챗봇 서비스가 단순 테스크 기능을 벗어나 심리상담, 친구 역할과 같이 사람과 같은 수준의 지능을 가진 강인공지능으로 진화하기 위해 기술적 연구가 활발히 이루어지고 있다. 그러나 실제로 챗봇을 사람으로 인지하기 위해서 일관된 성격을 부여하는 것이 중요함에도 그에 관한 기준이 부재하고 연구 또한 미비하다. 따라서 본 연구는 챗봇의 사용 목적과 사용자 유형에 따라 선호되는 챗봇의 성격에 관해서 연구하였다. 사용 목적은 심심할 때, 심리상담, 테스크(task)로 구분하였고 성격은 DISC이론의 주도형(D), 사교형(I), 신중형(C), 안정형(S)으로 4가지로 구분하였다. 사용자 인터뷰를 통해 사용 목적에 따라 선호하는 챗봇의 나이, 성별, 성격과 심심할 때 챗봇에게 기대하는 콘텐츠 및 말투에 대해서 설문 문항을 도출하였다. 설문한 결과 심심할 때는 주로 사람중심의 성격인 I, S, 테스크 목적일 때는 일 중심 성격인 D,C, 심리상담일 때는 느린 성격인 C,S를 선호하는 것으로 나타났다. 여성은 심리상담을 제외하고 중성을 선호했고 남성은 목적에 상관없이 여성을 선호하였다. 선호하는 연령대는 심심할 때는 또래이거나 어린 나이, 심리상담의 경우 또래이거나 다소 연상, 테스크 목적일 때는 주로 30대가 선호되었다. 심심할 때 기대하는 바에 있어서 대부분의 연령대가 정보를 선호하였지만 20대는 재미가 앞섰고 50-70대는 공감 및 정서적 안정감을 중시하는 것으로 나타났다. 말투에 있어서 20대와 6-70대는 존댓말에 대한 선호가 적지만 3-50대는 존댓말을 선호하였다. 결론적으로 심심할 때는 자신보다 낮은 존재, 테스크 목적일 때는 효율성, 심리상담의 경우에는 신중하게 듣는 태도를 선호하는 경향을 보임을 알 수 있었다. 이러한 결과는 챗봇의 서비스 목적에 따라 적합한 정체성을 설정하는데 유용한 가이드가 될 것으로 기대한다.
챗봇 서비스가 단순 테스크 기능을 벗어나 심리상담, 친구 역할과 같이 사람과 같은 수준의 지능을 가진 강인공지능으로 진화하기 위해 기술적 연구가 활발히 이루어지고 있다. 그러나 실제로 챗봇을 사람으로 인지하기 위해서 일관된 성격을 부여하는 것이 중요함에도 그에 관한 기준이 부재하고 연구 또한 미비하다. 따라서 본 연구는 챗봇의 사용 목적과 사용자 유형에 따라 선호되는 챗봇의 성격에 관해서 연구하였다. 사용 목적은 심심할 때, 심리상담, 테스크(task)로 구분하였고 성격은 DISC이론의 주도형(D), 사교형(I), 신중형(C), 안정형(S)으로 4가지로 구분하였다. 사용자 인터뷰를 통해 사용 목적에 따라 선호하는 챗봇의 나이, 성별, 성격과 심심할 때 챗봇에게 기대하는 콘텐츠 및 말투에 대해서 설문 문항을 도출하였다. 설문한 결과 심심할 때는 주로 사람중심의 성격인 I, S, 테스크 목적일 때는 일 중심 성격인 D,C, 심리상담일 때는 느린 성격인 C,S를 선호하는 것으로 나타났다. 여성은 심리상담을 제외하고 중성을 선호했고 남성은 목적에 상관없이 여성을 선호하였다. 선호하는 연령대는 심심할 때는 또래이거나 어린 나이, 심리상담의 경우 또래이거나 다소 연상, 테스크 목적일 때는 주로 30대가 선호되었다. 심심할 때 기대하는 바에 있어서 대부분의 연령대가 정보를 선호하였지만 20대는 재미가 앞섰고 50-70대는 공감 및 정서적 안정감을 중시하는 것으로 나타났다. 말투에 있어서 20대와 6-70대는 존댓말에 대한 선호가 적지만 3-50대는 존댓말을 선호하였다. 결론적으로 심심할 때는 자신보다 낮은 존재, 테스크 목적일 때는 효율성, 심리상담의 경우에는 신중하게 듣는 태도를 선호하는 경향을 보임을 알 수 있었다. 이러한 결과는 챗봇의 서비스 목적에 따라 적합한 정체성을 설정하는데 유용한 가이드가 될 것으로 기대한다.
