Figure caption 쓰는 법, 결과 그래프 설명은 어디까지 넣어요?

모델별 F1 비교 그래프를 넣었는데 caption을 한 줄로 끝낼지, 실험 설정까지 넣을지 헷갈려요. 다른 논문을 보면 caption만 읽어도 이해되게 길게 쓴 것도 있고 제목만 있는 것도 있었어요. 학술지 버전에서는 보통 어느 정도까지 써요?

Gemini 3.8 Flash의 답변

피겨 캡션은 본문을 보지 않아도 독립적으로 이해되는 '자립성(Self-contained)'을 갖추어야 하므로, 단순 제목을 넘어 핵심 데이터셋, 주요 조건, 오차 막대 등의 시각 기호 설명을 포함하는 것이 표준입니다.

학술 논문에서 피겨 캡션(Figure caption, 그림 설명문)을 작성할 때 가장 중요한 대원칙은 **'자립성(Self-contained / Stand-alone)'**입니다. 바쁜 심사위원이나 독자는 본문을 정독하기 전에 그림과 캡션만 먼저 훑어보는 경우가 많기 때문입니다.

따라서 학술지(Journal) 버전에서는 단순히 한 줄짜리 제목만 달기보다는, 해당 그래프를 해석하는 데 필요한 최소한의 맥락을 함께 적어주는 것이 좋습니다.

캡션에 들어가야 할 핵심 요소

  1. 그래프의 주제 (선언문 또는 제목)
    • 무엇을 비교하고 있는지 명확히 밝힙니다. 상위권 저널에서는 그래프가 보여주는 핵심 결론(예: "제안 모델이 모든 기준 모델보다 우수함")을 첫 문장에 요약하기도 합니다.
  2. 핵심 실험 설정 (Experimental Context)
    • 어떤 데이터셋을 썼는지, 평가 환경은 무엇인지 간단히 언급합니다. 단, 하이퍼파라미터 같은 지나치게 세부적인 수치는 본문이나 부록(Appendix)으로 넘깁니다.
  3. 시각적 요소 및 통계 지표 설명 (Decoding)
    • 오차 막대(Error bar): 표준편차(SD, Standard Deviation)인지 표준오차(SE, Standard Error)인지, 몇 회 반복 실험(예: 5 random seeds)의 결과인지 밝혀야 합니다.
    • 기호 및 약어: 그래프 내 축 줄임말, 별표($*$) 같은 통계적 유의성(Significance, 예: $p < 0.05$) 표시의 기준을 명시합니다.

모델별 F1 비교 그래프 캡션 예시

  • 피해야 할 예 (너무 불친절함):

    Figure 3. F1-score comparison of models.

  • 권장하는 학술지 형태:

    Figure 3. Comparison of macro F1-scores across models on the CoNLL-2003 dataset. The proposed model (Ours) achieves the highest performance compared to the baseline models. Error bars indicate standard deviations over five independent runs with different random seeds. Asterisks ($*$) denote statistically significant improvements over the second-best model ($p < 0.01$, paired t-test).


실무 팁

학회(Conference) 논문은 페이지 제한 때문에 캡션을 1~2줄로 압축하는 경우가 많지만, 지면 여유가 있는 학술지(Journal) 논문은 3~5줄 내외로 충실하게 작성하는 것이 일반적입니다. 타깃으로 하는 저널의 최근 출판 논문(Guide for Authors 및 최신 호 피겨)을 2~3편 확인하여 선호하는 서술 스타일을 참고하는 것을 추천합니다.

GPT-6.1 Sol의 답변

학술지 캡션은 그림을 독립적으로 읽는 데 필요한 정보를 담되, 상세 실험 절차와 긴 해석은 본문에 둡니다.

어느 정도까지 쓰나요?

분야·학술지마다 다르므로 투고 규정과 해당 저널의 최근 논문을 먼저 확인하세요. 보편적인 문장 수 기준은 없습니다. 다만 모델별 F1 비교 그래프라면 제목 한 줄보다는 무엇을, 어떤 조건에서 비교했고 기호가 무엇을 뜻하는지까지 쓰는 편이 좋습니다. ‘독립적으로 이해 가능’하다는 말은 실험 전체를 재현할 만큼 길게 쓰라는 뜻은 아닙니다.

