관련글: 은근히 쳐다보는 사람들 파훼법 : 클리앙 (clien.net)
1,2단계로 마치기는 했으나, 3단계 반응이 어떤지 실험하기 위해 실험해 볼 수 있었습니다.
*어차피 세상에 널리고 널린 인셀남들 사회실험을 해도 그다지 문제될 것 없겠습니다.
은근히 훔쳐보는 사람들은 통계적으로 보면 20대 펨코인셀남들이 대부분입니다.. 해당 셈플사례는 개인적으로 충분히 수집된 사항이라 통계적으로 유의하다고 할 수 있습니다.
천천히 걸어가 상대의 앞에 위치한 이후 4초정도 응시합니다. 모르척 눈을 깔지만 굴욕에 인상을 찌푸리는 게 관찰되었습니다. 그리고 측면으로 이동 8초정도 응시해 줍니다.
*얘네들은 이게 일상인 게, 은근히 쳐다보는게 수준급으로 숙달돼 있다는 점에서 볼 수 있는 것이, 땅바닥으로 눈을 깔고 있는 상태에서 상대가 자신을 응시한다는 것을 느낍니다.
말은 못하고 1초에 한번씩 돌아보는 케이스
이제는 나는 모르는데 이 사람이 쳐다 봐요 태세로 전환하지만 역시나 경우에 수에 포함되는 손바닥 안입니다.
나에게 있어 너는 사람이 아니라서 니가 보는건 그다지 상관 없다는 느낌으로 남은 2초 바라봐 주고 지나갑니다.
*그가 쳐다봤다고 증명할 수 있는 시간은 겨우 2초입니다.
혹시나 실수로 엄한 대상에게 할 수 있습니다. 하지만 전혀 상관없는 사람이라면, 그다지 의식 할수도 없고 2초정도 쳐다봤구나 하고 끝날 정도이며, 눈을 깔면서도 옆을 응시할 수 있는 인셀들에게 치욕적인 경험을 선사할 수 있습니다.
이렇게 앞으로 100명 1000명의 인셀들을 처치할 수 있을 것 같습니다.
*그리고 생생한 반응을 공적으로 남겨도 문제될 것은 전혀 없습니다. 개인적으로는 인셀들 퇴치방법이 확산되어 사라졌으면 좋겠습니다.
모르는 사람에 대해서는 겁나 인터넷과 익명에 기대지 않으면 말한마디 거절의사의 눈짓 한번 조차 못하는 게 인셀 스러웠습니다.
>>>>>>
여기에서부터 틀렸네요.
개인적으로 충분히 수집된 사항이니 그냥 개인적으로 혼자 생각하시면 되겠습니다.
추정통계학도 본인만의 학문이네요.
혼자 추정하고
혼자 통계내고
혼자 뇌피셜하는 게 추정통계라는 이야기신데 그 통계는 본인 혼자에게만 설득력이 있겠네요.
이렇게 할수록 통계학에 대한, 일반인들의 편견만 커집니다.
말씀하신것처럼 간단히 표본추출을해서 모집단을 대표한다면 복잡한 실험계획이나, 더 나가서 (그 복잡한) Casual inference 같은 분야가 (현재 진행형으로) 발달하지는 않겠죠.
그러지 마세요.
각 분야가 다변화된 사회에서 일반적으로 자기분야와 거리가 멀어 잘 모르는 건 문제없으나... 그 흔한 자격증딸 최소한의 지식도 없으면서 전문가인것 처럼 인터넷에서 행세하는 사람들은 잘못됐다고 생각합니다.
Judea Pearl의 "유명한" Causality에 대한 논문은 당연히 읽어보셨겠지만, Causality는 기존 실험계획에서의 여러문제(표본추출, 실험계획에서 소모되는 비용, Unknown fact, Counterter factual 등)을 해결하기 위한 몸부림이기 때문에, 당연히 통계 대부분 영역과 큰 관계가 있습니다.
Causality 자체가 워낙 어려운(심지어 기계학습보다도) 분야이다보니, 국내에는 이걸로 뭐할려는 사람도 거의 없는 것 아니겠습니까. 저도 유럽테크회사 그리고 네카라쿠배에서도 Applied DS로 일하지만, 절대 제가 집중으로 일하는 쪽빼고는 말하지 않습니다. 그것이 1학년 때 배우는 기초통계부분이라도요. 진짜 없어보이죠.
https://proceedings.mlr.press/v6/pearl10a.html 고등학생도 이해할 만한 별 내용도 없는 페이퍼 하나에, 영어단어 몇개 제시하는게.. 통계학이라고 생각하지는 않을 것입니다. 이거보단 차라리 기초통계가 더 난이도 있어보입니다.. 개발자들의 경우 특별히 통계지식이 없어도 상관없이 수행하곤 하던데, 그런 경우 용어 몇개 제시하면 커버될지 궁금하긴 합니다. 일부 개발자들의 경우 통계이론을 몰라도 그냥 계산기 돌리고 끝이라는 듯 하지만, 그런 것만 제시한다고 개인적으로 없어보인다는 기초통계 지식조차 이해하고 있다고 인정하진 않겠습니다.
또한 응용수학 분야의 하나인 통계학의 겨우 인과분석 정도로 심오하다고 또 그 비교대상으로 머신러닝 두고 있으면서도, 없어 보인다고 말하기 위해 기초통계는 엮고 있는 걸 보면.. 수학에 대한 지식의 스펙트럼 정도 부터가 어느 정도인지 볼 수 있을 듯 합니다. 통계학 정도의 수학은.. 기초자연과학 쪽에서 보면 그걸로 어렵다며 칭송하고 있기에는 그냥 덧셈뻴셈 수준인걸.. 너무 시야가 폐쇄적이라 답답한 느낌이 드는데, 그 정도 수학적 소양으로 분석을 수행하는 건 머신러닝의 그레디언트 조차 이해하기 어려워보이기에, 참 힘들 것 같습니다. *개인적으로 통계와 머신러닝이 어려운 이유는 그 분야 사람들이 수학에대한 이해도가 너무 떨어지다보니, 책을 너무 못써서 라고 봅니다. 차라리 참고만하고 직접쓰는게 속편할 정도.
이렇다보니 용어 몇개 별 내용도 없는 페이퍼 몇개 나열하면서도 기반이론은 무시하는 척 모르는걸 가리면서 있어보이는 데나 치장하고 있는 사람들은 실재로 그 기초 조차 이해하고 있다고 신뢰하기는 어려울 것입니다.