Subinium의 코딩일지

Gamification

2021-07-19T00:00:00+00:00

Gamification이란?

Gamification의 동향과 사례[1]를 기반으로 정리한 내용입니다.

이제 한물간 느낌의 단어지만 Gamification은 동기부여+교육에는 꾸준히 연구되는 분야다.

코로나의 장기화로 스스로 동기부여를 지속하는 ‘리추얼 라이프’도 부각되고 있으니 한 번쯤 살펴보면 좋을 것 같아 정리해보았다.

1. Gamification의 정의

Gamification은 한국어로 ‘게임화’이다. 게임 이외의 다양한 분야(경제, 금융, 교육, 헬스케어)에서 게임의 요소(디자인, 동기유발, 재미) 등을 추가하는 것이 특징이다.

2008년에 문서에 처음 등장하였고 2010년부터 다양한 연구자들이 Gamification을 정의했다.

Deterding 외(2011)[2] : 비 게임적 맥락에서의 게임 디자인 요소 이용
Gabe Zichemann 외(2011)[3] : 게임적인 사고와 기법을 활용해 유저를 몰입시키고 문제를 해결하는 과정

2. Gamification의 특징

게임플레이 : 규칙에 기반한 경쟁을 통해 게임을 즐기게 됨
창조성 : 자기 주도적인 실행을 통해 효율적인 교육과 UGC(user generated content) 창조 가능
커뮤니케이션 : 다른 사람들과 커뮤니케이션을 통해 교류하고 자시표현을 통한 만족
보상 : 리더보드, 상금과 같은 보상 체계를 통해 동기부여
바이럴리티 : 웹과 SNS를 통해 급속도로 확산되고 전달

3. Gamification & Game Mechanism

3-1. 동기유발

동기는 외적 동기(extrinsic motivation)와 내적 동기(intrinsic motivation)가 있으며, Gamification은 두 가지 동기를 복합적으로 자극한다.

외적동기는 외부적인 보상을 제공함으로써 유발되는 동기.
- 상금, 상품과 같은 외적 보상책
내적동기는 스스로 자발적으로 생겨나는 동기.
- 성취감을 느끼기 위해 노력하는 것을 포함하며 행위 그 자체의 기쁨에서 유발
내적 동기유발과 외적 보상을 적절하게 섞어서 제공할 때 효과적. 구별의 필요성은 없다.

3-2. 재미

PX(Play Experience) 중심의 사고

게임은 경험 과정에서 재미를 주며 이를 원동력으로 사용
Nicole Lazzaro[4]는 XEODesign 회사의 대표로 게임을 하는 이유에 대해 조사를 진행하고 재미를 4가지 종류(4 keys to fun)로 구분했습니다.
- 어려운 재미(Hard Fun, Challenge) : 어려운 목표를 달성
- 편안한 재미(Easy Fun, Novelty) : 탐구, 역할, 창의성에 대한 호기심
- 변화의 재미(Serious Fun, Mean) : 플레이어와 그들의 세계를 변화시키는 설렘
- 사회적인 재미(People Fun, Friendship) : 경쟁과 협력을 통한 즐거움

플로우(Flow)[5]는 심리학자 Mihaly Csikszentmihalyi가 고안한 개념이며 게임의 재미와 연관된 개념
- 너무 쉽거나 너무 어렵지 않은 적절한 난이도의 목표가 명확히 주어지고, 즉각적인 성공과 실패에 대한 피드백이 제공될 때 발생
Jon Radoff는 게임 내에서 재미있다고 생각되는 행동 42가지를 제시 및 재미 요소 분석 (아래 표)

3-3. 피드백과 보상

게임은 상호적인 매체이기 때문에 피드백과 보상을 즉각적으로 제공한다.

Zichemann 외[3]에서는 피드백, 보상, 강화를 하는 내용에 따라 성패가 갈린다고 이야기한다.
- 피드백은 각종 정보를 플레이어에게 돌려주고, 플레이어의 성장을 알려주는 역할
- 점수가 올라가면서 플레이어는 확실한 피드백을 받게 되고 자신이 올바른 방향으로 나가고 있다는 믿음을 강화
- 레벨과 같이 성취도를 표시하는 기법은 장기 목표들을 작고 수행 가능한 단기 목표로 쪼개주는 역할을 함
- 자신의 성취 정도를 알 수 없고, 길이 멀고 복잡하면 성장하지 못한다는 느낌에 무력해질 수 있음
- 점수, 성취도 표시, 레벨 업 등의 적절한 피드백은 확인의 역할이자 동기유발을 통한 지속성의 원동력

4. 게임 디자인 요소

Gamification System은 일반적으로 다음 요소를 사용한다.

4-1. 점수(Point)

디자이너는 플레이어의 모든 행동을 추적하고 가치를 부여하며 플레이어가 시스템 안에서 어떻게 활동하는지 점수를 통해 알 수 있다.
점수는 5가지로 분류될 수 있음
- Experience points : 경험치, 화폐로 사용되지 않으며 플레이어의 모든 작업의 점수. 최대치에 도달하지 않도록 설정.
- Redeemable points : 화폐로 사용되는 점수. 인플레이션/디플레이션 문제를 고려해야 함. (적립과 사용)
- Skill points : 활동에 따른 점수 시스템. 하위 목표로 설정 가능.
- Karma points : 다음 행동 경로를 위한 점수.
- Reputation points : 당사자 간 신뢰성 및 시스템의 신뢰성을 높이기 위한 포인트

4-2. 배지(Badge)

사람들의 지위와 상태를 알려주는 역할. 더 좋은 배지를 얻기 위한 강력한 동기유발 요소
수집하기의 재미와 예상치 못했던 배치를 깜짝 제공하는 보물찾기의 재미도 선사
배지를 남발하지 않고, 얻는 즐거움을 제공하는 시스템을 만드는 것이 중요.

4-3. 순위표(Leaderboard)

플레이어의 순위를 보여주는 표로 자신의 위치를 가늠하고 도전 의욕을 자극하는 역할을 수행
지역별 구분, 연간, 월간, 주간 등의 시간별 순위 시스템 등 다양한 시스템 제공

4-4. 레벨(Level)

게임 속 플레이어가 어디까지 전진했는지를 알려주는 표지의 역할
등급, 프로그레스 바 등 미션의 수행 정도도 표시

4-5. 퀘스트(Quest)

도전과제를 의미. 게임의 도전의식과 호기심을 불러일으킴
명확한 목표 제공과 완수 과정의 보람. => 흥미 유지
플레이어의 성향에 따라 모든 도전 과젤르 정복하려고 할 수도 있고, 어떤 사람들은 흥미를 유지할 정도로 최소한의 도전 과제를 수행할 수도 있음
협력적 퀘스트도 존재 (그룹 보상 고려 필요)

4-6. 다양한 Gamification 기법

5. 한계와 고려할 점

5-1. 한계점

적합한 분야가 한정되어 있고, 실패할 가능성 존재
경영기법의 경우, 성과 평가 등의 정보 공개를 전제로 하여 개인정보 유출 문제와 과도한 경쟁 문제로 이어질 수 있음
설계자 편향 문제 : 한쪽으로 치우쳐져 전체적인 조화를 깨뜨릴 수 있음
프라이버시 문제 : 개인의 업무나 행동 추적이 이루어질 수 있음
속임수 : 시스템의 운영 원리를 간파한 유저가 속임수를 쓸 수 있음.

5-2. UX와의 결합

정확한 이용자 맥락을 이해한 피드백 보상이 필수적
소비자의 정확한 니즈 파악이 선행되어야 하며, 이를 통해 소비자가 어떤 제품이나 서비스를 필요로 하고 있는지를 파악해 적용해야 함
즉각적이며 소비자들의 니즈와 연관된 피드백 및 보상을 제공할 수 있어야 함

Reference

[1] Gamification의 동향과 사례, 한국콘텐츠진흥원, 2013.
[2] Deterding, Sebastian, et al. “From game design elements to gamefulness: defining” gamification”.” Proceedings of the 15th international academic MindTrek conference: Envisioning future media environments. 2011.
[3] Zichermann, Gabe, and Christopher Cunningham. Gamification by design: Implementing game mechanics in web and mobile apps. “ O’Reilly Media, Inc.”, 2011.
[4] http://www.xeodesign.com/research/
[5] Csikszentmihalhi, Mihaly. Finding flow: The psychology of engagement with everyday life. Hachette UK, 2020.
[6] Wikipeda : https://en.wikipedia.org/wiki/Gamification

Goodbye 2020, Welcome 2021

2020-12-29T00:00:00+00:00

쉽지만은 않았던 2020, 새로운 시작 2021

벌써 2년 전 Goodbye 2018, Welcome 2019
벌써 1년 전 Goodbye 2019, Welcome 2020

본업, 소속

올해 초에 고려대학교 사이버국방학과 를 졸업하였습니다. 150학점을 스트레이트로 이수하며 꽤나 바쁜 4년을 보냈습니다.

거의 휴식없이 2020을 시작하여 주된 소속을 2번이나 바꿨고, 3년간 지냈던 자취방을 떠나 판교로, 판교에서 관악으로… 소속도 주거지도 2번이나 바꾼 정신없는 1년이었네요.

카카오 엔터프라이즈

I am Groot

인턴 1/2 후기 : [개발자로 성장하기] 인턴 3개월 편
인턴 2/2 후기 : [개발자로 성장하기] 첫 인턴을 마치며

이론으로만 공부했던 딥러닝을 실제로 넘치는 GPU 리소스를 가지고 실험해볼 수 있어 행복했습니다. Generation Model에서도 대표적인 GAN, 대표적인 VAE 등을 구현하면서 pytorch 구현 및 환경설정에 대한 자신감을 얻었다는 데 의의를 둡니다. 음성합성셀인만큼 Digital Signal Processing(DSP)와 TTS의 흐름도 약간이나마 맛보기로 얻어갈 수 있었습니다.

이미 카카오 이야기는 다른 포스팅에서 많이 했으니 나머지는 생략하겠습니다. :) 판교에서 반년간 지내며 최고의 회사, 최고의 팀, 최고의 팀원 과 함께 해서 행복했습니다.

집단에서 필요한 사람이 되기 위해서 어떤 노력과 과정이 필요할지 설계할 수 있는 시간이었습니다.

서울대학교 대학원

대학원 후기 : 나는 학부를 이렇게 공부했다. 다음은 대학원이다.

학부 공부 과정과 함께 대학원 준비 과정도 이전 포스팅에서 이야기했기에 준비 과정은 따로 적지는 않겠습니다. 현재 대학원에서 일상은 다음과 같습니다. (80% 이상 재택으로 진행중)

청강, 지도 교수님 수업 정보 시각화(Information Visualization)을 청강했습니다. 팀 프로젝트를 참여했고, 데이터 수집을 담당했습니다. selenium, beautifulsoup 등의 라이브러리를 사용하여 인스타 데이터를 크롤링했습니다. 2017년부터 매년 1회 이상 크롤링을 진행하다보니 점점 필요이상으로 크롤링 스킬이 늘고 있습니다. 좋으면서도 신기하네요.

산학 프로젝트, 기업과 Text Classification 프로젝트를 진행했고, 그 중에서도 전처리 및 모델링을 담당했습니다. Text데이터셋에 대한 EDA 및 시각화에서 인턴 신분이지만 제 의견이 많이 수용되어 감사했습니다. Gensim, FastText 등 다양한 텍스트 라이브러리와 scikit-learn 머신러닝 라이브러리를 쉽게 사용할 수 있어 뿌듯했습니다. 개발/협업 측면에서도 어느정도 github-flow를 만들어 작업할 수 있다는 점도 스스로 대견… 초기에 모델링 포지션이었지만 중간에 시각화로 들어가 react와 d3를 가볍게 건드리기도 했습니다.

AI(?), 연구실에 계신 분들의 AI-HCI 관련 연구를 보며 여러가지 팔로업하며 지냈습니다. HCI 랩인만큼 다양한 주제가 연구되고 있었으며 이 과정에서 여러 딥러닝 이야기를 하며 보냈습니다.

랩 세미나, 매주 랩세미나에 참여해서 선배들의 연구나 논문 동향을 듣고, 본인의 1주 업무를 보고합니다. 선배들도 멋지고, 교수님이 해주시는 멘트들이 도움이 되서 좋습니다. 졸업할 때쯤 저도 멋지게 후배들에게 조언할 수 있으면 좋겠다는 생각…?

2021에는 지금 업무에서 조금씩 발전된 형태로 일을 진행할 것 같습니다. 저는 InfoVis와 XAI 분야의 논문을 쓸 수 있을까요? 기대반걱정반.

하여튼 만족도 200%로 연구실을 다니고 있습니다!

‘나’는 어떤 개발자일까?

Kaggle

캐글 프로필. 팔로워가 435명이나 생겼다. 틈새 데이터셋 메달까지

How to Become a Kaggle Kernel(Notebooks) Master?

Notebook 분야는 데이터 분석 인사이트를 공유하여 upvote를 기준으로 메달과 순위가 갱신되는 분야입니다.

올해 초에 Kaggle Notebook Master가 되었습니다. 이후에 잠시 쉬었고 연말 약 2개월~3개월 정도의 다시 버닝했습니다. 현재는 Notebooks 47위(total 152329, 국내 1위)이며 Gold 9, Silver 6, Bronze 28 를 받았습니다. (작년 1, 3, 14) 만든 노트북만 하더라도 올해 30개 정도 되었네요.

시각화로 끝을 찍고 싶다는 생각으로 라이브러리 matplotlib, seaborn을 포함하여 plotly, altair 등의 공식 문서를 참 많이 읽었습니다. 그리고 대다수의 메달은 시각화를 중심으로 한 데이터 분석 노트북으로 받았습니다. 이렇게 파이썬 시각화 고인물이 되는 것 같아 좋습니다.

중간에 컴페티션도 한 번 참여했지만 203명까지 Bronze 메달에 204등을 한 이후로 잠정적 대회 휴식에 돌입했습니다.

2021에는 컴페티션, 데이터셋 분야는 보라색(Expert) , 노트북 분야는 노란색 (Grandmaster)를 목표로 하고 있습니다.

Github

깃헙 프로필, 팔로워 218명..?

큰 프로젝트를 진행한 건 없는데 팔로워가 늘고 있습니다. 내년에는 제대로 된 프로젝트를 공유해야겠습니다.

커뮤니티 / 블로그

Kaggle Korea, 2년차 운영진으로 4차 대회를 주최하였습니다. 약 4000명 정도일 때 운영진으로 들어갔는데 벌써 12000명이 되었네요. 좋은 커뮤니티에 속할 수 있게해주신 태영님, 유한님, 천성님, 태진님 모두 감사합니다.

Data Visualization KR, 올해 초에 만든 커뮤니티로 페이스북에서 활동하고 있습니다. 약 1600명이 있고, 내년에는 5000명 정도를 목표로 하고 있습니다. 저는 약 60개 정도의 글을 포스팅 했습니다. 1주일에 1개 정도의 포스팅을 했네요.

Blog, 2020은 블로그 조회수 약 17만회를 찍었습니다. 기술 글을 포함하여 25개의 포스팅을 했습니다.

조회수 17만회 달성, 2년 합해서 20만회 이상 달성 :)

ETC, 페이스북 페이지는 올해 많이 못했지…라고 생각했지만 생각보다 많은 글을 공유했네요.

A.I. Lookbook, 팔로우 3300+@, 50개 이상 포스팅
알고리즘에 고통받는 취준생을 위한 안내서, 팔로우 2000+@, 30개 이상 포스팅
삽질하는 디발자와 개자이너, 팔로우 600+@, 30개 이상 포스팅

캐글 노트북을 포함하면 생각보다 글을 엄청 많이 쓴 1년이네요. :)

발표

좋은 발표 기회를 만들어주신 김태영님, 김주성님, 송석리님에게 감사의 말을 전합니다.

올해 유일한 오프라인 발표. 캐글 4차 대회 발표 일부

올해는 발표를 모두 온라인으로 진행했습니다. KCD2020(Korea Community Day 2020)으로 발표를 즐겁게 시작할 수 있을거라 믿었으나 코로나가…. 시각화 발표를 열심히 준비하고 있었는데 아쉬웠던 기억이 있네요. 그외에는 다음과 같은 발표를 진행했습니다.

Daejeon Learning Day 2020 : How to become Kaggle Notebooks Master?
- 이미 글로도 썼었지만 좀 다르게 구성하여 발표했습니다.
- 전문 분야를 발표할 때의 짜릿함이라는게 있죠.
T아카데미x캐글코리아 4차대회 : Hello Kagglers!
- 4차 대회 소개겸 캐글의 흐름을 발표했습니다.
Kaggle Learning Day 2020 : Kaggle과 Data Science를 시작하는 이들을 위해
- 캐글 플랫폼 내에서 대회를 여는 것, 그리고 대회를 운영하기 위해 필요한 점 등을 발표했습니다.
청소년데이터사이언스컨퍼런스 : 나의 개발 이야기 : 컴알못에서 시작한 대학생의 고군분투기
- 제가 가장 하고 싶었던 발표 중 하나로 고등학생에게 개발 관련으로 발표를 진행했습니다.
- 5년이나 지났지만 생생했던 고3과 새내기 사이의 기억을 되살리며…
- 학생들에게는 직접 면대면으로 멘토링을 해주고 싶은 마음이 많은 데 쉽지 않네요.ㅠㅠ

내년에는 한 달에 한 번씩은 발표를 하고 싶습니다. (오프라인으로 하고 싶어요… 코로나 언제 끝나….)

강의

좋은 강의를 제안해주신 모두의 연구소 은수님, 지나님, 정원님 그리고 패스트캠퍼스의 호현님, 민수님에게 감사의 말을 전합니다. 강의를 보조해주신 지원님, 정우님, 시영님에게도 감사의 말을 전합니다.

학교에서 3년간 알고리즘 세미나를 진행하며 알고리즘 및 코딩테스트 강의 는 준비가 없어도 강의를 할 수 있었습니다. 올해 초반에는 회사를 다니며 큰 준비가 없어도 병행할 수 있게 알고리즘 강의를 위주로 진행했습니다.

알고리즘 및 코딩테스트 (3개)
- T아카데미 기초 알고리즘과 코딩 (5시간)
- FastCampus 웹프로그래밍12기 : 알고리즘 (3시간 x 6회)
- FastCampus 백엔드13기 : 알고리즘 (코로나로 중도 취소)

하지만 저의 개인적인 성장에 더 많은 도움을 위해 보다 실용적인 강의로 방향을 틀었습니다.

Python과 Data Science (2개)
- [신한금융x모두연] AI 마스터 과정 : Python과 데이터 사이언스 (7시간 x 5회)
- 비AI개발자를 위한 AI업무 전환 교육 : Python과 데이터 사이언스 (7시간 x 5회)

처음으로 기업 강의를 진행해보았습니다. 생각보다 체력적으로 많은 어려움이 있어 살짝 고생하기도 했습니다. 저는 강의에서 포기하는 수강생이 없어야 하고, 모두가 얻어가는 게 있기를 목표로 하는 강사입니다. 그래서 2가지 문제에서 좀 많은 고민이 있었습니다.

수강생의 지나친 수준 편차
- 제로 베이스부터 중급 수준의 개발자까지 있다보니 조금 빠르거나 느리면 너무 아픈 피드백이 들어와 힘들었습니다.
- 제 선택은 최대한 개인으로 살펴보며 한 클래스 내에서 수준별 수업을 진행하는 것이고
- 수강생에게는 좋았지만 체력적으로 상당한 소모가…
짧은 기간과 전달해야 하는 양
- 대다수 기업강의는 짧은 기한 내에 많은 양을 전달해야 합니다.
- 3주만에 인공지능 마스터는 쉽지 않은 일인 것은 분명합니다.
- 그래서 저는 수업에는 예시를 최대한 많이 넣는 방식을 선택했고,
- 자료를 최대한 자세하게 구성하여 후에 복습하기에 편한 자료를 만들기 위해 노력했습니다.

수강생 평가가 9점대 이상이 나왔기에 만족스러운 강의긴 했지만, 분명 힘든 분들도 눈에 보였기에 미안한 마음이 큽니다. 다음에 강의를 진행하면 지금까지 얻었던 인사이트를 바탕으로 더 좋은 강의를 구성해볼 예정입니다.

