자연 현상의 3D 시각화 (3D visualizations)에서 미적 요소를 개선하는 것은 측정 가능한 이점을 제공할 수 있지만, 종종 데이터가 인식되는 방식에 영향을 미치는 변형 (transformations)을 수반합니다. AI 기반 방법론을 포함하여 점점 더 다양한 도구들이 시각적 디자인과 수정을 더 쉽게 만들고 있음 따라, 이러한 변경을 수행할 때 발생하는 트레이드오프 (trade-offs)와 우려 사항을 이해하는 것이 점점 더 중요해지고 있습니다. 우리는 시각화 연구자, 실무자 및 도메인 과학자들을 대상으로 전문가 설문 조사 (N=95)를 실시하여, 인간과 AI 시스템 모두에 의해 적용된 프레젠테이션 수준의 조정 (예: 조명, 카메라 위치) 및 데이터 수준의 수정 (예: 오류 제거, 공백 채우기)을 아우르는 15가지 변경 사항에 대한 반응을 조사했습니다. 결과에 따르면, 인지된 허용 가능성 (perceived acceptability)의 차이는 변형이 프레젠테이션 수준인지 데이터 수준인지와 관계없이 변형의 의미 (meaning)에 의해 결정됩니다. 또한, 특정 수정 사항은 인간 또는 AI의 저작 여부와 관계없이 다른 수정 사항보다 일관되게 더 허용 가능한 것으로 판단되었습니다. 이러한 상대적 순위는 대체로 안정적으로 유지되지만, AI가 생성한 변형은 동일한 인간이 생성한 변경 사항보다 일관되게 덜 허용 가능한 것으로 평가되었습니다. 이러한 결과는 더 허용 가능한 변경과 더 민감한 변경 사이의 구분을 드러내며, 디자이너와 AI 지원 시각화 도구 모두 이러한 차이를 반영하는 제약 조건 (constraints)과 가드레일 (guardrails)을 통합할 필요가 있음을 시사합니다.