인터넷이라는 가상의 공간에서 사람들은 공동체를 형성하며 서로 상호작용 한다. 이러한 사이버 공간에서 아바타(Avatar)의 존재는 자신을 표현하는 분신일 뿐만 아니라 가상공간에서 나를 표현하는 '또 하나의 나'로서 의미를 부여한다. 자신의 생각에 따라 표정 짓고 행동하는 아바타를 보며 사용자가 느끼는 현실감은 실로 크다고 할 수 있다. 따라서 아바타 기반 채팅 커뮤니케이션에서 문자 입력만으로 아바타의 표정이 애니메이션 될 수 있다면 사용자간의 커뮤니케이션에 더욱 효과적인 감정 전달이 가능할 것이다. 본 연구는 채팅시 사용자에 의해 입력되는 단어들에 의해 아바타가 스스로 반응하는 시스템을 위해 요구되는 감정 표현 어휘들을 분류 분석하였다. 분류 분석한 결과는 다음과 같다. 첫째, 한국어의 형용사와 자동사에서 추출한 감정 표현 어휘는 25개 그룹 209단어로 분류할 수 있었다. 둘째, 25개의 감정 표현 어휘 그룹 중 긍정적인 표현은 단 2개(좋다, 혹하다)이고 나머지 23개는 모두 부정적인 감정 표현 어휘들이다. 따라서 한국어에는 긍정적인 감정 표현 어휘보다는 부정적인 감정 표현 어휘가 더 발달되어 있다는 것을 알 수 있었다. 셋째, 분류된 25개의 감정 표현 어휘들을 수량화이론III류 분석하여 아바타의 표정을 제작한 결과 감정 표현 어휘들과 아바타 표정이 밀접한 관련성을 지니고 있어 사용자의 감정을 표현하는데 있어 유용하다는 것을 명확히 하였다. 하지만 국어 언어학적 구조 즉, 문맥 전체의 의미를 정량적 관계로 해석해 내지 못하는 등 실험의 한계성을 지니고 있다.
인터넷이라는 가상의 공간에서 사람들은 공동체를 형성하며 서로 상호작용 한다. 이러한 사이버 공간에서 아바타(Avatar)의 존재는 자신을 표현하는 분신일 뿐만 아니라 가상공간에서 나를 표현하는 '또 하나의 나'로서 의미를 부여한다. 자신의 생각에 따라 표정 짓고 행동하는 아바타를 보며 사용자가 느끼는 현실감은 실로 크다고 할 수 있다. 따라서 아바타 기반 채팅 커뮤니케이션에서 문자 입력만으로 아바타의 표정이 애니메이션 될 수 있다면 사용자간의 커뮤니케이션에 더욱 효과적인 감정 전달이 가능할 것이다. 본 연구는 채팅시 사용자에 의해 입력되는 단어들에 의해 아바타가 스스로 반응하는 시스템을 위해 요구되는 감정 표현 어휘들을 분류 분석하였다. 분류 분석한 결과는 다음과 같다. 첫째, 한국어의 형용사와 자동사에서 추출한 감정 표현 어휘는 25개 그룹 209단어로 분류할 수 있었다. 둘째, 25개의 감정 표현 어휘 그룹 중 긍정적인 표현은 단 2개(좋다, 혹하다)이고 나머지 23개는 모두 부정적인 감정 표현 어휘들이다. 따라서 한국어에는 긍정적인 감정 표현 어휘보다는 부정적인 감정 표현 어휘가 더 발달되어 있다는 것을 알 수 있었다. 셋째, 분류된 25개의 감정 표현 어휘들을 수량화이론III류 분석하여 아바타의 표정을 제작한 결과 감정 표현 어휘들과 아바타 표정이 밀접한 관련성을 지니고 있어 사용자의 감정을 표현하는데 있어 유용하다는 것을 명확히 하였다. 하지만 국어 언어학적 구조 즉, 문맥 전체의 의미를 정량적 관계로 해석해 내지 못하는 등 실험의 한계성을 지니고 있다.