9.9

금전적인 이유로 종종 프리랜서로 강의만 1년 뛰고 싶다는 생각도 했지만, 학문적인 목표를 위해 그 점은 포기하기로 했습니다. 앞으로는 온라인 강의나 AI 관련 강의를 위주로 진행할 생각입니다.

내년에는 Visualization for EDA로 강의를 합니다. 그토록 기대했던 시각화에 한정된 강의라니…설레면서 준비중입니다. Upstage AI와 네이버 커넥츠에게 감사의 말을 전합니다.

변하기 위한 노력과 휴식

위에서 제 자랑같은 후기를 많이 썼지만, 꼭 좋은 순간만 있었다고 하기에는 힘든 1년이었습니다. 몰아치는 일이나 인간 관계 등으로 스트레스 관리를 못하는 순간도 많았고, 그만큼 슬럼프/번아웃도 많았습니다.

일부는 여러 활동을 하며 극복을 하고, 저만의 가치관을 만들기도 했습니다.

[2020.10] 생각 그리고 가치관

여행 / 사람

퇴사하고 2주간 노트북과 기본 옷가지만 들고 강릉, 파주, 대전, 영종도 등으로 떠났습니다. 아무도 저를 모르는 공간에서 커피를 마시며 생각을 정리하는 시간을 가졌습니다.

가까웠던, 가까운 사람을 만나기 위해 연락도 많이 했습니다. 대학교 4년간 잡았던 약속보다 올해 하반기에 잡은 약속이 더 많은 정도입니다.

그 외도 여러 개발자를 만나며 여러 생각을 나누기도 했습니다.

저와 스친 모든 분에게 감사합니다. 특히 저의 생활에 지속적인 환기를 해준 친구들에게 감사의 말을 전합니다.

운동

이때보다 머리가 훨씬 길었고, 몸도 커졌다.

거울 속의 제 모습에 충격을 받고 운동을 시작했습니다. 9개월 정도 운동을 진행했고, 총 4가지 시즌이 있었습니다.

s1 (1 mon) : 1일 1식 + 도보 2-4시간
s2 (3 mon) : 1일 1식 + 아침 운동 2시간 + 저녁 운동 2시간
s3 (4 mon) : 식단 조절 + 매일 운동
s4 (1 mon) : 식단 조절 + 홈트레이닝 (현재)

4개월간 약 15kg 체중 감량을 했고, 5개월 동안 근육으로 5kg 정도 증량하였습니다. 모습을 바꾸기 위한 노력이기도 했고, 스트레소 해소의 수단이기도 했습니다.

현재 식단은 약속이 없는 한 닭가슴살과 현미밥을 위주로 먹고, 그 외에도 종종 계란, 아몬드브리즈, 그릭요거트, 견과류, 과일 등을 먹으며 부족한 칼로리를 채우고 있습니다. 관리하는 재미가 일상의 낙 중 하나가 되었네요.

그리고 몸을 만족스럽게 만들기 전까지 머리를 기르려고 합니다. 현재는 장발에 만족중입니다.

2021에는 3대 운동을 360 => 400을 목표로 하고 있습니다.

2021의 목표

위에서도 몇 가지 목표를 적었지만 그 외의 핵심적인 목표들은 다음과 같습니다.

연구 그리고 논문

2020에 개발도 많이 하고 다양한 성과를 냈지만 학문적인 성장은 비교적 부족했던 1년이라고 생각합니다. 일을 줄이고 공부에 더 많은 시간을 투자하고 싶습니다.

Information Visualization
Deep Learning
- Math (안하고 싶었지만 해야함을 지속적으로 느껴서..)

디테일한 수학을 제외하고는 다시 블로그에 정리해볼 예정입니다.

본업을 잘해야 다른 일들도 빛난다고 생각합니다. 대학원생으로 가장 멋지기 위해 연구와 논문에 초점이 되는 2021이 되었으면 좋겠습니다.

집필과 출판

한동안 블로그를 포함해 글을 쓸 수 없었습니다. 틀릴까 무서웠고, 표절이 될까도 신경쓰였고, 어떠한 문장도 마음에 완벽하게 차지 않았습니다. 내 글이 실제로는 도움이 안되는 허울뿐인 글은 아닐까 라는 생각도 많이 했습니다.

이제는 저런 부정적인 생각을 이겨내고, 완벽하지 않아도 글을 쓰는 법을 익히고 있습니다. 현재 책을 3권 쓰고 있습니다. 올해 초부터 기획된 책이지만 최근에 다시 집필을 시작하고 있습니다. 책이 나오기전까지는 일단 어떤 책인지는 비밀로 하겠습니다.

내년에는 좋은 책으로 돌아오겠습니다. :)

기다려주시는 편집자분들에게 정말정말 감사합니다. 얼른 완성하겠습니다…

커뮤니티

개인 홈페이지 및 커뮤니티화, 이제 이 블로그를 확장하여 개인 포트폴리오 및 커뮤니티를 만들어볼까 생각합니다. 목표는 큰데 웹 개발에 시간을 어떻게 할애해야 이 목표가 구현 가능할지 생각해보고 있습니다.

데이터 시각화 컨퍼런스, 국내에 데이터 시각화 관련으로 컨퍼런스를 열어볼 생각입니다. 혼자의 힘으로는 부족하겠지만 주변의 도움을 받아 조금씩 행사들을 열어볼 수 있지 않을까요?

바디프로필

운동을 시작한만큼 내년에는 바디프로필을 찍어보려고 합니다. 원래는 3월쯤으로 예상했으나 헬스장을 못가는 상황이니 시기는 좀 더 지켜볼 예정입니다.

한 3년후에는 아마추어 대회에 참여해보고 싶다는 생각입니다.

유튜브

수비니움 유튜브

2020에는 다른 일정이 많아 진행하지 못했던 유튜브를 다시 시작해보려고 합니다.

아마 주요 컨텐츠는 공부를 정리하고 강의로 바로 만들어보려고 합니다. 그래도 재미있게 지식을 전달하는 컨텐츠를 만들고 싶은데… 우선은 고민중입니다.

마무리…

2020에는 제가 할 수 있는 최선을 다했다고 생각합니다.

앞으로 일은 못할 자신이 없습니다. 최선을 다하면 어떻게든 결과가 나올 거라 스스로를 믿습니다.

하지만 여전히 일과 다른 것들에 균형을 맞추는 것은 연습이 많이 필요합니다. 그리고 좀 더 제 주변과 사회에 기여할 수 있는 사람이 되고 싶습니다.

2021은 여러 상황과 환경에서도 이겨낼만큼 더 강인한 내가 되기를 바랍니다.

모두 멋지고 행복한 2021이 되기를 바랍니다. :)

나는 학부를 이렇게 공부했다. 다음은 대학원이다.

2020-12-04T00:00:00+00:00

2020의 가장 큰 결정 중 하나. 서울대 대학원 입학 준비 과정 후기.

결론부터 말하면 내년부터 서울대학교 컴퓨터공학 HCI Lab 석박통합과정으로 입학합니다.

모든 연구실은 랩바랩 이지만 제가 했던 고민과 준비 과정을 공유해봅니다. (조만간 고등학생 대상 발표 준비 겸) 대학교부터 제가 했던 공부에 대한 고민과 대학원을 선택한 이유도 함께 공유합니다.

모든 것은 사람 by 사람이니 가볍게 읽어주세요ㅎㅎ

[~2016] 고등학교 졸업과 후회

고등학교를 입학하고 받은 첫 성적을 저는 아직 기억합니다. 과학 과목에서 반타작도 못했다는 충격이란… 지금 생각하면 고등학교 1학년에 일반물리, 일반화학을 아는 친구들이 대단했던거입니다. 공부말고도 이런 저런 일로 1학년 1학기 중간고사 이후 6kg 정도 살이 빠지고, 진지하게 고민했습니다.

자퇴하고 포항으로 내려가야 할까?

그 당시에 체육관에서 혼자 고민을 하다 생각하고 싶지 않아 농구를 시작했습니다. 3년간 농구를 정말 많이 했습니다. 점심, 저녁, 야식시간에 빠지지 않고 농구했으니 하루에 최소 3시간은 했었습니다. 농구가 재밌기도 했지만 성적으로 낮아진 자존감을 채우는 역할이 컸습니다.

저는 그래서 스스로를 세뇌했습니다.

공부가 인생의 다는 아니다.

물론 공부가 인생의 다는 아니지만, 고등학생이 가질 마인드는 아니었습니다. 고등학생은 그래도 공부를 해야죠. 학교 농구 대표도 해보고, 춤 공연도 서고, 그 외에 텍스트로는 적지 못할 많은 에피소드를 학교에 남겨두고 졸업했습니다. 좋은 선생님들 덕분에 그래도 공부는 재미있었고, 의지도 아에 없지는 않아 성적은 꾸준히 올리긴 했지만 초기 성적을 만회하기는 부족했습니다.

그리고 졸업식 날 여러모로 현타가 만히 왔습니다. 올림피아드 국가대표인 친구, 3년 내리 공부를 잘했던 친구, 꾸준히 공부해서 학문적으로 깊어진 친구 등… 학원에서 과학고 애들 가르친다더라, 과외를 몇 개 한다더라, 시급이 얼마라더라, 등등의 ‘카더라’들을 들으니 더더욱 저는 초라해졌습니다. 저는 그 당시 수학이나 과학을 가르칠 자신이 없었고 마냥 공부를 잘하는 애들이 부러웠습니다. 웃기는 게 과학고를 나왔는데 수학/과학을 못하는 학생으로 느껴졌습니다.

그리고 이 열등감을 회피하면, 앞으로 계속 후회할거라 생각했고 대학교 입학을 하며 결심했습니다.

절대 내가 하는 공부에 후회를 남기지 말자.

단순히 학점을 잘받겠다가 아니라, 하고자 하는 공부에 있어서는 미친듯이 해보자라는 마인드였습니다. 그래서 대학교 입학 1개월 차에 쓴 글이 있어 공유합니다. 요새도 의지를 다질때면 이 글을 읽고는 합니다.

지금 와서는 그 때의 고민, 그 때 놀았던 것 모든 것이 대학 생활에 도움이 되었습니다.

놀아도 될 정도의 재능은 아님을 확실하게 깨달음.
훌륭하고 다양한 친구를 사귀는 건 좋은 선택. 지금도 항상 동기부여를 받습니다.
고등학교 때 운동을 즐기는 것도 좋은 선택
본업(공부, 일 등)은 잘해야 자존감이 생긴다는 점
고등학교 때 공부를 덜했더니, 대학에서는 공부가 재미있었다는 점

해피 엔딩 :)

[~2019] 4년간의 공부

알고리즘 공부 이야기는 이미 블로그에서 많이 이야기 했습니다.

1학년 : 알고리즘 꿈나무

이 당시에는 단순히 공부가 즐거웠습니다.

컴퓨터로 어떤 걸 공부하기 고민하던 차에 학과 알고리즘 동아리 설명회를 들었고, 다시 공부에 대한 열정이 타올랐습니다.

수비니움의 코딩일지 첫 기록

더블릿 이라는 알고리즘 문제 해결 사이트가 있었고, 101일동안 625문제를 풀었습니다. 유료 사이트였고, 월별로 정회원 기간이 있어 그 기간에 문제 목표량을 잡고 문제를 풀었습니다.

지금은 BOJ와 Solved.AC가 좋은 지표 역할을 해주고 있어 보기 좋습니다. 그리고 꾸준히 문제를 풀어서 BOJ 100위 안에 들어갈 수 있었습니다.

1년간 1000~1500문제 가량의 알고리즘 문제를 해결하니 이제 공부로 점점 자신감이 붙었습니다.

2학년 : 가장 즐긴 한 해, 그리고 알고리즘의 실패

인생의 봄날이라 생각하고 놀았습니다.

춤 동아리를 미친 듯이 했고, 놀기도 많이 놀았습니다. 알고리즘 문제 해결을 쉰 적은 없습니다. 동아리 엠티가서 문제를 풀기도 했고…

그리고 그 결과 거의 모든 알고리즘 대회 본선을 탈락했습니다. SCPC, ICPC, Facebook Hacker Cup… 이 과정에서 결과에 초점을 두지 않고 성장하는 방법에 대해 고민했습니다. 추가로 여러가지 분야를 공부하려고 노력했습니다.

알고리즘에만 편향되는 것 같아 웹해킹과 보안을 공부해보고, (보안이랑 안맞다고 느끼고 빠른 손절)
알고리즘 동아리 부회장을 하고 세미나를 진행하며 후배 양성에 대해 고민해보고,
공부의 소소한 행복을 느끼기 위해 페이스북 페이지를 만들었고,
ICPC 본선 스태프를 진행하며 대회 운영과 행사에 대해 고민해보고,
기록을 남기기 위해 블로그를 처음 만들었습니다. (지금은 사라진 과거 블로그)

이때 했던 일들을 많이 발전시켜 지금까지 하는 일이 많습니다. 그렇게 1년이 흘렀습니다.

수비니움 코딩일지 두 번째 기록

그리고 그동안 하도 놀았더니 이후 2년간 공부하면서 노는 것에 대해 별로 욕심이 없었던 것 같습니다.

3학년 : 성과는 얻었지만…

결과를 얻고 싶긴 하다.

학과 알고리즘 동아리 회장을 맡게 되었습니다. 회장이 되고는 타이틀이 부끄럽지 않게 성과를 내는 것에 초점을 뒀습니다.

ICPC 한국 리저널 수상
ICPC 해외 리저널 참여
SCPC 본선 진출
숭고한 알고리즘 연합 캠프 및 대회 출제 및 운영
고려대학교 교내 프로그래밍 대회 출제 및 운영
학과 동아리 알고리즘 세미나 진행
BOJ 등에서 통합 4000문제 가량 해결

그리고 이렇게 결과 중심적인 사고를 하다보니 제 스스로 많은 고민을 하게 되었습니다.

결과를 바라보고 공부하니 재미가 없다.
내 목표는 문제를 잘 푸는 사람일까?
난 미래에 뭘 할까? 졸업하고도 PS/CP를 할 건 아닌데
PS는 기본 베이스가 될 수는 있지만, 세상에 도움이 되는 문제를 해결할 수는 없다.
결국 지금 내가 PS/CP를 바라보는 관점은 계륵이구나.

1년만 더하면 월드파이널도 가능할 것 같았지만, 포기하는 게 맞다는 결론을 내리고 ICPC를 끝으로 CP를 끝냈습니다.

그리고 이 당시 전공 2과목을 상당히 흥미롭게 들었고, 재밌는 스타트였습니다.

Database
- 늦게 들은 전공 과목으로 선배와 같이 과목을 수강했습니다.
- 텀 프로젝트로 PyQt+Matplotlib GUI+시각화를 진행했습니다.
- 데이터 분석의 시작은 이때부터 였고…
인공지능
- 교수님도 AI를 막 접한 수업으로 충분하지 못했습니다. 고전 머신러닝도 아니고, 딥러닝도 아닌…
- AI는 이런게 아니다! 라는 생각으로 스스로 공부하겠다는 마음을 가지고 텀프로젝트를 열심히 하며 AI 기본기를 쌓았습니다.
- 교수님보다 AI를 잘해서 후배들에게 세미나를 진행하고, 저 수업은 안들으면 좋겠다는 마인드도 있었습니다. (반항심 그 자체..)

Goodbye 2018, Welcome 2019

4학년 : 도전, 도전, 도전

개발자가 할 수 있는 것

PS를 접었지만 일단 무서웠습니다. 다시 밑바닥부터 새로운 분야를 해야한다니 막막하긴 했습니다. 하지만 4000문제를 푼 의지력을 믿고 하나씩 일을 벌리기 시작했습니다.

일단 저는 졸업 후에 개발하고 싶은 분야를 3가지로 나누어 공부를 시작했습니다. 저에게 가장 유망한 분야 순으로 1, 2, 3을 나누어 생각했습니다.

딥러닝
- 일단 인공지능이 점점 트렌드가 되어가는 추세였고, 수학적인 베이스와 PS 베이스를 잘 활용할 수 있을거라 생각했습니다.
- 기본기는 이미 수업에서 들었으니, 실습과 나머지 이론은 책을 잡고 정리하며 공부했고
- 관심이 있는 논문들의 abstract, figure, conclusion을 읽으며 빠르게 트렌드를 익혔습니다.
- 그 중에서도 generate model류는 좀 더 깊게 읽으며 공부했습니다.
데이터 분석과 Kaggle
- 딥러닝 실습을 하며 고전적 머신러닝의 중요성을 알았고
- score 0.1% 경쟁이 대체 무슨 의미인가 싶었고
- 결과를 더 잘 설명하는 게 산업에서는 필요하다는 개인적인 확신이 있었습니다.
- Learn-by-Doing이라는 생각하며 Kaggle Tutorial을 만들기 시작했고, 그러다 캐글 코리아 커뮤니티 운영진이 되었습니다.
- 이때부터 저는 시각화에 마음이 기울기 시작했습니다.
웹 개발 (프론트엔드) with 소프트웨어 마에스트로(SoMa)
- 디자인을 워낙 좋아하다보니 항상 하고 싶었던 분야였지만,
- 삽질의 분야임은 너무 확실하다 보니 미래의 진로로는 조금 불확실하긴 했습니다.
- 그래서 지원이 있는 SoMa에서 성장을 목표로 하는 팀원들과 있을 때 프론트를 담당했습니다.

개발자의 길에는 공부만 있는 게 아님을 2, 3학년에 많이 느꼈기에 이를 다 살리기 위해 다양한 시도를 했습니다.

강의
- 유튜브로 PS 강의를 찍기 시작했습니다. (물론 지금은 시간상 못찍고 있지만)
- 그리고 이런 시도들이 돌아 돌아 패스트캠퍼스에서 알고리즘 강의를 찍게 되었습니다.
발표
- 캐글 코리아 운영진을 하며 처음으로 발표 제안이 들어왔습니다.
- 발표를 해보니 어떤 곳에서 발표를 하고 어떤 발표를 할 수 있는지가 눈에 보였습니다.
대회/행사 개최
- 첫 알고리즘 대회인 UCPC (전국대학생프로그래밍대회동아리연합)에 회장이 공석이었습니다.
- 저는 이 대회가 너무 기억에 좋게 남았고 유지하고 싶었습니다.
- 회장을 하며 UCPC 대회 준비를 열심히 하고 좋게 끝냈습니다.
- 미숙한 부분도 많았지만 도와준 분들이 있었기에 꽤 좋게 마무리 되었습니다.

그리고 이런 과정은 페이스북 페이지와 블로그에 작성하며 제 기록을 쌓았습니다. 페이스북 페이지도 용도에 따라 3개로 나누어 관리했습니다. 전체적으로 공부와 함께 자기 PR에 힘쓴 1년이었네요.

매일 박카스와 아이스 아메리카노 2~3잔을 끼고, 4시간씩 자면서 1년을 보냈습니다. 항상 함께 해준 사람이 있었기에 힘든 일정을 소화할 수 있었습니다. 감사함을 충분히 표하지 못해 아쉬움이 남습니다.

마지막으로 연말에 코테 수준이 궁금해서 카카오 블라인드 공채을 지원하게 되었습니다. 대기업 AI팀에서 GPU를 쓰며 딥러닝을 공부하고, 회사라는 곳을 경험하고자 졸업 후에 바로 인턴을 시작했습니다.

Goodbye 2018, Welcome 2019

서론이 길었습니다. 그렇게 4년을 달리고 처음으로 ‘회사’ 라는 곳에 갔습니다.

[~2020.7] 카카오 엔터프라이즈

항상 카카오 엔터프라이즈 음성팀 감사합니다. 특히 Special Thanks to Taylor, Jaytee, Montae, Elden!

왜 대학원에 지원을 생각했나 (~4월)

처음 회사를 가서 느낀 본인 구현 평가.

일단 여기까지는 대학원 생각이 전-혀 없었습니다. 그리고 회사를 다니며 이런 저런 경험과 고민을 하며 대학원 생각이 들기 시작했습니다.