캡션에 넣을 정보

  • 비교 대상·평가 자료: 모델명, 데이터셋, 검증용인지 테스트용인지
  • 지표 정의: F1은 정밀도와 재현율의 조화평균이며, macro·micro·가중 평균 중 무엇인지 명시
  • 표시 방식: 막대·색·패널의 의미, 값이 클수록 좋은지
  • 변동성·통계 표기: 반복 실험 평균인지, 오차막대가 표준편차인지 신뢰구간인지, 별표가 있다면 의미

학습률, 배치 크기, 전처리 등 상세 설정은 보통 Methods에 둡니다. 단, 설정 차이 자체가 비교의 핵심이면 캡션에도 밝혀야 합니다. 결과의 짧은 관찰은 넣어도 되지만, 원인 추정이나 긴 해석은 Results·Discussion에서 다루세요.

작성 예시

아래 조건은 실제 실험에 맞게 바꾸세요.

그림 2. 모델별 분류 성능 비교. 데이터셋 X의 테스트 세트에서 평가한 macro-F1(클수록 우수)을 나타낸다. 막대는 서로 다른 난수 시드로 수행한 5회 실험의 평균이며, 오차막대는 ±1 표준편차이다. 공통 학습 조건은 Methods 2.3절에 제시했다.

독자가 본문을 뒤지지 않고 축·지표·오차막대를 이해할 수 있는가를 최종 점검 기준으로 삼으면 좋습니다.

Claude Sonnet 5.5의 답변

Caption은 본문 없이도 그래프를 해석할 수 있을 만큼만 쓰고, 결과의 의미 해석은 본문에 남겨두세요.

기본 원칙

Caption은 **"무엇을, 어떤 조건에서 그렸는가"**를 알려주는 곳이고, **"그래서 무엇을 의미하는가"**는 본문에서 설명하는 것이 일반적입니다. 제목만 있는 caption은 너무 부족하고, 방법 절 내용을 통째로 옮기는 것은 과합니다.

넣을 것

  1. 한 문장 제목: 그래프가 보여주는 것 (예: "데이터셋별 모델 F1 비교")
  2. 해석에 꼭 필요한 조건: 데이터셋, 평가 분할(test set 등), 반복 횟수
  3. 표기 설명: 오차 막대가 표준편차인지 신뢰구간인지, 약어, 색·기호의 의미
  4. 지표 정의: macro-F1인지 micro-F1인지처럼 헷갈릴 수 있는 것

뺄 것

  • 하이퍼파라미터, 학습 설정 같은 상세 절차는 방법 절이나 부록에 둡니다.
  • "A가 가장 높았다" 같은 결과 서술과 그 원인 해석은 본문에서 다룹니다. 다만 핵심 메시지를 한 문장으로 짚는 caption도 있고, 이는 분야나 저널마다 다릅니다.

예시

Figure 3. 세 데이터셋에서 모델별 macro-F1 비교. 모든 모델은 동일한 test split에서 평가했다. 막대는 5회 반복 실행의 평균, 오차 막대는 표준편차이다. 약어는 Table 1 참조.

분량 판단

  • 분야 관행은 다릅니다. 자연과학·의학 저널은 caption(legend)에 실험 조건까지 비교적 길게 쓰는 편이고, 컴퓨터공학 쪽은 짧은 편입니다. 다만 이는 일반적 경향이라 예외가 많습니다.
  • 가장 확실한 방법은 투고할 저널의 author guidelines를 확인하는 것입니다. 글자 수나 형식을 명시한 곳이 있습니다.
  • 같은 저널의 최근 논문 3~5편을 보면 기준이 잡힙니다.

마지막 점검

Figure와 caption만 읽는 독자가 지표, 비교 대상, 오차 표시의 의미를 알 수 있으면 충분합니다. 이 세 가지가 빠졌다면 추가하고, 그렇지 않다면 더 늘리지 않아도 됩니다.

비슷한 질문