[논문]UX 디자인 과정에서의 머신러닝 활용 방법

이지혜

doi:10.5392/jkca.2019.19.10.157

UX 디자인 과정에서의 머신러닝 활용 방법
Applying Machine Learning in UX Design Process 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.19 no.10, 2019년, pp.157 - 164

이지혜 (알토대학교)

초록
AI-Helper

본 연구는 아직 초기 단계의 논의에 그치고 있는 UX 디자인 과정에서의 머신러닝 활용 현황에 대해 고찰하고 향후 디자이너가 UX 디자인 과정에서 머신러닝을 활용할 수 있는 방식에 대해 논의하고자 한다. 본 연구는 머신러닝 기반의 제품 및 서비스를 위한 디자인 방법 연구와는 구별되는 것으로 머신러닝을 디자인 과정 속에 이용해서 디자이너가 얻을 수 있는 가치에 대한 논의에 목적을 둔다. 이를 위해 문헌연구와 사례조사를 통해 디자인 방법의 종류를 1) UX 디자인 중심 ML 융합, 2) ML 시스템 중심 UX융합, 그리고 3) UX-ML 매치메이킹 방법에 대해 정리하고 분석하였다. 이후 실제 워크숍에서 디자인 전공자들이 실질적으로 활용가능한 1)과 3)의 방법을 시행하면서 각 방법의 과정, 장단점을 세부적으로 파악하였고, 이를 통해 머신러닝을 UX 디자인 과정에 접목하는 구체적 방법을 제시하였다.

Abstract ▼ AI-Helper

This paper investigates applicable methods of using machine learning(ML) in design process that is currently at infant stage and discuss how designers can use machine learning in UX design process. This research is differentiated from design method for machine learning-based products or services. For this purpose, this paper conducted literature reviews and case investigation and discussed three categories of design method of combination with such as 1) UX design centered ML, 2) ML system centered UX, and 3) UX-ML matchmaking. With this investigation, the workshop was conducted with specifically applicable methods of 2) and 3) for designers. Throughout the workshop, this paper analyzed each method' process with pros and cons in details. Throughout the process, this paper suggests precise methods of applying ML into UX design process.

주제어

표/그림 (13)

그림 그림 1. Air BnB에서 자체적으로 제작한 ML 활용 플랫폼
표 표 1. 디자인 관련 자동화 툴 사례
그림 그림 2. UX 디자이너들의 머신러닝에 대한 친밀도
그림 그림 3. 디즈니사의 ML 기반 맞춤형 서비스 패키지
그림 그림 4. Alibaba AI designer, Luban
그림 그림 5. 넷플릭스(Netflix)의 매칭 프리뷰 화면
표 표 2. UX 디자인과 ML 융합 방법에 따른 차이
표 표 3. 워크숍 참가자 프로필 및 역할분담
그림 그림 7. 음식의 양을 시각 데이터로 학습하여 환경 관련 메시지를 보내는 서비스 프로토타입
그림 그림 6. 소리 데이터 학습을 통해 ML이 모터의 각도를 조절하는 알람 서비스 프로토타입
그림 그림 5.
표 표 4. 팀별 UX-ML 디자인 과정의 정보 구성 분포
표 표 5. ML을 활용한 UX 디자인 과정