역량
- 회사가 나에게 100이라는 페이를 준다는 건 최소 100 이상의 결과를 얻고자 하는 것입니다.
- 더 많이 받고 싶다면, 그만한 인재가 되는 것 말고는 답이 없습니다.
- 연구 조직인 경우에는 좋은 연구를 만드는 것이 답이고, 좋은 연구를 하기 위해서는 본인 역량을 키워야 합니다.
- 회사에서 개인 공부를 한다는 건 생각보다 힘든 일이었습니다. 보상 심리로 쉬게 되는 현실.
- 여기서 역량이란 단순히 습득 능력이 아닙니다.
  - problem definition부터 문제를 해결하는 절차, 문서화 등이 포함됩니다.
  - 그리고 연구 조직에서는 논문을 쓰는 것이 중요한데, 이것을 회사에서 배우기는 쉽지 않습니다.
  - 이걸 배울 수 있는 여러 선택지 중 하나가 대학원.
- 인프라가 잘 구축되도 역량이 안되면 못쓰는게 개발자의 현실이기도 합니다.
  - 처음에는 GPU 자원은 많은데, 쓸 수가 없었다는 슬픈 이야기..
대학원 시간과 경제적 계산
- 랩바랩에도 불구하고 모든 박사 과정은 길고 힘든 것은 사실입니다.
- 일반적으로 학사 연봉에 비교해 당연히 박사 학위를 취득하고 취업하는게 경제적으로 이득입니다.
  - (물론 모든 것은 사바사이니) 학사 졸업 신분으로도 본인의 역량에 따라 그 격차를 빠르게 줄일 수 있습니다.
- 능력이 중요하긴 하지만, 학위의 가치는 꽤 큽니다. (학위의 가치를 크게 만드는 것도 본인 역량)
시간에 대한 불안감 근원
- 대학원에 대한 가장 큰 걱정은 시간이 었습니다. 30-32에 졸업한다는 사실이 무섭긴 합니다.
- 하지만 제 생각보다 사람들은 다양한 시기에 일을 시작했습니다. 20세부터 회사를 다닌 사람부터 30에 회사를 시작하는 사람 등..
- 그렇다 해서 인생이 실패하거나 성공한게 아니란 것도 알았습니다.
- 시간은 상대적이고 어떻게 관리하느냐에 따라 달라질 수 있음을 알았습니다.
  - 이 글을 쓰는 순간 저는 24살이지만 과연 24세의 몸을 가지고 있는가? 30세에는 30세의 몸을 가지고 있을까?
  - 학부를 졸업하고 의대로 전향하는 친구들도 있는데 20대의 N년은 저에게 충분히 투자한만한 가치의 시간으로 판단했습니다.
  - 그런 의미에서 예전에는 재수하면 인생 망하는 줄 알았는데 전-혀 아닌걸로.
- 코딩테스트를 포함하여 이제는 열심히하면 취업을 못할거라는 걱정은 없었습니다. 언제 시작해도 할 수 있다는 미래에 대한 확신 :)
공부의 재미
- 아이디어를 설계하고 검증하는 과정이 재밌었습니다.
- 학부의 공부는 역시 부족하다고 생각됬고, 공부에 집중할 수 있는 시간이 더 필요했습니다.
- 그리고 하고 싶은 공부는 재밌으니까요!

그렇게 회사나 주변 많은 분들에게 조언을 구하며 대학원을 진지하게 고민했고, 결론적으로 대학원을 진학하기로 결심했습니다. 연구 분야의 경우 생성 모델에서 반복적인 실험에 대해 문제점을 느꼈고, 이런 문제점을 해결하기 위해 XAI 분야로 연구를 하고 싶었습니다.

인턴 1/2 후기 : [개발자로 성장하기] 인턴 3개월 편
인턴 2/2 후기 : [개발자로 성장하기] 첫 인턴을 마치며

대학원에 지원하는 첫 단계, 컨택 (~6월)

대학원에 있어 가장 중요한 단계는 교수님(연구실)에 본인이 연락하는 것입니다. 자대생의 경우에는 어느 정도 교수님도 학생에 대한 정보를 얻을 수 있다는 장점이 있지만 타대생은 전혀 그렇지 않습니다.

그럼 어떤 내용을 작성해서 연락을 드려야 하나? 조금 막막한 부분이지만 전체적인 구조는 다음과 같습니다.

본인의 현재 소속 (학교나 회사)
- 이건 교수님이 아니라도 이건 모르는 사람에게 연락할 때 기본입니다.
- 저에게 연락하는 분들도 제발…
본인의 현재 하는 일/관심 분야와 연구실에 진학하고 싶은 이유
- 저는 인공지능을 하고, 시각화와 XAI에 하고 싶다고 연락드렸습니다.
간단한 이력
면담 요청
- 면담을 하면 인턴 필수 여부, 연구실의 연구 분야 등의 조언을 주십니다.
- 아니면 연구실 티오가 없다 등의 답변을 얻을 수도 있습니다.
참고자료 : 이력서, 성적표
- 성적표를 생각보다 많이 보더라구요.

XAI로 연구 분야를 잡고 나서는 2가지의 고민이 생겼습니다.

High Level의 XAI : UI/UX 수준에서 사람의 해석을 도울 것인가?
Low Level의 XAI : 수학적으로 파고 들 것인가?

연구실은 주제, 석박 비율, 논문 주제와 현황, 김박사넷, 지인 찬스의 정보 등을 통해 선택했습니다. 그래서 면담을 통해 선택하고자 해당 분야를 연구할 수 있는 네 분의 교수님에게 컨택했습니다.

CV(이력서)와 면담은 자신이 있었습니다. 꽤나 열심히 4년간 달렸다고 생각합니다. 하지만 돌아온 답변은 꼭 좋지만은 않았습니다.

답변 없음 (해당 연구실이 매우 바빴음)
답변 없음
이미 인턴이 꽉참
박사 과정만 받음

교수님들은 매우 바쁘시기에 답변을 주신 것만으로도 감사합니다. 답변이 없는 교수님도 보통은 너무 바빠서 못보는 경우가 많다고 합니다. 그래서 교수님에게 1주일 정도 후에 다시 연락드렸고, 면담 일정이 잡혀 온라인으로 면담을 진행했습니다.

그리고 면담의 많은 포인트가 있었는데 후배님들에게 말해주고 싶은 건..

성적표에 F가 있으면 교수님한테 혼난다.
- 대학원 생각이 있다면 F는 없애고 졸업할 것…
- 당시 알고리즘 문제 푼다고 수업 안갔다고 해명 아닌 해명을 통해 넘어갔습니다.
- 근데 자료구조랑 알고리즘 성적이 A+이 아닌게 포인트였다는..
교수님이 중요시하게 보는 포인트는 다양하다.
- 성적이 될 수도 있고 (default check)
- 연구가 될 수도 있고 (대학원생은 연구를 해야하니까)
- 외부 스펙이 될 수도 있다 (ps를 좋게 봐주시는 교수님도 있고, 아닌 교수님도 있더라)
컴퓨터 및 공대 다수 랩에서 AI를 하니 AI 연구를 하겠다고 꼭 AI랩에 갈 필요 없다.
- AI도 하고 싶고 시각화 및 개발 커리어를 유지하고 싶었는데 HCI 랩은 제게 최고의 선택이었습니다.

면담 결과 회사 인턴을 끝나고 인턴을 가는 것으로 결정되었습니다. 회사에서 6개월 정도 더 있을 수 있게 배려해주었지만 대학원을 빨리 가고 싶다는 생각으로 대학원 인턴으로 넘어왔습니다.

좀 더 서둘렀다면 2020 2학기를 지원할 수도 있었는데 그런 부분은 아쉽긴 합니다. 대학원 생각이 있다면 미리미리 준비하는 것도 하나의 팁이겠네요.

[~2020.09] 쫄깃한 영어 라이프

8월부터는 인턴을 시작했습니다. 하지만 가장 큰 문제는 영어였습니다.

서울대학교 대학원은 TEPS 성적이 필요합니다. 안일하게 New TEPS를 1달 반 정도의 기한을 남기고 스타트를 시작했습니다. (총 4번의 시험 기회) 공대 기준으로 (327/600)을 받아야 합니다.

영어로 떨어진 사람은 없다는데… 굳이 이런 거에서 최초가 되지는 맙시다.

1차 시험 : 309
2차 시험 : 270
3차 시험 : 329
4차 시험 : 313

다들 하는 이야기가 있습니다. 실제로 맞는 거 같기도 합니다.

많이 보세요. 많이 보면 붙습니다.

많은 분들이 단기 영어는 학원을 추천했는데, 코로나 때문에 아쉽게 혼자 공부했습니다. 혼자 공부한다면 단어를 어느 정도 공부하고 나서는 기출을 푸는게 성적 올리기는 제일 좋습니다.

학부 졸업도 이렇게 했는데 영어 성적은 언제나 짜릿하고 쫄깃하게 제 인생에 조미료를 치네요. 이걸로 1달 반 정도 고생했습니다.

[~2020.10] 자소서 그리고 면접

컨택과 영어를 맞췄다면 이제 거의 다 왔습니다. 이제 남은 절차는 자기소개서 제출, 1차 면접, 2차 면접 입니다.

(뇌피셜) 자소서는 컨택이 된 경우에는 이미 교수님과 이야기한 내용이 다수라 큰 비중이 아닐 수 있으나, 컨택이 없는 경우에는 중요할 수 있습니다. 저는 큰 부담은 없이 작성했으나, 작성해야하는 문항 수가 많습니다. 7개~10개 정도입니다. 미리미리 쓸 항목을 정해두는 건 추천.

1차 면접은 구술 면접입니다. 자료구조, 운영체제, 컴퓨터구조, 전기회로 중에 2과목을 선택하여 문제를 풀어야 합니다. 재미있었던 것은 대학원 면접자 중에 전기회로를 신청한 사람은 아무도 없었던지 문제지가 없었습니다.

저는 자료구조와 운영체제를 선택했습니다. 자료구조는 공부를 안해도 됬고, 운영체제는 약 2주 정도 유튜브 강의를 들으며 공부했습니다. 전공 공부를 열심히 안했더니 여러모로 고생하는 입시였네요.

자료구조
- merge sort의 pseudo-code를 주고 빈칸 채우기 + 각 함수의 역할
- 이중 반복문 예시 2개와 각각의 시간복잡도
운영체제
- 가상 메모리가 같은 주소를 나타내지만 실제 메모리에서는 그렇지 않다. 어떻게 그게 가능한가?
- 실제 메모리에서 프로세스가 같은 주소를 참조할 수 있는가? (shared memory)

자료구조는 1분만에 답변을 했고, 운영체제는 shared memory가 기억이 안나 답변을 못했지만 나쁘지 않았던 면접이었습니다. 1차 구술면접은 인당 10분 진행이 되며 당일 결과가 나옵니다. (2시에 면접을 보고 6시에 결과가 나오는 신기한 경험)

1차 면접 합격 후에는 연구실을 정하는 2차 면접이 진행되는데, 여기서는 교수님 면담 후 서명을 받으면 됩니다. 컨택을 했다면 보통 해당 연구실 교수님에게 면담을 요청하고 진행하면 됩니다.

서명을 못받으면 추가적인 절차가 있지만, 저는 서명을 받았기에 그 이후 절차는 모릅니다. 이렇게 4월부터 대학원 고민, 준비 등이 10월 중순이 되서야 끝났습니다.

합격!

수미상관으로…내년부터 서울대학교 컴퓨터공학 HCI Lab 석박통합과정으로 입학합니다.

합격은 새로운 시작을 의미합니다. 기대반/걱정반이지만 4개월의 인턴 기간에 의하면 기대가 확실히 더 크긴 합니다. 연구실 분위기도 좋고, 분야도 적성에 맞아 즐기면서 다니는 중입니다. 재미있긴 하지만 지금도 안힘들지는 않다는 점?

학부 생활에 추천할 점이 몇 가지 있다면…

기회가 있다면 회사 인턴과 대학원 인턴(학부연구생)을 한 번씩은 경험해보기를 추천합니다. 둘 다 경험해봐야 본인에게 맞는 선택을 더 잘 할 수 있을 것 같다는 의견입니다.
글쓰는 것도 추천드립니다. 오글거릴 수 있겠지만 본인의 생각을 기록하다보면 다음 선택지가 어느 정도 보이더라구요.
컴퓨터 전공자라면 학부생때 전공 수업 열심히 들읍시다.
기본기와 환경설정도 차근차근 쌓는 것도 추천합니다. (git, github, linux, etc..)

공부, 대학원 입시 후기를 읽어주셔서 감사합니다. :) 2020에는 입시말고도 다양한 일들을 했는데 그건 2020 후기에 작성해봐야겠습니다.

멋진 연구자, 개발자가 되기 위해 노력하겠습니다.

[2020.10] 생각 그리고 가치관

2020-10-01T00:00:00+00:00

요새 하는 생각들을 조금씩 정리하다 올려봅니다.

난 이미 많은 것을 누렸다.
- 스트레스에도 취약한 편이고 힘들 때도 있었다.
- 하지만 경제적으로 부족하게 살지 않았고, 몸도 건강하다.
- 어떤 부분에서는 매우 뛰어난 재능을, 대다수 평균 이상을 재능을 받았다.
- 전체적으로 난 축복 받았다고 생각한다.
하지만 이런 환경은 모두 다르다.
- 누군가의 삶 그리고 어려움에 대해 평가 할 수 없다.
- 가난하다고 꿈조차 가난할 수 없다. 는 본인이 할 때 의미가 있지, 타인은 그렇게 이야기해서는 안된다.
  - 경제적 요건이 아니라도 마찬가지.
- 함부로 조언하지 말자. 조언보다는 응원과 칭찬이 낫다.
  - 그리고 조언에 휘둘리지 말자. 조언은 도움의 말이지 그게 정답은 아니다.
  - 조언은 요청할 때만 조심히..
그렇기에 내가 누린, 내가 받은 도움은 언젠가 사회에 환원되어야 한다.
- 어떤 순간에 어떻게 환원할 수 있을까

순간을 소중히
- 공적인 공간과 사적인 공간을 구분하자.
- 시간은 나도 모르게 지나간다.
모든 것에는 10%의 여유를 두자.
- 한 가지에 전념하면, 무언가를 놓치지 마련.
- 성공을 해도 10%의 관점에서 분석하고, 실패를 해도 10%의 관점에서 바라보자.
  - 일희일비에서 끝나기 보단 결과를 좀 더 객관적으로 볼 수 있어야 성장한다.
- 휴식은 가장 중요하다.
  - 번아웃을 막을 수 있고, 삶의 활력을 얻는 휴식을 취하자.
  - 본인에게 어떤 선물을 줄 수 있을까 고민중
- 항상성을 가지고, 전체적인 흐름을 잃지 말자.

나에게는 엄격하게, 남에게는 여유롭게
- 상대방이 나와 같을 이유는 어디에도 없다.
- ‘상식적으로’ 는 누구 상식. 너와 나의 생각은 다르다.
- 사람마다 가치는 모두 다르다.
  - 내가 생각하는 여러 가치를 정리하는 시간을 가지면 좋다.
  - 선택의 갈림길에서 도움이 된다.
모든 사람은 각자의 벡터에서 서로 다른 조밀도를 가지고 산다.
- 틀린 인생은 없다. 있더라도 평가할 수는 없다.
- 인생은 불공평하다.
  - 차이는 인정하는 게 빠르다. (차이가 싫다면 열심히 해야지.
- 나의 벡터는 어떤 목표를 가지고 어떤 방향으로 가고 있을까 고민하자.

‘나’를 바꿀 수 있는 것은 ‘나’밖에 없다.
- 나를 위해 희생할 수 있는 사람은 많지 않다. 있다면 그것 자체로 축복.
- 시간이 흐를수록 나를 챙겨주는 사람은 없다. 스스로 챙기자.
- 나를 바꾸기 위해서는 목표와 이유 설정이 가장 중요하다.
  - 언제나 why-how-what의 golden circle을 생각하자.
  - 동기부여를 도울 수 있는 사람이 되자.
인생은 진행형이다.
- 부족한 점을 고치고 싶거나, 잘하고 싶다면 지금부터 시작하자.
- 종종 내가 가진 열등감을 직접 마주할 필요가 있다.
  - 나는 지금 행복하니까 등의 회피는 장기적으로는 좋지 못하다.
  - 자기 합리화는 좋은 도구지만, 성장하고 싶다면 조금씩 포기하자.
- 과거의 성취로 판단되고 싶지 않다.
  - 이력은 어떤 집단 입성에 도구가 될 수 있다.
  - 하지만 이걸로 계속 판단된다는 것은 정체되어 있다는 것.
  - 앞으로 나는 실패할 수도 있고, 더 멋진 나를 향해 가야 한다.
모든 사람에게 시간은 공평하다.
- 하고 싶은 게 많다면 그리고 잘하고 싶다면 더 열심히 해라.
- 잠도 줄여보고, 누구보다도 최선을 다해 시도해 볼 필요가 있다.
- 하지만 잠을 적게 자고 바쁘다고 열심히 사는 건 아니다.
- 반면 바쁘지 않다고 열심히 안 사는 것도 아니다.
- 효율적으로 사는 것이 현명
선택을 했다면 최선을 다하자.
- 기회가 왔다고 모두 잡을 필요는 없다.
- 하지만 선택한 이상 앞으로의 일은 진인사대천명의 마음으로 해보자.
- 적어도 최선을 다했다면 후회는 없다.
  - 나는 후회하지 않기 위해 최선을 추구한다.
경쟁은 빠른 성장에 도움이 될 수는 있지만, 마음의 여유를 없앤다.
- 나보다 잘하는 사람은 언제나 있고, 심지어 많다.
- 타인이 아닌 본인과의 비교에 익숙해지자.
  - 열심히 한다고 남보다 잘할 거란 보장은 없다. 상대도 열심히 할 거니까.
  - 다만 열심히 사는 나는 나태한 나보다는 잘할 거다.

인정에 거리를 두자
- 인정은 중독이다. 어느 순간 인정받기 위해 일하는 사람이 되기도 한다.
- 즉각적인 인정과 피드백이 없더라도 일할 수 있는 사람이 되기 위해선 기본을 쌓자.
- 남이 안봐도, 내가 안다.
겸손과 기만은 한 끝 차이다.
- 칭찬은 칭찬으로 받아들이자.
  - 칭찬을 받았다고 결과가 바뀌지 않는다.
  - 감사한 마음은 충분히 표하고, 이로 너무 들뜨지 말자.
- 겸손을 가장한 기만과 조언을 가장한 지적 허영. 끝없는 인정 욕구를 나타내는 사람은 초라하다.
- 모르는 걸 모른다고, 아는 건 안다고 이야기할 수 있는 사람이 되자.
  - 아는 게 틀릴까 를 걱정한다면 더 노력하자.
  - 완벽한 인간은 없다.
  - 자신감과 허영심은 다르다.
- 본인의 일에 자부심을 가지는 것은 중요하다.
  - 그만큼 상대방 일을 존중하자.
잘못은 빠르게 인정하는 게 좋다.
- 오해는 빨리 푸는 게 낫다.
상대방의 성공에는 사족이 아니라 함께 기뻐할 수 있는 사람이 되자.
- 프레너미가 되지 말자.
- 상대방의 노력과 성과에 박수 치지 못할 이유는 없다.
- 시기보다는 멋진 점을 배울 수 있는 사람이 되자
인맥이 본인이 아니라는 점을 명시하자.
- 주변에 멋진 사람이 많다고, 내가 멋진 사람은 아니다.
  - 집단의 타이틀도 내 타이틀이 아니다.
  - 주변에 멋진 사람이 많으면 그 급이 되기 위해 노력하자.
- 노력 할수록 멋진 사람이 주위에 온다.
- 하지만 사람을 만나는 노력도 필요하다.

