AIFrenz 참여 연구자들의 최신 연구결과를 소개합니다. (2)

연구 #1: Process-aware and high-fidelity microstructure generation using stable diffusion

등록 저자: Ho Won Lee (Director/Principal Researcher at Korea Institute of Materials Science)
공동 저자: Hoang Cuong Phan and Minh Tien Tran and Chihun Lee and Hoheok Kim and Sehyok Oh and Dong-Kyu Kim and Ho Won Lee

  1. 가상의 활용 시나리오
    한 중소 규모의 자동차 부품 제조업체에서는 고온 및 고압 환경에서 사용되는 부품의 재료 특성을 미세구조 단계에서 최적화하고자 합니다. 이 업체는 기존에 보유한 제한된 미세구조 이미지와 공정 조건 데이터를 활용하여, 본 연구에서 제시한 프로세스 인식 생성모델을 도입합니다. 이를 통해 온도, 시간, 확대 배율과 같은 공정 변수에 따른 세밀한 미세구조 이미지를 생성하고, 이 데이터를 기반으로 부품의 재료 설계 및 내구성 예측에 활용합니다. 결과적으로, 제조 공정의 효율성을 높이고 제품의 품질 안정성을 확보하는 데 기여할 수 있습니다.
  2. 연구내용 요약
    이 논문은 미세구조 이미지와 공정 조건 간의 관계를 이해하고, 이를 바탕으로 현실적인 미세구조 이미지를 생성하는 방법을 제시합니다. 연구진은 최신 텍스트-이미지 확산 모델인 Stable Diffusion 3.5 Large를 활용하여, 온도, 시간, 확대 배율 같은 연속형 공정 변수들을 숫자 인식 임베딩으로 모델에 통합했습니다. 이를 통해 제한된 학습 데이터 환경에서도 특정 공정 조건에 맞는 미세구조 이미지를 효율적으로 생성할 수 있습니다. 또한, DreamBooth와 LoRA 기법을 활용해 모델의 일부 가중치만 미세조정함으로써 계산 자원의 부담을 줄였으며, U-Net 기반의 세그멘테이션 네트워크를 이용해 생성된 이미지의 현실성을 정량적으로 검증하여 높은 정확도와 일치도를 입증했습니다.
  3. 미래 활용 방안
    추후 이 기술은 재료 설계 및 제조 공정 최적화에 널리 적용될 수 있습니다. 예를 들어, 다양한 공정 조건 하에서 신소재 개발의 초기 단계에서 미세구조 이미지를 신속하게 생성해 재료 특성을 예측할 수 있으며, 디지털 트윈과 연계해 실시간 공정 제어 및 품질 관리를 가능하게 할 수 있습니다. 또한, 데이터가 제한된 분야에서도 모델의 미세조정을 통해 다양한 응용 분야—예를 들어, 의료용 임플란트, 반도체 소재, 에너지 저장 장치 등—에 맞춤형 솔루션을 제공할 수 있을 것으로 기대됩니다.

연구 #2: Comparison of Empirical and Deep Learning Models for Solar Wind Speed Prediction

등록 저자: 문용재 Yong-Jae Moon (Kyung Hee University)
공동 저자: Seungwoo Ahn and Jihyeon Son and Yong-Jae Moon and Hyun-Jin Jeong