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그 중에서 최근 실제 디자인 작업에 ML을 통합하기 위한 논의를 활발히 하고 있는 [2]의 연구를 참고하여 UX 디자인 과정에서 머신러닝을 적용한 방식이 다음의 3가지 항목 – 1) 기존의 UX 디자인 프로세스에 ML을 추가하는 방식, 2) 기존의 ML 시스템에 UX 관련 사항을 추가하는 방식, 그리고 3) UX와 ML을 매치메이킹 (Matchmaking)하는 방식으로 논의되고 있음을 파악하고 정리하였다. 개인적 경험 서술에 기반한 연구를 좀 더 문헌연구와 사례조사를 확대하여 보강하였으며 각 항목을 그에 따라 세분화하여 다음과 같이 정리하고자 한다.
그러나 새롭게 등장하는 디지털 테크놀러지와 플랫폼 관련 시스템을 이해하고 이를 디자인 과정에 적극적으로 반영하여 새로운 서비스를 만들었던 과거의 혁신 사례들에 비추어, 향후 ML을 이해하는 디자이너의 수요도 증가할 것이라고 예상하며 다음 장에서 구체적인 과정상의 방법들에 대해 논하고자 한다.
이 방법론은 현재 많은 디자이너와 디자인 연구자들에 의해 논의되고 있으며 이를 바탕으로 여러 제품과 서비스가 디자인되고 있다. 본 연구는 HCML 방법론을 기초로 하되, UX 디자인 과정에서 가능한 방법들을 워크숍 진행을 통해 좀 더 구체적으로 들여다보고자 한다. 즉, 머신러닝을 활용한 UX 디자인 과정에서 드러나는 장,단점을 파악하고 변화하는 UX 디자인의 구체적 과정을 알아보고자 한다.
본 연구는 UX 디자이너의 역량과 역할의 차이를 바탕으로 ML을 디자인 과정에 활용하는 방식을 고찰하고자 하였다. 이를 위해 문헌연구를 통해 UX 디자인 과정과 ML이 활용되는 방식을 3가지의 항목으로 분류하였으며, 이를 기반으로 워크숍을 시행하여 디자이너들 간의 구성에서 가능한 2가지의 항목-즉 UX 디자인 과정에 ML 적용, UX-ML 매치메이킹-을 실제 서비스 컨셉 구현을 위해 활용하였다.
본 연구는 그동안 ML을 디자이너의 디자인 과정에 적용하기 위한 논의가 초기단계에서 향후 디자인에 실제 적용되는 데에 궁극적인 목적을 두고자 한다. 또한 UX 디자이너와 연구자에게 ML과 관련한 현재의 논의를 정리하고 앞으로 구체적인 방식을 활용할 수 있는 과정을 보여줌에 의의가 있다고 본다.
본 연구는 머신러닝 기반의 제품 및 서비스를 위한 디자인 방법 연구와는 구별되는 것으로 머신러닝을 사용자 중심의 디자인 과정 속에 이용해서 디자이너가 얻을 수 있는 가치에 대한 논의에 목적을 둔다. 이를 위해 현황을 파악하고 그 과정들에 대해 정리하여 각 특징 및 장단점을 분석하고자 한다.
본 연구는 HCML 방법론을 기초로 하되, UX 디자인 과정에서 가능한 방법들을 워크숍 진행을 통해 좀 더 구체적으로 들여다보고자 한다. 즉, 머신러닝을 활용한 UX 디자인 과정에서 드러나는 장,단점을 파악하고 변화하는 UX 디자인의 구체적 과정을 알아보고자 한다.
이를 위해 현황을 파악하고 그 과정들에 대해 정리하여 각 특징 및 장단점을 분석하고자 한다. 특히 머신러닝을 이용해 사용자에 대한 파악과 그를 기반으로 한 활용가치 모색에 중점을 둔 UX 디자인 과정으로 그 연구범위를 한정해 논의하고자 한다.