나를 싫어하는 사람은 언제나 존재한다.
- 모두에게 착한 사람이 될 필요는 없다.
- 내가 좋은 사람이고 진심이라면 언젠간 바뀌지 않을까.
멀리 가고 싶으면 혼자 가고, 오래 가고 싶으면 함께 가라.
- 억만장자가 되고 싶다면, 주변을 모두 백만장자로 만들자.
- 공부/연구로 함께 멀리 가기 위해선 배워서 남 주는 습관을 들이자.
소소한 편함이 모여 생산성과 여유를 만든다.
- 환경 세팅이 일의 시작에 기본이다.
- 불편함을 보면 지나치기 보단 개선점을 꾸준히 찾자.

[HCI개론] 6장 사용자 분석

2020-09-07T00:00:00+00:00

Human Computer Interaction 개론 (김진우 저) : 6장

- 디지털 제품이나 서비스를 만드는 소프트웨어 개발자도 사용자이다. 그런데 굳이 많은 비용과 시간을 들어 가며 별도로 사용자에 대해 알아봐야 하는 이유는 무엇일까?
- 디지털 제품이나 서비스를 기획할 때 사용자에 대해 반드시 알아야 할 점에는 어떤 것들이 있을까?
- 열 길 물 속은 알아도 한 길 사람 속은 모른다고 한다. 점쟁이나 심령술사도 아닌데 사용자 자신도 잘 모르는 그들의 숨겨진 욕구나 필요 사항을 파악할 수 있는 방법은 무엇일까?

1. 사용자 분석의 중요성

사용자 분석은 HCI를 기반으로 한 모든 시스템 개발의 첫 번째 단계이자 가장 중요한 단계다. 하지만 실제 시스템을 개발할 때는 사용자 분석 과정이 생략되거나 심하게 축소되는 경향이 있다.

개발자나 기획자는 자신도 같은 인간이고 자신도 사용할 것이기 때문에 굳이 다른 사용자를 분석할 필요없이 자신이 직접 사용자로서의 역할을 하면 된다고 생각할 수 있다.
- 굳이 만나기 힘든 실제 사용자를 분석하는 것이 아닌 사용자를 대신할 만한 주변 사람들을 분석하기도 함
- 문제점, 근본적인 목적 등을 알 수 없음
실제 사용자조차도 자신이 어떤 시스템을 원하고 시스템을 사용하면서 어떠한 어려움을 겪는지 이야기해 줄 수 없기 때문에 사용자를 분석하는 것은 시간 낭비라고 생각하는 것이다.
- 부분적으로 일리가 있음
- 사용해보지 않은 사용자가 필요성을 느끼기는 어려움
- 이는 사용자 분석이 개발 초기에 한 번만 있기 때문 -> 개발 단계 전체에 걸쳐 점진적이고 반복적으로 이루어져야 한다.
- “사요자는 그가 무엇을 원하는지는 잘 몰라도 뭐가 잘못되었는지는 말해 줄 수 있다.” - 칼리 피오리나, HP CEO
사용자 분석 결과의 중요성에 대한 오해(디자인과 코딩 » 사용자분석 이라는 생각)
- 시스템이 돌아가는게 훨씬 중요하다 생각하지만 생각보다 시스템의 성패는 사용자

지나치게 정보를 수집해 분석하는 문제도 있으므로, 정확한 방법과 절차가 중요하다.

2. 사용자의 종류

2.1 주 사용자

주 사용자(primary users) 는 특정 목적을 달성하기 위해 대상이 되는 시스템과 실제로 상호작용하는 사람들을 총칭하는 개념이다.

(온라인 게임 서비스, 게이머), (휴대폰 전자 사전, 사용하는 학생)
주 사용자 분석은 개발에 있어 첫 단추와 마찬가지이므로 실제 사용자와 최대한 가까운 사람을 대상으로
기업에서 어려운 경우 존재 -> 시스템

2.2 부 사용자

부 사용자(secondary users) 는 실제로 시스템을 사용하지는 않지만, 주 사용자의 시스템 사용에 영향을 주거나 받는 사람을 지칭한다.

구매자(buyers) : 실제로 시스템을 구입하는 과정에서 결정권을 행사하는 집단
- 구매자와 실 사용자가 다른 경우가 많음 (온라인 교육의 구매자는 학부모, 주 사용자는 학생)
- 주 사용자와 함께 총체적인 분석이 필요
마케팅부서
- 사용자와 관련있다는 점에서 HCI와 유사
- 마케팅 : 시장이라는 관점, 고객의 세그먼트를 분류, 불특정 다수의 사용자 초점,
- HCI : 개별 사용자의 경험에 초점, 매출 이후의 사용자의 사용 과정 중시
- 최근에는 CRM(customer relationship management) 등이 도입되면서 이러한 차이가 줄어들고 있음
고객지원부서(customer support department)
- 고객의 불평과 불만(VOC, voice of customer)을 관리하는 부서가 있거나, 이를 관리 못하면 염려
- 하지만 VOC에 너무 초점을 맞추면 시스템이 과해짐 => 피처 크립(feature creep)

3. 사용자에 대해 알고 싶은 점

3.1 HCI의 핵심 속성에 대한 사용자의 중요도

앞의 내용에서 이야기했던 것들을 중심으로 어디에 초점을 맞출 것인가 중요함

3장의 유용성의 원리
- 기능적 가치와 유희적 가치
- 개인적 가치와 사회적 가치
4장의 사용성의 원리
- 효율성, 정확성, 의미성, 유연성, 일관성
5장의 감성
- 감성적 충실도와 12가지 미적 인상, 6가지 개성

3.2 사용자의 숙련 정도

초보자(novice) : 해당 시스템이나 비슷한 종류의 시스템을 처음 사용해 보는 사람
- 이론적인 지식은 가지고 있을지 모르지만, 실제로 경험해 보지는 못한 경우가 많다.
- 지금까지 해 보지 않았던 것을 한다는 것에 대해 어렵게 생각하고 두려워 함
- 시스템의 특징을 흥미롭게 탐색하거나 체계적으로 배우는 것보다 당장의 일 해결에 급급
- 복잡한 기능을 많이 제공하는 것보다는 기본적이고 핵심 기능 몇 가지만 제공
중급자(advanced beginner) : 몇 가지 작업을 수행하면서 시스템에 대한 경험과 지식을 쌓은 사람
- 자신이 사용해본 기능이나 작업은 능숙하나, 자신들이 사용해 보지 못한 부분에 대해서는 잘 알지 못함
- 알고 싶어 하지 않음, 초보자와 비슷하게 일을 빠르게 해결하는 데 관심
- 초보자와 마찬가지로 단순하고 편리한 기능 제공
- 단, 몇 가지 새로운 기능을 사용할 수 있는 유연성 필요 (초보자에 비해 요구 증가)
숙련자(competent performer) : 여러 기술을 습득한 뒤 복잡한 작업을 수행할 수 있는 사람
- 단순히 복잡한 일을 수행하는 것뿐만 아니라 그 일을 하기 위해 어떤 준비를 해야하는지 계획 가능
- 일을 무조건 빨리 끝내는 것보다 나름대로 전체 시스템을 이해하고 간단한 문제라도 이해하려고 노력
- 심성모형을 구축하는 데 초점을 맞추는 사람
- 다양한 정보와 기능 제공
전문가(expert) : 숙련가 중에서 시스템을 계속 사용하려는 동기가 높고, 해당 분야에 대한 포괄적인 지식을 가지고 있으며, 문제 해결 자체를 즐기는 사람
- 해당 시스템에 대한 포괄적이고 일관성 있는 심성모형을 이미 가지고 있는 사람
- 복잡한 문제를 이해하고 해결할 수 있는 능력
- 시스템 자체보다도 그 시스템을 만든 동기에 관심을 가짐
- 다른 전문가들과 자신의 의견을 나누기를 좋아한다는 특징을 가지고 있음
- 별다른 제약없이 자유도 높은 설정과 기능을 제공
리드유저(lead user) : 사용자를 넘어 회사와의 소통을 통해 상품의 제작 과정 등에 참여할 수 있는 기회를 제공받기를 원하는 사람
- 사용자혁신(user innovation) 분야 : 다른 일반 사용자보다 몇 개월 또는 몇 년 빨리 제품을 받아들이고, 그 제품을 자신들에 맞추어 개조하거나 새로운 제품으로 변형함으로써 개인적인 이득을 보는 사람을 칭함
- 이러한 리드유저에 의해 혁신적인 새로운 제품과 서비스가 만들어지고 있음

3.3 사용자의 개인적인 특성

성격적 특성(personality characteristic) : 개개인이 가지고 있는 내재적인 개성의 차이
- ex. MBTI(myers-briggs-type-indicator) : 16가지의 유형
인지적 특성(cognitive characterisitic) : 신체적인 장애나 연령적인 특성
- 색맹, 색약, 나이에 따른 색 인지 능력
- 나이대에 따른 정보흡수력 차이도 고려
동기적 특성(motivational characterisitc) : 사람마다 가지고 있는 태도나 새로운 것에 대한 반응 등을 의미
- 배우는 것에 대한 욕구의 차이, 변화에 대한 반응 차이
- 제작 과정에 참여하고 싶은 사용자, 사용만 하고 싶은 사용자
세대별 특성(generation characterisitic) : 사용자가 태어나고 자라온 시대적 특성
- 수동적 소비자에서 능동적 생산자인 젊은 층
- 자연스러운 공유, 협력 문화
- 시대별로 젊은 층을 나타내는 다양한 표현 : Y세대, Z세대 등
라이프스타일 특성(life style characteristic) : 사용자의 생활 패턴에 따른 선호도를 의미
- 2008년 인터넷 리서치 업체 코리안클릭의 분류
  - 사교적 활동가(social activist) : 건강을 지키기 위한 활동을 많이 하고 주변 인간관계를 중요시한다. 활동적인 레저를 즐기며 온라인 거래를 선호하지 않고 보수적이며 안정적인 삶을 지향한다.
  - 과시적 소비자(conspicous custer) : 외모와 행동에 대해 주위 시선을 의식하지 않고 개인 중심의 생활 패턴을 보인다. 제품을 구매할 때는 과시 욕을 충족하고자 한다.
  - 합리적 가족 주의자(rational familist) : 가족 중심적인 생활에 높은 가치를 두고 주변 권유와 가격에 민감한 반응을 보이며 품질을 중시한다.
  - 유행 주도자(trend setter) : 새로운 일에 진취적인 가치관을 가지고 있고 신제품이나 서비스를 익숙하게 사용한다. 타인의 영향을 받지 않고 소신 있는 구매 형태를 보이며 인터넷에 익숙하고 정치 참여에도 적극적인 편이다.

4. 사용자모형

사용자 모형 이란 사용자의 여러 가지 특성을 특정 목적에 따라 체계적으로 정리한 모형을 의미한다.

4.1 인지모형

인지모형(cognitive model) 은 개인 사용자가 시스템을 사용하면서 자기 머릿속에서 어떻게 시스템을 이해하고, 이를 사용하는 과정을 어떻게 배우고, 실제로 어떻게 사용하는지와 관련된 모형이다.

MHP(Model Human Processor) : 최초의 인지모형
- 입력 시스템 / 출력 시스템 / 인지 시스템으로 구성
- 신호처리 시스템과 인간을 유사한 개념적 틀로 분석할 수 있게 해준다는 데 의의
- 전체적인 구조는 아직까지도 HCI를 연구하는 사람들에게 좋은 개념적 틀 제공
GOMS : MHP를 기반으로 사용자의 목적과 행동 절차를 예측하는 사용자 모형
- 목표, 조작자, 방법, 선택 규칙의 약자
  - 목표(goals) : 사용자가 시스템을 이용해 달성하고자 하는 목적
  - 조작자(operators) : 사용자가 목표를 달성하기 위해 시스템에 직접적으로 취할 수 있는 가장 작은 단위의 행위
  - 방법(methods) : 사용자가 목표 달성을 위해 수행해야 하는 실행 단계의 순차적인 차례
  - 선택 규칙(selection rules) : 특정 황경에서 목표 달성을 위한 방법이 여러 개 존재하는 경우 그중 적합한 방법을 선택하는 규칙
- 이와 유사한 CCT(cogntive complexity theory), KLM(keystroke-levl model), CPM-GOMS(cognitive-perceptual-motor) 등의 인지모형 존재
- 실제로 머릿속에서 어떤 과정을 거쳐 시스템에 사용하는지 자세하게 알 수 있으며, 사람들의 실제 사용 절차를 예측하고, 얼마나 빨리 그리고 어떤 경로를 통해 사용하는지 측정할 수 있다는 장점
- 허나 전문가의 작업 형태에 초점을 맞추고 있기에 초보자에 대해 다루지 못하고 있음
  - GOMS가 가정하는 사용자는 자신의 목표를 이성적으로 성취할 수 있는 존재로 문제에 대한 해결책을 알고 있기 때문
  - 이를 보완한 EPIC이나 ACT-R과 같은 인지모형 제시
- 이런 인지모형은 사용성에 지나치게 치우치고 유용성이나 감성 등의 HCI의 다른 원칙을 고려하지 못하는 경향이 있고, 다른 사람들과의 관계를 사용자 분석에 포함시키지 못하는 단점을 가지고 있음
  - 이를 해결하기 위한 모형이 역할모형

4.2 역할모형

역할모형(role model) 은 사용자와 시스템 간의 관계에 초점을 맞춘다. 역할은 사용자와 시스템 간의 관계를 특징 지을 수 있는 사용자의 사용 형태의 집합이라고 할 수 있다.

역할모형은 한 시스템이 지원할 수 있는 모든 역할의 합을 지칭하는데, 세가지 특징을 지닌다.

역할모형에 속하는 역할들은 시스템 개발에 시사점이 있는 것들로 한정한다.
역할모형에 속하는 역할들은 각기 특성이 있어 다른 역할들과 확연한 차이가 있어야 한다.
특정 시스템에 대한 역할 모형은 그 시스템의 성공 실패에 큰 영향을 미치는 핵심 역할을 반드시 포함하고 있어야 한다.

이런 이유로 역할모형은 증권 정보 서비스처럼 특정 목적을 달성하기 위해 개인적인 사용이 많은 시스템에서 적당한 사용자 분석모형이라고 할 수 있다.

시스템을 사용하는 과정에서 단순히 인지적인 특성뿐만 아니라 사용자의 사용 형태에 따라 사용자와 시스템 간의 관계를 설명해줄 수 있기 때문이다.
그러나 사용 형태에 초점을 맞추고 있어 사용자가 중요하게 생각하고 있는 가치나 감성의 속성들을 표현할 수 없고 성격이나 라이프 스타일과 같은 사용자의 개인적인 특성도 표현할 수 없다는 한계
- 이런 한계점을 보완하기 위한 모형이 페르소나모형

4.3 페르소나모형

페르소나모형(persona model) 은 디지털 제품 또는 서비스를 사용할 만한 다양한 사용자 유형을 대표할 수 있도록 창조된 전형적이고 가상적인 인물을 일컫는다.

페르소나 : 이를 최초로 체계화한 Cooper에 따르면, 디자인 프로젝트상에서 실제 사용자를 대표하는 가상의 인물을 의미한다.
디지털 제품이나 서비스를 만들기 전에 사용자에 대한 이해가 우선시로 필요 -특정한 상황에서 제품을 사용하는 전형적인 인물이 어떻게 생각하고 행동할 것인지를 총체적으로 예측하기 위해 실제 사용자에게서 수집된 자료를 바탕으로 가상의 인물에게 성격과 개성을 부여해 페르소나를 만듬
실제 사용자는 아니지만 기획하고 디자인하는 과정에서 실제 사용자를 대표

다음과 같은 정의가 엄밀하고 섬세하게 정의되어야 한다.

구체적으로 정의된 딱 한사람의 사용자만을 고려해야 한다는 것
- 사용자 분석의 잘못된 예시로 더 많은 사용자의 요구사항을 반영할수록 더 좋은 제품이 나올거란 기대
- 어느 누구의 요구도 충족 못시키는 경우 발생
- 사용자의 집단을 넓게 잡고 이를 유연하게 사용하는 사용자는 없음.
- 실제 사람인 것처럼 구체적이고 사실적일수록 좋다! (종종 이름도 지어줌)
- 하지만 실제 사람이면 안됨 -> 해당 인물에 대한 특징이 강조될 위험 -> 그대로 묘사해서는 안됨
- 페르소나와 타깃 세그먼트의 차이
  - 페르소나는 사용자가 해당 제품이나 서비스를 어떻게 사용할 것인지 초점
  - 타깃 세그먼트는 얼마나 많은 사람들이 사용할 것인지 초점
- 페르소나와 목표시장(통계적인 평균치로 정의하는)의 차이
  - 0.7명의 자녀를 가질 수는 없음.
  - 언제나 페르소나는 구체적; 편향성도 고려해야함
페르소나모형의 장점
1. 복잡한 데이터나 통계자료에 의존해 사용자를 이해하는 대신 인간의 얼굴을 가진 한 인격체로서 사용자를 훨씬 가깝게 느낄 수 있고, 실제 사용자가 필요하다고 느낄만한 것을 쉽게 이해할 수 있다.
2. 사용자 중심의 설계를 자연스럽게 진행할 수 있다.
  - 사용자의 삶에 어떤 영향을 미칠 것인지 자연스럽게 생각 (OO이라면 어떻게 사용할까?)
3. 커뮤니케이션 도구로서의 장점을 갖고 있다.
  - 페르소나로 표현되는 사용자 분석 결과는 적절한 사용 맥락 안에서 조합되며 탄탄히 연결된 이야기 형식의 구조에서 이해되고 기억되므로, 팀 내의 공통어가 되며 다양한 조직 간에 사용자 이해를 위한 상호소통의 도구로서 유용하게 이용할 수 있다.
  - 개발자, 기획자, 마케팅 담당자, 관리자 모두 쉽게 공유하고 토론할 수 있는 공통어
4. 전체 이용대상자에 대한 조사를 통한 데이터에 근거한 것이 아니라 대표 사용자의 전형적 행위의 조합으로 구성되기 때문에 빠른 시간 내에 최소한의 자원으로 사용자 분석이 가능하다.
5. 사용자의 요구사항을 체계화하고 이를 활용해 제품이나 서비스의 개발 과정에서 평가 지표로 사용할 수 있다.
  - 제품이나 서비스의 단위 기능들이 페르소나가 가지는 요구를 얼마나 충족하는지에 따라 우선순위를 매길 수 있음
페르소나모형의 단점
- 개인 사용자에 초점을 맞추고 있다.
- 사회적 의미가 많은 시스템의 경우는 사회적인 관계나 조직적인 관점을 좀 더 자세하게 분석하는 과정이 필요
  - 보완하기 위해 사회기술모형 사용 가능
- 개인에 대한 자세하고 객관적인 지표를 만들어 내지 못한다는 단점
  - 도출된 정성적인 자료에 객관적인 프로파일 자료가 첨부되어야 함
- 모든 가능한 페르소나를 만들기 힘들기 때문에 어떤 페르소나를 선정했느냐에 따라 작위적 해석이 가능
  - 페르소나의 선정 및 기술에서 객관적인 방법이 함께 제공되어야 할 것

4.4 사회기술모형

사회기술모델(socio-technical model) 은 그 시스템이 개발되고 사용되는 조직의 특성에 초점을 맞추고 있다.

기본적인 가정은 기술이라는 것이 하나만으로 독립적으로 만들어지는 것이 아니라 더 큰 조직 환경에서 만들어지기 때문에 사회적인 요소와 기술적인 요소가 동시에 고려되어야 한다는 것이다.
USTM(user skills and task match), CUSTOM모형, OSTA(open system task analysis), ETHICS(effective technical and human implementation of computer systems), SSM(soft system methodology) 등이 있음
- SSM모형은 조직을 하나의 시스템으로 간주하고 그 속에 기술과 사람을 하나의 요소로 간주하며 시스템 개발의 환경적인 맥락 이해를 기본 목표로 한다
- 이를 위해 사용자 집단의 문제점과 이를 해결할 수 있는 시스템에 대한 정성적 조사
- 분석 결과를 기반으로 기본 정의를 작성 -> 가장 직접적인 혜택 수혜자, 시스템이 줄 수 있는 변화, 집단에서의 수용, 사용되는 환경 등을 설명한다.
실제 시스템 개발에 필요한 구체적인 자료를 제공하기 힘들다는 단점이 있음

5. 페르소나 기법을 이용한 사용자 분석

페르소나 기법을 이용한 사용자 분석의 목표는 가상적이지만 전형적인 페르소나를 3-5개 정도 만들어내는 것이다.