  1. 가상의 활용 시나리오
    우리는 이 연구의 결과물을 기상청과 우주기상 연구소가 협력해, 지구 전역의 인프라와 통신 시스템을 보호하기 위한 실시간 우주 날씨 예보 시스템에 적용하는 시나리오를 상상할 수 있습니다. 예를 들어, 인공지능 기반의 예측 모델은 태양풍 속도를 3일 앞서 예측하여 위성 운영자들이 위험 신호를 사전에 감지하고, 필요 시 인공위성의 자세 조정이나 안전 모드 전환 등의 조치를 취할 수 있도록 도움을 주게 됩니다. 또한, 전력망 운영기관이나 항공사 등도 이 정보를 활용해 잠재적인 태양 폭풍에 따른 영향에 대응하는 계획을 수립할 수 있습니다.
  2. 연구내용 요약
    본 연구에서는 1 au에서의 태양풍 속도를 예측하기 위해 대표적인 경험적 모델들과 심층학습(deep learning) 모델을 비교했습니다. 경험적 모델로는 자기유체역학 모델과 경험적 방법을 결합한 Wang–Sheeley–Arge–ENLIL 모델 및 코로나 구멍 면적과 태양풍 속도의 관계를 이용한 모델이 포함되며, 심층학습 모델은 극자외선 이미지와 예측 전 5일간의 태양풍 데이터를 사용하여 최대 3일 앞선 예측을 시도합니다. 2012년부터 2020년까지 10월에서 12월의 테스트 기간 동안, 연구진은 통계적 방법과 사건 기반의 평가방법을 동원하여 두 모델의 성능을 면밀하게 검증하였으며, 그 결과 심층학습 모델이 더 우수한 예측 능력을 보이는 것으로 나타났습니다.
  3. 미래 활용 방안
    이 연구에서 제시된 심층학습 기반 태양풍 예측 모델은 향후 우주 기상 예측 시스템에 필수적으로 도입될 수 있으며, 인공지능 기술과 결합된 정밀 예측 도구로 발전할 가능성이 큽니다. 향후 연구에서는 더 다양한 데이터 소스와 실시간 모니터링 기술을 결합해 예측 정확도를 더욱 향상시키고, 이를 통해 위성 통신, 전력망 안정성, 우주선 안전 운항 등 다양한 산업 분야에서 발생할 수 있는 우주 날씨 관련 위험을 미리 감지하고 대응하는 데 큰 도움이 될 수 있을 것입니다.

연구 #3: An Inquiry into Datacenter TCO for LLM Inference with FP8

등록 저자: Dongsoo Lee (NAVER Cloud)
공동 저자: Jiwoo Kim and Joonhyung Lee and Gunho Park and Byeongwook Kim and Se Jung Kwon and Dongsoo Lee and Youngjoo Lee

  1. 가상의 활용 시나리오
    한 클라우드 서비스 제공업체가 인공지능 모델을 운영하기 위해 데이터센터 내 AI 가속기를 선택하는 상황을 상상해봅니다. 이 업체는 Gaudi 2와 NVIDIA H100 두 종류의 가속기를 둘러보고, 각 가속기의 전력 소비, 냉각 비용, 성능 특성 등을 바탕으로 총 소유 비용(TCO)을 최적화하려고 합니다. 예를 들어, FP8 정밀도 기법을 적용해 LLM(대규모 언어 모델) 추론 작업의 처리 속도를 개선하면서 에너지 효율을 높이고, 이로 인해 비용 절감 효과를 기대하는 식입니다. 이러한 분석과 선택은 실질적인 운영비 절감은 물론, 데이터센터의 장기적인 경쟁력 강화에 큰 도움이 될 것입니다.
  2. 연구내용 요약
    이 연구는 대규모 언어 모델(LLM) 추론 작업이 클라우드 데이터센터에서 발생시키는 높은 전력 소비와 이로 인한 총 소유 비용(TCO)을 어떻게 최적화할 수 있는지 분석합니다. Gaudi 2와 NVIDIA H100 같은 대표적 AI 가속기를 비교하며, FP8 정밀도 기법과 LLM 추론 시의 특성(특히 decode 단계에서의 얇은 GEMM 연산)이 비용 효율성에 미치는 영향을 중점적으로 살펴봅니다. 연구진은 다양한 운용 환경에서 각 가속기의 성능과 전력 소비 등을 고려하여, 더 합리적이고 비용 효율적인 선택을 할 수 있는 일반화 가능한 분석 프레임워크를 제시합니다.
  3. 미래 활용 방안
    앞으로 클라우드 서비스 제공업체와 데이터센터 운영자는 본 연구의 분석 프레임워크를 활용해, 비용과 에너지 효율 면에서 최적의 AI 가속기를 선택할 수 있습니다. 특히, FP8과 같은 정밀도 기법을 도입하여 LLM 추론의 처리 속도를 높이면서 에너지 소비를 줄이는 전략은 향후 하드웨어 설계 및 운영 정책에 중요한 참고자료가 될 것입니다. 또한, 이 분석은 차세대 AI 가속기 개발 및 데이터센터 인프라 최적화에 기여하며, 고효율의 맞춤형 솔루션을 구현하는 방향으로 발전할 가능성이 큽니다.

