C.W.K.
Stream
Lesson 05 of 05 · published

네 오류를 직접 보기

~12 min · compare, onion-skin, perceptual-learning, feedback

Level 0빈 종이
0 XP0/35 lessons0/12 achievements
0/100 XP to next level100 XP to go0% complete
"숫자는 네가 빗나갔다고 말해줘. 오직 그 빗나감을 본 네 눈만이 그걸 고칠 수 있어."

점수가 요점이 아냐

모든 기계장치 뒤 — Procrustes, sub-score, 추정된 과장 — 에도 점수는 여전히 요약일 뿐이야. 요약은 네 눈을 재훈련 안 해. 네 눈을 재훈련하는 건 특정 드리프트를 보는 거야: 5도 너무 가파르게 세운 턱을, 갔어야 할 자리 바로 옆에 보여준. 점수는 문이고; 시각적 비교가 학습이 실제로 일어나는 방이야. 숫자에서 멈추는 엔진은 어려운 기하를 다 해놓고 널 더 낫게 만드는 부분을 건너뛴 거야.

Onion-skin, diff, flash

그래서 채점기는 차이를 보는 세 가지 방법을 제공해, 각자 다르게 지각에 드러내며. Onion-skin 은 네 작도와 레퍼런스를 반투명하게 겹쳐, 어긋남이 어른거리게. Diff 는 둘이 어긋나는 자리를 정확히 강조해, 오류가 색과 자리를 갖게. Flash 는 네 것과 답 사이를 빠르게 토글해, 네 시각계가 두 정지 이미지를 비교하는 것보다 변화 를 훨씬 잘 검출한다는 사실을 써먹어 — 정지 상태에서 괜찮아 보이던 턱이 갑자기 튀어. 한 일을 위한 세 도구: 오류를 점수에서 네 눈으로 옮겨.

레퍼런스-공간 화살표

가장 날카로운 도구는 화살표 밭이야. Procrustes 정렬 뒤, 채점기는 네가 각 부분을 놓은 자리에서 마땅한 자리로 벡터를 그려, 레퍼런스 프레임에서 — 네 작도를 진실 쪽으로 가리키는 작은 V 화살촉. 그리고 가장 중요한 오류가 종종 실제 크기에선 알아채기 너무 작으니까, 화살표를 증폭하는 deviation-gain 슬라이더 가 있어: 올리면 1x 에선 절대 못 잡을 미묘하고 일관된 드리프트가 다 같은 쪽으로 기운 화살표의 틀림없는 패턴이 돼. 오류를 증폭하는 게 안 보이는 습관을 깰 만큼 보이게 만들어.

피드백은 지각적이어야 해

세 모드 밑엔 하나의 원칙: 지각 스킬을 바꾸려면, 피드백이 인지가 아니라 지각에 닿아야 해. '72점 받았어' 는 인지적 사실이야 — 알면서도 뭘 할지 여전히 못 볼 수 있어. flash-compare 는 지각적 사건이야 — 네 눈이 튐을 잡고 네 손이 추론하기도 전에 교정을 시작해. 그림은 봄 스킬이라, 그 피드백 loop 은 봄의 수준에서 닫혀야 해. 그래서 채점기의 마지막이자 가장 중요한 행위는 숫자를 찍는 게 아냐 — 네가 unsee 못 할 때까지 네 오류를 네 눈앞에 놓는 거야.

Code

오류를 점수에서 눈으로 옮겨·python
# The grade is a summary. The LEARNING is in SEEING the specific drift.
compare_modes = {
    "onion": overlay(yours, reference, alpha=0.5),   # both at once, semi-transparent
    "diff":  highlight_difference(yours, reference), # color where they disagree
    "flash": toggle(yours, reference, hz=2),         # the eye catches CHANGE, not stills
}

# Reference-space arrows: after Procrustes, draw a vector from where you placed
# each part to where it belongs, in the REFERENCE frame (little V arrowheads).
arrows = [Arrow(src=your_pt, dst=ref_pt) for your_pt, ref_pt in aligned_pairs]

# Errors that matter are often invisible at 1x, so AMPLIFY them:
arrows = scale_from_anchor(arrows, gain=deviation_gain)  # make the drift unmissable
# You learn to SEE by seeing -- the loop closes at perception, not at the number.

External links

Exercise

거의 똑같은 이미지 둘을 잡아 — 틀린 그림 찾기 쌍, 또는 레퍼런스 옆의 네 그림. 먼저, 노려보며 오가서 모든 차이를 찾아봐. 그다음 걔넬 빠르게 토글해(이미지 뷰어에서 넘기거나, 정렬해두고 한쪽 눈 그다음 다른 눈 깜빡). flashing 이 노려보기가 놓친 차이를 몇 개 더 드러내는지 세고, 왜 그게 채점기의 flash 모드가 써먹는 메커니즘인지 설명해봐.
Hint
노려보기는 느리고 비교적인 인지가 두 이미지를 기억에 붙들고 diff 하게 강제해 — 오류 잦고 힘들어. flashing 은 그 일을 빠르고 비자발적인 움직임-검출에 넘겨, 어떤 변화에도 발화하는. 차이가 '튀는' 건 변화가 딱 그 시스템이 잡게 진화한 거라서야. Loomis 는 그 반사를 빌려 네 작도 오류를 무시 못 하게 만들어.

Progress

Progress is local-only — sign in to sync across devices.
이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고

댓글 0

🔔 답글 알림 (로그인 필요)
로그인댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.