대한 일반화와 처리 효과의 인과 근거를 함께 검토	설계에 없는 다른 집단·다른 처리로 확대
random sample 있음	random assignment 없음	출발 모집단에서 관측된 관계를 일반화할 근거	관측된 관계를 원인이라고 단정
random sample 없음	random assignment 있음	실험 참여자 안에서 처리 효과의 인과 근거	편의 표본을 더 큰 모집단에 자동 일반화
둘 다 없음	둘 다 없음	조사한 참여자에게서 관측된 결과	넓은 모집단 일반화와 인과 단정

이 표는 자체 학습 틀이며 실제 SAT 문항을 옮긴 것이 아닙니다. 선택지에서는 연구 설명이 제공한 조건만 사용해야 합니다. can be generalized, provides evidence, causes, is associated with 같은 표현의 강도를 서로 바꾸어 읽지 마세요.

Association과 causation은 같은 결론이 아닙니다

Association은 두 변수가 함께 변하는 패턴을 말합니다. 이전 산점도 글에서 다룬 것처럼 산점도나 관찰 자료에서 관계가 보일 수 있습니다. 그러나 관계가 보인다는 사실만으로 한 변수가 다른 변수를 변화시켰다고 결론 내릴 수는 없습니다.

예를 들어 학습 시간이 긴 학생의 점수가 더 높았다는 관찰 결과가 있어도 기존 학업 태도, 수업 참여, 이전 성취처럼 두 변수와 함께 움직이는 요인이 있을 수 있습니다. 연구자가 학습 시간을 무작위로 배정한 실험이 아니라면 more study time caused the score increase 같은 인과 문장은 공식이 허용하는 강도보다 셀 수 있습니다.

선택지에 is associated with와 causes가 함께 나오면 먼저 연구 유형과 배정 방식을 봅니다. 숫자 차이의 크기는 인과관계의 근거가 되지 않습니다. 차이의 크기와 결론의 종류는 별개의 판단입니다.

표본 크기는 설계 역할을 대신하지 않습니다

참여자가 수천 명이라는 문장은 인상적으로 보입니다. 하지만 큰 편의 표본이 모집단의 모든 구성원을 대표한다고 자동으로 말할 수는 없습니다. 누구에게 참여 기회가 있었고 어떤 모집단에서 표본이 나왔는지가 남아 있습니다.

마찬가지로 표본이 크다고 random assignment가 생기지는 않습니다. 처리 조건을 참여자가 골랐다면 참여자의 기존 차이가 집단별 결과에 섞일 수 있습니다. 연구 설계 문제에서 표본 수는 유용한 정보일 수 있지만 sample과 assignment의 역할을 대체하지 않습니다.

SAT 문제에 숫자가 거의 없더라도 당황하지 마세요. 이 skill은 연구 설명을 논리적으로 읽고 허용되는 주장의 범위를 고르는 문제입니다. 계산하지 않는 Math 문제도 공식 범위 안에 있습니다.

자체 예시로 결론의 강도를 비교합니다

가상의 지역 도서관 프로그램을 생각해 보겠습니다. 연구자는 프로그램 참여자를 모집한 뒤 무작위로 두 집단에 배정합니다. 한 집단은 6주간 새로운 읽기 전략 수업을 받고, 다른 집단은 기존 수업을 받습니다. 연구가 끝난 뒤 첫 집단의 이해도 점수가 더 높았습니다.

이 설명에는 random assignment가 있으므로 참여자에 대한 처리 효과의 인과 근거를 검토할 수 있습니다. 그러나 참여자가 지역 전체에서 무작위로 뽑혔다는 정보는 없습니다. 따라서 이 프로그램이 모든 지역 청소년의 점수를 높인다고 모집단 전체에 곧바로 확대하는 선택지는 경계해야 합니다.

반대로 지역 전체 청소년 명단에서 random sample을 뽑아 현재 독서 습관과 점수를 조사했지만 아무 처리도 배정하지 않았다고 합시다. 이 경우 출발 모집단에 관측된 관계를 일반화할 근거는 생각할 수 있지만, 특정 습관이 점수 상승을 일으켰다고 말할 실험 근거는 없습니다.

두 예시는 어느 쪽이 더 좋은 연구인지 순위를 매기려는 것이 아닙니다. 연구 질문과 설계가 허용하는 결론의 종류를 읽어야 합니다.

문제 문장의 네 동사를 표시하세요

selected는 표본을 어떻게 뽑았는지, assigned는 처리 조건을 어떻게 나누었는지, observed는 무엇을 관찰했는지, concluded는 연구자가 어떤 주장을 했는지 보여 줍니다. 네 동사를 표시하면 긴 연구 설명도 단계별로 정리됩니다.

첫째, 모집단과 표본을 적습니다. 둘째, 연구자가 처리 조건을 부여했는지 확인합니다. 셋째, 집단 배정이 random인지 찾습니다. 넷째, 결론이 association인지 causation인지, 참여자에 한정되는지 모집단으로 넓어지는지 구분합니다.

