모바일 상황에서 대화형 에이전트와 사용자의 대화 흐름도 도출 연구 Study of deduction flow map on conversation toward the Embodied conversational agents in the Mobile Environment원문보기
본 연구의 목적은 대화형 에이전트와 사용자 간의 대회를 분석하여 대화의 흐름도를 도출해 내는 것에 있다. 특히 본 연구에서는 대화에 대한 전반적인 요소 추출과 더불어 대화형 에이전트와 사용자 간에 발생할 수 있는 대화 유형까지 도출해 내어 대화형 에이전트의 대화 능력 향상에 기여하고자했다. 이를 위해 1대 1 개인 인터뷰를 실시하여 실제 대화형 에이전트와 사용자 간의 대화 데이터를 수집하고 기본적으로 질적 연구 방법론을 바탕으로 대화 분석론과 대화유형학을 참고하여 연구를 실시한 결과 층 6개의 대화 흐름도를 도출하였다. 특히 원활하지 않은 대화는 기존의 사람과 사람과의 대화에서는 찾아보기 힘든 대화이며 그 개수도 52개로 가장 많이 나타났다. 대화 방해 요소가 나타났을 경우 상대에 대한 적대감을 보이거나 대화를 교정하는 행위로 대화가 진행되었다. 본 연구는 포괄적인 대화형 에이전트와 사용자 간의 대회를 분석하여 그 유형을 알아냈다는 점에서 대화형 에이전트 개발자와 사용자, 서비스 제공자 모두에서 긍정적인 영향을 미친다.
본 연구의 목적은 대화형 에이전트와 사용자 간의 대회를 분석하여 대화의 흐름도를 도출해 내는 것에 있다. 특히 본 연구에서는 대화에 대한 전반적인 요소 추출과 더불어 대화형 에이전트와 사용자 간에 발생할 수 있는 대화 유형까지 도출해 내어 대화형 에이전트의 대화 능력 향상에 기여하고자했다. 이를 위해 1대 1 개인 인터뷰를 실시하여 실제 대화형 에이전트와 사용자 간의 대화 데이터를 수집하고 기본적으로 질적 연구 방법론을 바탕으로 대화 분석론과 대화유형학을 참고하여 연구를 실시한 결과 층 6개의 대화 흐름도를 도출하였다. 특히 원활하지 않은 대화는 기존의 사람과 사람과의 대화에서는 찾아보기 힘든 대화이며 그 개수도 52개로 가장 많이 나타났다. 대화 방해 요소가 나타났을 경우 상대에 대한 적대감을 보이거나 대화를 교정하는 행위로 대화가 진행되었다. 본 연구는 포괄적인 대화형 에이전트와 사용자 간의 대회를 분석하여 그 유형을 알아냈다는 점에서 대화형 에이전트 개발자와 사용자, 서비스 제공자 모두에서 긍정적인 영향을 미친다.
The goal of this study is finding flow-map in conversation what is going on user and embodied conversational agent by analysing that conversation. Specifically, this study not only find elements of conversation, but also draw out patterns of conversation can be exist for dialogue ability between use...
The goal of this study is finding flow-map in conversation what is going on user and embodied conversational agent by analysing that conversation. Specifically, this study not only find elements of conversation, but also draw out patterns of conversation can be exist for dialogue ability between user and Embodied conversational agent. To do this, we collect data through in-depth one to one interview, and then we analysis collected data to try to find out element of user-agent conversation based on qualitative research refer to the theory of conversation analytics and type of conversation. As a result, six flow map is deducted Especially, the irregular conversation is hard to find in human-human conversation, and the frequency is the most in data. In addition, when elements of interruption came out, be hostile to partner or correct the press conversation. This study can have positive effect to embodied conversation agent developer, user and service offerer because this study find the type of conversation through analysis that between embodied conversational agent and user.
The goal of this study is finding flow-map in conversation what is going on user and embodied conversational agent by analysing that conversation. Specifically, this study not only find elements of conversation, but also draw out patterns of conversation can be exist for dialogue ability between user and Embodied conversational agent. To do this, we collect data through in-depth one to one interview, and then we analysis collected data to try to find out element of user-agent conversation based on qualitative research refer to the theory of conversation analytics and type of conversation. As a result, six flow map is deducted Especially, the irregular conversation is hard to find in human-human conversation, and the frequency is the most in data. In addition, when elements of interruption came out, be hostile to partner or correct the press conversation. This study can have positive effect to embodied conversation agent developer, user and service offerer because this study find the type of conversation through analysis that between embodied conversational agent and user.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
[9] 이에 대표적인 예로는 번역 프로그램인 VERBMOBIL를 구축하기 위한 대화 분석 연구[10, 11]가 있으며 실제로 국내의한 연구에서는 VERBMOBIL의 한국어 번역 부분 시스템 구축을 위해 실제 사람 간의 일정협의 대화를 분석하여 대화 흐름도를 도출하였다. [12] 이와 같이 본 연구에서도 실제 대화형 에이전트와 사용자 간의 대화를 분석하여 대화형 에이전트의 대화 능력 향상에 기여하고자 한다.