제안 방법

A팀은 UX디자인 과정에서 프로토타이핑의 단계에 ML을 이용하는 방식을 선택하도록 하고, B팀은 구성원들의 ML 관련 기술을 최대한 활용하며 여러 테스트를 거치는 과정에서 컨셉을 발견해나가는 매치메이킹 방식으로 진행하도록 하였다. 이에 따라 A팀은 UX디자인에 필요한 사전 지식을 활용하면서 워크숍에서 학습한 ML 중에서 일부분을 특정해서 프로토타입을 다양하게 진행하기로 하였다.
이에 따라 A팀은 UX디자인에 필요한 사전 지식을 활용하면서 워크숍에서 학습한 ML 중에서 일부분을 특정해서 프로토타입을 다양하게 진행하기로 하였다. B팀은 이에 반해, 워크숍에서 학습한 ML알고리즘을 최대한 다양하게 구사한 후 일정시간 이후 논의를 거쳐 가장 결과가 좋은 입출력 방식을 선택하고 이에 맞추어 컨셉을 정하기로 하였다. 각 팀이 활용한 정보는 아래 [그림 6]과 같이 구성하였다.
위와 같이 문헌연구를 통해 정리한 UX 디자인 과정과 ML의 활용 방식을 바탕으로 사례를 파악하였다. 다음 장에서는 이러한 활용방식에 기반하여 워크숍을 진행하고 실제 디자인 과정을 거치면서 특징과 장,단점을 파악하고자 한다.
본 장에서는 UX 디자인 전공 혹은 UX 디자인 수강 이수자이지만 머신러닝은 모두 처음 다루어보는 참여자들을 대상으로 워크숍을 진행하였다. 무작위로 나눈 2팀의 참가자 프로필과 분담한 역할은 아래와 같다.
이후 프로토타입을 구현할 때 워크숍에서 학습한 Wekinator 프로그램을 통한 Supervised Learning ML 알고리즘기반의 서비스를 시연하였다. 사용자가 코를 고는 소리를 인식하여 소리의 강도에 따라 아두이노 센서로 연결된 모터가 각도를 달리해 사용자를 깨우는 서비스 프로토타입을 제작하였다.
양 팀은 모두 실시간 인터랙티브 머신러닝 툴킷(toolkit)인 Wekinator를 다운받아 일정 시간 학습하며 Supervised Machine Learning 알고리즘을 활용할 수 있게 되었다. 인풋과 아웃풋 데이터를 입력하고 출력할 수 있도록 하는 플랫폼의 연결은 Processing 프로그램을 통해 진행하였다.
워크숍을 통해 UX 디자인 과정에 ML을 적용하는 방식과 매치메이킹 방식으로 UX-ML의 융합에 기반한 서비스 컨셉 구현의 과정을 살펴보았다.
위와 같이 문헌연구를 통해 정리한 UX 디자인 과정과 ML의 활용 방식을 바탕으로 사례를 파악하였다. 다음 장에서는 이러한 활용방식에 기반하여 워크숍을 진행하고 실제 디자인 과정을 거치면서 특징과 장,단점을 파악하고자 한다.
이 과정에서 A 팀은 먼저 퍼스널 헬스케어와 알람서비스를 결합한 제품에 대한 소비자 니즈를 조사하고 이를 개인 맞춤형 서비스로 기획하였다. 이후 프로토타입을 구현할 때 워크숍에서 학습한 Wekinator 프로그램을 통한 Supervised Learning ML 알고리즘기반의 서비스를 시연하였다.
특히 디자인 재료로써의 ML은 여러 연구자들에 의해 논의되는 데 이 방법을 통해서도 예측불가능한 결과물을 도출하는 것 뿐만 아니라 기존의 UX 디자인의 목표인 사용성 증대나 과업의 효율성 향상을 기대할 수 있기도 하다[3]. 이론적으로 본 방법은 기존의 UX 디자인 프로세스를 그대로 따르면서 대신 프로토타이핑의 단계에 이르러 ML을 적용하는 방식이다.
본 연구는 UX 디자이너의 역량과 역할의 차이를 바탕으로 ML을 디자인 과정에 활용하는 방식을 고찰하고자 하였다. 이를 위해 문헌연구를 통해 UX 디자인 과정과 ML이 활용되는 방식을 3가지의 항목으로 분류하였으며, 이를 기반으로 워크숍을 시행하여 디자이너들 간의 구성에서 가능한 2가지의 항목-즉 UX 디자인 과정에 ML 적용, UX-ML 매치메이킹-을 실제 서비스 컨셉 구현을 위해 활용하였다.
본 연구는 머신러닝 기반의 제품 및 서비스를 위한 디자인 방법 연구와는 구별되는 것으로 머신러닝을 사용자 중심의 디자인 과정 속에 이용해서 디자이너가 얻을 수 있는 가치에 대한 논의에 목적을 둔다. 이를 위해 현황을 파악하고 그 과정들에 대해 정리하여 각 특징 및 장단점을 분석하고자 한다. 특히 머신러닝을 이용해 사용자에 대한 파악과 그를 기반으로 한 활용가치 모색에 중점을 둔 UX 디자인 과정으로 그 연구범위를 한정해 논의하고자 한다.
그러나 본 방법은 그 가능성에 비해 디자인 과정에서는 별로 주목을 받지 못한 측면이 크다[3]. 이에 따라 다음 장에서는 앞서 논의한 UX-ML 디자인 방법 중에 디자인 전공자들이 바로 시도해 볼 수 있는 방법들을 선택하여 디자이너들이 ML을 적극적으로 디자인 과정에 이용하여 신속하고 새로운 컨셉의 서비스를 고안하는 과정을 논할 것이다.
이 과정에서 A 팀은 먼저 퍼스널 헬스케어와 알람서비스를 결합한 제품에 대한 소비자 니즈를 조사하고 이를 개인 맞춤형 서비스로 기획하였다. 이후 프로토타입을 구현할 때 워크숍에서 학습한 Wekinator 프로그램을 통한 Supervised Learning ML 알고리즘기반의 서비스를 시연하였다. 사용자가 코를 고는 소리를 인식하여 소리의 강도에 따라 아두이노 센서로 연결된 모터가 각도를 달리해 사용자를 깨우는 서비스 프로토타입을 제작하였다.
양 팀은 모두 실시간 인터랙티브 머신러닝 툴킷(toolkit)인 Wekinator를 다운받아 일정 시간 학습하며 Supervised Machine Learning 알고리즘을 활용할 수 있게 되었다. 인풋과 아웃풋 데이터를 입력하고 출력할 수 있도록 하는 플랫폼의 연결은 Processing 프로그램을 통해 진행하였다.
활용 현황 ML은 인공지능(Artificial Intelligence)의 어플리케이션(application)을 의미하며 데이터를 자동적으로 학습하고 그에 기반하여 결과의 질을 향상시키는 능력을 보유한 시스템을 만드는 기술이다. 좀 더 세부적으로 인간이 데이터를 구분하여 입력한 기준을 바탕으로 결과를 도출하는 supervised ML 방식과 그 반대로 분류되거나 라벨링(labeled)되지 않은 정보를 학습하여 다양한 결과를 도출하는 unsupervised ML로 나눈다[5]. 또한 supervised와 unsupervised ML 방식의 중간단계인 Semi-supervised ML, 그리고 환경과 폭넓게 상호작용하는 Reinforcement ML 방식도 있다[5].
반면, B팀은 사전 지식과 관련없이 워크숍에서 배운 새로운 기술들을 빠르게 테스트하도록 하면서, 워크숍에서 학습한 내용들을 조합해서 어떠한 서비스를 만들 것인지는 이후에 결정하기로 했다. 즉, 컨셉 기획, 인풋을 위한 다양한 방식의 데이터 수집, ML입력(Processing, Wekinator이용)을 통한 데이터 훈련, 그리고 이미지와 텍스트로 아웃풋을 보여주는 과정을 우선 학습하였다.

