정상압 수두증, 틀린 답의 시선을 읽다

언어 평가는 보통 “몇 개를 맞혔는가”로 끝난다. 그런데 같은 점수를 받은 두 사람도 답에 이르는 과정은 다를 수 있다. 틀린 문항은 대개 점수에서 빠지고, 그 순간 무슨 일이 있었는지는 기록에 남지 않는다.

정상압 수두증 환자는 이름대기에서 어려움을 겪는다는 보고가 있다. 오답을 낸 순간의 시선 움직임을 분석하면, 정답률만으로는 보이지 않는 언어 처리 특성을 포착할 수 있을까?

이 질문에 답한 논문을 한 편 읽어 본다.

• 제목: Language processing characteristics in normal pressure hydrocephalus: insights from eye-tracking analysis of incorrect responses
• 학술지: Frontiers in Aging Neuroscience
• 연도: 2025
• DOI: 10.3389/fnagi.2025.1527962

이 논문은 CC BY 라이선스로 공개되어 있다. 이 글의 표는 Kim et al. (2025)의 표 2, 표 3, 표 4에서 일부 수치를 뽑아 재구성한 것이다.

연구진은 정상압 수두증(Normal Pressure Hydrocephalus, NPH) 환자와 건강한 노인(Healthy Elderly, HE)에게 그림을 보고 이름을 말하게 했다. 과제를 하는 동안 웹캠으로 시선을 기록했다. 이 과제의 이름은 어휘 인출 과제(Lexical Retrieval Task, LRT)다. 일반 이름대기 검사와 달리 LRT는 첫 반응 하나만 채점한다. 처음에 틀렸다가 스스로 고쳐 맞힌 경우에도 오답으로 처리한다.

이 글에서 쓰는 핵심 용어는 다음과 같다.

• 시선 추적(eye-tracking): 화면의 어디를 얼마나 오래 보는지 기록하는 방법이다.
• 고정(fixation): 시선이 한 지점에 70 ms 이상 머무는 상태다.
• 도약(saccade): 고정과 고정 사이에 시선이 빠르게 옮겨 가는 움직임이다. 이 논문에서는 이동 속도가 30°/s를 넘으면 도약으로 분류했다.
• 정답 반응과 오답 반응: 첫 반응이 맞으면 정답 반응이다. 무응답, 틀린 답, 자기수정 답은 모두 오답 반응이다.

동기: 정답률만으로는 NPH 환자의 이름대기 과정을 볼 수 없다

왜 NPH의 언어 처리가 중요한가

논문은 NPH의 언어 문제를 살펴야 하는 이유로 다음을 든다.

• NPH는 가역성(可逆性) 치매의 하나다. 일찍 발견하면 증상이 나아질 수 있다.
• NPH에서는 뇌척수액 순환이 나빠져 뇌실이 커진다. 커진 뇌실은 후두엽, 측두엽, 전두엽, 해마를 누른다. 그 결과 시지각, 어휘 접근, 음운 부호화, 의미 기억 처리가 약해질 수 있다.
• Chung (2018)은 션트 수술을 받은 NPH 환자 529명의 기록을 검토했다. 그중 23.1%에게 언어 장애가 있었다. 언어 장애가 있는 환자의 약 75%는 표현 언어, 특히 사물 이름대기에 결함이 있었다.
• NPH와 파킨슨병(Parkinson’s disease, PD)은 주요 증상이 겹친다. 그래서 둘을 구별하는 감별 진단이 필요하다.

사물 이름대기는 여러 단계를 거친다. 시각 인식, 의미 처리, 어휘 접근, 음운 처리가 차례로 일어난다. 신경인지 장애가 있는 사람은 어휘, 의미, 시지각이 약해지는 경우가 많아 이름대기에 어려움을 겪곤 한다.

기존 연구가 다루지 않은 부분

NPH 환자의 이름대기 결과는 연구마다 다르게 나왔다. Kim et al. (2024)에서는 NPH 집단과 PD 집단이 정상 노인보다 이름대기를 유의하게 못했다. NPH 집단은 반응도 느렸고 의미 오류와 비단어 오류도 더 많이 냈다. 반면 Saito et al. (2011)은 특발성 NPH, 알츠하이머병(Alzheimer’s disease, AD), 정상 노인 사이에서 유의한 차이를 찾지 못했다.