학문적 부분에서의 의의는 기존의 연구에서는 찾아볼 수 없었던 대화형 에이전트와 사용자가 실제로 하는 대화를 연구하여 답변을 예상할 수 있는 기존의 시스템과는 달리 어떤 내용의 대화가 오고 갈지 예상하기 힘든 대화형 에이전트와 사용 자간의 대화유형을 제시하였다는 점이다. 또한 대화 흐름도를 제시함으로써 앞으로 사용자와 대화형 에이전트와의 대화 진행 및 내용에 대한 연구를 진행하는데에 이론적 바탕을 제공하였다.
본 연구는 대화형 에이전트의 대화 능력 향상을 위해 실제 대화형 에이전트와 사용자 간의 대화를 분석하여 총 6유형의 대화 흐름도를 도출해 내었다. 6가지 유형의 흐름도 도출을 통해 대화형 에이전트와 사용자 간의 대화가 어떤 유형으로 이루어져 있는지를 알 수 있었는데 특기 원활하지 않은 대화는 그 횟수가 52회로 전체 대화의 수가 193개라는 점에서 매우 높았으며 대화 방해 요소가 발생하는 원인이 상대에 대한 적대감 표현이고 대화 방해 요소가 발생하고 난 후에도 상대에 대한 적대감이 나타남을 알 수 있었다.
첫째, 인터뷰에 참가한 인원수가 적고 인터뷰의 실행횟수가 적다는 점이다. 이런 이유는 물리적인 데이터의 양이 적다는 한계가 있으나 이 점을 보완하고자 적은 인원수를 고려하여 개개인의 사소한 대화 내용과 느낌까지 파악하고자 노력하였다. 둘째, 도출해 낸 대화 흐름도를 정량적으로 확인하는 작업이 없다는 점이다.
제안 방법
[16] 대화분석 범주의 세 차원에서 가장 중요시하고 중점을 두는 차원은 중간차원으로 사람과 사람 사이에서 일어나는 행위의 상호작용인 중간차원을 중심으로 대화가 구조화되어 엮어져 나간다고 보기 때문이다.[17] 본 연구에서는 귀납법적 대화분석론의 과정 중 대화형 에이전트와 사용자 간의 상호작용을 알아 볼 수 있는 중간차원의 과정을 일부 적용하여 분석하였다.
개인 인터뷰를 진행한 후, 녹화와 녹음된 자료를 이용하여 인터뷰 내용을 문서화 하는 작업을 진행하였다. 문서화 작업은 연구원 각자 진행하고 각자의 문서를 교환하여 확인하는 과정을 거쳐 완성하였다.
개인인터뷰를 통해 수집된 데이터는 그라운드 이론 방식 (gro니nded theory method)을 바탕으로 하는 트랜스트립 (transcript)단계, 오픈 코딩(open coding), 엑시얼 코딩 (axi기 coding)의 단계를 기본으로 하고[18] 대화분 석학에서 쓰이는 용어와 대화유형학의 이론을 적용하여 총 6단계로 분석을 실시하였다.
그림2와 같은 과정을 유희적 대화 뿐 아니라 대화유형 분류 과정에서 도출된 총 23개의 대화 흐름도를 도출한 뒤 이를 다시 큰 단위의 '원활하지 않은 대화' , '과제중심적-상보적-심정대화 '과제중심적- 상*인보지적 대화 , 과제 중심적-상보적-실제대화 , '과제중심적- 경쟁적-심정대화' , '관계 중심적 대화' 총 6개로 통합하는 과정을 통해 대화 흐름도를 작성하였다.
분야로 실시되었다. 문헌 연구를 통해 모바일 상황에서 행태에 비교적 많은 영향을 주는 context 중심의 심층 인터뷰 문항을 작성하였다.
