1.4단원 — 분석 축척과 가변적 공간단위 문제

지금까지 이 단원의 모든 개념은 여러분이 "어떤" 지도나 "어떤" 지역을 들여다보고 있다고 가정했을 뿐, 사실은 대단히 중요한 질문 하나를 묻지 않았습니다. 지금 어떤 확대 수준에서 보고 있는가 하는 질문입니다. 동네 단위에서는 뚜렷해 보이는 패턴이 주(州) 단위나 전국 단위에서는 사라지거나 심지어 반전될 수 있습니다. 이번 레슨은 분석 축척을 다룹니다 — 1단원에서 더 추상적인 개념 중 하나이지만, 동시에 가장 자주 시험에 나오는 개념 중 하나이기도 합니다. 데이터를 둘러싼 경계를 어떻게 긋느냐가 그 데이터가 뒷받침하는 것처럼 보이는 결론을 어떻게 바꿀 수 있는지를 생각하게 만들기 때문입니다.

비율로서의 축척, 그리고 분석 수준으로서의 축척

지리학자들은 "축척"이라는 단어를 서로 관련되어 있지만 뚜렷이 다른 두 가지 방식으로 사용하며, 시험은 여러분이 이 둘을 구분해 두기를 기대합니다.

• 지도 축척은 지도상의 거리와 그에 대응하는 실제 지상의 거리 사이의 문자 그대로의 비율입니다 — 1:24,000 축척의 지도는 지도상의 1단위가 실제로는 같은 단위의 24,000배임을 의미합니다. 대축척 지도는 보여 주는 면적에 비해 비율 숫자가 크며 작은 면적에 대해 실제 세부 사항을 보여 줍니다(도시 도로 지도를 떠올려 보십시오). 반면 소축척 지도는 넓은 면적을 단위 면적당 훨씬 적은 세부 정보로 보여 줍니다(전 세계 지도를 떠올려 보십시오). 이 명명 방식은 거꾸로처럼 느껴지기 때문에 많은 학생을 혼란스럽게 합니다 — "대축척"은 마치 "넓은 면적"을 의미해야 할 것 같지만, 실제로는 지도가 작은 면적을 높은 세부도로 보여 준다는 뜻입니다.
• 분석 축척은 어떤 현상을 연구하는 데 사용하는 지리적 단위의 크기입니다 — 동일한 문제(예를 들어 소득 불평등)를 동네 축척, 도시 축척, 주(州) 축척, 국가 축척, 또는 전 지구적 축척에서 연구할 수 있습니다. 이것이 1단원의 대부분 문제가 실제로 의미하는 "축척"의 뜻이며, 이번 레슨은 이제부터 이 의미에 초점을 맞춥니다.

동일한 현상도 축척이 다르면 완전히 다르게 보일 수 있다

분석 축척 뒤에 있는 핵심 통찰은, 한 축척에서 집계된 데이터가 다른 축척에서 뚜렷이 나타나는 패턴을 숨기거나, 과장하거나, 완전히 반전시킬 수 있다는 것입니다. 가구소득 중앙값을 보여 주는 전국 단위 지도는 한 주 전체를 단일하고 균일한 색으로 칠해진 확고한 중산층 지역으로 보여 줄 수 있습니다 — 하지만 카운티 축척으로 확대해 보면, 그 같은 주가 몇몇 매우 부유한 도시 카운티들이 지속적으로 빈곤한 여러 시골 카운티와 나란히 있는 모습을 드러낼 수 있습니다. 이는 전국 축척 지도가 애초에 그렇게 설계되지 않았기 때문에 전혀 보여 줄 수 없었던 패턴입니다. 그 카운티 중 하나 안에서 동네 축척으로 다시 확대해 보면, 카운티 수준 지도가 매끄럽게 지워 버렸던, 한 블록에서 다음 블록으로 넘어갈 때 나타나는 뚜렷한 소득 분리를 발견할 수도 있습니다.

이것이 시험이 흔히 같은 주제를 다룬 두 개의 지도나 두 개의 데이터표를 서로 다른 축척으로 제시하고 그 결론이 왜 다른지 설명하라고 요구하거나, 특정 연구 질문에 답하는 데 어느 축척이 가장 적절할지 식별하라고 요구하는 이유입니다. 새로운 버스 정류장을 어디에 둘지 결정하는 도시 계획가는 동네 축척 데이터가 필요하고, 주(州) 간 예산 배분 방식을 결정하는 연방 기관은 국가 축척 데이터가 필요합니다 — "올바른" 축척은 전적으로 어떤 질문이 제기되었는지에 달려 있으며, 모든 목적에 맞는 단 하나의 옳은 축척이란 좀처럼 존재하지 않습니다.