With rapid development of technology for strong AI chatbot, the role of chatbot has been extended from conducting simple tasks to being a friend or counsellor. For this newly emerging purpose of chatbot, endowment of personality is important to make the chatbot regarded as a human being. Nevertheles...
With rapid development of technology for strong AI chatbot, the role of chatbot has been extended from conducting simple tasks to being a friend or counsellor. For this newly emerging purpose of chatbot, endowment of personality is important to make the chatbot regarded as a human being. Nevertheless I found that there are few guides about it. Thus, this study identifies the proper personality of chatbot depending on the purpose of services and user types. The purposes of chatbot services are divided into three types such as leisure-time, counselling, and task. The DISC theory is used for categorizing personality, which consists of 4 types such as dominance(D), inducement(I), submission(S), and compliance(C). An interview and survey were conducted to investigate the preferred personality of chatbot and contents for leisure-time. As results, people tend to prefer people-oriented types such as I, S for their leisure time, task-oriented types such as D,C for their task, and slow types such as C,S for counselling. Women prone to prefer neutral gender except for counselling and men tend to prefer female in all chatbot services. Preferred chatbot age is either same or younger age for leisure-time, same or older for counselling, and 30's for tasks. Preferred contents for leisure-time are mostly recent information but many 20's want fun contents and 50-70's want emphatic conversation. 30-50's want honorific but 20's and 60-70's don't care. The research results useful guide on proper personality of AI chatbot for each purpose of its service.
With rapid development of technology for strong AI chatbot, the role of chatbot has been extended from conducting simple tasks to being a friend or counsellor. For this newly emerging purpose of chatbot, endowment of personality is important to make the chatbot regarded as a human being. Nevertheless I found that there are few guides about it. Thus, this study identifies the proper personality of chatbot depending on the purpose of services and user types. The purposes of chatbot services are divided into three types such as leisure-time, counselling, and task. The DISC theory is used for categorizing personality, which consists of 4 types such as dominance(D), inducement(I), submission(S), and compliance(C). An interview and survey were conducted to investigate the preferred personality of chatbot and contents for leisure-time. As results, people tend to prefer people-oriented types such as I, S for their leisure time, task-oriented types such as D,C for their task, and slow types such as C,S for counselling. Women prone to prefer neutral gender except for counselling and men tend to prefer female in all chatbot services. Preferred chatbot age is either same or younger age for leisure-time, same or older for counselling, and 30's for tasks. Preferred contents for leisure-time are mostly recent information but many 20's want fun contents and 50-70's want emphatic conversation. 30-50's want honorific but 20's and 60-70's don't care. The research results useful guide on proper personality of AI chatbot for each purpose of its service.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 자연스러운 대화를 위해 챗봇에 성격을 부여하는 다양한 기술적 연구가 진행 중이다. 그러나 정작 챗봇에게 성격을 부여하는 데 있어서 그 기준이 부재하기 때문에 본 연구에서는 챗봇의 사용 목적에 따라 사용자들이 기대하는 챗봇의 정체성에 대해서 밝혀보았다. 챗봇의 사용 목적은 심심할 때, 심리상담, 테스크 3가지로 나누어 선호하는 챗봇의 연령대와 성별 및 성격을 밝혔다.
챗봇의 사용 목적은 심심할 때, 심리상담, 테스크 3가지로 나누어 선호하는 챗봇의 연령대와 성별 및 성격을 밝혔다. 또한, 심심할 때 기대하는 콘텐츠와 말투에 대해서도 밝혀보았다. 성격 구분은 DISC 성격 이론을 사용하였는데 이 이론은 일과 사람 중심 그리고 일 처리의 속도로 나누어 크게 4가지 성격 유형인 주도형(D), 사교형(I), 안정형(S), 신중형(C)으로 구분하였다.
