평가 척도에서 최적 선택지 수 찾기

본 논문은 사용자가 1‒100 사이의 실제 점수를 2, 3, 4, 5, 10개의 제한된 선택지로 압축할 때 평균 오차가 어떻게 변하는지를 이론적으로 분석하고, 균등 및 정규분포 모델을 대상으로 시뮬레이션을 수행한다. 놀랍게도 경우에 따라 더 적은 선택지(심지어 2개)가 더 높은 정확도를 제공함을 보이며, 선택지 수와 오차 사이의 비단조적 관계를 규명한다.

저자: Sam Ganzfried, Farzana Yusuf

본 연구는 인간이 물리적·사회적 환경에서 다양한 대상에 점수를 매길 때, 사용 가능한 선택지의 개수가 결과의 정확도에 미치는 영향을 정량적으로 분석한다. 저자들은 먼저 “점수 압축”이라는 프레임워크를 도입한다. 실제 점수는 0부터 n‑1까지의 정수형(논문에서는 n=100)이며, 사용자는 이를 k개의 정수형(0부터 k‑1) 중 하나로 보고한다. 압축 규칙은 기본적으로 floor 함수 s←⌊s·k/n⌋이며, 이때 각 원본 점수 s는 구간