페르소나 종류
- 주 페르소나(primary persona) : 메인이 되는 페르소나 최소 3개
- 부 페르소나(secondary persona) : 주 페르소나에 따른 2-3개
짧은 글과 몇 장의 사진이지만 중요
- 사회적, 법률적 전제 조건도 만족
- 시사점 제공
- 사용 가치, 사용성의 속성, 감성적인 요소, 사회적 의미성 등이 간단하지만 명확하게 표현
여러 단계를 거쳐 점진적으로 완성
단순히 기획자의 상상력을 기반으로 만들어지는 것이 아니라 사용자 조사를 통해 얻은 정성 및 정량 조사자료를 기반
- 신뢰성 있는 조사가 기반
총 7단계로 구성
- 프루트와 아들린 + 쿠퍼 방법론을 책에서 변형시켜 만든 과정

5.1 중요한 사용자의 범주 파악하기

사용자의 목표에 따라 나누는 방법
- 인생 목표 : 사용자 전체 인생의 목표. 디지털 제품이나 서비스를 사용하는 중점 이유가 되지 않는 경우가 많다.
- 경험 목표 : 제품이나 서비스를 사용하면서 어떤 느낌을 받고 싶은지에 대한 목표.
- 사용 목표 : 해당 제품이나 서비스를 이용함으로써 달성하고자 하는 목표.
- 다른 방법에 비해 안정적
- 일반적으로 인터뷰를 통해 목표 파악
사용자의 역할에 따라 나누는 방법
- 업무나 책임 그리고 과업과 관련 있는 사용 형태에 근거한 분류
- 역할은 추상적이고 주관적인 관점에 따라 정의
  - 특정 개인이나 작업 타이틀이나 기능을 직접 의미하는 속성으로 이해해서는 안됨
- 한 사람이 여러 역할을 할 수도, 여러 사람이 동일한 역할을 할수도
- 역할 간에 명확한 차이가 있는지 확인하는 것이 중요
시장 구분에 따라 나누는 방법
- 인구통계학적 특징이나 태도나 행동 등에서 다른 사람들과 비슷한 면을 공유하는 사람들을 같은 범주로 나눌 수 있다.
- 자칫하면 페르소나의 본질을 흐릴 수 있기 때문에 사용을 자제
  - 시장이라는 경제적 정의에 따라 범주화하다 보면 수익률이나 성장률을 중심으로 단순화된 평가 기준에 의해 페르소나 공유의 특성을 살리기 어렵다.
시간에 따라 변화가 적다면 목표로, 변화가 크다면 역할로, 둘 다 어렵다면 시장으로 구분하는 것이 바람직

5.2 주요 단서를 분류하고 이름 정하기

보통 비슷한 것끼리 모으는 친화도 방법(affinity diagramming)을 많이 사용하고, 이를 위해 페르소나를 만드는 팀이 모여 동화 단계(assimilation meeting)를 진행한다. 다음과 같은 과정이 진행된다.

기초 데이터에서 중요 단서찾기
포스트잇에 정리하기
중요 사용자 범주에 대한 이름 붙이기
주요 단서를 동화시키기 : 아무 그룹에도 속하지 않는 고립된 단서(factoid island)는 버리기
한곳에 모여 있는 단서의 집합에 대표적인 이름 붙이기

5.3 세부 범주를 파악하고 기간구조 잡기

사용자의 세부범주를 파악하는 단계
- 세부 범주로 구분되는 사용자가 제품이나 서비스 디자인에 중요한 사용자 그룹을 대표하는가?
- 세부 점주로 구분되는 사용자가 제품이나 서비스의 사업적 성공에 중요한 사용자 그룹을 대표하는가?
- 각각의 세부 범주가 다른 세부 범주와 명확하게 구분되는 차이점을 가지고 있는가?
페르소나 기간구조(skeleton) 설정하기

5.4 사용자에 대한 세부 범주의 기간구조를 평가하고 우선순위 정하기

일반적인 가치 기줁은 다음과 같다.

사용빈도
시장의 크기
잠재적인 구매력
전략적 중요도

우선순위를 정할 기준을 정했다면 이를 기반으로 기간구조의 타입을 정한다.

적어도 그 사용자 집단만큼은 반드시 만족시켜야 하는 기간구조들로 이루어진 주요 기간구조(primary skeleton)이 있다.
가능하다면 만족시키면 좋을 것 같은 사용자들에 대한 부수적 기간구조(secondary skeleton)이 있다.
비록 직접적인 사용자들은 아니지만 주 사용자에게 영향을 미치는 부 사용자들에 대한 기간구조가 있다.
그 사용자를 만족시키면 주 사용자가 싫어할 수도 있는 기간구조(negative skeleton)가 있다.

5.5 기간구조를 바탕으로 페르소나 작성하기

기본백서(foundation document)를 작성하기
- 모든 자료를 한꺼번에 저장해 놓은 문서, 주석과 부가설명과 출처 등을 포함
- 기본자료와 상세자료 등으로 정리 가능
기본백서에서 페르소나를 작성하기
- 페르소나에는 다음 정보들이 들어가야 한다.
- 특징 : 이름, 그림, 나이, 성별, 짦은 묘사
- 목표 : 사용 목적, 요구, 행태, 달성 가능 여부
- 역할 : 직업, 업무, 책임, 특정 활동, 레저 활동, 취미 생활
- 관련시장 : 시장의 특성과 크기
- 숙련도 : 지식, 능숙도, 친숙도, 기간
- 사용환경 : 직업이나 일상에 관한 배경 이야기, 인터넷 속도
- 성격, 세대, 라이프스타일
- HCI 원리에서 도출된 속성 : 핵심 가치, 핵심 사용성의 속성, 감성적 요구

위의 내용을 바탕으로 촘촘하게 연결된 스토리를 만들어야 합니다. 고정관념이 들어가는 페르소나를 만들던가, 강한 감정적인 반응을 유발할 수 있는 내용은 포함시키지 않는 것이 바람직하다. 보통 한두 페이지 정도의 분량으로 너무 많거나 적지 않게 작성해야 한다. 최종적으로 구체적으로 생생하게 떠오를 수 있는 페르소나를 작성하는 것이 최종 목표다.

그렇기에 자연스러운 사진도 도움이 되는데, 사진 선정의 기준은 다음과 같다.

전문모델 보다는 실제 그 직장이나 지역에 있는 사람
지나치게 멋있거나 이상적인 얼굴이나 체형은 적합하지 않다
너무 지나치게 과장되거나 카메라를 향해서 포즈를 취한 사진은 거북
얼굴이나 표정이 잘 보여야 한다.
불필요한 배경이나 맥락에 맞지 않은 배경은 없어야 한다.

5.6 작성된 페르소나 평가하기

완전성 검증
- 사용자의 목표와 과업 및 역할에 대한 자료
- 사용자의 행태 및 사용가치 그리고 사용 환경에 대한 자료
- 핵심 사용성 속성에 대한 자료
- 인상 및 개성에 대한 자료
- 숙련도 및 지식에 대한 자료
- 성격, 동기, 세대, 라이프 스타일 등 개인적 특성에 대한 자료
중복성 검증
타당성 검증
- 타겟 사용자와 가장 비슷한 전문가들에게 도출된 페르소나의 검토를 부탁한다.
- 도출된 페르소나와 가장 비슷한 사용자를 선택해 본인과 비슷한지의 검토를 부탁한다.
- 페르소나에서 묘사된 사람이 실제로 세상에 존재할 수 있는지 검토하기 위해 페르소나에서 나온 것과 비슷한 환경을 방문해 사용자를 관찰한다.

5.7 설문 조사를 통해서 사용자 프로파일 작성

정성적인 자료를 객관적이고 정량적으로 검증하기 위해서는 프로파일을 작성한다.

사용 가치 프로파일
- 기능적 가치, 유희적 가치, 사회적 가치, 개인적 가치
- 1점에서 10점
사용성 속성 프로파일
- 효율성, 정확성, 일관성, 유연성, 의미성
- 1점에서 10점
감성 프로파일
- 정서, 인상(12가지), 개성(6가지)
- 1점에서 10점
숙련도 프로파일
- 해당 분야 지식, 시스템 지식, 기기 지식
- 초보자, 중급자, 숙련가, 전문가, 리드유저
- 각 분야에 대한 목표 사용자가 각 타입별 유저에 따라 몇 퍼센트인지 측정
개인적 특성 프로파일
- 성격적 특성, 인지적 특성, 동기적 특성, 세대적 특성, 라이프스타일 특성
- 명확한 정도

[HCI개론] 5장 감성의 원리

2020-08-29T00:00:00+00:00

Human Computer Interaction 개론 (김진우 저) : 5장

- 유용하고 편리하지만 별로 매력적이지 않은 디지털 제품이 있는 반면, 유용하지도 않고 편리하지도 않은데 갖고 싶게 만드는 디지털 제품이 있다. 왜 그런 차이가 발생할까?
- 마치 사람을 대하듯이 컴퓨터에 화를 내는 사람들을 보곤 한다. 그 사람들은 왜 무생물인 컴퓨터에 이런 감정을 표시하는 것일까?
- 만든 사람의 개성이 뚜렷하게 나타나는 블로그가 있는 반면, 개성이 느껴지지 않는 블로그도 많다. 어떻게 하면 나만의 개성을 뚜렷이 나타내는 블로그를 만들 수 있을까?

1. 감성의 중요성

pass

2. 감성이란

2.1 감성의 정의

감성은 외부의 물리적인 자극에 의한 감각이나 지각을 통해 인간의 내부에 일어나는 미적이고 심리적인 체험이다.

아름다운 그림을 지각하고 즐거움을 느낀다
맛있는 냄새라는 외부 자극을 받아 만족감을 느낀다

감성은 여러 개념이 섞인 주관적인 체험이다.

2.2 감성의 세부 요소

감성의 세부 요소에는 정서, 정취, 인상, 개성 이라는 네 가지 요소가 있다.

정서(emotion)
- 비교적 단시간에 갖게 되는 특정 대상에 대한 감성
- 국적이나 인종을 불문하고 인간이라면 공통적으로 느끼는 감성
정취(mood)
- 감성은 미약하지만 정서보다 더 오랜 기간동안 지속되는 감성
- 특정한 내용이나 대상과 상관없는 막역한 신체적 생리 상태에 대한 감각
- 사람들을 둘러싼 모든 환경이 그들이 느끼는 정취에 영향
인상(impression)
- 특정 대상에 의해 사람에게 각인되는 심리적 변화의 일종
- 어떤 대상물을 처음으로 관찰했을 때 느껴지는 감성으로 볼수도 있다
- 이러한 인상이 마음에서 다시 재생되면 그것이 정서, 즉 관념화 이전 상태
- 정서를 기본 감성(primary emotion), 인상을 부가적 감성(secondary emotion)으로 나누기도 함
개성(personality)
- 인상 중 특히 사람에 대해 느끼는 인상
- 성별, 연령, 사회계층, 개인의 성격 등 인간과 관련된 특성 변수들을 모두 포함하는 개념
- 사람에서 브랜드나 웹사이트 등의 범위로 확장

각 감성을 생성하는 주체와 그를 받아들이는 객체의 관점에서 분류가 가능하다.

정서, 정취 : 주체(인간)과 관련, 특정 대상
인상, 개성 : 객체(제품, 서비스)와 관련, 불특정 다수를 대상

3. 정서

정서를 바라보는 시각은 두 가지로 나뉜다.

사람들이 비록 다양한 정서를 경험하기는 하지만 이러한 다양한 정서들은 두세 개의 중요한 차원에 따라 정리될 수 있으면, 그러한 차원을 모아 놓으면 사람들이 느낄 수 있는 모든 정서를 효과적으로 표현할 수 있다.
사람들이 두세 개가 아닌 훨씬 다양한 기본적인 정서를 느끼며, 이 정서들은 서로 간에 충분히 구별될 만큼 차이가 크다.

첫 번째 견해의 경우, 기본적인 차원으로 사용되는 것은 유쾌함과 각성의 차원이다.

유쾌함(pleasant) : 긍정적인 정서와 부정적인 정서를 나누는 차원
각성(arousal) : 정서의 정도가 얼마나 흥분되어 있는지 혹은 가라앉아 있는지를 나누는 차원

다음 그림을 통해 예시를 살펴볼 수 있다.

두 번째 견해의 경우, 차별성과 반응성이라는 두 가지 조건을 만족시키는 기본 정서들이 여러 가지 존재한다.

차별성(distinctiveness) : 인간의 기본 정서가 되기 위해서는 그 정서가 다른 정서와 명확하게 구분되어야 한다는 조건
- 특정 정서를 사람들에게 유발하는 촉진 요인이 달라야 함
- 정서를 느꼈을 때 그 정서가 표현되는 방식도 달라야 함 (ex. 얼굴 표정)
반응성(responsiveness) : 정서의 이동성이 즉각적이어야 한다는 조건
- 자극이 전해졌을 때, 바로 그 정서를 느낄 수 있어야 함

이러한 연구를 종합하여 8개의 기본 정서를 제시한다.

8개의 기본 정서는 두 가지 특징이 있다.

원의 중심을 기준으로 서로 대칭되는 정서는 서로 반대된다.
하나 이상의 기본ㅈ 정서를 혼합해 새로운 높은 수준의 정서를 추론해 낼 수 있다.

아래부터는 예시를 다 가져올 수 없어 설명으로 대체하나 이 감정은 모두 겪었으니 분위기를 잘 생각하며 읽으면 될 것 같습니다.

3.1 기쁨

기쁨은 우리가 흔히 경험하는 긍정적인 정서 가운데 하나이다. 뇌의 활동이 감소함으로써 시작하게 된다.

결과 사람들의 표정은 입이 넓어지고 양쪽의 입꼬리가 올라가게 된다. (미소)
만족 이나 안도가 밀접한 정서의 예시
콘텐츠 (축하 사이트)
- 명도가 적당히 높고 채도가 중간 정도라 포근하고 정다운 느낌
- 비교적 모양이 비정규적, 곡선이 많이쓰임

3.2 슬픔

이유는 모르지만 무엇인가 잘못되고 무엇인가 부족하다는 감정은 사람을 슬프게 만든다.

기쁨의 반대 정서
사랑이 부족할 때, 성적이 나쁠 떄
무엇인가 잘못되고 있을 때 그를 바로 잡기 위해 어떤 행동이 필요하다는 것을 자기 자신이나 주위에 알리기 위함
울음, 흐느낌, 축 처진 눈초리와 입꼬리 등이 그 예시
애도가 이와 밀접한 정서의 예시
콘텐츠 (애도 및 기부 사이트)
- 슬픈 내용
- 무채색 사용
- 슬픔을 통한 사용자 활동 유도(기부 등)

3.3 흥분

흥분 또는 기대감은 기쁨과는 달리 어떠한 자극을 받아 뇌의 활동이 많아 지면서 시작된다.

소리나 냄새 같은 외부 자극에 의해 시작될 수 있음
하지만 과거의 어떤 일을 기억해 냈다거나 특정 욕구가 발생한 경우에도 발생
새로운 자극이 있어야 하는 것은 아님, 일상적인 자극에서도 나타날 수 있음
이마가 찌뿌려짐, 눈동자는 고정, 무엇인가에 열중해서 듣거나 보는 증상
기쁠 때보다 얼굴 근육을 많이 사용하지 않아 주름이 많이 보이지는 않음
긴장이 이와 밀접한 정서의 예시
콘텐츠(액션 게임, 레이싱 게임)
- 직접 싸우는 듯한 착각
- 직접 조작하고 있다는 착각
- 현실감 있는 장애물과 배경은 흥분을 상승시킴
- 그 외에도 소리와 촉각적인 자극으로 사용자를 흥분시킴

3.4 놀람

놀람은 자극에 대한 반응 속도가 매우 빠른 정서이다.놀람은 긍정적이거나 부정적인 것이 아닌 중립적인 정서로 간주된다. 똑같은 자극도 과거의 경험이나 기억에 따라 긍정적 또는 부정적으로 느껴질 수 있기 때문이다.

자극에 집중하기 위한 용도
눈초리가 올라라고, 눈동자가 커지고, 입이 커지고, 탄성을 불러 일으킴
경외가 이와 밀접한 정서의 예시
콘텐트(좀비 게임, 플래시 광고)
- 갑작스러운 등장

3.5 분노

기본 정서 중에서 가장 강도가 높은 분노는 어떤 자극 효과가 누적되어 나오는 정서

오랜 기간 신체적인 고통, 심한 모욕 등에서 경험
일반적으로 나쁜 자극이나 반응을 더 나쁘게 만듬
눈이 작아지고, 얼굴 근육은 경직, 미간에 주름이 많이 생김, 호흡이 빨라짐, 혈압이 높아짐
격노와 경멸이 이와 밀접한 정서의 예시
콘텐츠(레지던트 이블)
- 상대방이 비열하고 치사함

3.6 공포

공포는 자신이 감당할 수 없을 정도의 과도한 자극을 받아서 사람들이 과부하 상태에 이르게 되었을 때 경험하게 된다.

감당할 수 없는 놀이기구 등
눈동자가 커져 무엇인가 주시, 피부는 창백해지고 차가워짐, 손에 진땀, 머리카락이 서는 느낌
소스라침이나 반감이 이와 밀접한 정서의 예시
콘텐츠(공포 영화, 공포게임)
- 실제 사건인 양 가장한 마케팅
- 조작을 통해 감당하는 정도에 따라 공포와 분노가 구분

3.7 부끄러움

부끄러움은 기본 정서 중에서 성격이 가장 애매모호한 정서이다. 부끄러움은 독자적으로 존재하는 것이 아니라 다른 정서와 동시에 발생하기 떄문이다.

태생적으로 지닌 정서가 아닌 살아가는 동안 자아의식이 증가하면서 발생하는 부수적인 정서로도 간주
눈동자가 처지고, 눈초리가 아래로 내려가고, 얼굴이나 목 근육이 긴장감을 상실하게 되며, 얼굴색도 빨개짐
굴욕감, 당혹, 죄책감, 수치심이 이와 밀접한 정서의 예시
부끄러움의 인식은 제품 사용 후의 2차적인 피드백 과정
부끄러움을 직접적으로 원하느 사람들은 별로 없음
콘텐츠(외설적인영화나 노출이 심한 게임)
- 직접적으로 원하지는 않음
- 하지만 사용 과정에서 남에게 보이기는 부끄러움
- 공공장소에서 선정적인 디지털 시스템이나 게임을 사용하는 사람이 적은 이유

3.8 혐오감

혐오감은 부끄러움과는 반대의 개념으로 어떤 대상의 특성을 싫어함으로써 생기는 정서이다.

지저분한 내용을 본다던가, 썪은 냄새를 맡는 등의 자극
물리적인 자극이 아닌 정신적인 자극에 의해서도 발생
- 친구와 심하게 싸운 후, 그 친구와의 함께한 장소에서 느끼는 혐오감
얼굴과 혀가 아래로 처짐, 얼굴이 앞과 밑으로 기울어지며, 심한 경우에는 구역질
수치감과 자존심 상실이 이와 밀접한 정서의 예시
콘텐츠(혐오스러운 게임?)
- 매우 잔인하고 잔혹하여 심약한 사람이 보았을 때 메스꺼움을 느낄 수 있음
- 혐오감 대상을 없앰으로써 만족감과 해방감

이와 같이 정서의 기본 차원인 유쾌함과 각성의 차원과 여덟 개의 기본 감성을 통합하면 다음과 같은 모형을 구축할 수 있다.

어떤 이는 이러한 정서에 관련된 논의가 너무 당연하다고 여길지 모른다. 하지만 이를 통해 사용자가 시스템을 사용하며 겪게 되는 다양한 정서를 체계적으로 정리하고, 이를 통해 시스템이 사용자에게 특정 정서를 유발시키기 위해서 어떤 조치를 취하는지 알 수 있다.

4. 미적 인상

정서란 외부 자극에 의해 사람이 내부에 이미 관념화된 감성을 의미하는 반면, 인상은 외부의 자극에 의해 각인되기는 하지만 아직 정서로 관념화되지 않은 감성을 말한다.

