기술격차 감소로 인해 제품 차별화를 위한 인지 감성적 제품설계가 중요해지고 있다. 성별, 연령 등 다양한 사용자이 느끼는 감각(시각, 청각, 촉각 등), 인지(주의력, 기억력 등), 감성(심미성, 기능성 등)을 고려하기 위한 데이터베이스와 제품설계 가이드라인이 필요하다. 여러 실험으로부터 도출된 사용자 특성정보는 제품의 설계 및 평가 시 주요한 지표로 사용되고 있으며, 이를 저장할 통합적 인지 감성 데이터베이스를 구축하는 것이 필요하다. 본 연구에서는 인지 감성적 제품설계 지원을 위한 사용자 특성정보 메타데이터를 설계하고 프로토 타입 시스템으로 구축하였다. 감각, 인지, 감성에 관련된 기존 문헌들을 조사하고 분류하여 인지, 감성 유형별로 반영할 수 있도록 설계하였다. 제품설계/평가에 필요한 다양한 사용자 특성정보를 RDF 형식의 설계하였고, 설계된 메타데이터에 따라 인지, 감성에 관련된 사용자 특성정보를 저장할 수 있도록 프로토 타입 시스템을 구축하였다.
기술격차 감소로 인해 제품 차별화를 위한 인지 감성적 제품설계가 중요해지고 있다. 성별, 연령 등 다양한 사용자이 느끼는 감각(시각, 청각, 촉각 등), 인지(주의력, 기억력 등), 감성(심미성, 기능성 등)을 고려하기 위한 데이터베이스와 제품설계 가이드라인이 필요하다. 여러 실험으로부터 도출된 사용자 특성정보는 제품의 설계 및 평가 시 주요한 지표로 사용되고 있으며, 이를 저장할 통합적 인지 감성 데이터베이스를 구축하는 것이 필요하다. 본 연구에서는 인지 감성적 제품설계 지원을 위한 사용자 특성정보 메타데이터를 설계하고 프로토 타입 시스템으로 구축하였다. 감각, 인지, 감성에 관련된 기존 문헌들을 조사하고 분류하여 인지, 감성 유형별로 반영할 수 있도록 설계하였다. 제품설계/평가에 필요한 다양한 사용자 특성정보를 RDF 형식의 설계하였고, 설계된 메타데이터에 따라 인지, 감성에 관련된 사용자 특성정보를 저장할 수 있도록 프로토 타입 시스템을 구축하였다.
Cognitive and emotional product design is becoming crucial because the technology gap decreases more and more. Product design guidelines and the corresponding database are therefore needed to support sensing (e.g. sight, hearing, touch), cognition (e.g. attention, memory) and emotion (e.g. aesthetic...
Cognitive and emotional product design is becoming crucial because the technology gap decreases more and more. Product design guidelines and the corresponding database are therefore needed to support sensing (e.g. sight, hearing, touch), cognition (e.g. attention, memory) and emotion (e.g. aesthetics, functionality) which users feel differently according to their genders and ages. The user property information which is extracted from various experiments can be used as critical criteria in product design and evaluation, and it is necessary to develop the integrated database of cognition and emotion where to store the user property information. In this research, we design the user property metadata for supporting cognitive and emotional product design and then develop a prototype system. The metadata is designed to reflect the classification of cognition and emotion by investigating and classifying the previous studies related to sensing, cognition and emotion. The user property information is designed in RDF (Resource Description Framework), and a prototype system is developed to store user property information of cognition and emotion based on the designed metadata.
Cognitive and emotional product design is becoming crucial because the technology gap decreases more and more. Product design guidelines and the corresponding database are therefore needed to support sensing (e.g. sight, hearing, touch), cognition (e.g. attention, memory) and emotion (e.g. aesthetics, functionality) which users feel differently according to their genders and ages. The user property information which is extracted from various experiments can be used as critical criteria in product design and evaluation, and it is necessary to develop the integrated database of cognition and emotion where to store the user property information. In this research, we design the user property metadata for supporting cognitive and emotional product design and then develop a prototype system. The metadata is designed to reflect the classification of cognition and emotion by investigating and classifying the previous studies related to sensing, cognition and emotion. The user property information is designed in RDF (Resource Description Framework), and a prototype system is developed to store user property information of cognition and emotion based on the designed metadata.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 제품설계를 지원하기 위하여 사용자 특성정보를 효과적으로 저장하고 활용할 수 있는 시스템을 설계하고 개발하는 것을 목표로 한다. 특히, 감각, 인지, 감성적 요소를 반영할 수 있는 시스템을 설계하여, 제품개발 설계를 지원하고자 한다.