In cyberspace based on internet, users constitute communities and interact one another. Avatar means not only the other self but also the 'another being' that describes oneself in the cyberspace. If user's avatar shows expressive faces and behaves according to his thinking and emotion, he will have ...
In cyberspace based on internet, users constitute communities and interact one another. Avatar means not only the other self but also the 'another being' that describes oneself in the cyberspace. If user's avatar shows expressive faces and behaves according to his thinking and emotion, he will have a feel of reality much more in the cyberspace. If avatar's countenances can be animated by just typing characters in avatar-based chat communication, the user is able to express his emotions more effectively. In this study, emotion-expressing vocabulary is analyzed and classified. Emotion-expressing vocabulary is essential to develop self-reactive avatar system in which avatar's countenances are automatically converted according to the words typed by users at chat. The results are as follows; First, emotion-expressing vocabulary selected out of Korean adjectives and intransitive verbs is made up of 209 words and is classified into 25 groups. Second, there are only 2 groups out of the 25 groups for positive expressions and others are for negative expressions. Therefore, negative expressions are more abundant than positive expressions in Korean vocabulary. Third, avatar's countenances are modelled according to the 25 groups by using the Quantification Method 3. The result shows that the emotion-expressing vocabulary has dose relations with avatar's countenances and is useful to communicate users' emotions. However, this study has some limits, in that Korean linguistical structure - the whole meaning of context - cannot be interpreted quantitatively.
In cyberspace based on internet, users constitute communities and interact one another. Avatar means not only the other self but also the 'another being' that describes oneself in the cyberspace. If user's avatar shows expressive faces and behaves according to his thinking and emotion, he will have a feel of reality much more in the cyberspace. If avatar's countenances can be animated by just typing characters in avatar-based chat communication, the user is able to express his emotions more effectively. In this study, emotion-expressing vocabulary is analyzed and classified. Emotion-expressing vocabulary is essential to develop self-reactive avatar system in which avatar's countenances are automatically converted according to the words typed by users at chat. The results are as follows; First, emotion-expressing vocabulary selected out of Korean adjectives and intransitive verbs is made up of 209 words and is classified into 25 groups. Second, there are only 2 groups out of the 25 groups for positive expressions and others are for negative expressions. Therefore, negative expressions are more abundant than positive expressions in Korean vocabulary. Third, avatar's countenances are modelled according to the 25 groups by using the Quantification Method 3. The result shows that the emotion-expressing vocabulary has dose relations with avatar's countenances and is useful to communicate users' emotions. However, this study has some limits, in that Korean linguistical structure - the whole meaning of context - cannot be interpreted quantitatively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 컴퓨터를 매개로 한 커뮤니케이션에서 아바타의 표정 변화가 사용자간의 상호작용에 더욱 효과적인 감정전달을 가능하게 해준다는 측면에서 다음과 같은 연구가설을 설정하였다.
많은 연구의 한계점을 지니고 있지만, 본 연구는 아바타 관련 채팅프로그램에서 감정 관련 구체적 데이터 제안과 연구를 제시하였다는데 그 의미가 있다.
사용자가 자신의 감정이나 기분을 나타낼 수 있는 표현(표정이나 행동)이 몇 가지로 제한되어 이용자가 자신을 충분히 드러내기에는 무리가 있고 그 또한 일일이 이모티콘을 찾아서 클릭하거나 극히 한정된 단어와 이모티콘의 입력으로만 아바타의 감정을 표현할 수 있다. 본 논문에서는 사용자가 채팅커뮤니케이션 툴을 이용할 때 사용자의 단어 입력과 동시에 사용자를 대변하는 아바타의 표정도 함께 바뀐다면 사용자간의 상호작용에서 더욱 효과적인 감정 전달이 가능하다는 측면에서 고찰하고자 한다.