디지털 제품이나 서비스와 관련된 대부분의 인상은 미적 인상(aesthetic)으로, 주로 미학이나 문학비평과 같은 분야에서 다루었다.

미적인상은 크게 12가지로 분류할 수 있으며 크게는 본연적인 인상과 내용적인 인상으로 나뉠 수 있다.

본연적인 인상(generic impression) : 내용을 몰라도 인지
- BD(bright-dark)
- CD(calm-dynamic)
- SV(simple-varied)
내용적인 인상(semantic-impression) : 내용을 이해해야 인지
- LP(luxurious-plain)
- CF(classical-futuristic)
- OP(optimistic-pessimistic)

4.1 BD차원(밝음 vs. 어두움)

BD차원은 어둡거나 밝은 인상을 포함한다.

밝음
- 은은하다, 환하다, 맑다
- 배경의 명도가 높고, 글씨와 같은 객체가 배경과 대비가 낮아 부드러운 느낌
어두움
- 무디고, 침침하고, 탁함
- 배경의 명도가 낮고, 글씨가 낮은 대비

4.2 CD차원(차분함 vs. 역동적)

CD차원은 차분하거나 역동적인 인상을 포함한다,

차분함
- 고요하다, 규칙적이다, 균형적이다
- 명도가 그다지 높지 않고, 난색 계열보다는 한색 계열
역동적
- 강렬하고, 날카로운 인상
- 색상이나 내용에서 강한 대비, 강렬한 비트와 박자

4.3 SV차원(간결함 vs. 다채로움)

SV차원은 간결하거나 다채로운 인상을 포함한다.

간결함
- 단조롭다, 비어 있다는 인상
- 절제된 이미지
다채로움
- 화사하다, 현란하다
- 다양한 아이템, 다양한 정보 제공

4.4 LP차원(고급스러운 vs. 대중적임)

LP차원은 고급스럽거나 대중적인 인상을 포함한다.

고급스러움
- 고상하다, 고귀하다
- 내용 자체의 고급, 시각적 요소의 절제, 조화를 이루기 위한 노력
대중적임
- 익숙하다, 친근하다, 저렴한 가격
- 친숙한 정보, 촌스러운 색 배합

4.5 CF차원(복고적 vs. 미래적)

CF차원은 복고적이거나 미래적인 인상을 포함한다.

복고적
- 과거지향적
미래적
- 초현실적, 신비함

4.6 OP차원(희망찬 vs. 암울한)

OP차원은 희망차고 암울한 인상을 포함한다.

희망찬
- 건실함
암울함
- 절망적, 우울함

5. 개성

어떤 대상에 대한 인상 중에서 사람 또는 인격에 준하는 요소를 지닌 대상에 대해 갖게 되는 것을 개성이라고 한다.

사람의 내면적인 특징을 묘사하기 위해 관찰자에 의해 구성되는 의미들의 집합인 성격과는 반대로, 개성은 사람의 행동이나 생김새를 보고 그 사람이 어떤 성격을 가지고 있을 것이라고 느끼는 것이다.

브랜드 개성(brand personality) : 어떤 제품이나 서비스에 부여된 일련의 인간적 특징들을 의미
- 시스템에 관련해 개성이라는 개념이 중요해진 이유
- 독특성과 지속성을 가짐

강약의 차원(dimension of strength)
형식성의 차원(dimension of formality)
개방성의 차원(dimension of openness)

5.1 강약의 차원

강약의 차원은 디지털 제품이나 서비스가 풍기는 개성이 얼마나 강하고 거친지, 아니면 부드럽고 귀여운지에 따라 결정된다.

강한 개성
- 거칠고 공격적이며 반항적인 개성과 연결
- 강렬하고, 간혹 잔인하다고까지 느낌
- 아이디어에 대한 강한 지지, 단호한 어조, 강렬한 비트나 인상의 그림과 음악, 비속어, 강한 명암 대비
부드러운 개성
- 사랑스럽고 귀여운 개성과 연결
- 세련되고 우아한 개성도 연결
- 재미있는 그림, 분홍색이나 리본 또는 하트, 부드러운 서체, 파스텔톤의 스킨

5.2 형식성의 차원

형식의 차원은 디지털 제품이나 서비스가 사용자에게 풍기는 개성이 얼마나 자유분방한지, 또는 분석적인지에 따라 결정된다.

자유분방한 개성
- 상상력이 풍부하고 참신하며 창의적인 개성과 연결
- 참신한 글과 그림, 특이한 자기소개, 참신한 타이틀, 최신 패션이나 유행에 민감한 반응, 문화적 특이성
분석적인 개성
- 논리적인 개성과 연결
- 정확하고 경직되었고 날카로운 개성도 연결
- 논리적 구조의 글, 날카로운 비평, 글의 체계적 분류

5.3 개방성의 차원

개방성의 차원은 디지털 제품이나 서비스가 사용자에게 풍기는 개성이 얼마나 사교적인지, 아니면 폐쇠적인지에 따라 결정된다.

사교적인 개성
- 쾌활하며 에너지가 넘치는 개성과 연결
- 성실한 답변, 염려의 글, 예의 바른 글, 많은 정보 공유
폐쇄적인 개성
- 배타적이고 답답한 개성과 연결
- 정보를 공개하지 않음, 자신만이 알 수 있는 감성적인 글, 절제되고 최소화된 모습

6. 디지털 제품 및 서비스의 개발과 감성

6.1 감성과 이성의 관계

이전에는 사용성이나 유용성에 더 초점을 맞췄으나, 현재는 상호보완적이고 협동적인 관계라는 주장이 힘을 받고 있다. 긍정적인 감성과 부정적인 감성이 인지적 작용에 큰 영향을 미치기 때문이다.

부정적인 감성은 빠른 의사결정을 할 수 있게 하지만, 의사결정의 폭을 좁아지게 한다. 반면 긍정적인 감성은 다양한 가능성을 타진해 볼 수 있게 한다. 하지만 결과가 나오기까지의 시간은 상대적으로 오래걸린다.

그렇기에 적절한 조율을 통해 효과적인 시스템을 만들어야 함!

6.2 감성과 유용성 및 사용성의 차이점

감성은 사용성과 대치하는 것이 아니라 병행하는 개념이다. 더 나아가 감성이 풍부한 제품이 사용하기에 편리하고, 오히려 사용성을 이끄는 역할을 한다는 점이 밝혀지기도 했다.

그러나 유용성이나 사용성과 비교해 감성은 상이한 특징을 가지고 있다. 유용성이나 사용성이 일반적으로 단방향(uni-direction) 인 반면, 감성은 다방향(multi-direction) 이란 점이다.

즉 유용성이 높고, 사용성이 높으면 좋은 시스템이지만 감성은 강도가 높다해서 좋은 시스템이 아니다.

감성은 절대적인 기준이 중요한 것이 아닌 상대적인 충실도(emotional fidelity) 가 더 중요하다. 의도한 감성을 정확하게 전달하는 것이 중요!

[HCI개론] 4장 사용성의 원리

2020-08-22T00:00:00+00:00

Human Computer Interaction 개론 (김진우 저) : 4장

- 분명 기능이 있기는 한데, 도무지 어떻게 사용하는지 알 수 없는 디지털 제품들이 있다. 특히 제품을 사면서 종업원의 설명을 들었을 때는 사용 방법을 알았는데 혼자 하려고 하니 도무지 기억이 안나는 경우가 있다. 그 이유는 무엇일까?
- 사용자는 한글 문장을 입력한다고 생각하고 열심히 키보드를 쳤는데, 시스템이 영문으로 지정되어 있는 경우가 많다. 어떻게 시스템을 설계해야 이런 오류를 방지할 수 있을까?
- 닌텐도 Wii와 같은 게임기를 쉽게 다루기 위한 조건과 세탁기 같은 가전 제품을 쉽게 사용하기 위한 조건은 다르다. 사용하는 데 편리하면 그만인데 시스템에 따라 조건이 달라지는 이유는 무엇일까?

1. 사용성의 정의와 중요성

1.1 사용성의 정의

협의 : 수행하는 과정이 얼마나 효율적인가 (과정)
- 효용성과 대비되는 정의 : 시스템이 목적으로 하는 기능을 수행할 수 있는지 없는지 결정 (결과)
- 효용성과 사용성이 합쳐져서 전체적인 유용성을 구성
광의 : 시스템이 사용자의 목적을 달성해 주느냐에 대한 유용성과 시스템에 대한 사용자의 첫인상, 사용자의 능력에 따른 시스템의 적응화 정도 등 편리성 외에 많은 요소를 포함
- 가장 포괄적인 의미의 사용성은 사용품질
  - 사회적, 물리적, 기술적 환경 등을 포함한 다양한 실제 사용환경에서
  - 사용자가 느끼는 효율성, 효과성, 만족도를 포함하는 총체적인 품질
사용성 국제 표준 ISO9241-11 : 효과성, 효율성, 만족을 포괄하는 개념이라 규정
- 효과성 : 시스템이 사용자의 목적을 얼마나 충실하게 달성하는지를 의미하기도 하고, 사용자의 과업 수행의 정확성과 수행 완수 여부를 뜻한다.
- 효율성 : 사용자가 과업을 달성하기 위해 투입한 자원과 그 효과 간의 관계; 사용 시간이나 학습 시간으로 측정
- 만족 : 사용자가 시스템을 사용하면서 주관적으로 본인이 기대했던 것에 비해 얼마나 만족했는지를 의미

책에서는 다음과 같이 정의하고자 함

사용자가 특정 맥락에서 특정 목표를 달성하기 위해 디지털 시슽엠을 전반적으로 편리하게 이용할 수 있는 정도

1.2 사용성의 중요성

HCI 관련 학회나 저널에서도 시스템의 가장 핵심적인 경쟁력이 사용성에서 나오고 있음을 강조한 연구가 많음
제공된 기능이 이용하기 어려워 시스템을 충분히 사용할 수 없다고 느낀다면, 아무리 많은 기능이 제공될지라도 사용자는 그 시스템을 더 이상 사용하지 않음
사용도가 높은 시스템일수록 사용자가 좀 더 효과적으로 과업을 수행하고 생산성이 향상된다
사용성의 차이에 따라 성공과 실패가 갈리는 경우 존재
- ex. 애플의 아이패드와 아마존의 킨들

2. 사용성의 속성

기본적 차원 : 효율성, 정확성
부수적 차원 : 의미성, 유연성, 일관성

2.1 효율성의 차원

효율성(efficiency) 은 사용자가 주어진 과업을 얼마나 효율적으로 달성할 수 있는지와 관련된 사용성의 속성을 의미한다.

반응성(responsiveness) : 사용자의 행동에 대한 시스템의 반응 속도와 관련된 속성으로, 시스템의 반응 속도는 안정적으로 빨라야 함. 이와 관련된 개념은 지체이다. (시간)
- 시스템 지체(system delay) : 해야할 작업에 비해 사용하고 있는 시스템의 메모리가 부족하거나 프로세서의 속도가 늦어 시스템 자체에서 발생하는 지체
- 네트워크 지체(network delay) : 네트워크의 부하로 발생하는 지체
- 해결책
  - 가장 좋은 방법은 더 많은 프로세서와 더 많은 메모리 장착, 더 빠른 인터넷 접속 환경을 확보
  - 예산 및 기술적 이유로 불가능
  - 시스템의 상태를 사용자가 이해하기 쉽게 보여 줌으로써 체감 반응성을 향상 시킬 수 있음
  - 경고 메시지 등의 부가적인 정보를 제공
단축성(minimal action) : 사용자가 자신이 원하는 과업을 간단하게 마무리할 수 있는 정도를 의미 (절차)
- 단축키
- 단축경로 : 자주 사용하는 정보, 기능이나 키를 좀 더 쉽게 접할 수 있는 곳에 배치
  - 너무 많으면 심성모형 수립 과정에 지장

2.2 정확성의 차원

정확성(accuracy) 은 사람들이 시스템을 사용하면서 저지르는 오류와 관련된 사용성의 속성이다.

사전 방지성(error prevention) : 사람들이 오류를 저지를 수 있는 가능성을 미연에 제거하거나 줄여 줌으로써 시스템을 사용하면서 범하는 실수를 사전에 방지
- 균형성의 법칙 : 어떤 행위가 복구하기 어려울수록 애초에 그 행위를 저지르는 것 자체도 어려워야 한다
- 사전심사 : 시스템의 현재 상태를 사전에 심사해 실행할 수 있는 항목만 사용자에게 보여주는 것 (클릭을 아에 불가능하게 변경)
오류 발생 감지성(error detection) : 미연에 방지하는 것이 좋지만, 못했을 경우 최대한 사용자가 빨리 인식하고 조치를 취할 수 있어야 함
- 지속성의 효과(persisteny effect) : 오류의 발생 사실을 시각적 또는 청각적으로 강조
오류 회복성(error recovery) : 사용자 자신이 과거에 저질렀던 오류를 정정할 수 있게 하는 속성
- 후방 오류 회복성(backward error recovery) : 사용자가 과거에 저질렀던 오류의 효과를 취소하고 오류를 저지르기 전의 상태로 돌아가는 것
  - 얼마나 많은 단계를 취소할 수 있을지가 중요; 사용자도 전부 기억은 불가; 적절한 범위 필요
  - 취소의 취소, 시스템의 중복 취소 등을 명확하게 해야함
- 전방 오류 회복성(forward error recovery) : 사용자가 이미 범한 오류를 취소 할 수는 없지만 이전의 상태로 다시 돌아갈 수 있는 길을 제공
  - 얼마나 근원적인 상태까지 가능?
  - 기본값 복원
  - 최근값 복원

2.3 의미성의 차원

의미성(meaningfulness) 은 시스템을 사용하면서 사용자가 보고 싶은 정보나 실행하고 싶은 기능이 사용자에게 제공되어야 한다는 것이다.

변화제시성(honesty) : 시스템의 내부 상태가 변화했을 떄 그 변화된 상태를 사용자가 감지할 수 있게 제공하는 속성을 의미 (오류 발생 감지성의 확장)
- 즉시성(immedicay) : 변화가 발생한 그 즉시 변화된 시스템의 상태를 사용자가 별도의 작업을 하지 않더라도 사용자에게 제공 (직조작 스타일에 필요)
- 부가성(eventuality) : 사용자가 변화된 상태를 보고 싶다는 의사를 부가적으로 명백하게 밝힐 떄 시스템이 현재의 상태를 사용자에게 제공
이해가능성(understandability) : 물리적으로 전달된 정보를 실제로 사용자가 이해할 수 있어야 한다는 것
- 가독성 : 정보를 제대로 읽을 수 있게 해줌
- 논리성 : 사용자가 보기에 정보가 제공되는 순서나 구조가 논리적이라고 생각할 수 있어야 함
학습성(learnability) : 초보 사용자가 시스템에 대해 어느 정도 수준의 지식을 취득하는 것이 얼마나 쉬운지를 의미
1. 초보자가 시스템의 작동 원리와 작동 방법을 쉽게 이해할 수 있는 사용자 매뉴얼 제공 (정확한 심성모형 구축 가능)
2. 시스템의 특성에 따라 상이한 수준의 최종 목표를 가진다.
3. 기억가능성(rememberability) : 이전에 사용하던 시스템을 다시 사용할 때 얼마나 쉽게 예전에 달성했던 수준에 도달할 수 있는가가 중요

2.4 유연성의 차원

유연성(flexibility) 은 시스템을 통해 사용자가 원하는 작업을 원하는 방식으로 진행할 수 있도록 하는 사용성의 속성을 포함하고 있다.

사용자 주도권(user pre-emptiveness) : 사용자가 자신이 원하는 대로 시스템과 상호작용할 수 있게 하는 시스템 속성
- 시스템 설계 시 논리적 연결이 없는 상호작용 모드(mode) 없애는 것
- 과업 전이성(task migrateability) : 시스템과 사용자 사이에 통제권을 유연하게 주고받을 수 있게 하는 것
- 적절하게 사용자에게 주도권을 주는 것이 효율적일 수 있음
대체성(substitutivity) : 사용자가 시스템을 사용하면서 특정 작업을 하기 원할때에 그 작업을 수행할 수 있는 방법이 두 가지 이상이어서상황에 따라 적절한 방법을 선택할 수 있게 하는 시스템의 속성
- 입력대체성(input substitutivity) : 시스템에 사용자가 원하는 사항을 두 가지 이상의 방법으로 입력할 수 있게 하는 시스템의 속성
- 출력대체성(output substitutivity) : 시스템의 출력 상황을 여러 가지 조건에서 볼 수 있도록 하는 시스템의 속성
- 너무 많은 대안을 제시하면 어떤 경우가 적절한지가 불명확하여 나쁜 영향을 미칠 수 있음
다중성(multi-threading) : 사용자가 한꺼번에 두 개 이상의 작업을 동시에 수행할 쑤 있도록 하는 시스템의 속성
- 동시적 다중성(concurrent multi-threading) : 동시적으로 사용가능
- 교차적 다중성(sequental multithreading) : 특정 시점에서 보면 한 가지 작업만 가능하나, 동시적으로 가능
- 다중성이 많으면 업무의 사용성의 저해, 선택적 제공이 필요
개인화(personalization) : 사용자의 취향이나 특성에 따라 시스템의 상태를 변화시킬 수 있는 속성; 사용자의 주체에 따라 분류
- 응용성(adaptability) : 사용자가 자신의 상황이나 취향에 따라 시스템의 특성을 바꾸는 속성을 의미
- 적응성(adaptivity) : 시스템이 주도권을 가지고 시스템을 개인의 취향에 맞추어 가는 경우 (추천시스템)
- 적응성의 경우, 사용자에게 명시적인 동의가 없이 변경하면 심성모형을 구축하는데 나쁜 영향
연결성(connectablitiy) : 시스템 간의 연결이얼마나 쉬운지
- 연동성(linkage) : 하나의 제품이 다른 제품과 얼마나 쉽게 연결될 수 있는지를 의미 (하드웨어)
- 호환성(compatibiltiy) : 한 시스템에서 사용하던 기능이나 콘텐츠가 얼마나 쉽고 편리하게 다른 시스템으로 이동될 수 있는지를 의미 (소프트웨어)

2.5 일관성의 차원

일관성(consistency) 이란 시스템의 정보나 기능이 다른 대상과 비슷한 모습이나 유사한 역할을 가지는 것을 의미한다.

예측 가능성(predictability) : 사용자가 자신이 과거에 시스템과 상호작용한 경험에 비추어 자기가 어떤 행동을 하면 그 결과가 어떻게 되리라는 것을 예측할 수 있게 하는 시스템의 속성
- 일관된 명령체계 : ctrl+c, ctrl+v 등 일관된 사용방법
- 정보의 향기(information scent) : 시스템에서 미리 정보를 제시 (tooltip 등)
친숙성(familiarity) : 사람들이 실제 세상에서 가지고 있었던 경험을 바탕으로 시스템을 사용하는 데 필요한 지식을 습득할 수 있게 하는 시스템의 속성
- 용어 : 전문용어가 아닌 일상용어 사용
- 모습 : 익숙한 현실 객체의 모양을 유지 (ex. 계산기와 온라인 계산기)
- 직관성(affordance) : 행동의 유도 (ex. 링크를 파란색에 밑줄로 표시하여 클릭 유도)
일반화 가능성(generalizability) : 사용자가 과거에 사용한 명령어나 메뉴를 새로운 상황에서도 사용할 수 있도록 하는 시스템 속성
- 시스템 내부의 일관성 : 비슷한 효과는 비슷한 절차를 거치도록
- 시스템 간의 일관성 : 서로 다른 회사의 비슷한 서비스의 경우, 비슷한 포맷 유지 (라인, 카카오톡 등)

3. 사용자 속성 간의 상충관계

초보자와 전문가의 학습 곡선은 매우 다르다. 초보자 중심의 시스템의 경우, 초기 진입장벽이 낮은 대신 전문성이 부족하다. 반면 전문가 중심의 시스템의 경우, 초기 진입장벽이 높은 대신 전문성 및 효율성이 높다.