그럼에도 불구하고 제품설계 담당자들이 제품설계 및 평가 시에 인지, 감성 관련 사용자 특성정보를 참조할 수 있는 방법은 거의 없는 실정이다. 본 연구에서는 국내 제품설계 실무자들이 참조할 수 있는 인지, 감성 데이터베이스를 구축하는 것을 목표로 사용자 특성정보 메타데이터를 설계하였고 프로토타입을 통하여 검증하였다.
이러한 메터데이터를 바탕으로, 기존 연구에서 제시된 데이터들을 RDF로 저장하고, 사용자들은 원하는 나이, 성별 등에 따라 사용자 특성정보를 조회하여 제품설계에 참고할 수 있다. 본연구에서는 SPARQL을 사용하여 질의할 수 있는 기능을 프로토타입을 통하여 예로 제시하였다.
제품설계 지원 사용자 메타데이터 시스템은 인지/감성 실험 결과를 바탕으로 사용자에게 적합한 인지/감성 정보를 조회, 정렬, 검색해 줌으로서 인지/감성 제품설계 시에 도움을 주는 것이 목적이다. 이를 위해서 [Figure 1]과 같은 3단계의 프로세스로 진행되는 메타데이터 시스템을 설계하였다.
본 연구는 제품설계를 지원하기 위하여 사용자 특성정보를 효과적으로 저장하고 활용할 수 있는 시스템을 설계하고 개발하는 것을 목표로 한다. 특히, 감각, 인지, 감성적 요소를 반영할 수 있는 시스템을 설계하여, 제품개발 설계를 지원하고자 한다. 먼저, RDF Schema를 이용하여 사용자 특성정보를 저장하기 위한 메타데이터를 설계하였다.
제안 방법
Emotion & Cognition 온톨로지는 상위(upper) 온톨로지인 DOLCE (Descriptive Ontology for Linguistic and Cognitive Engineering)[4]의 어휘를 사용하여 데이터 모델을 정의하였고 시스템을 통해 측정된 실험값(Stimulus)을 통해 감성(Emotion)을 저장하였다[10].
Stimulus 클래스는 Visual Stimulus, Hearing Stimulus, Touch Stimulus 클래스를 서브 클래스로 갖으며, hasMeasurement 속성을 통해 Stimulus Measurement 클래스와 연결된다. Stimulus는 다양한 인지정보 상황을 의미하는 클래스이며 각 상황에 대한 측정값을 표현하기 위해 StimulusMeasurement 클래스를 추가하였다. StimulusMeasurement 클래스는 다양한 인지감성 정보를 실질적으로 표현하는 클래스로 측정 대상, 측정값, 측정 단위 등의 다양한 정보를 표현한다.
본 연구의 의의는 다음과 같다. 기존에 다양한 영역에서 연구된 감각, 인지, 감성 등의 사용자 특성정보를 분석하고, 이를 온톨로지로 저장하기 위하여 메타데이터를 설계하였다. 또한 이들 바탕으로 사용자 특성정보를 온톨로지로 저장하고 이를 검색하고 활용할 수 있는 프로토타입 시스템을 통하여 유효성을 확인하였다.
먼저, RDF Schema를 이용하여 사용자 특성정보를 저장하기 위한 메타데이터를 설계하였다. 다음으로는 설계된 메타데이터를 바탕으로 감각, 인지, 감성 등의 사용자 특성 정보를 RDF로 표현하였다. 사용자 특성정보는 다양한 문헌조사를 통하여 정보를 수집하여 저장하였으며, 추후 새로운 실험을 통해 습득한 정보도 추가로 저장이 가능하다.
스키마는 추가적으로 저장하기 위하여 OWL(Web Ontology Language)를 사용하여 클래스와 속성을 정의하였고, XML Schema를 사용하여 데이터 형식의 타입을 지정하였다. 또한 FOAF (Friend Of A Friend) 온톨로지를 사용하여 피실험자를 정의하였다.
기존에 다양한 영역에서 연구된 감각, 인지, 감성 등의 사용자 특성정보를 분석하고, 이를 온톨로지로 저장하기 위하여 메타데이터를 설계하였다. 또한 이들 바탕으로 사용자 특성정보를 온톨로지로 저장하고 이를 검색하고 활용할 수 있는 프로토타입 시스템을 통하여 유효성을 확인하였다.
