생성형 AI 기반 제품디자인에서 문자 체계별 기호 심도（深度）가 이미지 생성 결과에 미치는 영향 : 표의문자·표음문자 비교 실험 및 PSD 모델 구축 = The Effect of Semiotic Depth by Writing System on AI-Generated Image Output in Generative AI-Based Product Design - Comparative Experiments on Ideographic and Phonographic Scripts and Construction of the PSD Model -

다국어 초록 (Multilingual Abstract)

Drawing on Charles Sanders Peirce’s triadic model of the sign—Representamen, Object, and Interpretant—this study examines the semiotic mechanisms of prompt language in generative artificial intelligence （AIGC）-based product design. On this basis, it proposes a Prompt–Sign–Design Generation （PSD） analytical framework. Three research questions guide the study. RQ1 asks whether significant differences in form fidelity and semantic transmission efficiency emerge when only the second layer of an English-controlled four-layer prompt structure—namely, the transformation directive—is replaced with ideographic scripts （traditional and simplified Chinese characters） and phonographic scripts （Korean and English）. RQ2 investigates the conditional interaction effect between the language sign type of the Layer-2 deformation vocabulary and the type of deformation command on the visual interpretation direction of AI-generated images. RQ3 explores whether the difference in Semiotic Depth between traditional and simplified Chinese characters is empirically reflected in AI image generation and how supplementary prompt strategies can be developed to compensate for these differences.
The experiment employed a 4 × 4 × 4 full factorial design comprising four writing systems, four geometric forms, and four transformation commands. A total of 64 experimental conditions were constructed, producing 960 images through the NanoBanana Pro （v2.3） platform. The generated images were evaluated through a blind assessment by a panel of product design experts using five indicators: E1 （form fidelity）, E2 （semantic transmission efficiency）, E3 （richness of detail）, E4 （cultural style tendency）, and E5 （abnormal image occurrence rate）. Inter-rater reliability was examined using Krippendorff’s alpha coefficient.
The findings are summarized as follows. First, regarding RQ1, the one-way ANOVA results showed that language type exerted a statistically significant effect on all evaluation indicators, with approximately 66.5% of the total variance attributable to language type. Tukey’s HSD post-hoc test revealed that ideographic scripts significantly outperformed phonographic scripts in terms of form accuracy and overall visual detail. Second, regarding RQ2, a significant language × command interaction was identified, indicating that the strength of language-based advantage varies according to the degree of iconicity embedded in each transformation command. Third, in relation to RQ3, traditional Chinese characters scored significantly higher than simplified characters in the overall quality mean. This suggests that the pictographic stroke structure of traditional Chinese characters may function as an ＂Iconic Triggering Mechanism＂ within the AI latent space, directly activating specific clusters of visual features.
Based on these results, this study formulates the PSD analytical framework as a six-stage chain of semiotic transformation and proposes a Supplementary Prompt Methodology. Applications to earphone and digital camera design cases demonstrated that these strategies allow E1–E5 indicators to recover to approximately 85–93% of the performance level observed under the traditional-character condition.
This study makes three theoretical contributions: establishing the Iconic Triggering Mechanism, extending the scope of product semantics to the context of AIGC-based design, and operationalizing the concept of Semiotic Depth. From a practical perspective, it provides an AIGC-integrated six-stage product design process and an E1–E5 evaluation system, establishing a methodological foundation for AI-assisted product design in multilingual environments.

국문 초록 (Abstract)

본 연구는 퍼스（Charles Sanders Peirce）의 삼원 기호 구조인 재현체（Representamen）·대상（Object）·해석항（Interpretant）을 이론적 기반으로 하여, 생성형 인공지능（AIGC） 기반 제품디자인 과정에서 프롬프트 언어의 기호적 메커니즘을 분석하고, 이를 통해 ‘프롬프트–기호–디자인 생성（Prompt–Sign–Design Generation, 이하 PSD）’ 분석 프레임워크를 구축하는 것을 목적으로 한다. 이러한 목적을 위해 다음과 같은 세 가지 연구 문제를 설정하였다.
RQ1: 동일한 영어 기반 4계층 프롬프트 구조（shape+language+command+condition）에서 제2계층（변형 지시어）만 표의문자（번체자·간체자）와 표음문자（한국어·영어）로 교체할 경우 AI 이미지 생성의 형태 충실도와 의미 전달 효율에 유의미한 차이가 나타나는가?
RQ2: 동일한 4계층 프롬프트 구조에서 변형 어휘의 언어 기호 유형（표의문자·표음문자）과 변형 명령 유형 간 상호작용 효과는 AI 이미지 생성의 시각적 해석 방향에 어떠한 조건부 차이를 유발하는가?