이렇게 학습성과 효율성 간의 상충관계만 아니라. 오류 회복성과 효율성, 단축성과 이해가능성, 사용자 주도권과 학습성, 개인화와 사용자 주도권 간에도 상충관게가 존재한다. 또한 학습맥락에 따라 새로운 종류의 상충관계가 생긴다.

이러한 상충관계를 효과적으로 대처하는 한 가지 방법은 다중적 시스템의 제공이다. 이런 다중적 시스템을 개발할 때는 다음과 같은 주의점이 있다.

초보자가 시스템을 사용할 때는 이러한 촉진기가 사용 과정에 명시적으로 나타나는 것을 최소화해야 한다.
다중적 시스템을 개발할 때 언제 초보자의 모드에서 전문가의 모드로 전환되게 할 것인지 결정하는 것이 중요하다.
누가 모드를 전환시켜 줄 것인가도 중요하다. 일반적으로는 사용자에게 명시하고 권한을 주는게 더 바람직하다고 알려져있다.

4. 핵심 속성의 선정

모든 속성을 만족하는 시스템을 설계하는 것은 불가능하고 그럴 필요도 없다. 사용자가 과업 또는 사용 맥락에 대한 이해가 있다는 전제하에 가치모형에 따라 어떤 속성이 핵심 속성이 될 수 있는지 제시한다.

4.1 기능적 가치를 제공하는 시스템에서 중요한 핵심 사용 속성

정보 검색을 목표로 하는 사이트

단축성
사전 방지성 및 오류 회복성

4.2 유희적 가치를 제공하는 시스템에서 중요한 핵심 사용 속성

영화, 음악, 게임 등의 콘텐츠

변화제시성
대체성과 다중성

4.3 사회적 가치를 제공하는 시스템에서 중요한 핵심 사용 속성

카페나 온라인 기부 서비스, 소셜네트워크 서비스

친숙성
일반화 가능성

4.4 개인적 가치를 제공하는 시스템에서 중요한 핵심 사용 속성

미니룸 또는 미니홈피(화석..)

개인화
주도성

데이터셋을 위한 데이터시트(Datasheets for Datasets)

2020-08-19T00:00:00+00:00

데이터셋을 만들 때, 투명성과 책임을 위해 고려할 점들

다음 질문들에 대해서 존재 여부를 묻는 질문에 대해서 존재하는 경우 설명을 추가해주시는게 좋습니다.
- 설명의 경우, 단순한 예/아니오를 넘어 이유, 웹사이트 링크, 방법론, 절차 등을 모두 포함합니다.
- 질문에 대한 구체적인 답변은 논문을 참고하면 더 좋습니다.

데이터셋의 투명성과 책임을 위해 노력합시다.

Datasheets for Datasets

1. 동기(Motivation)

데이터셋은 어떤 목적을 위해 만들어졌습니까?
- For What purpose was the dataset created
데이터셋을 누가(e.g, 팀, 연구집단) 어떤 엔티티(예 : 회사, 학회, 협회 등)를 대신하여 만드었습니까?
- Who created the dataset (예 : which team, research group) and on behalf of which entity (예 : company, institution, organization)?
누가 데이터셋 생성에 (금전적) 지원을 했습니까?
- Who funded the creation of the dataset?

2. 구성(Composition)

데이터셋을 구성하는 인스턴스는 무엇입니까(예 : 문서, 사진, 사람, 국가)?
- What do the instances that comprise the dataset represent (예 : documents, photos, people, countries)?
총 몇 개의 인스턴스가 있습니까?
- How many instances are there in total (of each type, if appropriate)?
데이터셋은 모든 인스턴스를 포함하고 있습니까? 아니면 큰 셋의 샘플 데이터셋입니까?
- Does the dataset contain all possible instances or is it a sample (not necessarily random) of instances from a larger set?
각 인스턴스는 어떤 데이터로 구성됩니까? raw 데이터 또는 feature?
- What data does each instance consist of? “Raw” data (예 : unprocessed text or images) or features?
각 인스턴스와 관련된 레이블 또는 타겟값이 있습니까?
- Is there a label or target associated with each instance?
개별 인스턴스에서 누락된 정보가 있습니까?
- Is any information missing from individual instances?
개별 인스턴스 간의 관계가 명시되어 있습니까 (예 : 사용자의 영화 등급, 소셜 네트워크 링크)?
- Are relationships between individual instances made explicit (예 : users’ movie ratings, social network links)?
권장 데이터 분할(training, development/validation, testing)이 있습니까?
- Are there recommended data splits (예 : training, development/validation, testing)?
데이터셋에 오류, 노이즈 또는 중복이 있습니까?
- Are there any errors, sources of noise, or redundancies in the dataset?
데이터셋가 자체 포함되어 있습니까, 아니면 외부 리소스 (예 : 웹 사이트, 트윗, 기타 데이터셋)에 연결되거나 의존합니까?
- Is the dataset self-contained, or does it link to or otherwise rely on external resources (예 : websites, tweets, other datasets)?
데이터셋에 기밀로 간주될 수있는 데이터가 포함되어 있습니까 (예 : 법적 권한 또는 의사 환자 기밀로 보호되는 데이터, 개인의 비공개 커뮤니케이션 내용이 포함 된 데이터)?
- Does the dataset contain data that might be considered confidential (예 : data that is protected by legal privilege or by doctorpatient confidentiality, data that includes the content of individuals’ non-public communications)?
데이터셋에 직접 볼 경우 공격적이거나 모욕적이거나 위협적이거나 불안을 유발할 수있는 데이터가 포함되어 있습니까?
- Does the dataset contain data that, if viewed directly, might be offensive, insulting, threatening, or might otherwise cause anxiety?
데이터셋이 사람과 관련이 있습니까? 그렇지 않은 경우이 섹션의 나머지 질문을 건너 뛸 수 있습니다.
- Does the dataset relate to people? If not, you may skip the remaining questions in this section.
데이터셋가 하위 집단을 식별합니까 (예 : 연령, 성별)?
- Does the dataset identify any subpopulations (예 : by age, gender)?
데이터셋에서 개인(한 명 이상의 일반인)을 직접 또는 간접적으로 (다른 데이터와 결합하여) 식별 할 수 있습니까?
- Is it possible to identify individuals (i.e., one or more natural persons), either directly or indirectly (i.e., in combination with other data) from the dataset?
데이터셋에 어떤 방식으로든 민감한 것으로 간주될 수있는 데이터가 포함되어 있습니까 (예 : 인종 또는 민족 출신, 성적 지향, 종교적 신념, 정치적 견해 또는 조합원, 위치, 재무 또는 건강 데이터, 생체 인식 또는 유전 데이터; 사회 보장 번호와 같은 정부 신분증, 범죄 기록)?
- Does the dataset contain data that might be considered sensitive in any way (예 : data that reveals racial or ethnic origins, sexual orientations, religious beliefs, political opinions or union memberships, or locations; financial or health data; biometric or genetic data; forms of government identification, such as social security numbers; criminal history)?

수집 과정(Collection Process)

각 인스턴스와 관련된 데이터는 어떻게 수집 되었습니까? 데이터를 직접 관찰 할 수 있었습니까 (예 : raw 텍스트, 영화 등급), 피험자가보고했거나 (예 : 설문 조사 응답), 또는 다른 데이터에서 간접적으로 추론/파생 했습니까 (예 : 품사 태그, 연령에 대한 모델 기반 추측 또는 언어)?
- How was the data associated with each instance acquired? Was the data directly observable (예 : raw text, movie ratings), reported by subjects (예 : survey responses), or indirectly inferred/derived from other data (예 : part-of-speech tags, model-based guesses for age or language)?
데이터가 피험자에 의해 보고되거나 다른 데이터에서 간접적으로 추론/유추 된 경우, 데이터가 검증되었습니까?
- If data was reported by subjects or indirectly inferred/derived from other data, was the data validated/verified?
데이터 수집에 사용 된 메커니즘 또는 절차 (예 : 하드웨어 장치 또는 센서, 수동 인간 큐 레이션, 소프트웨어 프로그램, 소프트웨어 API)는 무엇입니까? 이러한 메커니즘 또는 절차는 어떻게 검증 되었습니까?
- What mechanisms or procedures were used to collect the data (예 : hardware apparatus or sensor, manual human curation, software program, software API)? How were these mechanisms or procedures validated?
데이터셋이 더 큰 집합의 샘플인 경우 샘플링 전략은 무엇이었습니까 (예 : 결정론적, 확률적)?
- If the dataset is a sample from a larger set, what was the sampling strategy (예 : deterministic, probabilistic with specific sampling probabilities)?
데이터 수집 프로세스에 참여한 사람 (예 : 학생, 크라우드 워커, 계약자)은 누구이고, 어떻게 보상받았습니까? (예 : 크라우드 워커에게 지급 된 금액)
- Who was involved in the data collection process (예 : students, crowdworkers, contractors) and how were they compensated (예 :how much were crowdworkers paid)?
데이터가 수집된 기간은 얼마입니까? 이 기간이 인스턴스와 관련된 데이터의 생성 기간과 일치합니까 (예 : 오래된 뉴스 기사의 최근 크롤링)?
- Over what timeframe was the data collected? Does this timeframe match the creation timeframe of the data associated with the instances (예 : recent crawl of old news articles)?
윤리적 리뷰 프로세스가 수행되었습니까?
- Were any ethical review processes conducted (예 : by an institutional review board)?
데이터셋이 사람과 관련이 있습니까? 그렇지 않은 경우이 섹션의 나머지 질문을 건너 뛸 수 있습니다.
- Does the dataset relate to people? If not, you may skip the remaining questions in this section.
개인으로부터 데이터를 직접 수집 했습니까, 아니면 제 3자 또는 다른 출처 (예 : 웹 사이트)를 통해 수집 했습니까?
Did you collect the data from the individuals in question directly, or obtain it via third parties or other sources (예 : websites)?
해당 개인은 데이터 수집에 대한 알림을 받았습니까?
- Were the individuals in question notified about the data collection?
해당 개인이 데이터 수집 및 사용에 동의했습니까?
- Did the individuals in question consent to the collection and use of their data?
동의를 얻은 경우, 동의 한 개인에게 향후 또는 특정 용도로 동의를 취소할 수 있는 메커니즘이 제공 되었습니까?
- If consent was obtained, were the consenting individuals provided with a mechanism to revoke their consent in the future or for certain uses?
데이터셋의 잠재 영향과 데이터 주체에 대한 사용에 대한 분석 (예 : 데이터 보호 영향 분석)이 수행 되었습니까?
- Has an analysis of the potential impact of the dataset and its use on data subjects (예 : a data protection impact analysis)been conducted?

전처리/클리닝/라벨링(Preprocessing/cleaning/labeling)

데이터의 전처리/클리닝/라벨링(이하 처리)이 수행 되었습니까? 그렇지 않은 경우이 섹션의 나머지 질문을 건너 뛸 수 있습니다.
- Was any preprocessing/cleaning/labeling of the data done (예 :discretization or bucketing, tokenization, part-of-speech tagging, SIFT feature extraction, removal of instances, processing of missing values)? If not, you may skip the remainder of the questions in this section.
위의 처리를 제외한 ‘raw’ 데이터가 저장되었습니까?
- Was the “raw” data saved in addition to the preprocessed/cleaned/labeled data (예 : to support unanticipated future uses)?
인스턴스 처리하는데 사용한 소프트웨어를 사용할 수 있습니까?
- Is the software used to preprocess/clean/label the instances available?

사용(Uses)

이미 이 데이터셋을 사용한 task가 있습니까?
- Has the dataset been used for any tasks already?
데이터셋을 사용하는 일부 또는 모든 문서 또는 시스템에 연결되는 저장소가 있습니까?
- Is there a repository that links to any or all papers or systems that use the dataset?
데이터셋은 어떤 (기타) 작업에 사용될 수 있습니까?
- What (other) tasks could the dataset be used for?
향후 사용에 영향을 미칠 수있는 데이터셋의 구성 또는 수집 및 처리 방식에 관한 사항이 있습니까?
- Is there anything about the composition of the dataset or the way it was collected and preprocessed/cleaned/labeled that might impact future uses?
데이터셋을 사용해서는 안되는 작업이 있습니까?
- Are there tasks for which the dataset should not be used?

배포(Distribution)

데이터셋을 생성한 엔티티 외의 외부의 제3자에게 데이터셋가 배포됩니까?
- Will the dataset be distributed to third parties outside of the entity (예 : company, institution, organization) on behalf of which the dataset was created?
데이터셋은 어떻게 배포되나요 (예 : API, GitHub)? 데이터셋에 디지털 개체 식별자 (DOI)가 있습니까?
- How will the dataset will be distributed (예 : tarball on website, API, GitHub)? Does the dataset have a digital object identifier (DOI)?
데이터셋은 언제 배포됩니까?
- When will the dataset be distributed?
데이터셋은 저작권 또는 기타 지적 재산권 (IP) 라이선스 또는 해당 사용 약관 (ToU)에 따라 배포됩니까?
- Will the dataset be distributed under a copyright or other intellectual property (IP) license, and/or under applicable terms of use (ToU)?
제3자가 인스턴스와 관련된 데이터에 IP 기반 또는 기타 제한을 부과했습니까?
- Have any third parties imposed IP-based or other restrictions on the data associated with the instances?
데이터셋 또는 개별 인스턴스는 수출 통제 또는 기타 규제 제한이 적용됩니까?
- Do any export controls or other regulatory restrictions apply to the dataset or to individual instances?

유지보수(Maintenance)

누가 데이터셋를 지원/호스팅/유지하고 있습니까?
- Who is supporting/hosting/maintaining the dataset?
데이터셋 소유자/큐레이터/관리자에게 연락하는 방법 (예 : 이메일 주소)?
- How can the owner/curator/manager of the dataset be contacted (예 : email address)?
정오표가 있습니까?
- Is there an erratum?
데이터셋은 업데이트 됩니까? (예 : 라벨 지정 오류 수정, 새 인스턴스 추가, 인스턴스 삭제)?
- Will the dataset be updated (예 : to correct labeling errors, add new instances, delete instances)?
데이터셋이 사람과 관련된 경우 인스턴스와 관련된 데이터 보존에 적용 가능한 제한이 있습니까 (예 : 문제의 개인이 자신의 데이터가 고정 된 기간 동안 보존 된 다음 삭제된다고 말했습니까)?
- If the dataset relates to people, are there applicable limits on the retention of the data associated with the instances (예 : were individuals in question told that their data would be retained for a fixed period of time and then deleted)?
이전 버전의 데이터셋이 계속 지원/호스팅/유지됩니까?
- Will older versions of the dataset continue to be supported/hosted/maintained?
다른 사람들이 데이터셋에 확장/증가/구축/기여하고 싶다면 그렇게 할 수있는 메커니즘이 있습니까?
- If others want to extend/augment/build on/contribute to the dataset, is there a mechanism for them to do so?

[HCI개론] 3장 유용성의 원리

2020-08-16T00:00:00+00:00

Human Computer Interaction 개론 (김진우 저) : 3장

- 최근 출시되는 디지털 제품은 어떤 부품으로 이루어져 있고 어떻게 작동하는지 알기 어렵다. 그 이유는 무엇일까?
- 어떤 의도를 가지고 만들었는지 명확하게 전달되는 제품이 있는 반면, 그 제작 의도가 의심스러운 제품도 있다. 왜 이런 차이가 있을까?
- 어떤 디지털 서비스는 사용자의 의도를 알기라도 한듯 사용자가 원하는 기능을 제공하는 반면, 어떤 디지털 서비스는 사용자가 필요로 하는 기능이 없는 경우가 있다. 왜 이런 차이가 발생할까?

1. 문제 공간과 디자인 공간

인지과학 분야에서는 문제 공간(problem space) 와 디자인 공간(design space) 이라는 개념으로 디지털 서비스의 유용한 사용, 현재의 문제점, 사용자의 니즈, 사용자의 만족 등을 정리한다.

1.1 문제 공간

무엇인가를 바라지만 아직 바라는 것이 이루어지지 않은 상태를 “문제” 라고 한다면, 원하는 것을 얻기 위해 하는 모든 행위를 “문제 해결 행위” 라고 할 수 있다.

이때 문제 공간 이란 사람이 초기 상태(initial state) 에서 목표 상태(goal state) 에 이르기까지의 과정에서 문제를 해결할 수 있는 모든 상태의 집합이다.

인간의 문제 해결 과정은 제한조건(path constraint) 내에서 조작자(operator) 를 사용해 초기 상태에서 목표 상태로 가기 위한 문제 공간을 탐색하는 과정이다.

위의 정의에서 알 수 있듯 문제에 대한 이해는 다음 네 가지 요소로 이루어져있다.

초기 상태 : 사람들이 디지털 제품이나 서비스를 사용하는 현재 상태는 어떤지
목표 상태 : 그런 제품이나 서비스를 이용해 도달하고자 하는 목표는 무엇인지
조작자 : 그런 상태에 도달하기 위해 사람들이 현재 사용할 수 있는 제품이나 서비스의 기능이나 정보는 무엇이 있는지
제한조건 : 그런 대안들을 사용하는 데 시스템이나 환경이 어떤 영향을 미치는지

인지과학 분야에서는 해당 문제에 대한 표상(problem representation) 을 구축하는 단계라고 한다.

결국 이 책의 분석 파트는 문제 공간을 파악하는 것을 목표로 한다.

초기 상태 : 사용자 분석
목표 상태 : 과업 분석
조작자 : 기술 분석
제한조건 : 맥락 분석

1.2 디자인 공간과 개념적 모형

디자인 공간 이란 사람들이 가지고 있는 문제를 해결해 줄 수 있는 모든 제품이나 서비스 대안의 집합이다.

디자인 공간을 이해 : 개념적 모형(conceptual model) 을 이용해 특정 제품이나 서비스가 사람들에게 어떤 의미를 가지는지 이해
- 즉 디자인 공간은 제품이나 서비스에 대해 사용자가 인식할 수 있는 모든 개념적 모형들로 이루어진 집합

일반적으로 모형(model) 은 특정 목적을 가지고 특정 제품이나 서비스가 어떻게 구성되어 있고 어떻게 작동하는지 추상화시킨 결과를 의미한다.

모형 : 특정 대상을 특정 목적에 따라 중요한 사항은 강조하고, 불필요한 사항은 무시해서 만든 해당 대상에 대한 표현물
모형을 만드는 이유 : 단순화, 명세가 정확할수록 단순하게 만들 수 있음

이런 모형에서도 시스템 사용자의 마음속에 그려지는 시스템에 대한 모형을 가리켜 심성모형(mental model) 이라 한다.

인간은 제한된 인지적 능력을 가지기에 복잡한 외부 환경을 효과적으로 이해하고 활용하기 위해서는 단순화된 심성모형을 구축해야하고, 그렇기에 적절한 심성모형을 구축하도록 하는 것은 유용한 상호작용을 하기 위해 중요한 전제조건이다.

2. 심성모형

HCI입장에서 심성모형은 특정 시스템의 기능이나 구조 또는 가치에 대해 사용자가 자신들의 머릿속에 가지고 있는 동적인 모형이라고 할 수 있다.

2.1 심성모형의 특징

사람에 따라 또는 보는 관점에 따라 비록 동일한 대상에 대해서도 상이
동적이다.
- 사람의 머릿속에서 가상으로 작동 가능
불완전하고 상충적일 수 있다.
- 세부적인 내용은 여전히 불완전하고 상호 모순될 수 있다.

2.2 심성모형의 역할

현상을 묘사 하기
- 기본적인 기능은 현재 상태를 자기 자신이나 다른 사람에 설명하는 것
- 한 번도 사용해보지 않은 시스템에 대해 설명할 때 유용
이유 설명 하기
- 시스템의 작동과 관련된 인과 관계를 설명할 수 있다는 것
- 시스템에 오류가 발생했을 때 그 이유를 진단하는 데 중요
미래 예측 하기
- 현재 상태에서 다음 상태의 변화 예측
- 시스템의 한 부분이 바뀐다면 그 변화가 시스템에 미치는 영향 예측

2.3 잘못된 심성모형의 부작용

선박 충돌 사고
아이폰의 전화 ‘거절’과 ‘응답’ 버튼 : 기존 피처폰과 반대
인터넷 사이트의 지도 서비스 : 마우스휠의 축소/확대 의미

3. 추상화 차원에 따른 심성모형 종류

3.1 구조모형

구조모형(structural model) 은 시스템이 구체적으로 어떤 세부 요소들로 구성되어 있는지 묘사하는 모형이다. 또는 대리모형(surrogate model) 이라고도 한다.

