http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
개인화된 박물관 챗봇 설계를 위한 사용자 성격에 따른 답변 선호도 분석 연구
노여경(Yeo-Gyeong Noh),홍진혁(Jin-Hyuk Hong) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
챗봇의 범용성이 높아지면서 답변의 정확도를 향상시키거나 새로운 분야에서의 적용에 대한 관심이 모아지고 있다. 키오스크나 어플리케이션 형태로 박물관에서 흔히 볼 수 있게 되었지만 여전히 사용자의 의도를 이해하고 정확히 질문에 대답하는데 제한되어있다. 관련 배경 조사에서 챗봇의 여러 요소들에 변화를 적용함으로써 사용자의 개인 특성에 따라 사용 경험이 달라지는 챗봇의 잠재력을 발견하였다. 이에 본 연구에서는, 챗봇이 답하는 유형을 담화의 4 가지 전략(정보량, 개인화 질문의 유무, 단어의 난이도, 관형사 빈도)으로 설계하고, 전략별로 다르게 적용함으로써 한 질문에 대한 16 가지 다른 답변을 설계하였다. 박물관을 주요 컨텐츠로 선정하여 웹 크롤링을 통해 55가지 질문에 대한 16 가지 답변으로 총 질문-답 쌍 데이터를 880 개 수집하였으며, 전문가로부터 검토받았다. 사용자에게 답변을 토너먼트 형식으로 제시하여 순위를 결정하게 함으로써 개인 성격(MBTI)에 따른 답변 선호도를 분석하였으며, 성격에 따라 주요하게 영향을 미치는 답변 전략이 무엇인지 그 경향성을 실증하였다. 전략적 측면에서는 정보량과 개인화 질문이 가장 성격에 따라 유의미한 차이를 보였으며, 성격 요인 측면으로는 Energy type (intuitive/observant)와 Nature type (feeling/thinking) 이 가장 많은 답변 전략 선호의 차이를 보였다.
개인별 시각적 편향성 관찰을 위한 주의 선행 처리 개념 기반의 시각적 자극 설계
노여경(Yeo-Gyeong Noh),전준렬(Junryeol Jeon),홍진혁(Jin-Hyuk Hong) 한국HCI학회 2024 한국HCI학회 학술대회 Vol.2024 No.1
이 연구는 주의 선행 처리 개념을 적용하여 시선자극을 설계하고, 각 참여자의 시선 반응 차이를 분석하는 것을 목표로 하였다. 시선 데이터를 분석하여 시선 요소별 전반적 경향을 탐구하고, 각 개인이 가지는 시각 요소에 따른 시선 편향성을 분석하였다. 머신 러닝 모델을 활용하여 참여자를 구분할 수 있는지 실험하고, 혼동 행렬을 통해 어떤 시선 요소가 특정 참여자의 구분에 기여하는지 확인하였다. 연구 결과, 각 참여자는 순간적인 시선요소의 차이를 시각적으로 반응하며, 이에 따라 시선 편향성이 다르게 나타남을 확인하였다. 더 나아가, 이러한 반응이 각 개인을 특정 짓는 정도가 상이하게 나타남을 결론으로 도출하였다. 이러한 결과는 미래에 낮은 수준의 시각 요소 자극을 각 개인의 특징에 따라 해석하거나 최적화를 시도하는 응용 분야에서 눈의 활용을 향상시키기 위한 중요한 기반을 제공할 것으로 기대된다.