시선 추적 연구도 있었다. Lehtola et al. (2022)은 숫자를 빠르게 읽는 King-Devick 검사에서 특발성 NPH, AD, 정상 노인을 비교했다. NPH와 AD 집단 모두 정상 노인보다 도약 진폭이 작았다. Ungrady et al. (2019)은 원발 진행 실어증(primary progressive aphasia, PPA)과 AD 환자에게 그림 200장으로 이름대기를 시키고, 정답과 오답을 함께 분석했다.

논문이 짚은 빈틈은 다음과 같다.

• 결과와 과정의 구분: NPH의 언어 결함은 언어 체계 자체보다 넓은 인지 손상에서 온다는 견해가 있다. 그렇다면 최종 점수보다 처리 과정에서 어려움이 더 크게 드러날 수 있다. 앞선 연구의 결과가 서로 다르게 나온 이유도 과제 차이일 수 있다.
• NPH 시선 연구의 부족: NPH를 다룬 시선 추적 연구는 드물다.
• 정답 위주의 분석: 앞선 연구는 주로 정답 반응의 양적 차이를 보았다. 정답과 오답의 시선 패턴을 질적으로 비교한 연구는 적었다.

방법: 첫 반응만 채점하고 정답과 오답의 시선을 나누어 비교했다

논문의 연구 목표는 집단 비교, 점수와 지표의 관계, 정답·오답별 비교, 시선 시각화다. 이 글에서는 참가자를 먼저 소개하고 방법을 다섯 단계로 나누어 정리했다.

자료와 참가자

참가자는 모두 26명이다. NPH 집단은 65세 이상 환자 14명이고, HE 집단은 12명이다.

NPH 집단의 선정 기준은 다음과 같다.

• 증상이 서서히 시작되었다.
• 증상이 3~6개월 이상 이어졌다.
• 증상이나 영상 소견을 설명할 다른 질환이 없다.
• 뇌실이 커져 있다.
• 보행 장애, 인지 장애, 배뇨 장애가 있다.
• 뇌척수액 압력이 진단 기준 범위(70–245 mmH2O)를 넘지 않는다.
• 아직 션트 수술을 받지 않았다.

신경외과 의사와 신경과 의사가 합의해서 NPH 참가자를 선정했다. HE 집단은 감각, 신경, 신체 장애가 없고 한국판 간이정신상태검사(Korean Mini-Mental State Examination-2, K-MMSE2) 점수가 16번째 백분위수 이상인 사람으로 정했다.

출처: 논문 2.1절

두 집단은 나이, 성별, 교육 연수에서 유의한 차이가 없었다. K-MMSE2 점수만 유의하게 달랐다.

1단계: 어휘 인출 과제 설계와 채점

• 입력: Kim et al. (2024)이 만든 낱말 목록
• 처리: 빈도, 음절 수, 의미 범주를 맞추어 낱말 30개를 정하고, 첫 반응만 채점
• 산출: 참가자별 LRT 점수, 문항별 정답과 오답 표시, 오류 유형

1. 낱말 빈도를 나눈다. Jo (2002)의 기준에 따라 빈도 15 미만은 저빈도, 15 이상은 고빈도로 분류했다. 그 결과 고빈도 13개, 저빈도 17개가 들어갔다.
2. 음절 수를 맞춘다. 2음절 5개, 3음절 13개, 4음절 11개, 5음절 1개다. 과제를 어렵게 만들려고 3음절과 4음절 비중을 높였다.
3. 의미 범주를 15개로 나누어 균형 있게 배치한다. 육상 동물, 곤충, 과일, 탈것, 악기, 꽃, 도구, 새 같은 범주다.
4. 첫 반응만 채점한다. 무응답에도 단서를 주지 않는다.
5. 오답을 유형별로 나눈다. Dell et al. (1997)을 따라 의미 오류, 형태 오류, 혼합 오류, 무관 오류, 비단어 오류로 분류했다. 이 자료는 해석을 돕는 보조 분석에 썼다.

연구진은 오류를 끌어내려고 낱말을 이렇게 정했다. 같은 의미 범주에 비슷한 낱말이 많으면 의미 수준에서 엉뚱한 낱말을 선택하기 쉽다. 음운이 복잡하면 인출 단계에서 오류가 생기기 쉽다.