지금까지 챗봇의 연구는 크게 두 가지 유형으로 분류되는데 현재 가장 많이 확산되고 있는 테스크 중심의 챗봇과 친구역할 또는 정신 상담과 같은 대화 자체가 중심이 되는 챗봇으로 분류되어 왔다[4]. 본 연구에서는 대화 자체가 목적이 되는 챗봇을 친구와 같이 심심할 때 대화상대가 되어주는 챗봇과 심리상담을 목적으로 하는 챗봇으로 분류하였다. 둘 다 대화 자체가 목적이지만 대화에 임하는 사용자의 마음 상태가 다르므로 기대하는 챗봇의 성격과 이미지가 다를 것이라고 가정하였다.
본 연구에서는 선호하는 챗봇의 성격을 밝히기 위해 먼저 문헌연구에서 로봇의 성격에 관한 선행연구들을 살펴볼 것이다. 또한, 스마트폰 사용자 20-70대 남녀를 심층 인터뷰하여 앞에서 언급했던 테스크, 심심할 때, 상담 목적으로 챗봇과 대화할 때 선호하는 성격에 관한 문항을 도출할 것이다.
본 연구에서는 현재 서비스 되는 약인공지능을 가진 테스크 중심의 챗봇과 친구로서 인간의 지능과 유사한 수준의 강인공지능의 챗봇 그리고 우리의 능력을 능가해서 상담가로서 우리의 결정을 도와주는 초인공지능이 필요한 챗봇을 고려하여 사용자들이 선호하는 챗봇의 성격 및 이미지를 살펴보고자 한다.
성격 유형 분석 도구로 다양한 방법들이 존재하지만 본 연구에서는 관찰이 어려운 개인의 기질과 같은 내면적 요소보다는 쉽게 드러나는 행동을 통해 유형을 구분할 수 있는 DISC모델을 사용하고자 한다. 왜냐하면, DISC모델은 구분이 단순해서 사용자들의 전체적인 선호도를 파악하기 쉬우므로 인공지능에 적합한 성격을 파악하는데 적절하다고 판단하였다.
또한, 스마트폰 사용자 20-70대 남녀를 심층 인터뷰하여 앞에서 언급했던 테스크, 심심할 때, 상담 목적으로 챗봇과 대화할 때 선호하는 성격에 관한 문항을 도출할 것이다. 이 문항들을 가지고 설문조사하여 연령대와 성별에 따라 선호하는 성격을 밝혀보고자 한다. 이 연구 결과는 챗봇에 정체성을 부여할 때 사용자 맞춤 챗봇 서비스를 제공하는데 참고하게 될 것이다.
가설 설정
심심할 때 챗봇에게 기대하는 바에 대해서는 다음과 같이 크게 4가지로 정리되었다. 1) 새로운 정보를 알려준다, 2) 나를 재미있게 해준다, 3) 애인이나 친구 역할을 해준다, 4) 내 말을 들어주고 마음을 이해해준다. 이 항목들은 문항의 선택지를 만드는데 활용될 것이다.
본 연구에서는 대화 자체가 목적이 되는 챗봇을 친구와 같이 심심할 때 대화상대가 되어주는 챗봇과 심리상담을 목적으로 하는 챗봇으로 분류하였다. 둘 다 대화 자체가 목적이지만 대화에 임하는 사용자의 마음 상태가 다르므로 기대하는 챗봇의 성격과 이미지가 다를 것이라고 가정하였다.
첫 번째와 같이 특정 테스크를 목적으로 챗봇을 이용하는 경우는 대화형 인터페이스의 개념이기 때문에 챗봇의 성격 및 이미지에 대한 사용자들의 기대감이 비교적 적을 것이라고 가정하였다. 반면 대화 자체가 목적이 되는 챗봇의 경우 사용자는 좀 더 챗봇을 사람으로 인식할 수 있어서 챗봇의 성격 및 정체성이 중요할 것이라고 가정하였다. 특히 상담을 목적으로 대화하는 경우 사용자가 기대하는 성격 및 이미지가 있을 것이다.
