http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한정우(Jeongwoo Han),곽명섭(Myeongsub Kwak),강찬혁(Chanhyuk Kang),한경식(Kyungsik Han) 한국HCI학회 2020 한국HCI학회 학술대회 Vol.2020 No.2
본 연구의 목적은 고민을 나누며 불안감과 스트레스 해소를 도와주는 플랫폼 시스템을 디자인하는 것이다. 고민 없이 살아가는 사람들은 없다. 세상은 점점 각박해지고 누구에게도 털어놓을 수 없는 고민들이 늘어나고 스트레스와 우울감을 느끼는 사람들이 많아졌다.[1] 이런 세상 속에서 부담과 거부감 없이 고민을 털어놓을 수 있는 플랫폼을 제공하고 일상 속의 피난처와 같은 역할을 이번 서비스를 통해 해내고자 한다. 이 서비스를 통해 비슷한 고민을 가진 많은 사람들을 대화를 통해 서로 연결해준다. 이 서비스는 전 연령대 중에서 가장 스트레스와 고민이 많은 20 대를 타겟 사용자로 설정했다. 많은 20 대 사용자가 이 서비스를 통해 소통하며 심리적인 위로를 얻을 것이다. 또 이 서비스는 사용자가 직접 조건을 설정해 만나고자 하는 사람을 필터링 할 수 있게 해 익명이라는 요소가 주는 불안감을 낮추고 신뢰성을 높인다. 그리고 플랫폼 속에서 서로의 고민을 나누며 스스로를 되돌아보고 발전하는 효과도 기대할 수 있다.
인터넷 뉴스 댓글 기반의 다중 감정 분석 모델 개발 및 적용
한재호(Jaeho Han),김우정(Woojeong Kim),한경식(Kyungsik Han) 한국HCI학회 2018 한국HCI학회 학술대회 Vol.2018 No.1
본 연구에서는 4 가지 감정(‘기쁨’, ‘슬픔’, ‘분노’, ‘혐오’)으로 분류한 데이터를 바탕으로 기계학습기반 감정 분석 모델을 구축하였다. 기사와 댓글을 연관하여 총괄적인 측면에서 문맥을 파악하여 판단한 감정 데이터를 기반으로 한 우리의 모델은 단순 감정 사전 중심인 기존의 감정 모델과 차이가 있다. 우리 모델은 79%의 정확도를 달성하여 우리 방법론의 유효성과 실제 활용 가능성을 보여주었다.
소셜미디어 데이터 분석을 통한 자폐스펙트럼장애를 가진 사람들의 텍스트 기반의 특징 분석 연구
한정우(Jungwoo Han),김보관(Bogoan Kim),한경식(Kyungsik Han) 한국HCI학회 2021 한국HCI학회 학술대회 Vol.2021 No.1
본 논문을 진행하기 앞서 기존 연구에서 진행한 자폐스펙트럼장애(Autism Spectrum Disorder)를 가진 성인들이 다른 사람들과의 소통을 위해 인스타그램(Instagram), 레딧(Reddit) 등의 소셜 미디어를 적극 활용하며 선호하는 경향이 있다는 내용을 참고하였다. 대다수의 연구들은 소셜미디어 사용 목적과 양상에 중점을 맞춰 진행되어 왔으며, 실제 소셜 미디어 데이터를 기반으로 ASD 를 가진 사람들의 특성을 조사한 연구는 상대적으로 적었다. 본 논문에서 우리는 실제 ASD 를 가진 1,285 명의 인스타그램정보를 수집하고, 91,825 개의 게시 글을 분석하였다. 이를 통해, ASD 사람들의 프로필, 포스트의 기본적 정보(예: 프로필, 캡션의 길이, 해시태그(hashtag))와 그들이 자신의 정체성과 가치관을 소셜 미디어를 통해 적극적으로 확인하였다.
가상 현실에서 제자리 걸음의 추가 센서 대체 이동 방향 결정
정민곤(Mingon Jeong),한경식(Kyungsik Han) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
본 논문에서는 가상 환경에서의 제자리 걸음에서 추가 센서 착용 없이 사용자의 시선 방향을 고려한 이동을 지원하는 알고리즘 및 적용 사례를 소개한다. 이 방법은 이전 연구에서 주로 사용되는 허리에 착용한 VR 트래커(tracker) 로 이동하는 방향설정을 대체하는 것으로, 허리에 트래커를 착용하지 않아도 사용자가 의도하는 방향으로 자연스럽게 전환되어 가상 환경을 탐색할 수 있다. 우리는 이 방법의 사용 가능성을 확인하기 위해 사용자 스터디를 진행하였다. 사용자 스터디에 필요한 콘텐츠를 직접 구현하였으며, 두 개의 방을 탐색하며 다섯 개의 보석을 찾는 임무를 부여한 시나리오로 구성하였다. 허리에 추가 트래커를 착용하는(Navigation with Direction Tracker) 방법과 추가 트래커를 사용하지 않는(Navigation without Direction Tracker) 방법에 대해 총 10 명의 참여자가 within-subjects 조건에서 실험을 수행하였다. 각 세션 후에는 SUS (System Usability Scale) 설문과 주관식 피드백을 수집하였다. 정량적 평가에서는 SUS 점수분석으로 두 방법 모두 사용가능성이 있음을 확인하였고, 두 방법의 SUS 점수와 임무 완료시간이 t-test 로 두 방법 사이의 유의미한 차이가 없음을 확인하였다. 이에 따라 현재 사용되고 있는 Navigation with Direction Tracker 방법을 대체하여 추가 트래커 없이 사용할 수 있는 Navigation without Direction Tracker 방법의 사용 가능성을 확인하였다.