2단계: 시선 기록과 전처리

• 입력: 과제 중 기록한 시선 좌표와 시각 정보
• 처리: 보정, 고정과 도약 분류, 관심 영역 밖 자료 제외
• 산출: 관심 영역 안의 고정 목록과 도약 목록

1. 장비를 배치한다. 참가자는 모니터에서 55 cm, 마이크에서 30 cm 떨어져 앉았다. 모니터는 Dell E2422HS(1,920 × 1,080 픽셀)였고, 카메라는 초당 30프레임의 Pengca Webcam 1080p였다. 시선 추적 소프트웨어로는 VisualCamp의 SeeSo를 썼다. 실제 표본 추출률은 약 28.43 Hz였다.
2. 5점 보정을 한다. 화면 중앙과 네 모서리의 점을 차례로 본다. 다섯 점 모두에서 시선이 5초 동안 1.7° 안에 머물러야 과제로 넘어간다. 한 점이라도 실패하면 보정을 처음부터 다시 한다.
3. 고정과 도약을 분류한다. 70 ms 이상 머문 시선은 고정이고, 30°/s를 넘는 이동은 도약이다.
4. 고정 구간의 좌표를 정리한다. 한 고정 안의 모든 좌표를 그 고정의 첫 좌표로 바꾼다. 도약으로 분류한 중간 좌표는 분석에서 뺀다.
5. 관심 영역(Area of Interest, AOI)을 정한다. 그림이 나오는 화면 중앙의 1,483 × 707 픽셀 영역만 분석했다. 그림을 처리하는 시선만 남기려고 이 영역 밖의 시선은 모두 뺐다.

3단계: 시선 지표 계산

• 입력: 2단계의 고정 목록과 도약 목록
• 처리: 지표 여섯 개를 문항마다 계산
• 산출: 참가자별, 반응 유형별 지표 값

연구진이 쓴 지표는 다음 여섯 개다.

출처: Kim et al. (2025), 표 1과 표 2를 재구성(CC BY)

각 지표의 계산 방식은 다음과 같다.

• FD(Fixation Duration): 고정마다 끝난 시각에서 시작 시각을 뺀 값을 모두 더한다. 70 ms 이상인 고정만 포함한다.
• SD(Saccade Duration): 도약마다 끝난 시각에서 시작 시각을 빼서 더한다.
• SST(Saccade Scanpath Total): 도약의 출발점과 도착점 사이 직선거리를 모두 더한다.
• SAT(Saccade Amplitude Total): 도약의 세로 변화를 가로 변화로 나눈 값에 역탄젠트를 적용해 각도를 구하고, 그 각도를 더한다.

논문은 시간과 빈도 지표를 인지 처리와 연결하고, 공간 지표를 시지각 능력과 연결한다. 그래서 NPH 집단에서 시간과 빈도가 다르면 인지 처리 이상으로 해석한다. 공간 지표가 다르면 시지각 결함으로 해석한다.

4단계: 통계 분석

• 입력: 참가자별 LRT 점수와 시선 지표
• 처리: 집단 비교, 상관 분석, 집단 × 반응 유형 분석
• 산출: 검정 통계량과 p 값

1. 집단 비교: 자료가 정규성 가정을 만족하지 않아서 Mann–Whitney U 검정으로 두 집단의 LRT 점수와 시선 지표를 비교했다.
2. 상관 분석: LRT 점수와 각 시선 지표 사이의 Pearson 상관을 구했다.
3. 반응 유형 분석: 집단(NPH, HE)과 반응 유형(정답, 오답)을 두 요인으로 놓고 이원 혼합 분산분석(two-way mixed ANOVA)을 했다. 사후 비교에는 Bonferroni 보정을 적용했다.
4. 검정력 확인: G*Power 3.1로 사후 검정력을 계산했다.

집단은 사람마다 하나로 정해지는 집단 간 요인이고, 반응 유형은 한 사람 안에서 정답과 오답이 모두 나오는 집단 내 요인이다. 혼합 분산분석은 두 주효과와 상호작용을 한꺼번에 검정한다.

5단계: 시각화와 격자 분석

• 입력: 정답률이 높은 문항 둘과 오답률이 높은 문항 둘의 고정 자료
• 처리: 히트맵과 주사 경로 비교, 10 × 10 격자 지표 계산
• 산출: 문항별, 집단별 격자 지표

연구진은 정답률이 90%를 넘은 “오토바이”와 “가지”를 정답 문항으로 선정했다. 두 집단 모두에서 오답률이 60%를 넘은 “실로폰”과 “에스컬레이터”는 오답 문항으로 선정했다. 이 네 문항의 히트맵(heatmap, 시선이 많이 머문 곳을 색으로 나타낸 그림)과 주사 경로(scanpath, 시선이 지나간 길)를 비교했다.

질적 비교를 수치로 확인하려고 그림을 10 × 10 격자, 곧 100개 셀로 나누었다. 그리고 다음 다섯 지표를 계산했다.