제품설계 시에 적합한 사용자 메타데이터를 찾아서 반영하기 위해서는 맞춤형 검색 기능이 필요하다. 맞춤형 검색 기능을 위해 메타데이터를 활용한 패싯(Facet) 검색을 구현하였다. 패싯 이란 다양한 데이터 속성을 의미하는데 본 논문에서는 사용자 메타데이터의 클래스인 사용자, 감성, 감각, 자극을 패싯으로 볼 수 있으며 해당 패싯별 검색 및 결과 정렬이 가능하다.
특히, 감각, 인지, 감성적 요소를 반영할 수 있는 시스템을 설계하여, 제품개발 설계를 지원하고자 한다. 먼저, RDF Schema를 이용하여 사용자 특성정보를 저장하기 위한 메타데이터를 설계하였다. 다음으로는 설계된 메타데이터를 바탕으로 감각, 인지, 감성 등의 사용자 특성 정보를 RDF로 표현하였다.
본 연구에서는 다양한 인지/감성 실험 데이터를 제품설계에 활용할 수 있도록 RDF를 사용하여 어휘를 정의한 후 데이터 모델을 설계하고 RDF Schema를 이용하여 데이터 모델 간의 관계를 설정하는 스키마를 작성한다. 작성된 스키마를 바탕으로 실험 데이터를 적용하여 데이터와 메타데이터를 온톨로지에 저장하고 메타데이터를 활용한 검색이 가능하도록 적용하였다.
Apache Jena는 데이터를 추출하여 RDF 메타데이터 형식으로 만들 수 있는 오픈 소스 프레임워크이다. 본 연구에서는 인지/감성 실험 결과를 사용자 메타데이터 모델 스키 마와 맵핑한 뒤, 실험 결과 데이터를 바탕으로 메타데이터를 생성하여 OWL 형태의 온톨로지로 저장하는 JAVA 프로그램을 개발하였다.
사용자 특성정보 메타데이터는 RDF Schema로 설계되었으며, 감각, 인지, 감성으로 구분하여 특성정보들을 저장할 수 있게 하였다. 이러한 메터데이터를 바탕으로, 기존 연구에서 제시된 데이터들을 RDF로 저장하고, 사용자들은 원하는 나이, 성별 등에 따라 사용자 특성정보를 조회하여 제품설계에 참고할 수 있다.
서론에서 소개한 감각, 인지, 감성적 제품설계를 지원할 수 있도록 RDF 데이터 모델을 설계하였다. 설계에 사용된 어휘들은 RDF 데이터 모델에서 사용할 수 있도록 정의하였다.
이렇게 정의된 스키마는 [Figure 3]과 같다. 스키마는 추가적으로 저장하기 위하여 OWL(Web Ontology Language)를 사용하여 클래스와 속성을 정의하였고, XML Schema를 사용하여 데이터 형식의 타입을 지정하였다. 또한 FOAF (Friend Of A Friend) 온톨로지를 사용하여 피실험자를 정의하였다.
이 장에서는 인지/감성에 대한 사용자 특성 정보를 활용하기 위하여 어휘를 정의하고 RDF 데이터 모델을 설계한다. 설계된 RDF 데이터 모델들의 관계에 대해 RDF Schema를 이용하여 정의한다.
패싯 이란 다양한 데이터 속성을 의미하는데 본 논문에서는 사용자 메타데이터의 클래스인 사용자, 감성, 감각, 자극을 패싯으로 볼 수 있으며 해당 패싯별 검색 및 결과 정렬이 가능하다. 이를 위하여 저장된 온톨로지를 SPARQL(Simple Protocol and RDF Query Language)[15]을 사용하여 검색구문을 만들고 Proteje[12]에서 검색을 시험하였다. SPARQL은 W3C에서 만든 RDF 질의 언어로 SQL과 유사한 질의 언어이다.
작성된 스키마 맵핑을 바탕으로 전체 실험 데이터를 RDF 인스턴스 형식으로 변환하였다. [Figure 4]는 맵핑을 통해 생성된 촉각 감성 데이터의 예를 보여준다.
본 연구에서는 다양한 인지/감성 실험 데이터를 제품설계에 활용할 수 있도록 RDF를 사용하여 어휘를 정의한 후 데이터 모델을 설계하고 RDF Schema를 이용하여 데이터 모델 간의 관계를 설정하는 스키마를 작성한다. 작성된 스키마를 바탕으로 실험 데이터를 적용하여 데이터와 메타데이터를 온톨로지에 저장하고 메타데이터를 활용한 검색이 가능하도록 적용하였다.
