동물 결과는 한 답에 얼마나 바뀔까

각 선택지는 16개 동물 유형 중 하나를 주 유형으로, 다른 하나를 보조 유형으로 지정합니다. 선택할 때 주 유형에는 4점, 보조 유형에는 2점이 더해집니다. 같은 유형을 주 유형으로 두 번 이상 고르면 두 번째부터 반복 보너스가 붙습니다. 두 번이면 2점, 세 번이면 4점을 추가하는 방식입니다.

마지막에는 유형별 기본 보정값도 더합니다. 기본 보정은 B2에 -2점, A1과 C1 등에 0점, D3에 3점처럼 서로 다릅니다. 모든 동점 상황은 16개 유형이 정의된 순서에서 앞선 유형이 이기는 방식으로 정리됩니다. 따라서 결과는 단순히 가장 많이 고른 동물만 세는 투표가 아닙니다.

각 선택지에는 활력·표현력·계획성·공감력·자유도 변화값도 있지만, 기본 결과 유형을 고르는 함수는 이 다섯 축의 합계를 직접 사용하지 않습니다. 축 점수는 결과 설명과 그래프를 만드는 별도 층이고, 유형 선택은 주·보조 유형 점수와 보정값으로 결정됩니다. 화면 설명에서 두 계산을 섞지 않는 것이 중요합니다.

1,048,576개 조합을 같은 비중으로 계산했을 때 가장 넓은 결과는 D4 172,722개, A1 172,413개, D2 154,143개였습니다. 이어 B2가 131,952개, C2가 110,429개였습니다. 상위 다섯 유형이 전체 가능한 조합의 약 70.75%를 차지했습니다.

반대로 A4는 854개, C4는 904개, B1은 1,002개에 그쳤습니다. 세 유형을 합쳐도 전체의 약 0.26%입니다. D3도 11,214개로 약 1.07%였습니다. 16개 결과 카드가 같은 크기로 전시되어도 채점 공간에서 만날 기회는 크게 다릅니다.

이 비율은 실제 방문자 결과 분포가 아닙니다. 현실에서는 특정 선택지가 더 자주 골라질 수 있어 결과 비율이 완전히 달라집니다. 그래도 균등 조합 분석은 문항과 보정값이 어떤 유형에 넓은 통로를 주는지 보여줍니다. 특히 극단적으로 좁은 A4·B1·C4는 의도된 희귀 결과인지, 선택지 배치가 충분하지 않은지 별도로 검토할 필요가 있습니다.

각 답 조합에서 열 문항 중 하나를 다른 세 선택지로 바꾸는 모든 방향을 계산했습니다. 전체 조합 중 998,770개, 약 95.25%에는 결과를 바꿀 수 있는 단일 답 수정이 최소 하나 있었습니다. 어떤 답 하나를 어떻게 바꿔도 결과가 유지되는 조합은 49,806개, 약 4.75%였습니다.

모든 단일 답 수정 방향 31,457,280개 중 결과명이 실제로 달라진 경우는 약 34.03%였습니다. 즉 아무 한 답이나 바꾼다고 늘 결과가 바뀌는 것은 아니지만, 대부분의 답 조합은 적어도 한 군데에 민감한 경계를 가지고 있습니다. 10문항으로 16개 유형을 가르는 현재 구조에서 자연스럽게 나타나는 높은 경계 밀도입니다.

가장 잦은 이동 쌍은 A1과 D2, D2와 D4, A1과 D4였습니다. 이어 A1과 B2, B2와 D4, D4와 C2 사이 이동이 많았습니다. 가능한 영역이 넓은 유형끼리 많은 경계를 공유한다는 뜻입니다. 결과가 바뀐 사용자에게 “전혀 다른 사람이 됐다”고 말하기보다 가까운 점수 경쟁에서 한 유형이 앞섰다고 설명하는 편이 정확합니다.