가변적 공간단위 문제

이와 밀접하게 관련되면서도 더 구체적인 문제가 가변적 공간단위 문제이며, 보통 MAUP로 줄여 부릅니다. MAUP은 근본적인 실제 데이터가 전혀 바뀌지 않았음에도, 데이터를 묶는 데 사용된 공간단위의 경계를 어떻게 긋느냐에 순전히 따라 분석의 통계적 결과가 극적으로 달라질 수 있음을 설명합니다.

MAUP은 실제로 이름까지 알아 둘 가치가 있는 두 개의 별개 구성 요소를 가지고 있습니다.

• 축척 효과 — 데이터가 큰 단위(주(州)와 같은)로 집계되는지 작은 단위(인구조사 표준지구와 같은)로 집계되는지에 따라 결과가 달라지는 것으로, 이는 본질적으로 위에서 다룬 분석 축척 문제를 통계적 집계에 구체적으로 적용한 것입니다.
• 구역화 효과 — 축척을 일정하게 유지하더라도(가령 언제나 시의회 선거구 정도 크기의 단위를 사용하더라도), 그 단위들 사이의 경계선을 정확히 어디에 긋느냐에 따라 결과는 여전히 극적으로 달라질 수 있습니다. 축척을 전혀 바꾸지 않고도 정확히 같은 기저 인구를 둘러싼 선거구 경계를 다시 그리는 것만으로 매우 다른 통계적 그림을 만들어 낼 수 있습니다 — 이는 정치적 게리맨더링 뒤에 있는 것과 동일한 근본 논리입니다. 바뀌지 않은 인구를 둘러싼 선거구 경계를 다시 그리는 것만으로, 단 한 명의 유권자도 실제로 이사하거나 투표를 바꾸지 않고도, 특정 선거구에서 어느 정당이 다수의 지지를 받는 것처럼 보이는지를 뒤바꿀 수 있습니다.

MAUP은 교실 안 연습 문제를 훨씬 뛰어넘는 중요성을 지닙니다. 이는 실제 연구와 정책에서 진짜로 존재하며 잘 기록된 통계적 위험 요소입니다. 예를 들어 대기 오염과 천식 발병률 사이의 관계를 측정하는 연구는, 실제 근본적인 오염 데이터나 건강 데이터를 전혀 바꾸지 않고, 오직 그 분석을 우편번호별로 묶는지, 인구조사 표준지구별로 묶는지, 카운티별로 묶는지만 바꾸는 것으로도 강한 상관관계, 약한 상관관계, 또는 측정 가능한 상관관계가 전혀 없는 결과를 만들어 낼 수 있습니다. 어떤 연구의 경계를 그리는 사람이 그 연구가 뒷받침할 수 있는 결론에 실질적인 영향력을 행사하기 때문에, MAUP은 또한 어떤 공간 데이터셋의 결론을 신뢰하기 전에 그것이 어떻게 집계되었는지를 비판적으로 살펴보아야 한다는 상기시켜 주는 역할도 합니다.

분석 축척과 MAUP이 시험에서 함께 등장하는 방식

이 두 개념은 끊임없이 함께 다닙니다. 전형적인 문제는 여러분에게 한 축척에서 등치지역도(면적 단위에 걸친 통계치를 음영이나 색으로 나타내는 지도)를 보여 준 다음, 만약 동일한 기저 데이터를 더 세밀하거나 더 거친 축척으로 지도화하거나, 다르게 그려진 경계를 사용해 묶는다면 그 패턴에 어떤 일이 일어날 가능성이 높은지를 물을 수 있습니다. 가장 강력한 답안은 "다르게 보일 것이다"처럼 모호한 답을 하는 대신, 단위 크기가 바뀌는 경우라면 축척 효과, 일정한 크기에서 경계가 다시 그려지는 경우라면 구역화 효과처럼 구체적인 메커니즘을 명시합니다. 지도의 메시지가 지도 제작자가 내린 선택에 달려 있다는 사실뿐만 아니라 정확히 왜 그런지를 진술할 수 있는 것이야말로 이 부분이 시험하고자 하는 바입니다.

이것이 시험에서 중요한 이유

분석 축척과 MAUP은 이 과목이 데이터 중심 단원으로 넘어갈 때마다 계속 되돌아옵니다 — 2단원의 인구 피라미드와 부양비, 4단원의 게리맨더링된 정치 선거구, 6단원의 도시 토지이용 통계 등, 이 과목이 지도나 표를 제시하고 그것을 해석하라고 요구하는 어디에서든 마찬가지입니다. 시험에서 집계된 지리 데이터를 볼 때마다, 그것이 어떤 축척에서 수집되었거나 표시되었는지, 그리고 다른 축척이었다면 다른 이야기를 들려주지 않았을지 잠시 멈추어 생각해 볼 가치가 있습니다. 서술형 문제는 점점 더 바로 이런 종류의 비판적 읽기 — 지도가 보여 주는 숫자를 그저 추출하는 것이 아니라, 애초에 그 숫자를 만들어 낸 경계 선택을 알아채는 것 — 에 점수를 주는 방향으로 나아가고 있습니다.