• 격자 엔트로피(grid entropy): 고정이 셀에 얼마나 균등하게 흩어졌는지 나타낸다. 값이 클수록 시선이 넓게 분산된 것이다.
• 공간 분산(spatial dispersion): 연속한 두 고정 사이의 평균 직선거리다.
• 격자 점유율(grid occupancy): 고정이 한 번 이상 있었던 셀의 비율이다(0–1).
• 전이 밀도(transition density): 가능한 셀 간 이동 가운데 실제로 나타난 서로 다른 이동의 비율이다.
• 최근접 이웃 지수(Nearest Neighbor Index, NNI): 1보다 작으면 고정이 뭉쳐 있고, 1보다 크면 흩어져 있다.

격자 점유율 계산 예를 들어 본다. 실로폰 문항에서 NPH 집단의 점유율은 0.72였다. 셀이 100개이므로 0.72×100=72개 셀에 고정이 있었다는 뜻이다. HE 집단은 0.59로, 0.59×100=59개 셀이다.

결과: NPH 집단의 시선 차이는 오답 순간에 더 크게 드러났다

어휘 인출 점수: NPH 집단이 크게 낮았다

LRT 평균 점수는 NPH 집단이 52.14점(SD = 16.88), HE 집단이 84.17점(SD = 7.26)이었다. 차이는 유의했다(U = 2.500, p = 0.000). 사후 검정력은 90%를 넘었다. 저자는 이 점수 차이를 시선 결과와 함께 해석해야 한다고 본다.

전체 시선 지표: 여섯 지표 모두 NPH 집단이 컸다

모든 반응을 합쳐 두 집단을 비교했더니 여섯 지표 모두에서 유의한 차이가 나왔다.

출처: Kim et al. (2025), 표 2에서 평균과 p 값만 뽑아 재구성(CC BY)

저자는 결과를 이렇게 해석한다. 고정 시간이 길면 주의를 다른 곳으로 옮기는 능력이 약할 수 있다. 고정 횟수가 많으면 그림을 덜 효율적으로 훑어본 것이다. 도약 시간이 길고 횟수가 많으면 시각 정보를 조각조각 처리했을 가능성이 있다.

저자는 그 원인으로 뇌 구조의 압박을 든다. 전두엽은 주의 전환에, 기저핵은 안구 운동 조절에 관여한다. 커진 뇌실이 이 구조를 누르면 시각 정보 처리가 약해지고 어휘 인출에도 영향을 줄 수 있다.

이 결과를 읽을 때는 두 집단의 인지 수준 차이를 함께 봐야 한다. 저자는 NPH 집단의 인지 기능이 HE 집단보다 유의하게 낮지만 중증은 아니라고 보았다(고찰에는 K-MMSE = 20.33으로 적혀 있다). 2.1절의 K-MMSE2 평균은 NPH 19.93, HE 26.58이었다(p = 0.001). 그래서 필자는 시선 지표의 차이가 NPH 고유의 특성인지, 전반적 인지 수준의 차이에서 온 것인지 이 설계로는 나누어 볼 수 없다고 판단한다. 교육 연수도 평균 7.00년과 10.08년으로 차이가 있었다(유의하지 않음).

점수와 시선 지표: 음의 상관을 보였다

LRT 점수는 여섯 지표 모두와 음의 상관을 보였다.

• FC: r = −0.569 (p = 0.002)
• FD: r = −0.566 (p = 0.003)
• SC: r = −0.569 (p = 0.002)
• SD: r = −0.554 (p = 0.003)
• SST: r = −0.488 (p = 0.011)
• SAT: r = −0.462 (p = 0.017)

시선 지표 값이 큰 참가자일수록 이름대기 점수가 낮은 경향이 있었다. 이 결과는 상관 관계이며, 시선 움직임이 점수를 낮춘다는 인과를 보인 것은 아니다. 저자는 고찰에서 계수가 주로 0.400.60 범위라며 중간 정도의 상관으로 해석했다. 초록에는 계수가 대체로 0.50 이상이라고 적혀 있어 원문 안에서 표현이 다르다. 실제 r은 −0.462−0.569였다. 사후 검정력은 대부분 80%를 넘었지만 SAT는 74% 이상, SST는 68% 이상으로 낮았다. 공간 지표 두 개의 상관은 해석에 조금 더 조심해야 한다.

정답과 오답: 두 집단 모두 오답에서 지표가 커졌다

반응 유형별 평균은 다음과 같다.