주 유형을 반복해서 고르면 추가 점수가 붙기 때문에 선택 두세 개가 같은 유형에 모이는 순간 그 유형은 빠르게 앞서갑니다. 이 장치는 일관된 답을 선명한 결과로 연결하는 장점이 있지만, 한 문항을 바꿔 반복 횟수가 2회에서 1회로 내려가면 주 점수 4점뿐 아니라 반복 보너스 2점도 함께 사라질 수 있습니다.

기본 보정은 동점을 깨는 작은 값처럼 보이지만 경계에서는 의미가 큽니다. D3의 3점 보정은 시작점을 높이고 B2의 -2점은 낮춥니다. 그러나 최종 분포는 보정값 하나만으로 설명되지 않습니다. 각 문항에서 주·보조로 등장하는 횟수와 누구와 함께 묶이는지가 전체 통로 크기를 결정합니다.

또한 동점일 때 정의 순서가 앞선 유형이 이기는 규칙도 결과 면적에 영향을 줍니다. 동점은 오류가 아니지만, 사용자에게는 보이지 않는 우선순위입니다. 더 투명한 방식은 최종 1위와 2위 점수를 함께 보관하고 점수 차가 작을 때 “접전 결과” 배지를 보여주는 것입니다. 동점 처리 규칙을 바꾸지 않아도 경계의 존재를 설명할 수 있습니다.

첫째, 결과 화면에 1위 유형만 보여주지 말고 가까웠던 2위 유형을 보조 설명으로 활용할 수 있습니다. 예를 들어 “D4가 가장 높았고 D2도 가까웠어요”처럼 쓰면 다음에 답 하나가 바뀌어 결과가 교체되어도 사용자가 두 결과의 공통점을 이해할 수 있습니다.

둘째, 16개 유형의 균등 조합 분포를 자동 회귀 검사로 남길 수 있습니다. 문항 문구만 고쳤다고 생각했는데 주·보조 유형 값을 건드려 희귀 결과가 사라지거나 한 결과가 과도하게 커지는 일을 막을 수 있습니다. 새 문항이나 결과를 추가할 때도 이전 분포와의 차이를 수치로 검토할 수 있습니다.

셋째, 실제 운영 데이터는 익명 집계로 충분합니다. 문항별 선택률과 최종 결과 비율만 모아도 균등 조합 분석과 현실의 차이를 볼 수 있습니다. 개인의 열 문항 답 묶음을 저장하지 않고도 어떤 선택지가 지나치게 강한지, 어떤 결과가 사실상 나오지 않는지 확인할 수 있습니다.

한 답 변화에 민감하다는 사실은 테스트가 쓸모없다는 결론이 아닙니다. 열 문항으로 16개 결과를 나누면 경계가 많아질 수밖에 없고, 가벼운 놀이형 테스트는 그 경계에서 친구와 결과를 비교하는 재미도 있습니다. 문제는 결과 문구가 계산의 불확실성보다 지나치게 확정적으로 말할 때 생깁니다.

현재 분석이 요구하는 것은 문항을 무작정 늘리는 일이 아니라 결과의 자신감을 조절하는 일입니다. 점수 차가 큰 조합은 선명한 결과로, 1위와 2위가 가까운 조합은 혼합형 설명으로 보여주면 같은 10문항도 더 정직해집니다. 희귀 결과는 찾기 어려운 보상으로 둘지, 선택지 배치를 조정해 통로를 넓힐지도 의도적으로 결정할 수 있습니다.

이 글 역시 성격을 측정한 연구가 아니라 코드가 만든 결과 공간을 분석한 문서입니다. 실제 신뢰도나 타당도를 주장하지 않습니다. 대신 사이트가 직접 만든 규칙을 숨기지 않고, 가능한 조합을 전부 계산해 장점과 한계를 함께 보여줍니다. 이런 투명성이 가벼운 테스트를 단순 결과 뽑기보다 한 단계 더 가치 있는 콘텐츠로 만듭니다.