추상화의 정도가 낮고, 결과적으로 사실적
- 시스템의 물리적인 구조 수준까지 내려가서 모형화
시각적인 특성을 통해 공간에 대한 구체적인 모형을 만들 수 있음
- 조망모형(survey model) : 사람들이 특정 공간에 대해 가지는 구조모형 (ex. 스카이뷰)
특정한 정황에 매여 있는 것이 아니기에 다른 모형들로 확장 및 연결이 쉬움
자연스럽게 구출할 수 있는 모형이 아닌 별도의 노력이 필요한 모형
- 구축과정이 어려움
구축을 하는 것이 인지적 물질적 비용에 비해 더 많은 효과를 제공해 줄 수 있는지가 중요
정확한 구조모형을 구축한다는 것은 시스템을 구성하고 있는 구성 요소들에 대해 사용자가 자세하게 이해하고 있다는 것을 의미
- 정보의 분류체계와 구조가 이해하기 쉽고 기억하기 쉬워야 함

3.2 기능모형

기능모형(functional model) 은 시스템이 어떻게 구성되어 있는지에 대한 모형이다. 또는 작업행위모형(task-action model) 이라고 한다.

어떠한 작업을 수행하기 위해 해당 시스템이 어떤 행위를 하는지 묘사
사용하는 절차와 밀접하게 연관
과거의 해당 시스템을 사용했던 사용 맥락에 많은 영향을 받음
- 경로모형(route model) : 공간적인 기능모형 (ex. 노선도에 대한 이해)
별도의 주의를 기울이지 않아도 손쉽게 구축할 수 있는 모형
- 이미 구축된 모형이 제대로 작동하지 않을 때 새로운 지식을 만들어 내거나 기존의 지식과 새로 습득된 지식을 통합하는 과정이 어려움
사용자가 수행하고 싶은 작업과 관련해 시스템에 대한 알맞은 기능모형을 용이하게 구축하는가가 중요
- 기본적인 방법은 알맞은 매뉴얼 제공
- 하지만 메뉴얼을 모두 읽는 사용자는 드물다
- 이용 방식을 통해 기능모형이 자연스럽게 사용자에게 구축되도록 하는것이 중요

3.3 가치모형

가치모형(value model) 은 사용자가 시스템이 자신에게 어떠한 가치를 제공해줄 것이라 생각하는 심성모형으로, 구조모형이나 기능모형보다는 추상성이 더 높다.

디지털 제품이나 서비스에 대한 가치모형이 무엇인지에 따라 시장에서 경쟁자가 달라지고 시스템의 주요한 속성이 변경된다.

기본적으로 두 가지 차원에서 네 가지 가치를 들 수 있다.

기능적 가치 vs 유희적 가치
개인적 가치 vs 사회적 가치

기능적 가치

기능적 가치(functional value) 란 사용자가 실용적인 목적이나 필요를 가지고 있을 때 이를 달성하기 위한 도구로서 사용되는 가치를 의미한다.

일반적으로 기능적 가치를 충족시키기 위해서는 시스템의 경우 사용자가 가지고 있는 구체적인 목적들이 쉽고 편리하게 달성되도록 노력해야 한다.

유희적 가치

유희적 가치(hedonistic value) 란 제품이나 서비스의 소비를 통해 사람들이 느끼는 감성적인 만족 혹은 즐거움을 의미하다.

유희적 가치는 일반적으로 기쁨이나 즐거움, 만족감, 행복한 기분 등 긍정적인 감정을 수반하지만, 경우에 따라서는 공포나 흥분과 같은 부정적인 감성도 포함한다. 유희적 가치는 다른 어떤 목적을 위한 수단적 가치가 아니라 그 자체가 목적인 경우를 의미한다.

다분히 주관적이다
사람들의 호기심이나 관심을 유발해 흥미르 가지게 하는 것도 하나의 방법

개인적 가치

개인적 가치(personal value) 란 사용자 자신의 개성이나 특징을 부각시키고자 하는 가치를 의미한다.

점차 자신만의 특별한 욕구(개성 표출)를 충족시켜 줄 수 있는 제품이나 서비스를 원하고 있다. (커스텀 등)

사회적 가치

사회적 가치(social value) 란 사회적 규범이나 다른 사람들의 기대에 부합하는 가치이다.

사람은 사회적 존재로서 다른 사람들과의 관계나 사회적인 이미지를 고려해서 생기는 요구들이 많다. 즉 자기 자신을 위해서라기보다 자신이 속한 그룹이나 집단을 위해 도움이 되는 가치를 의미한다.

같은 맥락에서 시스템을 사용함으로써 자신이 속한 사회 집단의 행복에 도움이 된다든지, 다른 사람들과의 관계를 개선하는데 도움이 되는 경우를 시스템의 사회적 가치라고 할 수 있다.

부수적 가치

가치는 주관적이며 개인차가 존재하고, 그 개념이 포괄적이기 때문에 네 가지 가치가 모든 가치를 포함한다고 볼 수 없으며, 그 외의 보는 관점에 따른 가치를 부수적 가치 라고 한다.

금전적 가치(monetary value) : 제품이나 서비스를 사용하고 느끼는 효용에 대비해 이를 위해 들인 노력이나 지불한 비용과의 차이에서 오는 가치 (가성비)
정언적 가치(epistemic value) : 새로운 제품이나 서비스에 대해 호기심을 가지고 배우고자 하는 욕구를 충족시켜 주는 가치
조건적 가치(conditional value) : 사용자가 꼭 필요한 장소와 시간에 원하는 제품이나 서비스를 사용하고자 하는 욕구를 충족시켜 주는 가치
복합적 가치(complex value) : 디지털 제품이나 서비스가 꼭 한 가지 가치만을 사용자에게 제공하는 경우는 드물며, 보통 몇 개 이상의 가치를 동시에 제공하는 것

4. 보는 관점에 따른 심성모형

지금까지는 추상화의 차원에 따라 심성모형의 종류를 구분해 보았다면, 이번에는 누가 가지고 있는 심성모형이냐에 따라 구분하고자 한다.

graph LR A[개발자] --> |개발자모형|B[시스템 이미지] B -->|사용자모형| C[사용자]

개발자모형(designer model) : 시스템을 만든 사람이 마음속에 가지고 있는 시스템의 기능과 구조 및 가치에 대한 모형
시스템 이미지(system image) : 사용자 인터페이스로 구현된 물리적인 모형
사용자모형(user’s mental model) : 사용자가 사용자 인터페이스에 구현된 시스템 이미지를 보고 시스템이 어떤 구조로 이루어져 있고, 어떤 기능을 가지고 있고, 어떤 가치를 제공해 줄 수 있는지 이해하는 모형

5. 심성모형과 행위이론

위의 개발자 모형과 사용자 모형은 상이할 수 있다. 그 이유는 사용자와 시스템 간에 놓여 있는 두 개의 차이점 때문이다.

5.1 실행차와 평가차

실행차(gulf of execution) 은 사용자가 달성하고자 하는 목적과 시스템 이미지에 현재 나와 있는 기능 또는 정보 간의 차이점을 의미한다.

평가차(gulf of evaluation) 은 기능을 실행한 결과와 사용자가 가지고 있던 원래 목적과의 차이점을 의미한다.

어떤 시스템을 사용하든지 간에 시스템 이미지와 심성모형 간에는 실행차와 평가차가 존재한다. 따라서 이를 연결하기 위한 고리가 필요하다.

행위 이론(activity theory) 는 총 7단계로 사람이 연결 다리를 만드는 과정을 설명하고 있다.

가장 중심에 있는 단계는 사용자가 특정 시스템을 이용해 추구하고자 하는 목적을 설정하는 단계라고 할 수 있다.

사용자가 목적을 설정하는 단계를 제외하면 행위이론의 7단계는 실행차를 줄이는 3단계 와 평가차를 줄이는 3단계 로 나눌 수 있다.

5.2 실행차를 줄이는 3단계

1단계 : 사용 ‘의도’ 를 구축
- 사용자의 실제 목적을 시스템에서 맞춘 의도로 가능한 쉽게 전환할 수 있어야 함
- 해당 시스템을 사용하는 사용자의 의도를 명확하게 파악하고 사용자가사용자가 관심 있을 만한 항목을 눈에 띄는 장소에, 적당한 시점에 제공할 수 있어야 함
2단계 : 어떤 절차를 걸쳐서 원하는 의도를 달성하려고 하는지에 대한 ‘행위’ 의 순서를 규정
- 사용자가 되도록 직관적으로 구체적인 행위의 순서를 생각할 수 있게 해야 함
- 해당 행위를 눈에 띄게 배치, 복잡한 여러 단계를 가능한 한 짦은 단계로 단축, 동일한 결과를 여러 방법으로 달성할 수 있게 설계하여 사용자가 융통성 있게 시스템을 사용하고 친숙하게 만들어야 함
3단계 : 앞에서 생각한 행위의 순서대로 실제로 물리적인 행동을 ‘실행’
- 사용자의 머릿속에 있는 일련의 행위 순서를 효율적으로 실행할 수 있도록 시스템을 설계
- 계회한 행위와 실제 사용하는 물리적 행위나 입력 장치를 가능한 일치
- 사용자에게 적절한 피드백
- 필요할 때 취소를 가능하게
- 기본값을 적절하게 설정해 불필요한 조작을 최소화

5.3 평가차를 줄이는 3단계

1단계 : 실행한 행동의 결과를 ‘지각’
- 시스템의 변화가 있음을 사용자가 쉽게 지각할 수 있게 정보를 표현해야함
- 신속한 하드웨어의 반응속도
- 즉각적이며 직관적인 피드백
2단계 : 사용자가 변환된 시스템의 상태를 ‘해석’
- 제공하는 정보가 보기 쉽고 이해하기 쉽게 제시되도록 정보를 설계하고 표현
- 정보구조의 체계화를 통해 복잡한 시스템의 상태도 단순하게 표시해 주는 것이 필요
3단계 : 해석된 결과를 사용자가 원래 가지고 있었던 의도와 비교 ‘평가’
- 현재 시스템의 상태를 사용자가 가지고 있는 의도와 비슷한 유형으로 표현

[HCI] Data Changes Everything : Challenges and Opportunities in Data Visualization Design Handoff 리뷰

2020-08-14T00:00:00+00:00

Data Visualization Process에서 생기는 여러가지 문제점

데이터 시각화 프로젝트 대규모팀이 시각화를 진행하며 생길 수 있는 문제점과 그 문제점에서 얻을 수 있는 여러 기회에 대한 리뷰 형식의 논문입니다.

전체적으로 데이터 시각화 분야에서 디자인과 개발의 프로세스에서 생기는 문제점들을 고려할 때, 읽어보면 좋은 논문인 것 같습니다.

IEEE VIS 2019 Best Papers 중 하나라 읽어봤는데, 상당히 흥미롭고 재미있네요.

Data Changes Everything : Challenges and Opportunities in Data Visualization Design Handoff

Abstract

복잡한 데이터 시각화 프로젝트에는 시각화 관련 스킬이 다른 여러 사람의 협업이 수반됩니다. 예를 들어 시각화 디자인을 담당하는 디자이너와 그 결과를 구현하는 개발자가 모두 포함됩니다.

우리는 데이터 특성화 도구(data characterization tools), 시각화 디자인 도구, 개발 플랫폼 등 디자이너와 개발자간의 시각화 협업에 있어 차이를 확인합니다.

그 과정에서 5개의 대규모 다분야 시각화 설계 프로제트에서의 관찰 및 반성을 통해 디자인 명세 및 핸드오프를 위한 6가지 데이터 시각화 챌린지를 보고합니다.

이러한 관찰을 기반으로 성공적이고 협업이 가능한 데이터 기반 설계의 프로토타이핑, 테스트 및 전달 등 향후 데이터 시각화 도구 개발에 있어 기회를 제시합니다.

Overview of Visualization Design Projects

Projects (프로젝트 종류와 링크)
- Energy Visualization for the Inter-American Development Bank (IDB)
- Energy Future
- Pipeline Incidents
- Energy Imports & Exports
- Pipeline Conditions
Design Team Roles
- characterize data
- create and understand data mapping
- visual design
- interaction design
- developed visualization prototypes
- engineered
- collaborate & communicate
Analysis and Synthesis Process

Visualization Design & Development

데이터 시각화의 절차는 크게 다음 단계를 거친다.

Project Conceptualization : 클라이언트 측에서 디자이너에게 비전과 목표를 제시하는 단계
Data Characterization : 데이터 탐색 및 분석, 추후 시각화 작업에 필요한 데이터 파악
Visualization Design : 데이터에 따른 디자인 작업
- 과정 내의 data mapping 과정은 초안을 일러스트레이트 툴로 만드는 과정을 의미
- 2가지 절차
  1. 시각화 컨셉을 만들고, 클라이언트 초기 승인
  2. 수정 및 추가 작업을 통한 최종 디자인과 문서화 (visualziation design documentation)
Visualization Development : 디자인 내용을 바탕으로 구현
Deployment and Use : 배포

Challenges when Designing with Data

C1. Adapting to Data Changes
- 시각화 개발은 데이터에 의존하기에 데이터가 업데이트되면 개발 단계 및 시각화 결과 등에서 여러 현상이 발생할 수 있다.
C2. Anticipating Edge Cases
- 디자이너는 모든 인터랙션의 조합들을 테스트하고 예측하기 어렵고, 그런 이유로 종종 에러가 발생할 수 있다.
C3. Understanding Technical Constraints
- 디자이너는 모든 개발적인 한계를 신경쓸 수 없다. 그렇기에 개발 단게에서 큰 개선이 필요한 경우가 생길 수 있다.
C4. Articulating Data-Dependent Interaction
- 데이터 의존적 상호작용의 명료화, 새로운 데이터 인터랙션을 추가할 때 정확한 표현을 하기 위해서 수 많은 여러 상태의 뷰를 만들며 시행착오가 있을 수 있으며 이 과정에서 extra cost가 발생하고 팀과 개발에 있어 소통이 어려울 수 있다.
C5. Communicating Data Mappings
- data mapping은 mockup에 비해 구현은 더 많은 디테일과 정확도를 필요로 한다. 하지만 design tool에서 data-mapping의 기능을 완전히 ‘잘’ 지원해주지 않는다.
C6. Preserving Data Mapping Integrity across Iterations
- 구현과 설계 문서를 체계적으로 비교하는 것은 어렵습니다. 그렇기에 개발 과정 또는 이후에 data mapping의 오용 또는 오해 등의 문제가 발생할 수 있습니다.

Discussion

위에서 말한 challenge들은 디자이너와 이를 구현하기 위한 개발자의 본질적인 연결을 위한 문제들입니다. 이 challenge를 통해 개인 및 협업 팁 모두를 위한 시각화 디자인 프로세스를 구체적으로 지원할 수 있는 연구 및 도구 생성을 위한 논의점을 제시합니다.

Data Characterization

C1 의 문제를 해결하기 위해 다음과 같은 부분을 논의할 수 있습니다.

데이터 의존 시각화의 견고성을 위한 명확한 프로세스가 필요합니다.
데이터 특성화 도구는 데이터의 변경사항이 시각화 디자인에 미치는 영향을 이해시켜 디자이너를 돕는다.
이를 위해 데이터 열의 이름, 극값 및 통계 분포의 변경 사항을 강조 표시, 현재 분포를 기반으로 변경되는 상황을 시뮬레이트 하는 등의 내용을 포함할 수 있습니다.
최근 Orange나 DataTours 등의 도구의 이상값 감지 및 데이터 마이닝 프로파일링 등의 반자동 방식의 접근법은 이에 대한 좋은 시도입니다.
서로 다른 데이터셋의 분포를 빠르게 비교하기 위한 시각적 도구는 디자이너가 통계에 의존하지 않고 문제가 있는 변경 사항을 보다 쉽게 감지하는데 도움이 될 수 있습니다.

Design Phase

Data-Driven Visualization Ideation
- 우리가 경험한 다수의 문제는 데이터 기반 시각화의 구상과 관련되어 있습니다.
- Adobe Illustrator 등 수동적인 벡터 기반 그래픽 디자인 툴은 복잡한 데이터 기반 뷰 생성을 한정적으로 지원하고,
- Tableau 또는 RAWGraphs 등의 시각화 탐색 및 생성도구는 한정적으로 커스텀 시각화 및 인터랙션을 지원합니다.
- 하지만 최근의 Data Illustrator, Data Ink, Data-Driven Guides와 같은 도구는 표현력있는 데이터 중심 그래픽 디자인 도구의 잠재력을 강조합니다.
- 직접적이고 동적이고 표현적인 도구는 C1 문제에 다양한 설계 대안을 빠르게 탐색 가능
- 빠른 탐색으로 C2. C4 도 빠르게 발견
- 이를 위해 Hanpuku와 같은 도구는 Adobe Illustrator의 그래픽 디자인 표현력과 D3의 데이터 기반 프로토타이핑 기능을 연결하는 방법을 탐색했으나 아직 부족합니다.
Data-Driven Interaction Prototyping
- 시각화 디자인 내에서 데이터 기반 상호작용을 프로토타이핑하는 것은 상호작용 옵션의 확장성과 이해도를 높이며 개발자에게 전달하는데 중요합니다. (C4)
- 그러나 현재는 레이아웃, 모양 등 데이터에 의해 좌우되는 시각화 인터랙션을 정적으로 간단하게 프로토타입을 만들며 표현력이 부족한 부분이 많습니다.
Data Mapping Documentation
- 설계 의도를 전달하고, 이를 문서화하는 작업은 개발 및 소통에 있어 유용합니다.
- 필요한 모든 변환, 계산 및 알고리즘 등의 세부 사항을 사용하여 데이터 구조와 그래픽 표현 간의 관계에 대한 명시적 커뮤니케이션을 지원합니다. (C5)
- 다음과 같은 연구들이 시도되고 있습니다. (다 읽어볼려고 논문 제목까지 긁어왔습니다.)
  - 시각화 문법
    - Vega-Lite: A Grammar of Interactive Graphics
    - Polaris: A system for query analysis and visualization of multi-dimensional relational databases
    - Thought: A Trail Map for the 21st Century
  - 시각화 파이프라인
    - Lark: Coordinating Colocated Collaboration with Information Visualization
  - 시각화 데이터 매핑 해체 및 수정
    - Deconstructing and Restyling D3 Visualizations
Data Visualization Design Documentation
- 데이터 매핑은 시각화의 기본이지만 디자인의 일부분입니다. 레이아웃, 타이포그래피, 색상 등과 상호작용을 위해서는 더 큰 디자인 문서가 필요합니다.
- Bret Victor가 대중화한 형식은 데이터 분석 실무에서 점점 더 많이 사용되고 있으며, Observable, litvis, Idyll 둥의 툴은 이런 시각화 디자인 문서화를 제공할 수 있습니다.
- 주석 도구도 중요한 역할을 하며 cLuster, D.Note, SketchComm, SILK 등이 이를 위한 기능을 제공합니다. ChartAccent와 같은 시각화 관련 주석 라이브러리도 있습니다.

Development Phase

C6 에서 강조한 바와 같이 구현된 시각화를 설계 문서에 대해 테스트하는 사람은 누구나 설계와 구현 간의 불일치를 식별할 수 있어야합니다.

가장 중요한 불일치는 데이터 매핑(C5)입니다. 시각화 간의 차이와 시각적 비교를 지원하는 다음과 같은 도구가 유용할 수있습니다.

Considerations for Visualizing Comparison
Visual comparison for information visualization

최종 상호작용을 시뮬레이션하는 작업과 프로토타입은 이러한 문제를 일부 완화할 수 있으나 이는 디자인팀과 설계팀이 C3 와 같은 기술적 제약에 대한 논의가 미리 이루어진 경우에 가능합니다.