첫 번째 단계인 메타데이터 모델 디자인 프로세스는 다양한 실험 데이터를 바탕으로 인지/감성 실험의 내용을 표현할 수 있는 RDF 어휘를 정의한다. 정의된 RDF 어휘를 바탕으로 RDF 데이터 모델을 설계한다. RDF 데이터 모델은 데이터가 저장 단위가 되므로 중요 데이터 선별이 필요하다.
설계에 사용된 어휘들은 RDF 데이터 모델에서 사용할 수 있도록 정의하였다. 정의된 어휘들을 통해 저장되는 정보는 피 실험자의 나이, 성별, 연령대에 따라 자극을 통해 생성되는 인지/감성에 대한 결과를 저장하여 제공할 수 있도록 설계하였다.
5. 적용 예제
제4장에서 정의한 사용자 메타데이터 스키 마를 바탕으로 제품설계에 도움을 줄 수 있는 사용자 메타데이터 프로토타입 시스템을 구축하였다. 인지/감성 제품설계를 위한 13개의 모듈 중에 7개의 모듈(시각 감각/감성, 청각 감각/감성, 촉각 감각/감성, 기능적 감성)에 적용되었으며, 그 중 촉각 감성에 대한 모듈의 예제로 시스템을 검증한다.
대상 데이터
[Figure 4]는 맵핑을 통해 생성된 촉각 감성 데이터의 예를 보여준다. 예제 데이터는 연령대가 10살에서 80살 사이의 피 실험자 U004번에 대해서 손에 네 가지 형태의 자극을 주었더니 Cold라는 감정을 1.06점, 순위 10위로 인지하였다는 것으로 표현한다.
제4장에서 정의한 사용자 메타데이터 스키 마를 바탕으로 제품설계에 도움을 줄 수 있는 사용자 메타데이터 프로토타입 시스템을 구축하였다. 인지/감성 제품설계를 위한 13개의 모듈 중에 7개의 모듈(시각 감각/감성, 청각 감각/감성, 촉각 감각/감성, 기능적 감성)에 적용되었으며, 그 중 촉각 감성에 대한 모듈의 예제로 시스템을 검증한다.
이론/모형
이 장에서는 인지/감성에 대한 사용자 특성 정보를 활용하기 위하여 어휘를 정의하고 RDF 데이터 모델을 설계한다. 설계된 RDF 데이터 모델들의 관계에 대해 RDF Schema를 이용하여 정의한다.
사용자 메타데이터를 생성하기 위해서는 4장에서 정의된 스키마를 바탕으로 인지/감성 실험결과를 사용자 메타데이터로 생성하는 작업이 필요하다. 이를 위해 Apache Jena를 활용 하였다[1]. Apache Jena는 데이터를 추출하여 RDF 메타데이터 형식으로 만들 수 있는 오픈 소스 프레임워크이다.
후속연구
현재 후속으로 진행 중인 사용자 특성정보 데이터베이스가 구축되고 인지, 감성적 제품설계 지원 시스템으로 완성되면, 스마트기기, 가전기기, 생활 공구, 가구 등의 제품설계 담당자들의 상세 설계 및 설계 평가를 도와줄 수 있을 것으로 기대한다. 문헌들이 제시하고 있는 데이터의 종류와 관계에 따라서 설계된 스키마도 업데이트 될 수 있을 것으로 생각하며, 제품 영역별로 일부 차별화된 니즈도 존재할 것으로 생각되므로 제품설계 지원시스템 또한 지속적으로 진화할 것으로 기대된다.
다음으로는 설계된 메타데이터를 바탕으로 감각, 인지, 감성 등의 사용자 특성 정보를 RDF로 표현하였다. 사용자 특성정보는 다양한 문헌조사를 통하여 정보를 수집하여 저장하였으며, 추후 새로운 실험을 통해 습득한 정보도 추가로 저장이 가능하다. 구축된 사용자 특성정보들은 제품개발자가 원하는 제품이나 사용자 특성에 따라서 인지, 감성적 정보를 참고하여 제품설계에 활용할 수 있다.
모델간의 관계는 데이터를 열람, 정렬, 검색하는데 기본 단위가 되므로 관계 설정이 필요하다. 이렇게 설계된 RDF와 RDF Schema를 결합하여 사용자 메타데이터 모델을 선언한다.