선택지를 볼 때는 결론의 명사를 바꾸지 않는 것도 중요합니다. 특정 수업 방식의 효과를 조사했는데 all educational programs로 넓히거나, 한 교육구를 조사했는데 all students로 바꾸는 문장은 범위가 달라집니다.

오답은 표본·배정·결론으로 나눕니다

연구 설계 문제를 틀렸을 때 “통계 개념 부족”이라고만 적으면 다음 연습을 고르기 어렵습니다. 표본 단계와 배정 단계를 섞었는지, observational study를 experiment로 읽었는지, association을 causation으로 키웠는지 구체적으로 기록하세요.

오답 유형	흔한 모습	다시 확인할 질문
sample 혼동	random sample을 treatment 배정이라고 읽음	모집단에서 누구를 뽑았나
assignment 혼동	두 집단이 있다는 이유로 random assignment라고 판단	누가 어떤 방식으로 처리를 정했나
연구 유형 혼동	기존 행동을 관찰했는데 experiment라고 표시	연구자가 변수를 실제로 바꾸었나
일반화 과장	한 학교 표본을 모든 학생에게 확대	표본은 어느 모집단에서 나왔나
인과 과장	association을 causes로 바꿈	random assignment가 있었나
표현 강도	evidence를 proof로 바꿈	공식 설명보다 강한 단어를 썼나

오답 노트에는 모집단 / sample / assignment / conclusion 네 칸을 만들면 충분합니다. 같은 문제를 다시 풀 때 계산 과정을 베끼기보다 어느 칸을 잘못 읽었는지 확인하세요.

Student Question Bank에서는 정확한 skill로 좁힙니다

College Board의 Student Question Bank는 Math 문항을 domain, skill, difficulty로 필터링할 수 있습니다. Problem-Solving and Data Analysis 전체를 선택하면 percentages, scatterplots, probability, margin of error 등 다른 skill이 함께 나옵니다.

연구 설계 판단을 연습하려면 Evaluating statistical claims—Observational studies and experiments까지 좁힙니다. 처음에는 연구 유형과 random assignment를 찾는 문제, 다음에는 random sample의 일반화 범위를 묻는 문제, 마지막에는 두 조건을 함께 비교하는 문제로 확장해 보세요.

난도보다 먼저 설명의 정확성을 확인합니다. 정답을 맞힌 뒤 “이 연구는 무엇을 배정했고, 어느 모집단에서 표본을 뽑았으며, 그래서 어떤 결론까지 말할 수 있는가”를 한 문장으로 설명할 수 있어야 합니다.

부모는 결론보다 근거를 물어보세요

부모가 통계 용어를 모두 설명할 필요는 없습니다. 학생에게 “누구를 뽑았니?”, “연구자가 무엇을 바꾸었니?”, “집단은 어떻게 나뉘었니?”, “결론은 참여자에 대한 말이니, 모집단에 대한 말이니?”라고 차례로 물어보세요.

학생이 random이 있었어요라고만 답한다면 어느 단계의 random인지 다시 묻습니다. sample과 assignment를 각각 한 문장으로 설명하게 하면 혼동이 빨리 드러납니다. cause라는 말을 썼다면 그 근거가 연구 설계의 어디에 있는지도 확인합니다.

마지막에는 같은 숫자 결과라도 설계가 달라지면 결론이 달라질 수 있다는 점을 확인하세요. 차이가 크고 작다는 계산보다, 그 차이를 누구에게 적용하고 무엇의 효과라고 말할 수 있는지가 이 skill의 중심입니다.

시험장에서는 네 줄로 정리합니다

연구 설명 옆에 population, sample, assignment, claim 네 줄을 적습니다. population에는 표본이 나온 전체 집단을, sample에는 실제 참여자를, assignment에는 처리 조건을 정한 방식을, claim에는 선택지가 말하는 결론을 적습니다.

그다음 random sample이 있으면 모집단 일반화의 범위를, random assignment가 있으면 인과관계 근거의 범위를 검토합니다. 조건 하나가 없더라도 연구 결과는 남습니다. 다만 그 조건이 허용하지 않는 결론을 제거해야 합니다.

SAT 연구 설계 문제는 random을 찾는 속도보다 그 단어가 표본 선택과 처리 배정 중 어디에 붙었는지 읽는 정확성을 봅니다. 두 단계를 분리하면 association, causation, generalization의 경계가 훨씬 선명해집니다.

공식 출처

• College Board SAT Suite, Student Question Bank: Math Questions
  https://satsuite.collegeboard.org/practice/student-question-bank/math
• College Board SAT Suite, Problem-Solving and Data Analysis
  https://satsuite.collegeboard.org/sat/whats-on-the-test/math/types/problem-solving
• College Board SAT Suite, Math Specifications
  https://satsuite.collegeboard.org/k12-educators/about/alignment/math