RQ3: 번체자와 간체자의 기호 심도（Semiotic Depth） 차이는 AI 이미지 생성에서 실증적으로 반영되는가, 그리고 이 차이를 보완하기 위한 프롬프트 전략은 어떻게 구성될 수 있는가?
실험은 4가지 문자 체계（번체 중국어·간체 중국어·한국어·영어） × 4가지 기하 형체（육면체·원기둥·원뿔·구） × 4가지 변형 명령어（굽히기·비틀기·크기 조정·테이퍼）로 구성된 4×4×4 완전 요인 설계（64개 실험 조건, 총 960장 이미지）를 채택하였다. 생성된 이미지는 제품디자인 분야 전문가 평가단이 형태 충실도（E1）·의미 전달 효율（E2）·세부 묘사 풍부도（E3）·문화적 스타일 경향（E4）·비정상 이미지 발생률（E5）의 5대 지표로 블라인드 평가하였다.
연구 결과는 다음과 같다.
첫째, 언어 유형은 모든 평가 지표에 통계적으로 유의한 영향을 미쳤으며（종합 품질 평균 F=39.615, p〈.001）, 표의문자（번체자·간체자）는 표음문자（한국어·영어）에 비해 형태 정확성과 시각적 세부 묘사 전반에서 유의미하게 우월한 성과를 보였다.
둘째, 언어×명령 상호작용이 유의하게 나타나, 언어 우위의 강도가 변형 명령의 도상성（iconicity） 수준에 따라 다르게 증폭됨을 확인하였다. 특히 비틀기（twist） 조건에서 번체자의 우위가 가장 두드러졌다.
셋째, 번체자는 간체자보다 종합 품질 평균에서 0.265점 높았으며（p〈.001）, 이는 번체자의 상형적 획 구조가 AI 잠재 공간（latent space）에서 ‘도상 촉발 기제（Iconic Triggering Mechanism）’로 기능하여 시각 특징 클러스터를 직접 활성화하기 때문으로 해석된다.
이상의 실험 결과를 토대로 본 연구는 PSD 분석 프레임워크를 6단계 기호 변환 연쇄로 체계화하였다. 또한, 보완 프롬프트 방법론（Supplementary Prompt Methodology）을 제안하였다. 이 방법론은 조형 묘사어 보완, 문화 맥락어 보완, 기능·소재 설명 보완, 번체자 혼용의 네 가지 전략으로 구성되며, 실제 디자인 사례 적용 결과 지표들이 번체자 수준의 85~93%까지 회복됨을 확인하였다.
본 연구는 ‘도상 촉발 기제’ 개념을 통해 자형 구조가 AI 의미 벡터 공간 내 특정 클러스터를 활성화하는 기호학적 설명 체계를 확립하였으며, AIGC 환경으로 분석 틀을 확장하는 이론적 교량 역할을 수행하였다. 실무적으로는 AIGC 통합 제품디자인 6단계 프로세스와 E1~E5 평가 지표 체계를 제공함으로써 다언어 환경에서의 AI 보조 제품디자인 실무를 위한 방법론적 기반을 마련하였다.

목차 (Table of Contents)

• 1. 서 론 1
• 1.1. 연구의 배경 및 필요성 1
• 1.1.1. 생성형 인공지능과 제품디자인의 패러다임 전환 1
• 1.1.2. 기호학적 관점의 연구 필요성 2
• 1.1.3. 언어 유형 차이와 AI 출력의 구조적 문제· 3
• 1.1.4. 선행연구의 이론적 공백 5
• 1.2. 연구의 목적 및 연구 문제 6
• 1.2.1. 연구의 목적 6
• 1.2.2. 연구 문제（Research Questions） 7
• 1.3. 연구의 범위 10
• 1.3.1. 시간 범위 10
• 1.3.2. 대상 언어 및 문자 체계 범위 10
• 1.3.3. 연구 참여자 범위 11
• 1.3.4. 연구 범위와 제한점 11
• 1.4. 연구의 방법 13
• 1.4.1. 문헌 분석 13
• 1.4.2. 기호학 분석 14
• 1.4.3. 실험 연구 14
• 1.4.4. 사례 분석 17
• 1.5. 연구의 절차 18
• 2. 이론적 고찰 21
• 2.1. 선행 연구 21
• 2.1.1. AIGC 디자인 21
• 2.1.2. 기호학과 디자인 언어의 선행 연구 25
• 2.1.3. 다국어 프롬프트 기능의 선행 연구 28
• 2.2. 기호학 이론 31
• 2.2.1. 소쉬르의 이원적 기호론과 그 한계 31
• 2.2.2. 퍼스의 삼원 기호 구조와 그 적용 가능성 32
• 2.2.3. 두 이론의 비교 및 분석 틀 선택의 근거 33
• 2.2.4. 소쉬르 이원 기호 모델의 프롬프트 적용 가능성과 구조적 한계 34