스마트폰 사용 기반 충동성 패턴 파악 및 예측 : Delay-discounting 개념을 바탕으로
임소영(Soyoung Rhim),한경식(Kyungsik Han) 한국HCI학회 2020 한국HCI학회 학술대회 Vol.2020 No.2
현대 사회에서 스마트폰은 사람들의 일상생활에서 떼려야 뗄 수 없는 기기가 되었다. 이로 인해 사람들은 의식적, 무의식적으로 스마트폰을 계속 인식하게 되었고 이는 사람들의 인지적 기능에 영향을 끼치게 되었다. 특히 사람들의 자기 관리 능력을 방해하여 주의의 전환 또는 반응측면에서 충동적 행동을 야기할 수 있다. 이에 본 연구에서는 실제 스마트폰 사용을 기반으로 충동성을 측정할 뿐만 아니라, 학생들의 충동성 여부 및 정도를 예측할 수 있는 모델을 구축하였다. 또한 예측 모델을 통해 충동적 행동을 미리 파악하여 학생들의 충동적 행동 예방에 도움이 되는 notification 디자인 요소를 도출하고자 하였다. 모델 구축 결과 충동성 여부 예측 모델의 경우 86% (fl-score), 충동성 정도 예측 모델의 경우 85% (fl-score)의 높은 정확도를 보였으며, 스마트 폰 사용 기반 학생들의 충동성 패턴 파악에 대한 가능성을 보았다.
확장성 있는 클러스터링 기반의 무선 인터넷 프록시 서버
곽후근(Hukeun Kwak),한경식(Kyungsik Han),정규식(Kyusik Chung) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1A
TranSend는 클러스터링 기반의 무선 프록시 서버로 제안된 것이나 시스템적인(Systematic) 방법으로 확장성을 보장하지 못하고 불필요한 모듈간의 통신구조로 인해 복잡하다는 단점을 가진다. 기존 연구에서 시스템적인 방법으로 확장성을 보장하고 모듈간의 통신 구조를 단순화(Simplification)한 CD-A라는 구조를 제안하였으나 이 역시 프록시 서버가 증가하면 클러스터링을 위해 사용된 LVS-NAT(Network Address Translation) 방식으로 인해 LVS(Linux Virtual Server)가 병목이 되는 단점을 가진다. 이에 본 논문에서는 프록시 서버가 증가해도 확장성을 보장하는 LVS-DR(Direct Routing) 방식을 사용한 클러스터링 기반의 무선 인터넷 프록시 서버를 제안한다. 16대의 컴퓨터를 사용하여 실험을 수행하였고 실험 결과 클러스터링을 위해 사용된 LVS-NAT 방식에 비해 LVS-DR 방식이 평균 30.85%, 최고 78.50%의 성능 향상을 보였다.
유지수(Jisu Yu),한경식(Kyungsik Han) 한국HCI학회 2020 한국HCI학회 학술대회 Vol.2020 No.2
본 논문에서는 Parrott (2001)의 감정 모델을 기반으로 사용자 포스팅에 대한 다중 감정 분류 모델(분노, 두려움, 즐거움, 사랑, 슬픔)을 구축하였다. 본 연구는 제 3 자가 타인의 감정을 정의한 이전 연구들과 달리 글을 쓴 저자가 직접 명시한 500,000 개의 감정 정보를 활용하였다는 점에서 차별성을 갖는다. 또한, 문서 단위의 데이터로 모델을 구축해 단어들의 의미론적 관계와 글의 패턴을 기반으로 글 전체가 내포하는 감정을 유추하고 분류하였으며, 포스팅에서 글과 함께 쓰여진 emoji 를 데이터로 활용해 emoji 유무에 따른 모델의 성능을 비교하였다. 그 결과 글의 패턴을 학습하는 LSTM 모델이 57.4%로 가장 높은 성능을 보였으며, 특히 emoji 데이터가 포함될 때 모델의 성능이 58.3%로 향상되었다 (5 가지 감정 분류). 본 연구의 결과는 글 전체가 내포한 감정과 해당 감정을 표현하기 위해 사용된 단어의 감정이 일치하지 않음에도 저자가 표현하려고 했던 감정을 문서 단위에서 유추해냈다는 점에서 의미를 가지며, 이는 복잡한 감정 표현(e.g., 반어법, 은유법)에 대한 감정 분류의 가능성을 제시한다.