본 논문은 이러한 사이버 공간에서의 커뮤니케이션 형성에 있어 감정표현에 관한 연구이며, 다양한 채팅 환경 중에서도 메신저 프로그램의 아바타 채팅이라는 온라인 환경에 그 초점을 두고 있다.
본 연구는 위의 가설을 토대로 한국어에는 어떠한 감정 표현 어휘가 있는지 알아보고 이들의 유사성과 표정과의 연관성을 밝혀 감정 표현 어휘 입력만으로 아바타의 표정이 즉각적으로 반응할 수 있는 시스템이란 목적 아래 이를 위한 기초 연구로 활용하기 위해 다음과 같은 연구과정을 설정하였다.
본 연구는 컴퓨터를 매개로 한 커뮤니케이션에서 문자기반의 채팅보다 아바타 기반 채팅이 대인관계형성 측면에서 더 적합하다고 보고 아바타 채팅 환경에서의 의사표현(감정전달)을 실제 대면 커뮤니케이션과 같은 다양한 감정 표현으로 문자이외의 다른 수단을 통해 지각할 수 있는 방법은 없는지에 관심을 두고 있다.
본 연구는 한국어의 감정 표현 어휘들을 분류하여 표정과의 연관성을 밝혀 감정 표현 어휘 입력만으로 아바타의 표정이 즉각적으로 반응할 수 있도록 구현해 보고자 하였다. 하지만 이러한 본 연구의 가정은 다음과 같은 측면에서 한계점을 갖고 있다.
본 연구에서는 컴퓨터를 매개로 형성되는 커뮤니케이션에서의 감정 표현에 주안점을 두었으므로 선행연구 및 관련논문을 통하여 컴퓨터 매개 환경 중 채팅 커뮤니케이션과 감정 표현에 대해 알아보고자 한다.
사용자의 문맥 중 감정 표현 단어의 입력과 동시에 연동하여 아바타의 표정이 변화하는 감정 표현 단어 인식형 시스템 개발을 위한 기초 연구로 감정 표현 어휘들을 분류하고 표정과의 관계를 분석하는 것을 본 연구의 목적으로 한다.
하지만 본 논문에서의 아바타 표정 이미지는 채팅시 아바타의 실시간 표정변화가 텍스트 입력만으로 가능한 가를 검증하기 위한 프로토타입 제작을 위한 것으로 주된 연구의 목적은 '감정표현어휘의 분석'이므로 상기의 '표정의 제요소와 감성반응 사이의 정량적 상관관계 추출실험' 과정은 본 논문의 후속 연구를 통해 진행하고자 한다.
가설 설정
및 체계이다.13) 언어는 흔히 음성 언어와 문자 언어로 나뉜다. 음성 언어와 문자 언어의 특성을 이해하기 위해서는 일단 음성과 문자의 속성에 주목해야 한다.
본 연구는 사용자에 의해 입력되는 단어들에 의해 아바타의 표정이 실시간으로 변환한다면 채팅을 통한 커뮤니케이션에 더욱 효과적인 감정전달을 할 수 있을 것이란 가정 하에 감정 표현 어휘들을 분류 . 분석하였다.
제안 방법
적합하다는 결과를 얻을 수 있었다. (피험자의 60% 이상 응답을 기준으로) 관련도가 낮은 6개의 이미지는 '답답하다', '싫다', '더럽다', '찝찝하다', '끔찍하다', '얄밉다'이었는데, 적합성을 향상시키기 위하여 이미지를 수정하여 재차 실험을 행하였다.
둘째, KJ법으로 그룹화된 대표어들의 유사도를 클러스터 분석하여 39개로 분류된 감정 표현 어휘들의 대표어를 [그림5]와 같이 25개로 재분류하였다.
본 연구는 채팅 커뮤니케이션에서 아바타의 표정변화로 사용자의 감정을 지각할 수 있는 자동화 시스템을 위해 감정 표현 어휘들을 분류하여, 표정과의 상관관계 분석하고 표정을 분류하였다.