제1저자 Spotlight: Jiwoo Kim

이 연구에서는 저희 연구팀에서 대형 인공지능 모델(LLM)을 경량화하고, 일반적인 하드웨어에서도 효율적으로 실행할 수 있도록 GPU와 같은 기기에서의 연산 부담을 줄이기 위한 방안으로, 가중치만을 양자화하여 미리 계산된 값을 검색하는 룩업 테이블(LUT)을 기반으로 한 새로운 가속기 구조인 FIGLUT를 제안하였습니다. 이 방법은 복잡한 산술연산 대신 미리 준비된 결과값을 빠르게 찾아내어 계산 속도를 크게 개선하는 효과가 있으며, 예를 들어 사용자가 스마트폰이나 개인용 컴퓨터에서 인공지능 서비스를 사용할 때 보다 빠른 응답을 경험할 수 있도록 도와줄 수 있습니다.
출처: (LUT 기반 가속기, 3-bit 가중치) https://ieeexplore.ieee.org/abstract/document/10946729/

이 연구에서는 또한 최신 AI 가속기에서 도입되고 있는 8-bit 부동소수점(FP8) 연산 방식을 심도 있게 분석하였습니다. FP8은 기존의 16-bit 방식보다 연산 효율성이 높아, 데이터 센터와 같이 대규모 인공지능 추론 작업이 요구되는 환경에서 전력 효율과 처리 속도 면에서 큰 장점을 보여주고 있습니다. 저희 연구는 NVIDIA H100과 Intel Gaudi 2와 같은 하드웨어에서 FP8 방식이 어떻게 적용되고, 실제로 어떤 효과를 내는지에 대해 상세히 검토하여, 일상 생활에서는 클라우드 기반의 AI 서비스나 스마트 기기에서 전력 절감 및 빠른 연산 처리를 통해 보다 효율적으로 인공지능 기술을 활용할 수 있는 기반을 마련하는 데 기여할 수 있음을 보여주고 있습니다.
출처: (FP8 분석, NVIDIA H100, Intel Gaudi 2) https://arxiv.org/abs/2502.01070


연구 #4: Design and experimental thermal validation of the mini-channel beam dump for FRIB

등록 저자: Geunhyeong Lee (Facility for Rare Isotope Beams)
공동 저자: J Song and N Bultman and T Kanemura and G Lee and S Miller and M Patil and R Quispe-Abad and M Reaume and J Wei

  1. 가상의 활용 시나리오
    한 국립 핵물리 실험실에서 FRIB과 같은 고에너지 빔을 이용하는 시설이 운영되고 있다고 상상해봅니다. 이 시설에서는 다양한 희귀 동위원소를 생성하기 위해 강력한 입자 빔을 사용하며, 사용 후 남는 주 빔을 안전하게 흡수할 필요가 있습니다. MCBD 기술이 도입되어, 빔의 에너지를 넓은 면적에 분산시키고 열을 효과적으로 제거함으로써 작업자의 안전과 기계의 안정적 운용을 보장합니다. 더 나아가, 이 기술은 의료용 양성자 치료기나 첨단 반도체 제조 공정에서 발생하는 고에너지 잔류 빔 관리에도 응용될 수 있습니다.
  2. 연구내용 요약
    이 논문은 FRIB라는 최첨단 핵물리 실험 시설에서 활용되는 미니채널 빔 덤프(MCBD) 시스템에 대해 설명합니다. 이 시스템은 탄소 섬유로 구성된 타겟에 주 빔을 충돌시켜 생성된 희귀 동위원소 빔을 생산하는 과정 후, 남은 주 빔의 열을 효과적으로 흡수하기 위해 개발되었습니다. MCBD는 알루미늄-구리 합금으로 제작된 이종 금속 구조를 사용하며, 60도 각도로 배치되어 열 집중도를 10배 낮추는 특징이 있습니다. 또한, 높은 열전도성을 가진 구리 흡수체와 알루미늄 냉각 채널을 결합해 열 방출을 최적화하였고, 실험과 ANSYS 시뮬레이션 결과 간의 5% 이내 오차로 성능이 검증되었습니다.
  3. 미래 활용 방안
    MCBD 시스템의 설계와 성능은 단순히 FRIB에 국한되지 않고 다양한 고출력 빔 응용 분야에 확장될 수 있습니다. 향후 고에너지 물리 실험 시설, 방사선 치료 장치, 또는 우주 탐사 및 첨단 산업 공정 등에서 열 관리와 안전성이 중요한 빔 덤프 시스템으로 적용될 수 있습니다. 또한, 현재의 재료와 구조를 바탕으로 더 높은 전력의 빔을 처리할 수 있도록 설계 최적화 및 신소재 개발을 통해 다양한 산업 분야에서 활용할 방안이 모색될 수 있습니다.