본 연구에서는 개발된 사용자 특성정보 메타데이터를 기준으로 감각, 인지, 감성에 관한 다양한 문헌 데이터를 추가하고 있다. 현재 후속으로 진행 중인 사용자 특성정보 데이터베이스가 구축되고 인지, 감성적 제품설계 지원 시스템으로 완성되면, 스마트기기, 가전기기, 생활 공구, 가구 등의 제품설계 담당자들의 상세 설계 및 설계 평가를 도와줄 수 있을 것으로 기대한다. 문헌들이 제시하고 있는 데이터의 종류와 관계에 따라서 설계된 스키마도 업데이트 될 수 있을 것으로 생각하며, 제품 영역별로 일부 차별화된 니즈도 존재할 것으로 생각되므로 제품설계 지원시스템 또한 지속적으로 진화할 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
감각적 특성이란 무엇인가?
본 연구에서는 제품설계 프로세스에서 사용자가 제품을 수용하는 방식을 크게 감각, 인지, 감성으로 구분하며, 이를 사용자 특성정보라고 부른다. 감각적 특성이란 사용자가 감각 기관을 통해 얻은 정보를 조합하여 제품을 경험하는 특성으로, 시각, 청각, 촉각 등의 감각을 포함한다. 예를 들어, 가전기기의 색상이나 신호 음, 재질 등을 포함한다.
RDF Schema로 무엇을 할 수 있는가?
RDF Schema는 기존의 RDF 언어에서 자원의 추가 정보(Domain, Range), 각 자원간의 관계(InstanceOf, subClassOf), 자원의 타입 (Class, Type)을 추가적으로 정의하였다. 이를 통하여 각 자원간의 관계를 표현하여 메타데이터의 구조를 선언할 수 있다[14].
제품설계 프로세스를 무엇으로 구분할 수 있는가?
제품설계 프로세스는 기획에서, 개발, 검증, 생산에 이르는 전 과정에서 사용자가 중요한 고려 대상이 된다. 영국 디자인 협회(British Design Council)의 Double Diamond Model은 제품설계 프로세스를 발견(Discover), 정의 (Define), 개발(Develop), 인도(Deliver)의 4단계로 구분하였다. 발견 단계에서는 정보를 수집하고 분석하여 사용자의 니즈를 발견하고, 정의 단계에서는 사용자가 수용하는 제품의 핵심가치를 도출한다.
참고문헌 (17)
Apache Jena. https://jena.apache.org/.
Arms, W. Y., Blanchi, C., and Overly, E. A., "An architecture for information in digital libraries," D-Lib Magazine, Vol. 3. No. 2, 1997.
Barde, J., Libourel, T., and Maurel, P., "A metadata service for integrated management of knowledges related to coastal areas," Multimedia Tools and Applications, Vol. 25, No. 3, pp. 419-429, 2005.
Ding, L., Finin, T., Joshi, A., Pan, R., Cost, R. S., Peng, Y., and Sachs, J., "Swoogle: a search and metadata engine for the semantic web," In Proceedings of the 13th ACM International Conference on Information and Knowledge Management, Washington D.C., 2004.
Gangemi, A., Guarino, N., Masolo, C., Oltramari, A., and Schneider, L., "Sweetening ontologies with DOLCE," In International Conference on Knowledge Engineering and Knowledge Management, Berlin, 2002.
Haynes, D., "Metadata for Information Management and Retrieval," Facet Publishing, 2004.
Jacob, E. K., "Ontologies and the semantic web," Bulletin of the American Society for Information Science and Technology, Vol. 29, No. 4, pp. 19-22, 2003.
Lee, M.-J., Lee, H.-J., Shim, J.-H. "Analysis and Modeling of Semantic Relationships in e-Catalog Domain", Journal of Society for e-Business Studies, Vol. 9, No. 3, pp. 243-258, 2004.
Miguel Lopez, J., Gil Iranzo, R. M., Garcia Gonzalez, R., Cearreta, I., & Garay, N. (2008). Towards an ontology for describing emotions. Lecture Notes in Computer Science, Vol. 5288, pp. 96-104, 2008.
Oh, S., Ahn, J. and Park, J., "Ontology Selection Ranking Model based on Semantic Similarity Approach," Journal of Society for e-Business Studies, Vol. 14, No. 2, pp. 95-116, 2009.
Staab, S., Erdmann, M., Maedche, A., and Decker, S., "An Extensible Approach for Modeling Ontologies in RDF(S)," ECDL 2000 Workshop on the Semantic Web, Lisbon, 2000.
Turner, J. A. and Laird, A. R., "The cognitive paradigm ontology: design and application," Neuroinformatics, Vol. 10, No. 1, pp. 57-66, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.