KAIST

< 사진 1. 전산학부 김주호 교수 >

우리 대학 전산학부 김주호 교수가 이끄는 연구팀이 지난 4월 30일부터 5월 6일까지 열린 美 컴퓨터협회 인간-컴퓨터 상호작용 학술대회(이하 ACM CHI 2022)에서 최우수논문상(Best Paper Award)과 우수논문상(Honorable Mention Award)을 받았다고 19일 밝혔다. 

ACM CHI 학술대회는 인간-컴퓨터 상호작용(Human-Computer Interaction: HCI) 분야의 세계 최고 권위 학회로 구글 스칼라 h-5 인덱스 기준 HCI 분야 저널과 학술대회를 통틀어 1위에 올라있다. 최우수논문상은 전체 논문 중 상위 1％의 논문에, 우수논문상은 상위 5%의 논문에 주어지는 상이다.

김주호 교수는 이번 ACM CHI 2022 학술대회에 총 7개의 논문을 발표해 발표 논문 수로 전 세계 연구자 중 공동 1위에 올랐다. KAIST 소속의 논문은 총 19개로, 전 세계 기관 중 5위에 올라 KAIST의 세계 수준의 연구 역량을 증명했다.

< 사진 2. (왼쪽부터) 김정연 연구원(1저자, 전산학부 석사과정 졸업), 최유빈 전기및전자공학부 석사과정, 멍 시아 박사(전산학부 박사 후 연구원, 현재 미국 카네기멜론대학교 박사 후 연구원), 김주호 교수 >

< 그림 1. 최우수논문상 수상작 연구 모식도 >

전산학부 김정연 연구원(제1 저자, 석사과정 졸업), 최유빈 전기및전자공학부 석사과정, 멍 시아 박사(전산학부 박사 후 연구원; 현재 미국 카네기멜론대학교 박사 후 연구원)로 구성된 김주호 교수 연구팀은 `Mobile-Friendly Content Design for MOOCs: Challenges, Requirements, and Design Opportunities' 라는 제목의 논문으로 CHI 2022 학술대회 최우수논문상을 받았다. 

이 연구는 모바일 환경에서 영상 기반 학습 콘텐츠를 시청하는 학습자가 겪는 어려움을 분석하고 이를 해결하기 위한 가이드라인을 제시했다. 연구팀은 134명의 학습자를 대상으로 한 설문과 21명을 대상으로 한 인터뷰를 분석해 너무 작거나 과밀한 텍스트가 영상 콘텐츠의 가독성을 떨어뜨리는 것이 주요 문제임을 밝혔다. 또한 조명, 소음, 주변 환경의 잦은 변화로 인한 학습상황의 장애 또한 중요한 문제임을 밝혔다. 

이러한 분석을 토대로 101개의 영상 강의 속 41,722개의 영상 프레임에 대한 모바일 환경 적합도를 분석한 결과 전반적으로 낮은 수준의 적합도를 보인다는 것을 확인했다. 예를 들어 텍스트 크기의 경우 불과 24.5%의 영상 프레임만이 모바일 환경에서의 학습에 적합한 것으로 나타났다. 연구팀은 이러한 문제를 극복하기 위해 영상 콘텐츠의 가독성을 높이고 모바일 학습 상황에서 발생하는 장애를 극복하기 위한 가이드라인을 제시했다. 

팬데믹 이후 영상 기반 학습에 대한 중요성과 의존성이 더욱 높아지고 있는 상황에서, 이 연구는 작은 화면의 모바일 기기로 학습을 하는 많은 학습자의 어려움을 분석하고 극복 방법을 제시했다는 면에서 의미가 있다. 또한 나아가 학습 영상의 문제를 인간과 인공지능의 협업으로 해결하는 기술까지 제시하여 기존 학습 영상의 활용도를 높이면서 학습 경험 개선을 가능케 하였다. 이 기술은 다양한 영상 기반 학습 플랫폼이나 컨텐츠 제작 환경에 적용될 수 있다. 

< (왼쪽부터) 전산학부 김태수 박사과정(1저자), 최다은 석사과정, 최윤서 박사과정, 김주호 교수 >

< 그림 2. 우수논문상 수상작 연구 모식도 >

한편 전산학부 김태수 박사과정(제1 저자), 최다은 석사과정, 최윤서 박사과정 연구원으로 구성된 연구팀은 `Stylette: Styling the Web with Natural Language' 라는 제목의 논문으로 CHI 2022 학술대회 우수논문상을 받았다. 

연구팀은 전문용어를 모르는 비전문가가 음성으로 웹사이트의 스타일을 수정할 수 있도록 지원하는 새로운 인터페이스 기술을 개발했다. 다양한 웹사이트를 사용하다 보면 접근성 문제, 기기 환경의 제약, 불편하고 보기 힘든 디자인, 스타일 선호 등의 이유로 원하는 내용을 찾기 어렵거나 사용에 어려움을 겪는 경우가 있다. 하지만 프로그래밍과 디자인의 전문성이 없는 일반인이 직접 웹사이트의 스타일을 수정하기는 어려워 대부분 사용자는 불편함을 참고 사용한다. 사용자가 "이 부분은 더 강조해줘ˮ, "좀 더 모던한 디자인으로ˮ와 같이 자신의 의도를 일상의 언어로 표현하고, 시스템이 사용자의 의도를 파악해 자동으로 스타일을 수정해 준다면 어떨까? 

위와 같은 질문을 바탕으로 김주호 교수 연구팀이 개발한 `Stylette' 시스템은 사용자의 자연 언어 기반 음성 입력을 인공지능이 파악해 가장 의도에 부합하는 새로운 스타일을 자동으로 추천해 준다. 연구팀은 언어 인공지능, 시각 인공지능, 사용자 인터페이스 기술을 결합해 새로운 시스템을 만들었다. 언어 측면에서는 대규모 언어모델 인공지능이 사용자의 일상언어로 표현된 의도를 적절한 스타일 요소로 변환해 준다. 시각 측면에서는 컴퓨터 비전 인공지능이 170만 개의 기존 웹 디자인 요소 데이터와의 비교를 통해 현재 웹사이트에 적절한 수준의 스타일을 추천해 준다. 40명의 일반인을 대상으로 진행한 실험에서 이번 시스템을 사용한 사용자는 대조군과 비교해 두 배 이상 높은 성공률로 35% 적은 시간에 디자인 수정을 완료할 수 있었다. 

이 연구는 최신 인공지능 기술이 직관적인 사용자 상호작용 설계에 적용되는 실질적인 사례를 제시했다는 점에서 의미가 있다. 개발된 기술은 기존 디자인 애플리케이션이나 웹브라우저에 플러그인 형태로 적용 가능하며, 사용자의 자연스러운 의도 데이터를 대규모로 수집해 웹사이트 개선이나 광고 등에도 활용할 수 있다.