성능/효과

이에 따라 연구의 양이 아직은 많지 않으며, 발표된 연구논문 역시 2017년 이후의 프로시딩(Proceeding)들이 대부분이다. 그 중에서 최근 실제 디자인 작업에 ML을 통합하기 위한 논의를 활발히 하고 있는 [2]의 연구를 참고하여 UX 디자인 과정에서 머신러닝을 적용한 방식이 다음의 3가지 항목 – 1) 기존의 UX 디자인 프로세스에 ML을 추가하는 방식, 2) 기존의 ML 시스템에 UX 관련 사항을 추가하는 방식, 그리고 3) UX와 ML을 매치메이킹 (Matchmaking)하는 방식으로 논의되고 있음을 파악하고 정리하였다. 개인적 경험 서술에 기반한 연구를 좀 더 문헌연구와 사례조사를 확대하여 보강하였으며 각 항목을 그에 따라 세분화하여 다음과 같이 정리하고자 한다.
위 [표 5]의 결과를 통해 UX 디자인과정에 ML을 적용하여 프로토타입을 구현하는 방식은 디자이너가 전체적인 개요를 머신러닝 프로토타입을 통해 구체화시키며 확정해 가는 과정이었다면, UX-ML 매치메이킹은 가장 다양하고 많은 양의 데이터를 학습할 수 있는 맥락을 찾는 과정에서 머신러닝을 활용할 수 있음을 보여준다. 특히 UX-ML 매치메이킹 방식은 공동디자인의 과정에서 머신러닝을 이용하여 창조적인 영감을 발현시키는 데에 적합한 방법으로도 논의할 수 있다.