• 2.2.5. 퍼스의 삼원 기호 구조와 AIGC 분석 틀로서의 적용 35
• 2.2.6. 두 기호학 이론의 적용 차이 사례 41
• 2.2.7. 퍼스의 삼원 기호 구조와 PSD 분석 프레임워크 연계· 42
• 2.3. 제품 의미론과 프롬프트 언어의 기호 구조 45
• 2.3.1. 제품 의미론의 기호학적 기반 45
• 2.3.2. 기호 유형별 프롬프트 기능과 디지털카메라 사례 분석 46
• 2.3.3. 문화 기호의 프롬프트 언어로의 전환 메커니즘 49
• 3. 기호학적 구조 분석 52
• 3.1. 문자 체계의 기호학적 특성과 프롬프트 효과 52
• 3.1.1. 표음문자와 표의문자의 기호학적 차이 54
• 3.1.2. AI 생성 환경에서 퍼스 삼원 기호 구조의 적용 논리 56
• 3.1.3. 퍼스 기호 이론의 AI 프롬프트 분석 적용 가능성 57
• 3.2. 언어–기호–이미지 전환 모델의 분석 틀 60
• 3.2.1. 디자인 언어의 변화와 프롬프트의 기호학적 의미 60
• 3.2.2. 조형 실행자에서 의미 유도자로의 전환 62
• 3.3. AI 이미지 생성에서의 프롬프트 기호 입력 방식 64
• 3.3.1. 표음문자 기반 프롬프트의 기호 입력 특성 64
• 3.3.2. 표의문자 기반 프롬프트의 기호 입력 특성 70
• 3.3.3. 한자의 퍼스 삼원 기호 분석 74
• 3.4. 한자의 기호학적 구조 분석· 79
• 3.4.1. 한자 형태 변천의 기호학적 연구 80
• 3.4.2. 간체자와 번체자의 기호학적 특성 비교 82
• 3.4.3. 한자 기호 정보 변화와 의미 전달 효과 85
• 3.4.4. 간체자와 번체자의 기호 심도 비교 91
• 3.5. 언어 문법 구조와 의미 밀도 비교 96
• 3.5.1. 교착어（한국어）의 의미 촉발 특성 98
• 3.5.2. 분석어（중국어）의 의미 촉발 특성 99
• 3.5.3. 굴절어（영어）의 의미 촉발 특성 100
• 3.5.4. 언어별 문법 구조와 AI 이미지 생성 효과 비교 102
• 3.6. 기계어 기반 지식의 자연어 프롬프트 융합 전략 105
• 3.6.1. 기계어에서 자연어로의 프롬프트 언어 전환 105
• 3.6.2. 프롬프트 언어 융합의 기호학적 이론 근거 105
• 3.6.3. 기계어-자연어 융합의 세 가지 층위 106
• 3.6.4. 기계어-자연어 통합 프롬프트 설계 모델 107
• 3.6.5. 실무 적용 원칙 및 한계 108
• 4. 연구 설계 및 실험 방법 110
• 4.1. 실험 설계 개요 111
• 4.1.1. 기본 입체 형상 및 변형 명령어 선정 이유 113
• 4.1.2. 실험 범위: 문자 체계·형태·변형 명령의 요인 설계 117
• 4.1.3. '프롬프트（prompt）'–Sign–Design Generation） 분석 프레임워크 118
• 4.2. 다언어 실험 매트릭스 설계 122
• 4.2.1. 변수 인코딩 체계 및 핵심 실험 매트릭스 122
• 4.2.2. 프롬프트 설계 기준· 130
• 4.3. 독립·종속변수의 조작화 133
• 4.3.1 독립변수의 조작 방법 133
• 4.3.2. 종속변수의 조작 방법 135
• 4.3.3. 독립·종속변수 조작 방법 종합 137
• 4.3.4. 변수 간 예측 영향 관계 139
• 4.3.5. 3원 ANOVA 통계 분석 구조 141
• 4.4. 실험 절차 및 평가 기준 설정 142
• 4.4.1. 실험 절차· 142
• 4.4.2. 평가 기준 및 측정 도구 143
• 4.4.3. 평가자 간 신뢰도 관리 144
• 4.5. 기호 심도 분석 방법론 146
• 4.5.1. 간체·번체 비교의 분석 차원 146
• 4.5.2. 퍼스의 삼원 기호 구조의 조작적 적용 148
• 4.5.3. 형체 횡단적 규칙성의 도출 방법· 150
• 4.5.4. 어휘 영역 귀속성의 개념과 이론적 근거 152
• 5. 실험 결과 및 분석 156
• 5.1. 형체 변형 명령어의 기호학적 분석: '弯曲/彎曲' 사례· 157
• 5.1.1. '弯曲/彎曲'의 기호 심도 기초 분석 157
• 5.1.2. 각 형체별 변형 특징 고찰· 160
