Files
2nd/10_Wiki/Topics/Thinking & Reasoning/Concept Map.md
T
Antigravity Agent 2a2a1ad3b1 chore(wiki): Thinking & Reasoning 토픽 대대적 확장 + Premium/Logic Tree 통합
- 10_Wiki/Topics/Thinking & Reasoning/ 다수 신규 토픽 추가
  (3C, 4P, 5 Whys, 7S, 80/20 법칙, 인과관계, 디자인 씽킹 변형 등)
- Premium/Logic Tree/ 11개 파일 → Thinking & Reasoning 으로 흡수
- Premium/Thinking & Reasoning/ 동기화 갱신
- memory/long_term.json + .DS_Store 자동 갱신

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
2026-05-25 10:04:02 +09:00

4.9 KiB
Raw Blame History

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit
id title category status verification_status canonical_id aliases duplicate_of source_trust_level confidence_score created_at updated_at review_reason merge_history tags raw_sources applied_in github_commit
concept-map Concept Map 10_Wiki/Topics draft conceptual
개념도
B 0.85 2026-05-24 2026-05-24
research
logic tree
NotebookLM Synthesis

Concept Map

🎯 한 줄 통찰 (One-line insight)

복수의 핵심 개념과 그들 사이의 복잡한 상호관계를 라벨링된 연결선으로 시각화하여 지식의 전반적인 구조를 자유롭게 표현하는 비선형적 사고 도구 [1, 2].

🧠 핵심 개념 (Core concepts)

  • 다중 개념 중심성 (Multiple Big Concepts): 단일 중앙 주제에서 파생되는 마인드맵과 달리, 하나의 시각 자료 안에 여러 개의 큰 개념을 동시에 통합하고 조직화할 수 있음 [1, 3].
  • 라벨링된 관계 (Labeled Connections): 정보 박스나 거품 사이를 선으로 연결할 뿐만 아니라, 특정 구절(Phrases)을 사용하여 그들 사이에 어떤 구체적인 관계가 있는지 명시함 [1].
  • 지식 청킹 (Knowledge Chunking): 정보를 의미 있는 세트로 그룹화하여 작업 기억(Working Memory)의 효율성을 높이고 사고 과정 뒤에 숨겨진 구조를 생성함 [2].
  • 비방사형 구조 (Non-radial Structure): 중심에서 뻗어 나가는 나무 모양이 아니라, 뿌리가 서로 얽혀 있는 리좀(Rhizome) 형태나 하향식, 혹은 방향성이 없는 자유로운 패턴을 따름 [1].

🧩 추출된 패턴 (Extracted patterns)

  • 리좀적 연결 패턴: 고정된 중심점 없이 모든 방향으로 가지가 뻗어 나가며 개념들이 상호 연결되는 방식 [1].
  • 자유 형식 구성: 마인드맵보다 형태적 제약이 적어, 분석 과정 중 어느 단계에서든 새로운 개념을 자유롭게 추가하고 위치를 지정할 수 있는 유연한 설계 패턴 [3].
  • 관계 명시 패턴: 단순히 관련이 있음을 보여주는 것에 그치지 않고, 연결선 위에 관계의 성격(원인, 결과, 포함 등)을 텍스트로 기술하여 논리적 명확성을 확보함 [1].

📖 세부 내용 (Details)

  • 마인드맵과의 차별성: 마인드맵은 단일 주제에 집중하는 '지식의 가지'를 보여주지만, 컨셉 맵은 복잡하게 얽힌 '지식의 뿌리'를 보여주는 것에 가깝음 [1]. 마인드맵이 방사형 구조를 강제하는 반면, 컨셉 맵은 하향식 구조나 방향이 없는 자유로운 형태 등 훨씬 다양한 시각적 패턴을 사용함 [1].
  • 복잡한 관계 분석: 컨셉 맵은 특히 복잡한 관계를 다룰 때 유용하며, 사용자가 한 걸음 물러나 연구 중인 대상의 전체적인 청사진(Bigger Picture)을 볼 수 있게 도와줌 [2].
  • 창의성 및 유연성: 선형적인 노트 필기는 이미 작성된 내용 사이에 새로운 생각을 끼워 넣기 어렵지만, 컨셉 맵은 무한한 캔버스(Infinite Visual Canvas) 위에 언제든지 새로운 개념을 추가하고 연결할 수 있어 창의적 사고를 촉진함 [3, 4].
  • 학습 및 기억 보조: 정보를 시각적으로 구조화함으로써 정보를 단순히 읽는 것보다 훨씬 오래 기억할 수 있게 하며, 복잡한 비수치적 주제나 패턴을 시각화하는 데 효과적임 [1, 5].

⚖️ 모순 및 업데이트 (Contradictions & updates)

  • 구조적 정의의 혼용: 일부 소스에서는 컨셉 맵을 마인드맵, 의사결정 나무 등과 함께 '노드-링크 방식(Nodelink approaches)'으로 분류하면서도, 각 도구가 가진 고유한 논리적 제약(중심 주제 유무, 계층 구조의 엄격성 등)이 서로 다르다는 점을 강조함 [1, 6].
  • 시각적 유사성 대 의미적 차이: 겉보기에는 마인드맵과 유사해 보일 수 있으나, '복수 개념의 연결'과 '관계의 텍스트 라벨링' 여부가 두 기법을 구분하는 결정적 차이점으로 기술됨 [1].

🛠️ 적용 사례 (Applied in summary)

현재 소스 데이터에서 이 개념이 실제로 적용된 코드, 커밋, 또는 특정 의사결정 ID(decision_id) 등 구체적인 실제 적용 사례가 발견되지 않았습니다. 다만, Creately나 Venngage와 같은 다이어그램 제작 도구에서 지식 시각화를 위한 주요 기능 중 하나로 제공되고 있음이 확인됩니다 [4, 7].

검증 상태 및 신뢰도

  • 상태: draft
  • 검증 단계: conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
  • 출처 신뢰도: B (전문 다이어그램 서비스의 가이드 및 지식 시각화 분석 자료에 기반함)
  • 중복 검사 결과: 신규 생성 (New discovery)

📝 변경 이력 (Change history)

  • 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.