설문조사에서 고민 상담의 경우 동성에 대한 선호도가 강하게 나타난 것을 볼 때 선호하는 성별이 사용 목적과 참여자의 성별에 따라 다를 것이라 가정하였다. 또한 인터뷰에서 무성에 대한 선호를 언급하였기에 ‘중성’과 ‘상관없음’을 설문 문항 선택지에 추가하였다.
이러한 성격 유형을 챗봇의 역할에 맞춰 가정해볼 수 있을 것이다. D형의 챗봇은 빠르고 정확한 일처리가 중요한 테스크 중심 챗봇에 적합할 수 있고 사교적인 I형은 심심할 때 말동무로 적절할 수 있을 것이고 신중한 C형 또는 안정적인 S형은 상담을 위한 챗봇으로 적절할 수 있다고 가정해볼 수 있다.
첫 번째와 같이 특정 테스크를 목적으로 챗봇을 이용하는 경우는 대화형 인터페이스의 개념이기 때문에 챗봇의 성격 및 이미지에 대한 사용자들의 기대감이 비교적 적을 것이라고 가정하였다. 반면 대화 자체가 목적이 되는 챗봇의 경우 사용자는 좀 더 챗봇을 사람으로 인식할 수 있어서 챗봇의 성격 및 정체성이 중요할 것이라고 가정하였다.
제안 방법
고민 상담은 주로 자신과 비슷한 경험을 한 사람을 찾는 경향이 있어서 동성을 선호할 것이라는 것을 쉽게 유추해 볼 수 있다. 따라서 설문조사에서는 심리상담으로 바꿔서 설문조사를 해보았다. 또한, 설문 문항의 선택지 구성은 3장 인터뷰의 내용을 참고하여 작성하였다.
심심할 때 대화하는 경우 챗봇에 기대하는 바에 대해서 콘텐츠 측면으로 질문을 추가하였다. 선호하는 성격에 대한 묘사는 서술형으로 답하도록 하였고 내용을 DISC 유형에 맞춰서 분석하였다.
성격 구분은 DISC 성격 이론을 사용하였는데 이 이론은 일과 사람 중심 그리고 일 처리의 속도로 나누어 크게 4가지 성격 유형인 주도형(D), 사교형(I), 안정형(S), 신중형(C)으로 구분하였다. 설문 문항의 선택지는 각 연령대 남녀를 인터뷰하여 공통된 내용을 추출하였다.
또한, 심심할 때 기대하는 콘텐츠와 말투에 대해서도 밝혀보았다. 성격 구분은 DISC 성격 이론을 사용하였는데 이 이론은 일과 사람 중심 그리고 일 처리의 속도로 나누어 크게 4가지 성격 유형인 주도형(D), 사교형(I), 안정형(S), 신중형(C)으로 구분하였다. 설문 문항의 선택지는 각 연령대 남녀를 인터뷰하여 공통된 내용을 추출하였다.
챗봇 사용의 목적은 심심할 때와, 심리 상담을 위한 경우로 나누어 질문하였다. 테스크를 목적으로 하는 경우는 상대적으로 챗봇의 정체성에 대한 선호도 차이가 낮을 것으로 판단하여 인터뷰에서는 포함하지 않았다.
챗봇에 대해 기대하는 바에 관한 설문 문항들을 도출하기 위해 먼저 인터뷰를 진행하였다. 챗봇의 사용 목적에 따라 챗봇에 대해 기대하는 성별, 연령, 성격, 역할을 20-70대 남녀 10명에게 질문하였다.
챗봇의 사용 목적에 따른 성격 설정을 위해 설문조사를 시행하였다. 챗봇을 사용하는 목적을 앞에서 언급한대로 3가지 기준으로 심심할 때, 심리상담, 테스크 목적으로 분류하여 선호하는 챗봇의 성격 유형, 나이와 성별에 대해서 공통으로 질문하였다. 인터뷰에서는 고민 상담으로 질문하였을 때 주로 동성을 선호하는 경향이 뚜렷이 나타났다.