사람의 감정을 표현하기 위한 감정 표현 어휘에는 형용사, 동사, 감탄사, 의성어, 의태어, 관용어 등이 있는데 본 연구에서는 한국어에서 표정과 연관되는 감정 표현 어휘를 주로 형용사와 자동사라고 보고 사전(辭典) 소프트웨어 중 하나인 윈도우사전(WINDIC 4.0)에서 한국어의 형용사와 자동사의 표제어를 모두 추출하였다. (총 17, 895개)
셋째, 이렇게 그룹 지어진 데이터를 수량화이론이류 분석하여 나온 분산형 그래프를 통하여 감정 표현 어휘 사이의 상관관계를 알아보았다.[그림6]
수량화이론m류 분석을 통해 알게 된 감정 표현 어휘의 두 축(긍정-부정 / 소극 . 내면 J적극 . 외면)을 토대로 25가지 감정을 아바타의 표정으로 제작하였다.
대화문맥에 따라 아바타의 표정이 애니메이션 되기 위해서는 채팅창에 문자 입력이 필요하다. 이를 위해 국어사전에서 감정을 나타내는 감정 표현 어휘들을 형용사와 자동사를 중심으로 추출한다.
과정3. 최종 분류된 감정 표현 어휘들을 아바타 표정으로 제작하고 감정 표현 어휘들과의 관련성을 검증한다.
대상 데이터
본 연구는 감정 표현 어휘 사이의 유사도를 측정하여 감정 표현 어휘를 분류하고 표정과의 연관성을 밝혀 아바타의 즉각적인 감정 반응을 구현하고자 하는 것이 목적이므로 한국어 언어 능력에 무리가 없고 아바타 채팅 커뮤니케이션을 자주 이용하는 사람들 중 20대 중반에서 30대 후반 16명을 실험 대상으로 선정하였다.
분석 결과 209개의 감정표현 어휘들이 39개 그룹으로 분류되었다. 분류된 39개 그룹에 대표어를 선정하였다. [표1]
제작된 아바타의 '표정과 감정 표현 어휘와의 적합성'을 평가하기 위하여 디자인 관련 학과에 재학중인 학생 20명을 대상으로 3단계 SD법을 이용하여 실험하였다.
추출된 17, 895개의 형용사와 자동사 표제어 중 사람의 감정(感情)을 나타내는 어휘만을 추출하여 비슷한 단어끼리 그룹화하고 고어(古語)와 사용 빈도가 현저히 낮은 단어를 제외하여 최종 209단어를 선정하였다. 선정 과정의 예는 다음과 같다.
이론/모형
첫째, 최종 선정된 209개의 감정 표현 어휘들 사이의 유사도를 KJ법28)을 이용하여 측정하였다. 분석 결과 209개의 감정표현 어휘들이 39개 그룹으로 분류되었다.
성능/효과
정의된다.2)이러한 컴퓨터 매개 커뮤니케이션 중에서도 채팅은 메일이나 쪽지를 제외한 실시간 대화를 의미한다.
그 결과, 총 25개 표정 이미지 중 19개의 표정이 해당 감정표현어휘와 적합하다는 결과를 얻을 수 있었다. (피험자의 60% 이상 응답을 기준으로) 관련도가 낮은 6개의 이미지는 '답답하다', '싫다', '더럽다', '찝찝하다', '끔찍하다', '얄밉다'이었는데, 적합성을 향상시키기 위하여 이미지를 수정하여 재차 실험을 행하였다.
그래프의 분석 결과 긍정적인 감정을 나타내는 표현 어휘들 사이의 유사도는 매우 높고, 부정적인 감정을 나타내는 표현 어휘들의 유사도는 낮은 분포를 보인다는 것을 알 수 있었다. 따라서 부정적 감정 표현 어휘들은 보다 세분화되고 다양한 표현 방법들이 존재하고 긍정적인 감정 표현 어휘들은 매우 높은 유사도를 보이고 있는 것으로 보아 그 특성상 성격이 모호하거나 세분화되어 있지 않다는 것을 알 수 있다.