출처: Kim et al. (2025), 표 3에서 네 지표의 평균만 뽑아 재구성(CC BY)

이원 혼합 분산분석에서 집단 주효과는 여섯 지표 모두 유의했다. 예를 들어 SD는 F[1,24] = 13.600(p = 0.001), FD는 F[1,24] = 8.281(p = 0.008)이었다. 반응 유형의 주효과도 모두 유의했다. SD는 F[1,24] = 94.014, FC는 F[1,24] = 60.922였다(둘 다 p = 0.000). 두 집단 모두 오답에서 시선 지표가 커졌다는 뜻이다.

집단 × 반응 유형 상호작용은 SD에서만 유의했다(F[1,24] = 5.981, p = 0.022). 정답에서 오답으로 갈 때 도약 시간이 늘어나는 폭이 NPH 집단에서 더 컸다는 뜻이다. 증가 폭을 계산하면 NPH 집단은 6425.71−2249.65=4176.06 ms, HE 집단은 4152.57−1658.81=2493.76 ms이다. 배수로 보면 NPH 집단은 6425.71÷2249.65≈2.86배, HE 집단은 4152.57÷1658.81≈2.50배다.

오답 유형을 보조 분석한 결과, NPH 집단에서는 의미 오류(예: 호랑이 → 사자)가 가장 많았다. 오류 유형별 수치는 본문에 제시되지 않았다. 저자는 이 결과를 바탕으로, 사물 인식에서 시작하는 시각 처리의 결함이 의미 수준의 낱말 인출을 막을 수 있다고 추론한다. 이 추론은 수치가 제시되지 않은 보조 분석에 기댄 저자의 가설이다.

시각화와 격자 분석: 정답 문항에서는 두 집단의 값이 가까웠다

히트맵에서 HE 집단은 정답 문항과 오답 문항 모두 그림 중앙을 보았다. NPH 집단은 오답 문항에서 시선이 가장자리로 흩어졌다. 에스컬레이터 그림에서 이 차이가 가장 컸다.

출처: Kim et al. (2025), 표 4에서 두 지표만 뽑아 재구성(CC BY)

오답 문항에서 NPH 집단의 공간 분산은 HE 집단보다 컸고, 정답 문항에서는 두 집단의 값이 가까웠다. 다만 본문 표 4에는 문항 네 개의 집단 수준 값만 있고 검정 통계량은 제시되지 않았다(세부는 부록 5). 격자 엔트로피도 비슷한 흐름을 보였다. 오답 문항인 실로폰에서는 5.58과 5.45, 정답 문항인 오토바이에서는 4.95와 4.86이었다.

주사 경로에서도 차이가 보였다. HE 집단은 오답 문항에서 경로가 복잡해졌다. NPH 집단은 정답 문항에서 이미 경로가 다양했고, 오답 문항에서는 더 복잡해졌다. 예외도 있었다. 환자 P04는 실로폰을 틀리면서도 매우 단순한 경로를 보였다. 이런 참가자는 NPH 집단 안에서도 이름대기 성적이 낮았다. 저자는 오답에서 나타나는 단순한 경로가 효율보다 “비활성” 처리를 반영할 수 있다고 해석한다.

의의와 한계

무엇이 달라지는가

• 오답의 분석: 오답을 버리지 않고 시선 자료로 분석했다. 집단 × 반응 유형 상호작용은 SD에서 유의했고, 문항 네 개의 기술적 비교에서도 오답 문항에서 집단 차이가 더 컸다.
• 엄격한 채점: 첫 반응만 채점하고 자기수정도 오답으로 처리했다. 최종 성공 여부가 아니라 인출 과정의 결함을 겨냥한 것이다.
• 정량화: 히트맵의 질적 인상을 격자 지표 다섯 개로 수치화했다.
• 다른 질환과의 대조: 저자는 고찰에서 Ungrady et al. (2019)의 PD, PPA 환자가 오답에서 고정 횟수가 적었다고 적었다. 이 논문의 NPH 집단은 오답에서 고정이 더 많았다. 저자는 이 차이를 PD의 “고정 자체”의 어려움과 NPH의 “고정의 비효율”로 구분하고, 감별 진단의 후보 지표로 제안한다. 다만 같은 연구의 비교 대상이 서론에는 PPA와 AD로, 고찰에는 PD와 PPA로 적혀 있어 원문 안에서 표기가 다르다.

실무자에게 주는 쓸모

저자가 결론에서 제안한 내용은 다음과 같다.