챗봇의 사용 목적에 따른 성격 설정을 위해 설문조사를 시행하였다. 챗봇을 사용하는 목적을 앞에서 언급한대로 3가지 기준으로 심심할 때, 심리상담, 테스크 목적으로 분류하여 선호하는 챗봇의 성격 유형, 나이와 성별에 대해서 공통으로 질문하였다.
대상 데이터
또한, 설문 문항의 선택지 구성은 3장 인터뷰의 내용을 참고하여 작성하였다. 설문 대상자들은 [표 2]에서 보듯이 20-70대 158명을 무작위로 선택하여 2018년 2월에 일주일 동안 설문조사 하였다.
설문조사 결과 사용자들은 심심할 때 대화상대자로 자신의 또래이거나 어린 챗봇을 선호하였고 심리상담을 위해서는 또래이거나 높은 연령대를 선호하였다. 테스크를 목적으로 하면 주로 30대를 선호하는 것으로 나타났다.
챗봇에 대해 기대하는 바에 관한 설문 문항들을 도출하기 위해 먼저 인터뷰를 진행하였다. 챗봇의 사용 목적에 따라 챗봇에 대해 기대하는 성별, 연령, 성격, 역할을 20-70대 남녀 10명에게 질문하였다. 최신 기술에 익숙하지 않은 노인층을 인터뷰에 넣은 이유는 점차로 고령화 사회가 되어가면서 몸이 불편하거나 소외된 삶을 살게 되기 때문에 쉽게 필요한 정보를 알려주거나 말동무 역할을 할 수 있는 챗봇이 가장 필요한 대상일 수 있기 때문이다.
설문조사 결과 사용자들은 심심할 때 대화상대자로 자신의 또래이거나 어린 챗봇을 선호하였고 심리상담을 위해서는 또래이거나 높은 연령대를 선호하였다. 테스크를 목적으로 하면 주로 30대를 선호하는 것으로 나타났다. 선호하는 성별에 있어서 여성의 경우 심리 상담할 때는 같은 여성을 주로 선호하였지만, 나머지 두 경우에는 중성을 선호하였다.
성능/효과
[표 1]에 정리한 결과를 보면 대화 목적에 상관없이 4명은 선호하는 성격 유형이 일관되었고 6명은 다르게 나타났다. 선호 성별에 있어서 고민 상담이 필요할 때는 동성을 선호하는 경향이 강하게 나타났다.
결론적으로 여성 사용자들은 상담할 때를 제외하고 챗봇의 성별에 대해 중성적인 것을 선호하는 반면에 남성들은 목적에 상관없이 여성을 가장 선호하는 것으로 나타났다.
위의 결과를 종합해보면 심심할 때는 대체로 자신보다 낮은 존재, 심리 상담할 때는 이야기를 들어 주는 태도, 테스크의 경우에는 효율적인 이미지를 선호한다고 유추해 볼 수 있다. 결론적으로 챗봇을 개발할 때 이용 목적에 따라 챗봇의 성격을 다르게 설정해야 할 필요가 있음을 알 수 있다. 또한, 심심할 때 이용하는 챗봇의 경우에는 정보제공을 기본 기능으로 하되 사용자의 연령대에 따라 차별화된 콘텐츠를 제공해야 할 필요가 있다.
50-70대의 경우에는 친밀감 또는 정서적인 안정을 제공하기를 기대하는 것으로 나타났다. 또한, 말투는 대체로 연령대가 높을수록 존댓말 선호도가 높았지만, 사회적 지위를 상실하는 연령대인 6-70대의 경우에는 존댓말에 대한 기대치가 낮은 것으로 나타났다.
30대는 사회생활과 업무에 숙련이 되어 있고 또한 상대적으로 왕성하게 일할 수 있는 연령대이기 때문에 일을 시킨다는 관점에서 가장 선호되는 것으로 보인다. 또한, 선호하는 성격에도 일 중심적인 성격인 D, C 유형을 선호하는 것을 보았을 때 효율적이고 신뢰할 수 있는 이미지를 선호한다고 볼 수 있다. 인간 비서에 대한 이미지 연구 결과는 정리정돈에 능하고, 차분하며 단아한 외모를 가지고 바른 언어를 사용하며 조리 있는 말솜씨를 기대하는 것으로 나타났다[18].
