EKE에서의 편향과 한계, 그리고 불확실성

EKE에서의 편향과 한계, 그리고 불확실성

EKE(Expert Knowledge Elicitation)는 데이터가 부족한 상황에서 전문가의 판단을 이용해 불확실성을 정량화하는 방법이다.
하지만 인간의 판단에는 편향이 존재하며, 이로 인해 결과가 왜곡될 수 있다.
또한 불확실성을 어떻게 표현하느냐에 따라 분석의 신뢰성과 해석이 달라진다.

 

1. EKE에서의 주요 편향

• 과신편향(Overconfidence): 불확실성을 과소평가하고 지나치게 좁은 구간을 제시
• 앵커링(Anchoring): 초기에 제시된 정보에 판단이 고착
• 집단사고(Groupthink): 주도적인 의견에 동조해 다양성이 줄어듦
• 가용성 편향(Availability): 최근 경험이나 익숙한 사례에 과도하게 영향받음

 

2. 편향 완화 방법

• 개별형 수행으로 상호 영향 최소화
• **익명 설문 및 반복 피드백(Delphi 기법)**으로 판단 교정
• Seed Question을 통한 전문가 신뢰도 검증
• 보정(Calibration) 절차로 과신 정도 조정

이러한 절차들은 전문가 판단의 객관성과 일관성을 높이는 데 도움을 준다.

 

3. EKE의 한계

• 전문가 선정과 질문 설계에 따라 결과가 달라질 수 있음
• 가중치 산정과 통합 과정이 복잡함
• 완전한 객관성 확보는 불가능함
• 수행에 시간과 비용이 많이 소요됨

EKE는 불확실성을 “줄이는” 방법이지, “없애는” 방법은 아니다.

 

4. 불확실성 표현 방법

EKE에서는 전문가의 판단을 확률적 형태로 수치화한다.

• 확률분포 활용: 최소값·최빈값·최대값을 이용한 삼각분포·PERT분포
• 분위수(5%, 50%, 95%) 기반의 구간 추정
• 신뢰구간 표현: “발생 확률은 20~40%”와 같은 형태
• 시각화 도구: PDF, Boxplot, Fan Chart 등을 통해 불확실성 전달

불확실성은 단일 수치보다 가능한 범위 전체로 이해해야 하며,
전문가별 차이를 고려해 종합적으로 해석하는 것이 중요하다.

 

5. 요약

EKE는 전문가 판단을 체계적으로 활용하는 강력한 도구이지만,
심리적 편향과 절차적 한계를 인식하고 관리해야 한다.
불확실성은 제거의 대상이 아니라, 정량적으로 표현하고 관리해야 할 요소이다.
따라서 EKE의 핵심은 전문가 판단을 객관화하고, 불확실성을 투명하게 드러내는 것에 있다.