연구 #5: Seeking Harmony in a Beautiful Mess: Designing for Romantic Relationship Navigation of ADHD-Neurotypical Couples

등록 저자: Hwajung Hong (Associate Professor, KAIST)
공동 저자: Jong-ok Hong and Dasom Choi and Hwajung Hong

  1. 가상의 활용 시나리오
    한 대학 커플 상담 센터에서는 ADHD를 가진 파트너와 신경전형적인 파트너가 함께 참여하는 워크숍을 열어, 서로의 차이를 이해하고 효과적으로 소통하는 방법을 배우도록 돕습니다. 이 워크숍은 본 논문의 연구 결과를 바탕으로, 참가자들이 각자의 강점을 살리고 의사소통과 감정 조절에 관한 실질적인 팁을 공유하며, 실제 생활에서 서로의 독특한 특성을 존중하고 수용하는 법을 익힐 수 있도록 기획됩니다.
  2. 연구내용 요약
    본 연구는 ADHD를 가진 파트너와 신경전형적인 파트너가 로맨틱한 관계 속에서 어떻게 서로의 차이를 극복하고 적응해 나가는지를 탐구합니다. 연구팀은 10명의 참가자와 진행된 반구조화 인터뷰를 통해 커뮤니케이션, 감정 조절, 갈등 해결 등에서 나타나는 문제점과 동시에 ADHD를 가진 파트너가 관계에 기여하는 긍정적 측면을 밝혀냈습니다. 일반인도 이해할 수 있도록 말하자면, 이 연구는 두 사람이 서로 다른 인지 스타일과 감정 처리 방식을 가지고 있을 때, 이를 단순히 비판하거나 수정하기보다 서로 협력하고 보완하면서 더 건강한 관계를 만들어가는 방법을 보여주고 있습니다.
  3. 미래 활용 방안
    연구 결과는 부부나 커플 상담, 심리치료 프로그램에서 실질적인 지침으로 활용될 수 있습니다. 미래에는 이 연구를 바탕으로 ADHD와 신경전형적인 파트너 간의 상호작용에 특화된 커뮤니케이션 및 갈등 해결 워크숍, 온라인 교육 콘텐츠, 그리고 맞춤형 상담 프로그램이 개발될 수 있으며, 이를 통해 다양한 신경다양성을 가진 사람들이 건강한 관계를 형성하는 데 도움을 줄 수 있을 것입니다.

제1저자 Spotlight: Jong-ok Hong

이 연구에서는 온라인 대화에서 사람들이 감정을 어떻게 표현하고 이해하는지를 조사하였습니다. 저희 연구팀은 문자 메시지와 SNS 등 텍스트 기반 의사소통에서 한국어 특유의 감정 표현 방법인 ‘ㅋ’, ‘ㅎ’, ‘ㅠ’와 같은 이모티콘을 활용하여, 이모티콘의 종류와 개수가 실제 감정 인식에 어떠한 영향을 미치는지를 분석하였습니다. 이를 위해 온라인 설문조사와 심층 인터뷰를 진행함으로써, 이모티콘이 상황에 따라 긍정적 감정을 강화하거나 부정적 감정을 완화하는 역할을 한다는 중요한 결과를 얻었습니다. 이러한 연구 결과는 일상생활에서 문자 메시지를 주고받을 때 자신의 감정을 보다 명확하게 표현하고, 상대방의 메시지에 담긴 감정을 더 잘 이해하는 기반이 될 수 있으므로, 서로 다른 문화권 간의 소통에서도 오해를 줄이는 데 큰 도움이 될 것으로 기대됩니다.

