인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
연구배경
UX 정성 데이터 분석에서 생성형 AI의 활용 가능성이 확대되고 있으나, 기존 연구는 주로 AI의 기능적 활용 가능성이나 도구 수준의 지원 방식에 초점을 두어 왔으며, 실제 분석 과정에서 인간과 AI가 상호작용하며 데이터를 탐색하고 의미를 구성하는 과정 중심의 이해는 부족하다. 본 연구는 정성 데이터 분석을 센스메이킹 과정으로 개념화하고, UX 리서치 맥락에서 나타나는 AI 활용 전략을 유형화하여 유형별 인간–AI 역할과 협업 구조를 규명하는 것을 목적으로 한다.
연구방법
UX 리서치 실무와 유사한 시나리오를 기반으로 워크숍 형태의 실험을 설계하여, UX/HCI 전공 학생 및 실무자 12인(6개 팀)이 범용 LLM 3종과 정성 분석 지원 AI 도구 3종을 활용해 정성 데이터를 분석하는 과정을 관찰하였다. 행동 관찰 기록과 화면 녹화를 바탕으로 행동 로그를 구축하고, 센스메이킹의 정보 탐색·의미 구성 루프에 대응하는 네 가지 지표(AI_info, AI_Ext, Tool, Dur_mean)를 산출하여 z-score 표준화 후 계층적 군집 분석을 수행하였다. 이후 유형별 행동 전이 분석, 행동 트래킹 맵 시각화, 발화 및 프롬프트에 대한 질적 해석을 결합하여 유형별 AI 활용 전략을 다층적으로 도출하였다.
연구결과
분석 결과, 참가자는 반복 협의형, 자율 해석형, 실행 위임형의 세 유형으로 구분되었다. 반복 협의형은 정보 탐색 단계에서의 AI 활용 강도가 가장 높았으며, AI의 해석에 대해 근거를 묻는 후속 질문을 반복하면서 정보 탐색과 의미 구성 루프가 교차 순환하는 밀접한 협업 구조를 보였다. 자율 해석형은 AI 활용 비중이 가장 낮았으며, AI의 산출물을 원자료 및 외부 자료와 교차 검증하는 절차를 거쳐 인간이 해석의 주도권을 유지하는, 정보 탐색과 의미 구성이 느슨하게 결합된 구조를 보였다. 실행 위임형은 분석 의도를 결과물의 형식으로 사전 설계하고, 탐색–구성 루프의 실행 자체를 AI에 위임한 뒤 산출물을 통해 설계 의도를 확인하는 양상을 보였으나 해당 유형은 단일 사례에 기반하고 있어 일반화에는 주의가 필요하다.
결론
세 유형 모두에서 센스메이킹의 정보 탐색·의미 구성 루프가 반복되는 구조는 유지되었으나, 생성형 AI 환경에서는 AI가 표·요약·도식 등 외재화된 산출물을 먼저 제시하고 인간이 이를 해석·선별·조정하는 방식으로 외재화의 주체와 순서가 재구성되는 양상이 나타났다. 본 연구는 인간–AI 협업에서의 적절한 의존 개념을 수용 여부의 문제를 넘어 AI 산출물을 검증하는 경로와 의미를 구성하는 방식의 문제로 재해석하였으며, 행동 로그 기반 정량 분석과 전이 구조 분석, 질적 해석을 결합한 혼합 방법론적 접근을 제시하였다. 다만 제한된 표본 규모로 인해 본 연구에서 도출된 유형 구분은 잠정적이고 탐색적인 수준의 결과로 이해될 필요가 있다.
UX 정성 데이터 분석에서 생성형 AI의 활용 가능성이 확대되고 있으나, 기존 연구는 주로 AI의 기능적 활용 가능성이나 도구 수준의 지원 방식에 초점을 두어 왔으며, 실제 분석 과정에서 인간과 AI가 상호작용하며 데이터를 탐색하고 의미를 구성하는 과정 중심의 이해는 부족하다. 본 연구는 정성 데이터 분석을 센스메이킹 과정으로 개념화하고, UX 리서치 맥락에서 나타나는 AI 활용 전략을 유형화하여 유형별 인간–AI 역할과 협업 구조를 규명하는 것을 목적으로 한다.
연구방법
UX 리서치 실무와 유사한 시나리오를 기반으로 워크숍 형태의 실험을 설계하여, UX/HCI 전공 학생 및 실무자 12인(6개 팀)이 범용 LLM 3종과 정성 분석 지원 AI 도구 3종을 활용해 정성 데이터를 분석하는 과정을 관찰하였다. 행동 관찰 기록과 화면 녹화를 바탕으로 행동 로그를 구축하고, 센스메이킹의 정보 탐색·의미 구성 루프에 대응하는 네 가지 지표(AI_info, AI_Ext, Tool, Dur_mean)를 산출하여 z-score 표준화 후 계층적 군집 분석을 수행하였다. 이후 유형별 행동 전이 분석, 행동 트래킹 맵 시각화, 발화 및 프롬프트에 대한 질적 해석을 결합하여 유형별 AI 활용 전략을 다층적으로 도출하였다.
연구결과
분석 결과, 참가자는 반복 협의형, 자율 해석형, 실행 위임형의 세 유형으로 구분되었다. 반복 협의형은 정보 탐색 단계에서의 AI 활용 강도가 가장 높았으며, AI의 해석에 대해 근거를 묻는 후속 질문을 반복하면서 정보 탐색과 의미 구성 루프가 교차 순환하는 밀접한 협업 구조를 보였다. 자율 해석형은 AI 활용 비중이 가장 낮았으며, AI의 산출물을 원자료 및 외부 자료와 교차 검증하는 절차를 거쳐 인간이 해석의 주도권을 유지하는, 정보 탐색과 의미 구성이 느슨하게 결합된 구조를 보였다. 실행 위임형은 분석 의도를 결과물의 형식으로 사전 설계하고, 탐색–구성 루프의 실행 자체를 AI에 위임한 뒤 산출물을 통해 설계 의도를 확인하는 양상을 보였으나 해당 유형은 단일 사례에 기반하고 있어 일반화에는 주의가 필요하다.
결론
세 유형 모두에서 센스메이킹의 정보 탐색·의미 구성 루프가 반복되는 구조는 유지되었으나, 생성형 AI 환경에서는 AI가 표·요약·도식 등 외재화된 산출물을 먼저 제시하고 인간이 이를 해석·선별·조정하는 방식으로 외재화의 주체와 순서가 재구성되는 양상이 나타났다. 본 연구는 인간–AI 협업에서의 적절한 의존 개념을 수용 여부의 문제를 넘어 AI 산출물을 검증하는 경로와 의미를 구성하는 방식의 문제로 재해석하였으며, 행동 로그 기반 정량 분석과 전이 구조 분석, 질적 해석을 결합한 혼합 방법론적 접근을 제시하였다. 다만 제한된 표본 규모로 인해 본 연구에서 도출된 유형 구분은 잠정적이고 탐색적인 수준의 결과로 이해될 필요가 있다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