따라서 결국 자신과 유사한 성격의 음성으로 인지했을 때 좀 더 책을 구매할 가능성이 높은 것으로 나타났다[15]. 반면 로봇의 성격에 대한 선호도 연구에서는 로봇의 성격을 얼굴표정, 얼굴 움직임, 대화 스크립트 3가지 차원에서 드러나게 하여 실험한 결과 선호 정도 차이는 상황에 따라 달랐지만 대체로 사람들은 특정 로봇을 선호하는 것으로 나타났다.
또한 인터뷰에서 무성에 대한 선호를 언급하였기에 ‘중성’과 ‘상관없음’을 설문 문항 선택지에 추가하였다. 설문 결과 심심할 때 선호하는 성별에 있어서 대체로 성별을 따지지 않거나 중성을 선택한 전체 비율이 61% 여성은 32% 남성은 6%로 나타났다. [그림 5]에서 남녀의 선호도 차이를 살펴보면 여성은 주로 성별이 느껴지지 않는 중성(37.
남성의 경우 목적에 상관없이 여성을 주로 선호하였다. 성격에서는 심심할 때는 사람 중심의 성격(I, S), 테스크 목적의 경우에는 일 중심의 성격(D, C), 심리상담을 할 때는 느린 성격(C, S)이 선호되었다. 심심할 때 챗봇에게 기대하는 바는 주로 정보제공이었지만 20대 사용자의 경우에는 실용적인 정보보다는 재미있는 콘텐츠를 원하는 것으로 나타났다.
셋째, 초지능(ASI·artificial super intelligence)으로 자의식뿐 아니라 경제, 사회, 과학 등 거의 모든 영역에서 인간보다 훨씬 높은 지능을 갖춰 인간이 해결할 수 없는 일까지 가능해질 수도 있다.
심리상담에서는 자신보다 다소 연상이고 느린 성격을 선호하며 주로 여성을 선호하는 것으로 나타났다. 이는 전통적으로 인식하는 여성의 정체성은 남성보다 남을 배려하고 공감 능력에서 앞선다고 알려져 있기 때문일 수 있다.
[그림 2]에서 x축의 나이는 설문 응답자들의 연령대이고 그래프는 선호되는 연령대이다. 심심할 때 대화를 나누고 싶은 챗봇의 나이는 참여자의 연령대에 따라서 다소 차이가 보였지만 공통된 특징은 또래이거나 어린 나이를 선호하는 것으로 나타났다. [그림 3]에서 심리상담을 할 때도 심심할 때와 유사한 성향을 보이지만 20-40대의 경우 심심할 때에 비교해서 또래 보다 다소 많은 나이를 선호하는 경향을 보인다.
성격에서는 심심할 때는 사람 중심의 성격(I, S), 테스크 목적의 경우에는 일 중심의 성격(D, C), 심리상담을 할 때는 느린 성격(C, S)이 선호되었다. 심심할 때 챗봇에게 기대하는 바는 주로 정보제공이었지만 20대 사용자의 경우에는 실용적인 정보보다는 재미있는 콘텐츠를 원하는 것으로 나타났다. 50-70대의 경우에는 친밀감 또는 정서적인 안정을 제공하기를 기대하는 것으로 나타났다.
위의 결과를 종합해보면 심심할 때는 대체로 자신보다 낮은 존재, 심리 상담할 때는 이야기를 들어 주는 태도, 테스크의 경우에는 효율적인 이미지를 선호한다고 유추해 볼 수 있다. 결론적으로 챗봇을 개발할 때 이용 목적에 따라 챗봇의 성격을 다르게 설정해야 할 필요가 있음을 알 수 있다.
위의 연구 결과들을 종합해보면 심심할 때 사용자들은 대체로 자신보다 다소 어리고 존댓말을 하며 필요한 정보를 찾아주거나 즐겁게 해주는 사람 중심의 성격을 선호하는 것을 볼 때 자신보다 낮은 존재를 기대하는 것으로 보인다. 이는 성별에 대한 선호도에서도 나타난다.