출처
(한국어 이모티콘, 감정표현) https://dl.acm.org/doi/abs/10.1145/3500868.3559463


연구 #6: From Impulsive Investment to Mindful Decisions: Exploring Design Opportunities of AI-Mediated Interventions for Emotionally Biased Investors

등록 저자: Hwajung Hong (Associate Professor, KAIST)
공동 저자: Sooyohn Nam and Yeohyun Jung and Hwajung Hong

  1. 가상의 활용 시나리오
    한 투자자가 휴대폰으로 언제든지 주식시장에 접근할 수 있는 앱을 사용하고 있다고 상상해 보세요. 이 앱은 사용자가 매매 결정을 내릴 때 발생하는 불안, 과신, 충동 등의 감정 변동을 실시간으로 감지합니다. 예를 들어, 투자자가 갑작스런 시장 소식에 급하게 매수를 하려 할 때, 인공지능이 “지금의 결정이 감정에 치우친 것은 아닌지 한 번 돌아보세요”라는 식의 객관적 데이터를 제공하며, 과거 거래 내역과 비교 분석 결과도 함께 보여줍니다. 이는 투자자가 자신의 행동 패턴을 인식하고 보다 차분하게 결정을 내릴 수 있도록 돕는 역할을 합니다.
  2. 연구내용 요약
    이 논문은 모바일 투자 애플리케이션이 제공하는 실시간 시장 데이터와 뉴스 업데이트가 투자자의 감정 기반 거래를 어떻게 강화하는지를 살펴봅니다. 연구진은 13명의 투자자를 대상으로 인터뷰를 진행하면서 투자 과정 속에 나타나는 불안, 과신, 즉각적 보상 추구 등 다양한 감정이 어떻게 투자 행동에 영향을 미치는지를 분석했습니다. 참가자들은 때때로 충동적인 결정에 빠지지만, 객관적인 데이터와 자율성을 보존하는 실시간 지원을 선호하는 것으로 나타났습니다. 이 연구는 인공지능을 활용한 감정 인식 및 개입 기능이 투자자가 자신의 감정 편향을 인지하고 장기적으로 개선할 수 있는 디자인 기회를 제공할 수 있음을 시사합니다.
  3. 미래 활용 방안
    연구 결과를 바탕으로 향후 모바일 투자 애플리케이션에 인공지능 기반의 감정 인식 및 개입 기능을 도입할 수 있습니다. 구체적으로는, 사용자가 감정적으로 과열된 순간에 객관적인 데이터와 비교 분석 정보를 제공하여 충동적인 거래를 예방할 수 있는 도구를 개발할 수 있습니다. 또한, 투자 이력과 감정 패턴을 분석한 맞춤형 피드백 시스템을 구축하여 사용자 스스로 장기적 투자 전략을 개선하도록 지원하는 방향이 유망합니다. 이러한 기능은 투자자의 자율성을 존중하면서도, 보다 체계적이고 안정적인 투자 결정을 돕는 역할을 할 수 있을 것입니다.

제1저자 Spotlight: Sooyohn Nam

이 연구에서는 저희 연구팀이 대학교 AI 프로그래밍 강좌에 적용할 수 있는 가상 교육 보조 도구(VTA)를 개발하여, 최신 인공지능 모델을 이용해 학생들에게 신속하게 피드백을 제공하고 여러 차례의 상호작용을 지원하는 방식을 탐구하였습니다. 이 연구에서는 VTA를 실제 강의에 도입하여 477명의 대학원생을 대상으로 체계적인 설문조사를 실시하고, 학생과 VTA 간의 3,869건의 상호작용 데이터를 분석함으로써, 기존의 교수와 학생 간 소통과 비교해 그 효과와 문제점을 평가하였습니다. 이를 통해 첨단 인공지능 기술이 교육 현장에서 어떤 방식으로 적용될 수 있는지, 그리고 학생들의 학습 경험을 실질적으로 향상시킬 수 있는지에 대해 검토하였습니다. 일반인들도 쉽게 머릿속에 그려볼 수 있듯이, 마치 스마트폰의 내비게이션 앱이 길 안내를 해주듯, VTA도 학생들이 학습 중에 즉각적인 도움을 받을 수 있도록 돕는 역할을 하여, 교육 분야에 새로운 가능성을 제시할 수 있다고 생각됩니다.