후속연구

특히 정통 UX 디자인 과정에 ML을 소극적인 도구로 활용하는 디자인 재료로써의 ML과 관련한 방식 외에 디자인 분야에서는 논의가 적었던 UX-ML 매치메이킹 방식을 함께 시행해 비교함으로써 디자인 방법의 범주를 보다 확장하고자 하는 의미도 있다. 그러나 소규모의 워크숍에 국한된 본 연구를 향후 후속 연구에서의 디자인 프로젝트를 통해 더욱 확장적으로 논의해 나가고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ML이란 무엇인가?	활용 현황 ML은 인공지능(Artificial Intelligence)의 어플리케이션(application)을 의미하며 데이터를 자동적으로 학습하고 그에 기반하여 결과의 질을 향상시키는 능력을 보유한 시스템을 만드는 기술이다. 좀 더 세부적으로 인간이 데이터를 구분하여 입력한 기준을 바탕으로 결과를 도출하는 supervised ML 방식과 그 반대로 분류되거나 라벨링(labeled)되지 않은 정보를 학습하여 다양한 결과를 도출하는 unsupervised ML로 나눈다[5].
	UX 디자이너에게 필요한 능력은 무엇인가?	UX 디자이너는 사용자를 이해하는 책임을 지는 역할을 갖는데 구체적으로 사용자 리서치, 디자인, 사용자 프 로파일링(Profiling), 아이디에이션, 경쟁자 분석, 디자인 씽킹, 고객 여정 맵과 같은 다양한 테크닉을 디자인 과정 속에서 이용할 수 있어야 한다[1]. UX 디자인은 위 방법들을 통해 구현하는 사용자 중심의 디자인을 의미한다.
	인간-중심의 머신러닝 방법론이 내세우는 본질은 무엇인가?	이 방법론은 사용자 중심의 디자인 접근 방식은 유지하되, 머신러닝 기술만의 특성을 반영한 방법론이다. 이는 사용자를 중심에 두고 최고의 가치와 경험을 제공할 수 있는 방법을 찾는 것이 UX 디자이너의 본질임을 내세우고 있다. 이 방법론은 현재 많은 디자이너와 디자인 연구자들에 의해 논의되고 있으며 이를 바탕으로 여러 제품과 서비스가 디자인되고 있다.

참고문헌 (9)

T. D. Silva, A. Martin, F. Maurer, and M. Silveira, "User-Centered Design and Agile Methods:A Systematic Review," 2011 Agile Conference, pp.77-86, 2011.
Q. Yang, A. Scuito, J. Zimmerman, J. Forlizzi, and A. Steinfeld, "Investigating How Experienced UX Designers Effectively Work with Machine Learning," DIS'18 Proceedings of the 2018 Designing Interactive Systems Conference, pp.585-596, 2018.
D. T. Luciani, M. Lindvall, and J. Lowgren, Machine learning as a design material : a curated collection of examplars for visual interaction, NordDesign, 2018.
https://medium.com/google-design/human-centered-machine-learning-a770d10562cd, 2019.08.11.
https://www.expertsystem.com/machine-learning-definition, 2019.08.11.
G. Gove, K. Halskov, J. Forlizzi, and J. Zimmerman, "UX design innovation : Challenges for working with machine learning as a design material," In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems, pp.278-288, 2017.
J. Zimmerman, E. Stolterman, and J. Forlizzi, "An analysis and critique of Research through Design : towards a formalization of a research approach," In Proceedings of the 8th ACM Conference on Designing Interactive Systems, pp.310-319, 2010.
P. Lahoti, G. D. F. Morales, and A. Gionis, "Finding topical experts in Twitter via query-dependent personalized PageRank," In Proceedings of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, 2017.
S. Bly and E. F. Churchill, "Design through match-making : technology in search of users," interactions, Vol.6, No.2, pp.23-31, 1999.

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증