인간 심리상담자에 대한 내담자들의 선호도에 관한 연구에서는 여성들은 수용적이며 무비판적인 S형 상담자를 기대하는 반면 남성들은 지시적이고 비판적이며 분석적인 C형 상담자를 기대하는 것으로 나타났다[17]. 이 결과를 본 연구의 결과와 비교해 보면 여성의 상담자에 대한 선호도는 매우 유사하지만 남성의 경우 S형과 C형 챗봇 상담자를 거의 동일하게 선호하는 것을 볼 때 챗봇에게 기대하는 바가 다소 다른 것을 알 수 있다.
2000년에 실시되었던 음성으로 반응하는 인터랙티브 컴퓨터의 성격에 관한 선호도 연구에서 사람들은 자신과 유사한 성격을 나타내는 목소리의 컴퓨터를 선호하는 것으로 나타났다. 이 연구는 책을 구매하는 웹사이트의 실험에서 밝힌 것인데 자신의 성격과 유사한 컴퓨터 음성을 접했을 때 그 컴퓨터 목소리가 좀 더 매력적이고 신뢰감이 가며 또한 책에 대한 평가도 좀 더 긍정적으로 나타났다. 따라서 결국 자신과 유사한 성격의 음성으로 인지했을 때 좀 더 책을 구매할 가능성이 높은 것으로 나타났다[15].
인터뷰 결과에서 고민상담의 경우 성별은 상관없다고 대답한 3명과 이성 1명을 선택한 응답자를 제외하고 10명중 6명이 주로 동성을 선호했던 것과는 다르게 심리 상담의 경우 44%가 주로 여성을 선호하였다. 나머지 50%는 중성이거나 성별을 따지지 않는 것으로 나타났고 5%가 남성을 선호하였다.
후속연구
본 연구에서는 선호하는 챗봇의 성격을 밝히기 위해 먼저 문헌연구에서 로봇의 성격에 관한 선행연구들을 살펴볼 것이다. 또한, 스마트폰 사용자 20-70대 남녀를 심층 인터뷰하여 앞에서 언급했던 테스크, 심심할 때, 상담 목적으로 챗봇과 대화할 때 선호하는 성격에 관한 문항을 도출할 것이다. 이 문항들을 가지고 설문조사하여 연령대와 성별에 따라 선호하는 성격을 밝혀보고자 한다.
본 연구는 각 연령대 참여자들의 수와 남녀 비율이 고르지 않았다는데 한계점이 있다. 추후 이 연구 결과에 따라 이미지를 제작하여 챗봇의 프로필 이미지 연구를 진행할 예정이다.
이 문항들을 가지고 설문조사하여 연령대와 성별에 따라 선호하는 성격을 밝혀보고자 한다. 이 연구 결과는 챗봇에 정체성을 부여할 때 사용자 맞춤 챗봇 서비스를 제공하는데 참고하게 될 것이다.
본 연구는 각 연령대 참여자들의 수와 남녀 비율이 고르지 않았다는데 한계점이 있다. 추후 이 연구 결과에 따라 이미지를 제작하여 챗봇의 프로필 이미지 연구를 진행할 예정이다.
즉 챗봇은 디지털적인 접근의 새로운 형태의 시작으로 사람들이 정보에 접근하고 의사를 결정하고 소통하는 새로운 트렌드이다[10]. 현재 챗봇의 기술은 사실적이거나 상황을 인지하기보다는 구체적인 기 능 중심이지만 급속도로 인공지능이 발전하고 있어서 본 연구에서 설정한 3가지 차원에서 사용자와의 자연스러운 대화가 가까운 시일 안에 가능할 것이라고 예상한다.
질의응답
핵심어
질문
논문에서 추출한 답변
챗봇은 무엇인가?
챗봇은 사람과의 문자 대화를 통해 질문에 적절히 답하거나 다양한 관련 정보를 제공하는 인공지능(AI) 기반의 커뮤니케이션 소프트웨어를 지칭한다[1]. 챗봇은 사람들이 필요로 하는 서비스와 데이터를 적시에 찾아주는 등 수많은 기업과 개인을 연결해주는 연결고리 역할을 한다.
챗봇이 튜링테스트를 통과하지 못하는 이유는 무엇인가?
