[논문 리뷰] Designing Computational Tools for Exploring Causal Relationships in Qualitative Data

Han Meng, Qiuyuan Lyu외 5명|arXiv (Cornell University)|2026. 02. 06.

Data Visualization and Analytics인용 수 0

한 줄 요약

본 논문은 정성적 데이터로부터 인과 네트워크를 구축하고 시각화하는 시스템 QualCausal를 소개하며, 자동 추출과 사용자 제어 워크플로우, 다중 뷰 시각화를 결합해 이론 형성 및 가설 생성 지원한다.

ABSTRACT

Exploring causal relationships for qualitative data analysis in HCI and social science research enables the understanding of user needs and theory building. However, current computational tools primarily characterize and categorize qualitative data; the few systems that analyze causal relationships either inadequately consider context, lack credibility, or produce overly complex outputs. We first conducted a formative study with 15 participants interested in using computational tools for exploring causal relationships in qualitative data to understand their needs and derive design guidelines. Based on these findings, we designed and implemented QualCausal, a system that extracts and illustrates causal relationships through interactive causal network construction and multi-view visualization. A feedback study (n = 15) revealed that participants valued our system for reducing the analytical burden and providing cognitive scaffolding, yet navigated how such systems fit within their established research paradigms, practices, and habits. We discuss broader implications for designing computational tools that support qualitative data analysis.

연구 동기 및 목표

• 정성적 데이터에서 인과 관계를 탐색하는 현재의 관행과 도전 과제를 이해한다.
• 정성 분석에서 인과 탐지를 돕는 계산 도구를 위한 설계 지침을 개발한다.
• 사용자 제어 및 다중 뷰 시각화를 갖춘 인과 네트워크를 구성하고 탐색하기 위해 QualCausal를 설계하고 구현한다.
• 형성 및 피드백 연구를 통해 사용자 경험과 인지된 유용성을 평가한다.

제안 방법

• 필요와 설계 지침을 도출하기 위한 15명의 참가자를 대상으로 한 형성 연구.
• 발견 내용에 기반한 정성적 데이터 인과 발견 도구(QualCausal)의 공동 설계.
• 인과 네트워크 구성 워크플로와 다중 뷰 탐색 보기를 포함한 2부 인터페이스 구현.
• 지표, 개념, 인과 관계를 활용하여 지표-레벨 네트워크와 개념-레벨 네트워크를 모두 구축.
• 사용자 입력과 맥락에 따라 보정된 LLM 기반 인과 관계 탐지의 도입.

실험 결과

연구 질문

• RQ1 정성적 데이터에서 인과 관계를 탐색할 때 연구자들의 도전과 필요는 무엇인가?
• RQ2 사용자의 주도성을 보존하면서 인과 관계의 자동 추출, 조직화, 시각화를 계산 도구가 어떻게 지원할 수 있는가?
• RQ3 다중 뷰 시각화가 정성 분석에서 인과 패턴의 탐색과 원자료로의 추적 가능성을 촉진할 수 있는가?
• RQ4 정성 데이터에서 이론 형성을 지원하는 시스템을 이끄는 설계 원칙은 무엇이어야 하는가?

주요 결과

• 참여자들은 분석 부담을 줄이고 인지적 구조를 제공하는 도구를 중요하게 여긴다.
• 사용자들은 자동 키워드/카테고리 추출을 원하지만 인간의 개입과 해석 가능성을 유지하길 바란다.
• 다층 시각화와 원자료로의 추적 가능성은 대규모 정성 데이터 세트를 탐색하는 데 필수적이다.
• 기존 도구는 인과 주장을 과소 또는 과다하게 다루거나 원문 텍스트로 압도한다; 개념-수준 네트워크와 데이터 기반 네트워크의 균형이 선호된다.