• 5.1.3. 기호 심도 차이의 형체 횡단적 규칙성 164
• 5.1.4. 퍼스 삼원 기호 구조에 의한 형체 횡단 해석 165
• 5.2. 형체 변형 명령어의 기호학적 분석: '扭转/扭轉' 사례· 166
• 5.2.1. '扭转/扭轉'의 기호 심도 기초 분석 166
• 5.2.2. 각 형체별 변형 특징 고찰· 168
• 5.2.3. 기호 심도 차이의 형체 횡단적 규칙성 172
• 5.2.4. 퍼스 삼원 기호 구조에 의한 형체 횡단 해석 173
• 5.3. 형체 변형 명령어의 기호학적 분석: ‘缩放/縮放’사례 174
• 5.3.1. '缩放/縮放'의 기호 심도 기초 분석 174
• 5.3.2. 각 형체별 변형 특징 고찰· 176
• 5.3.3. 기호 심도 차이의 형체 횡단적 규칙성 181
• 5.3.4. 퍼스 삼원 기호 구조에 의한 형체 횡단 해석 181
• 5.4. 형체 변형 명령어의 기호학적 분석: '锥变/錐變' 사례· 182
• 5.4.1. '锥变/錐變'의 기호 심도 기초 분석 182
• 5.4.2. 각 형체별 변형 특징 고찰· 184
• 5.4.3. 기호 심도 차이의 형체 횡단적 규칙성 189
• 5.4.4. 퍼스 삼원 기호 구조에 의한 형체 횡단 해석 189
• 5.5. AI 이미지 생성 실험 통계 분석 결과 190
• 5.5.1. 연구 설계, 데이터 구조 및 분석 논리 190
• 5.5.2. 평가자 일치도 검증· 192
• 5.5.3. 기술통계 결과 192
• 5.5.4. H1 검증: 언어 기호 체계의 주효과 193
• 5.5.5. Tukey HSD 사후검정（Q1-Q4） 194
• 5.5.6. E4 문화 스타일 귀속의 카이제곱 검정 196
• 5.5.7. E5 비정상 이미지 발생률 분석 197
• 5.5.8. H3 검증: 언어 × 형태 × 명령의 삼원분산분석（Q2） 198
• 5.5.9. H2 검증: 번체와 간체의 대응표본 t검정（Q1-Q4） 199
• 5.5.10. 연구가설 검증 및 논문 결론 200
• 5.6. 기호 구조와 이미지 품질 관계 분석· 201
• 5.6.1 실험 결과의 주요 발견과 시사점 202
• 5.6.2. 세 가지 원칙· 203
• 6. 기호학 기반 디자인 방법론 분석틀 204
• 6.1. PSD 개념 프레임워크의 완성 204
• 6.1.1. 여섯 단계 기호 변환 연쇄의 구조 206
• 6.1.2. PSD 프레임워크 기반 문자 체계별 기호 변환 분석 217
• 6.1.3. 세 가지 이론 차원과 연구 문제의 대응 관계 226
• 6.2. 보충 프롬프트 방법론의 도출 229
• 6.2.1. 보완 프롬프트 방법론 3단계 적용 절차· 229
• 6.2.2. 왜 보완 프롬프트 방법론이 필요한가 230
• 6.2.3. 보완 프롬프트 방법론의 논리와 보완 전략 239
• 6.2.4. 보완 프롬프트 방법론의 세부 적용 원칙 240
• 6.3. 언어 사용자별 보충 전략 242
• 6.3.1. 간체 중국어 사용자：다섯 가지 보충 전략 242
• 6.3.2. 한국어 사용자：문화 맥락 명사구 보충 전략 246
• 6.3.3. 영어 기준 병렬 입력 전략· 247
• 6.3.4. 기호 심도 결핍의 진단·보완·검증 절차 249
• 6.4. 제품 디자인 적용 사례 255
• 6.4.1. 이어폰 디자인 적용 사례 255
• 6.4.2. 디지털 카메라 디자인 적용 사례· 260
• 6.5. AIGC 기반 제품 디자인 프로세스 제안 267
• 6.5.1. 기존 디자인 프로세스의 한계와 개선 방향 268
• 6.5.2. AIGC 통합 제품 디자인 6단계 프로세스 272
• 6.5.3. PSD 프레임워크와 각 단계의 기호학적 대응 284
• 7. 결론 287
• 7.1. 연구 요약 및 핵심 발견 287
• 7.2. 이론적 기여 288
• 7.3. 실무적 기여 289
• 7.4. 연구의 한계 290
• 7.5. 향후 연구 방향 291
• 참 고 문 헌 292
• ABSTRACT 301
• [부 록 1] 305
• [부 록 2] 306
• [부 록 3] 307
• [부 록 4] 310
• [부 록 5] 312
• 감사의 글 313