넷째, 실제로 메신저에서 연동되어 작용할 때 감정의 표정이 25개 209단어로 감정 표현 어휘가 턱없이 부족하여 원활한 감정 전달에 무리가 있다.
둘째, 25가지 감정 표현 어휘 그룹 중 긍정적인 감정들을 나타내는 감정 표현 어휘는 단 2가지(좋다, 혹하다)로 나타낼 수 있지만 부정적인 감정을 나타내는 감정 표현 어휘는 23가지나 된다. 따라서 한국어에는 긍정적인 감정보다는 부정적인 감정을 나타내는 감정 표현 어휘가 발달되고 세분화되어 있다는 것을 알 수 있다.
둘째, 수량화이론Ⅲ류 분석 결과 한국어에서의 감정은 긍정과 부정, 내면적이고 소극적인 감정과 외면적이고 적극적인 감정의 축으로 설명할 수 있었다.
있었다. 따라서 부정적 감정 표현 어휘들은 보다 세분화되고 다양한 표현 방법들이 존재하고 긍정적인 감정 표현 어휘들은 매우 높은 유사도를 보이고 있는 것으로 보아 그 특성상 성격이 모호하거나 세분화되어 있지 않다는 것을 알 수 있다.
을 이용하여 측정하였다. 분석 결과 209개의 감정표현 어휘들이 39개 그룹으로 분류되었다. 분류된 39개 그룹에 대표어를 선정하였다.
좌측은 긍정적인 감정을 우측은 부정적인 감정을 나타내며, 세로축은 소극적이고 내면적인 감정과 외면적이고 적극적인 감정을 표현한다는 것을 알 수 있다. 상측으로 올라갈수록 내면적이고 소극적인 감정 표현을 표현하고 있으며 하측으로 내려올수록 외면적이고 적극적인 감정을 표현한다는 사실을 알 수 있었다.
셋째, 이렇게 분류된 25가지의 감정 표현 어휘는 수량화이론 Ⅲ류 분석을 통해 아바타의 표정으로 제작하여 감정 표현 어휘와 아바타의 표정이 60%이상의 연관성을 갖고 있다는 검증 과정을 거쳐 최종적으로 [표2]과 같은 25가지 아바타의 표정으로 표현이 가능하다.
셋째, 한국어에서 감정은 25개로 표현된다는 것을 알 수 있었고, 그것을 아바타로 표정화 하였을 때 채팅시 감정표현에 유용한 데이터로 활용할 수 있음을 알 수 있었다.
첫째, 언어의 방대함(표준어, 사투리, 외래어, 채팅어, 비속어, 이모티콘 등)으로 인해 한국어의 형용사와 자동사만으로는 사용자의 감정을 모두 표현하는데 무리가 있다.
첫째, 한국어의 감정 표현 어휘에는 긍정적인 표현보다는 부정적 표현이 월등하게 많음을 알 수 있었다.
후속연구
「일반적인 아바타 기반 채팅 커뮤니케이션에서 대화문맥에 상응하여 아바타의 표정이 자동으로 애니메이션 될 수 있다면 채팅을 통한 커뮤니케이션에 더욱 효과적인 감정전달을 할 수 있을 것이다.」
셋째, 아바타 표정 제작에 있어 얼굴 표정의 물리적 요소와 감성 반응 사이의 상관관계를 명확히 밝혀내지 못했다.
향후 연구과제로는 상기에서 연구된 감정 표현 어휘에 아바타 표정을 대입한 프로토타입을 제시하고, 실제로 자동화 시스템이 연동되었을 때 사용자의 감정 전달에 효율적인 시스템이 되었는지의 검증 연구가 이루어질 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.