출처: (AI 기반 가상 교육 보조 도구) https://arxiv.org/abs/2506.17363


연구 #7: Beyond the Scroll: Exploring the Design Space of Balanced Short-form Video Consumption through Everyday User Experiences

등록 저자: Hwajung Hong (Associate Professor, KAIST)
공동 저자: Yeohyun Jung and Suyeon Seo and Hwajung Hong

  1. 가상의 활용 시나리오
    예를 들어, 디지털 웰빙 애플리케이션이나 스마트폰 내 건강 관리 서비스에서 사용자가 짧은 동영상 소비를 관리할 수 있도록 돕는 기능을 도입할 수 있습니다. 이 서비스는 사용자가 휴식 시간이나 정신적 피로 시에 자연스럽게 짧은 동영상을 통해 잠깐의 위안을 얻는 모습을 반영하여, 과도한 소비를 방지하고 사용자가 스스로 시청 패턴을 인지할 수 있는 알림이나 기록 기능을 제공할 수 있습니다. 또한, 맞춤형 콘텐츠 추천 시스템에 연구 결과를 반영해 사용자의 현재 심리 상태와 피로도를 고려한 적절한 동영상 길이와 내용을 제공하는 방식으로 활용될 수 있습니다.
  2. 연구내용 요약
    본 연구는 유튜브 쇼츠와 같은 짧은 동영상 플랫폼에서 사용자들이 일상 속에서 이러한 콘텐츠를 어떻게 접하고 있으며, 그로 인해 심리적, 인지적, 정서적 부작용이 발생하는지를 질적 방법으로 탐구하였습니다. 4일간의 다이어리 연구를 통해, 이용자들이 짧은 휴식이나 정신 피로 시에 자연스럽게 동영상을 시청하며 순간적인 즐거움과 정보 습득을 경험하는 동시에, 의식 없이 소비하다 후회와 자기비난을 느끼게 되는 모습을 밝혀냈습니다.
  3. 미래 활용 방안
    연구 결과를 바탕으로, 서비스 개발자나 UX 디자이너들은 사용자들이 짧은 동영상 소비를 더 건강하게 즐길 수 있도록 인터벤션 디자인에 적용할 수 있습니다. 예를 들어, 사용자가 일정 시간 이상 비활성 상태로 시청한 경우 자동으로 휴식 권유 메시지를 표시하거나, 시청 패턴을 실시간으로 분석해 과도한 소비를 예방하는 피드백 시스템을 도입할 수 있습니다. 또한, 교육기관이나 정책 입안자들이 디지털 미디어의 긍정적 활용과 부작용 관리에 대한 가이드라인을 마련하는 데에도 이 연구의 인사이트가 활용될 수 있습니다.
  4. 추가 의견
    이 연구는 짧은 동영상 소비라는 비교적 새로운 미디어 사용 패턴에 대한 귀중한 통찰을 제공하지만, 참여자 수가 제한되어 있거나 특정 사용 환경에 국한되었다는 한계가 있습니다. 향후 연구에서는 보다 다양한 연령대와 문화권의 사용자를 대상으로 장기적 효과와 사용자별 맞춤형 전략 개발이 필요할 것으로 보입니다. 또한, 기술 발전에 따라 인공지능을 활용한 실시간 사용자 감정 및 피로도 분석이 접목된다면, 보다 정교하고 개인화된 웰빙 관리 솔루션이 기대됩니다.

제1저자 Spotlight: Yeohyun Jung

이 연구에서는 저희 연구팀이 개인의 일상적인 행동과 감정을 이해할 수 있도록 돕는 기술, 이른바 ‘개인 정보학’의 한계를 보완하고자 하였습니다. 기존의 개인 정보학은 스스로 자신의 건강이나 습관을 확인할 수 있도록 해주지만, 무의식적으로 나타나는 스트레스 반응이나 습관, 대인 관계에서의 소통 방식 등은 충분히 포착하지 못하는 경우가 많았습니다. 이에 저희는 두 사람이 서로의 행동을 관찰하고 피드백을 주고받는 ‘상호 추적’ 방식을 도입하여, 각 개인이 자신의 맹점을 발견하고 자기 인식을 넓힐 수 있도록 하였습니다. 연구 결과, 이런 상호 피드백 방식은 일상생활 속에서 서로를 돕고 긍정적인 관계 형성에도 기여할 수 있음이 확인되었습니다. 예를 들어, 친구 또는 가족 간에 서로의 생활 패턴이나 스트레스 신호를 살피고 조언을 주고받는 것은 건강한 대인 관계와 자기관리 개선에 큰 도움이 될 수 있습니다.