챗봇은 대화형 서비스이므로 사용자들은 챗봇을 사람으로 인식하는 경향이 있으며, 따라서 챗봇에게 개인적인 정보를 물어보는 경우도 빈번하게 발생한다[3]. 하지만 현재 제공되는 챗봇의 모델은 대화가 부드럽게 문제없이 이루어지더라도 일관성 있는 성격을 제공하지 못하기 때문에 튜링 테스트(turing test)를 통과하지 못하는 것으로 알려져 있다[4]. 튜링테스트는 기계가 인간과 얼마나 비슷하게 대화하는지 알아보는 시험이다.
챗봇의 사용 목적에 따라 선호하는 챗봇의 성격이 어떻게 달라지는가?
위의 결과를 종합해보면 심심할 때는 대체로 자신보다 낮은 존재, 심리 상담할 때는 이야기를 들어 주는 태도, 테스크의 경우에는 효율적인 이미지를 선호한다고 유추해 볼 수 있다. 결론적으로 챗봇을 개발할 때 이용 목적에 따라 챗봇의 성격을 다르게 설정해야 할 필요가 있음을 알 수 있다.
참고문헌 (18)
장준희, "인공지능 기반의'챗봇(ChatBot)' 서비스 등장과 발전 동향," NIA 한국정보화진흥원, 2016.
http://www.techsuda.com/archives/9357
Z. Yu, Z. Xu, A. W. Black, and A. Rudnicky, "Strategy and policy learning for nontask- oriented conversational systems," In 17th Annual Meeting of the Special Interest Group on Discourse and Dialogue, pp.404-412, 2016.
Q. Qian, M. Huang, and X. Zhu, "Assigning personality/identity to a chatting machine for coherent conversation generation," arXiv preprint arXiv:1706.02861, 2017.
http://www.bbc.com/news/technology-27762088
H. Nguyen, D. Morales, and T. Chin, A Neural Chatbot with Personality, Stanford University working paper, 2017.
C. L. Lisetti, S. M. Brown, K. Alvarez, and A. H. Marpaung, "A Social Informatics Approach toHuman-Robot Interaction With a Service SocialRobot," IEEE Trans. on System, Man, and Cybernetics, Part C, Vol.34, No.2, 2004.
L. Medeiros and T. Bosse, "An Empathic Agent that Alleviates Stress by Providing Support via Social Media," In？Proceedings of the 16th Conference on Autonomous Agents and MultiAgent Systems, International Foundation for Autonomous Agents and Multiagent Systems, pp.1634-1636, 2017.
G. Cameron, D. Cameron, G. Megaw, R. Bond, M. Mulvenna, S. O'Neil, C. Armour, and M. McTear, "Towards a chatbot for digital counselling," In？Proceedings of the 31st British Computer Society Human Computer Interaction Conference,？p.24, 2017.
R. Tokuhisa and R. Terashima, "Relationship between utterances and enthusiasm in non-task-oriented conversational dialogue," In？Proceedings of the 7th SIGdial Workshop on Discourse and Dialogue, Association for Computational Linguistics, pp.161-167, 2009.
M. Portela and C. Granell-Canut, "A new friend in our smartphone?: observing interactions with chatbots in the search of emotional engagement," In？Proceedings of the XVIII International Conference on Human Computer Interaction, ACM, p.48, 2017.
윤수진, 뉴 실버세대의 감성 커뮤니케이션과？맞춤형 가상비서(Virtual Assistant)？콘텐츠 연구, 경희대학교 대학원, 박사학위논문, 2016.
C. Nass and K. M. Lee, "Does computer- generated speech manifest personality? An experimental test of similarity-attraction," In Proceedings of the SIGCHI conference on Human Factors in Computing Systems ACM, pp.329-336, 2000.
박성용, 현소은, "DISC 를 이용한 성격분석방법의 정확성 비교,"？상품학 연구,？제34권, pp.45-54, 2016.
김은희, 주은선, "내담자 변인과 상담형태에 따른 내담자의 상담에 대한 기대감 연구,"？한국심리학회지: 상담 및 심리치료, 제13권, 제1호, pp.51-77, 2001.
송인선, 백지연, "Q-방법론을 적용한 비서이미지와 이미지 결정요인에 관한 연구," 비서학논총, 제22권, 제2호, pp.87-116, 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.