• 평가 문항: NPH 환자의 어휘 인출 결함을 평가하려면 다음절 저빈도 낱말을 쓴다.
• 보조 지표: 점수와 시선 지표가 상관을 보였으므로, 저자는 시선 효율 분석이 더 민감한 지표가 될 가능성이 있다고 제안했다. 다만 민감도 비교는 이 연구에서 이루어지지 않았다. 보조 지표로 탐색해 볼 가치가 있는 정도로 받아들인다.
• 단계별 중재: 이름대기가 어렵고 시선 패턴이 비전형인 환자에게는 정확한 이름대기를 목표로 하기 전에 시선 패턴을 단순하게 만드는 중간 단계를 둔다.
• 탐색 촉진: 저자는 틀리면서도 시선 경로가 지나치게 단순한 환자가 결함이 가장 심한 경우일 수 있다고 보았다. 이런 환자에게는 인출 훈련 전에 시각 탐색 전략이 도움이 될 수 있다고 제안했다. 이 해석은 P04 같은 사례 관찰에서 나온 가설이고, 중재 효과는 이 연구에서 검증되지 않았다.

연구자에게 주는 쓸모

이 논문은 “결과”와 “과정”을 나누어 보는 설계를 제시한다. 정답과 오답을 집단 내 요인으로 놓으면, 집단 차이가 어느 조건에서 커지는지 상호작용으로 검정할 수 있다.

연구진은 전용 장비가 아니라 웹캠과 노트북, 상용 소프트웨어로 시선을 기록했다. 이 연구는 시간·빈도 지표를 인지 처리로, 공간 지표를 시지각으로 연결해 해석했다. 논문은 시선 패턴을 과제와 맥락에 비추어 해석해야 한다고 강조한다. 이 해석 틀을 다른 질환에도 적용할 수 있는지는 과제와 맥락을 고려해 검토해 볼 만하다(필자 의견).

논문이 밝힌 한계

논문이 스스로 밝힌 한계는 세 가지다.

• 표본 수: 표본이 작다. 더 큰 집단으로 결과의 신뢰도를 높여야 한다.
• 비교 집단: 감별 진단이 어려운 PD, AD 집단과 NPH를 비교하는 연구가 필요하다.
• 수술 후 변화: NPH는 수술 뒤 나아질 수 있으므로, 수술 후 낱말 인출과 시각 처리가 어떻게 바뀌는지 추적해야 한다.

필자가 보는 적용 조건

아래는 논문에 적힌 내용이 아니라 필자가 덧붙이는 조건이다. 인지 수준 차이의 영향은 앞의 결과 절에서 다루었다.

• 시선 기록의 정밀도: 웹캠 기반 기록의 정확도는 약 1.7°이고 표본 추출률은 약 28.43 Hz다. 짧은 도약을 세밀하게 구분해야 하는 용도에는 같은 조건이 맞지 않을 수 있다.
• 시각화 범위: 시각화와 격자 분석은 문항 네 개의 집단 수준 값이고, 검정 통계량이 제시되지 않았다. 개인 진단 기준으로 바로 쓰기는 어렵다.
• 해석의 근거: 저자는 SD 상호작용을 정답에서 두 집단의 SD가 다르지 않다는 뜻으로 해석했다. 그러나 기술통계에서 정답 SD는 2249.65 ms와 1658.81 ms였고, 그 사후 비교 수치는 본문에 없다.
• 수치 확인: 본문과 표의 일부 값이 다르다. K-MMSE2 평균은 2.1절에서 19.93, 고찰에서 20.33이다. SD의 U 값은 본문에서 20.000, 표 2에서 10.000이다. 인용할 때는 원문을 직접 확인한다.

바로 해 볼 일

• 첫 반응만 다시 채점한다. 이미 가진 이름대기 기록에서 무응답과 자기수정을 오답으로 다시 분류한다. 기존 점수와 새 점수를 나란히 놓고 어떤 참가자의 순위가 바뀌는지 확인한다.
• 정답과 오답을 나누어 평균을 구한다. 시선 기록이 있다면 집단별로 FC, FD, SC, SD의 평균을 반응 유형마다 따로 구한다. 두 반응 유형 사이의 증가 폭을 집단별로 계산하면, 상호작용 분석 전에 경향을 먼저 확인할 수 있다.
• 격자 점유율을 계산한다. 정답률이 높은 문항과 낮은 문항을 하나씩 선정한다. 그림을 10 × 10 격자로 나누고, 고정이 한 번 이상 들어간 셀의 비율을 집단별로 구한다.