출처:
(Peerspective 연구) https://dl.acm.org/doi/abs/10.1145/3706598.3713404


연구 #8: Thinking Outside the Data Box: Investigating the Potential of Data Manipulation for Self-Reflection on Personal Data

등록 저자: Hwajung Hong (Associate Professor, KAIST)
공동 저자: Yeohyun Jung and Kwangyoung Lee and Hwajung Hong

  1. 가상의 활용 시나리오
    한 회사에서 건강 증진 프로그램을 기획할 때, 직원들이 자신의 생활 패턴과 건강 데이터를 스스로 분석할 수 있도록 돕기 위해 이 연구에서 제시한 데이터 조작 기법을 도입한다고 상상해 봅니다. 예를 들어, 직원들이 평소에 수집하는 운동량, 수면 시간 등의 데이터를 단순히 그래프로 보는 것이 아니라 데이터 값을 변형하거나 구조를 다르게 재구성하여 새로운 관점에서 자신의 생활 습관을 되돌아볼 수 있도록 합니다. 이를 통해 직원들은 반복되는 통계치에 머무르지 않고, 평소 간과했던 자신의 행동 패턴이나 건강 관련 긍정적 측면을 인식하며, 궁극적으로 행동 변화와 자기 관리의 동기가 강화될 수 있습니다.
  2. 연구내용 요약
    이 논문은 자가 계측(personal informatics) 환경에서 단순히 데이터를 재표현하는 것을 넘어서, 데이터를 직접 조작하는 방식이 자기 성찰과 행동 변화에 어떠한 긍정적 영향을 미칠 수 있는지를 탐구합니다. 연구진은 10명의 자가 계측 참여자를 대상으로 워크숍과 1주일 간의 현장 실험을 진행했으며, 데이터 조작 기법 다섯 가지를 적용하여 참여자들이 자신들의 데이터를 다양한 관점에서 다시 바라보고, 숨겨진 인사이트를 얻도록 도왔습니다. 그 결과, 이러한 데이터 조작은 참여자들의 자기 성찰을 활성화하고, 평소 놓치기 쉬운 긍정적 감정과 자기 인식의 개선에 기여함을 보여주었습니다.
  3. 미래 활용 방안
    앞으로 이러한 데이터 조작 기술은 개인 건강 관리, 웰빙 앱 디자인, 심리 상담 도구 등 여러 분야에서 활용될 수 있습니다. 예를 들어, 건강 관련 앱은 사용자가 자신의 데이터를 단순히 보기만 하는 것이 아니라, 데이터의 구조나 값을 직접 조작하여 새로운 인사이트를 얻도록 지원할 수 있습니다. 또한, 심리 치료나 코칭 분야에서도 개인이 자신의 행동 패턴이나 감정을 재해석할 수 있는 도구로 적용되어, 자기 인식과 긍정적 변화를 촉진하는 데 기여할 가능성이 큽니다. 더 나아가, 데이터 시각화와 인터랙티브한 분석 도구 개발에 있어서도 본 연구의 결과를 반영한 새로운 접근 방식이 도입될 수 있을 것입니다.

제1저자 Spotlight: Yeohyun Jung

이 연구에서는 개인의 일상에서 자신에 대해 더 깊이 이해할 수 있도록 돕기 위해, 단순히 자신의 데이터를 모으는 것을 넘어서 서로가 서로를 관찰하며 피드백을 주고받는 상호 추적 방법을 제시하였습니다. 저희 연구팀은 이러한 상호 추적(reciprocal tracking) 방식을 통해, 스트레스 반응이나 습관적인 행동, 그리고 대화 스타일과 같이 평소에 의식하지 못하는 행동들을 서로 공유하고 개선할 수 있는 가능성을 모색하였습니다. 이 접근법은 일반인들도 주변 사람들과의 관계 속에서 서로의 강점과 개선할 점을 발견하며 보다 건강한 소통을 하는 데 도움을 줄 수 있습니다. 예를 들어, 친구나 가족 간에 일상의 작은 습관들을 서로 관찰하고 의견을 주고받음으로써, 개인의 인식의 폭을 넓히고 서로를 이해하는 데 큰 도움이 될 수 있습니다.

출처
(상호 추적) https://dl.acm.org/doi/abs/10.1145/3706598.3713404