문헌조사를 통해 작성한 인터뷰 문항으로 개인 인터뷰를 실시하였다. 인터뷰 참가자는 총 11명으로 남자5명 여자 6명으로 구성되었으며 인터뷰는 녹음과 녹화 그리고 리얼코딩을 통해 기록하였다.
엑시얼 코딩을 통해 도출된 코딩 스킴의 내용을 가지고각 대화의 유형별로 시간 순서에 따라서 대화흐름도를 작성하는 작업을 진행하였다.
연구 방법은 첫 번째 단계로 문헌 연구를, 두 번째 단계로는 사용자 개인 인터뷰를 실시하였다.
오픈 코딩 이후에는 엑시얼 코딩 과정을 진행하였다.
과정이다. 이를 위해서 대화형 에이전트와 사용자의 대화 부분에서는 대화 기여(t니rn) 단위로 데이터를 나누고 대화 부분 외에 사용자가 언급한 내용에 대해서는 최소한의 의미로 데이터를 나누는 작업을 진행하였다. 그 결과 대화기여(t니m)은 817개, 그 외의 내용의 최소의미단위가 217개로 총 1034개의 데이터를 분석하였다.
이와 같이 모든 유희적 대화의 흐름도를 작성하여 공통된 특성을 찾아 개별적인 대화 흐름도 통합하는 과정을 작업하였다. 그림2와 같은 과정을 유희적 대화 뿐 아니라 대화유형 분류 과정에서 도출된 총 23개의 대화 흐름도를 도출한 뒤 이를 다시 큰 단위의 '원활하지 않은 대화' , '과제중심적-상보적-심정대화 '과제중심적- 상*인보지적 대화 , 과제 중심적-상보적-실제대화 , '과제중심적- 경쟁적-심정대화' , '관계 중심적 대화' 총 6개로 통합하는 과정을 통해 대화 흐름도를 작성하였다.
인터뷰 참가자는 총 11명으로 남자5명 여자 6명으로 구성되었으며 인터뷰는 녹음과 녹화 그리고 리얼코딩을 통해 기록하였다. 인터뷰는 참가자에 따라 60분에서 90 분 정도 진행되었는데 인터뷰 동안 실제 대화형 에이전트를 사용하게 하여 사용자와 대화형 에이전트가 어떤 대화를 나누는 지를 데이터로 수집하였으며 대화 시 사용자의 감정, 인식 등의 데이터도 함께 수집하였다.
추출한 93의 대화를 대화참가자의 목적, 또는 대화의 용도에 따라 유형을 분류하는 작업을 실시하였다. 대화유형 분류는 대화유형학 이론을 바탕으로 실시되었다.
대상 데이터
이를 위해서 대화형 에이전트와 사용자의 대화 부분에서는 대화 기여(t니rn) 단위로 데이터를 나누고 대화 부분 외에 사용자가 언급한 내용에 대해서는 최소한의 의미로 데이터를 나누는 작업을 진행하였다. 그 결과 대화기여(t니m)은 817개, 그 외의 내용의 최소의미단위가 217개로 총 1034개의 데이터를 분석하였다. 여기서 대화기여(t니rn)이란 대화 분석론에서 나온 개념으로 '발화의 순서나 차례를 가리키거나 그 순서에 나타난 언어표현의 총체를 가리키는 두 가지 개념을 나타낸다.
이 중 그 내용의 파악이 어렵거나 내용은 파악 되었지만 개수가 1개여서 의미가 없는 것은 삭제하여 193개의 대화를 가지고 분석을 진행하였다.
인터뷰 참가자는 총 11명으로 남자5명 여자 6명으로 구성되었으며 인터뷰는 녹음과 녹화 그리고 리얼코딩을 통해 기록하였다. 인터뷰는 참가자에 따라 60분에서 90 분 정도 진행되었는데 인터뷰 동안 실제 대화형 에이전트를 사용하게 하여 사용자와 대화형 에이전트가 어떤 대화를 나누는 지를 데이터로 수집하였으며 대화 시 사용자의 감정, 인식 등의 데이터도 함께 수집하였다.
이론/모형
따라 여러 갈래로 나뉘어진다. 이 중 분석 방법에 따라서 연역법적 대화분석론과 귀납법적 대화분석론으로 분류할 수 있는데 본 연구에서는 귀납법적 대화분석론 헤네/레복의 과정을 적용하였다.[15] 헤네/레복은 대화분석을 위한 범주 설정으로 거시차원, 중간차원, 미시차원의 세 단계로 구분한다.
성능/효과
대화 흐름도를 도출해 내었다. 6가지 유형의 흐름도 도출을 통해 대화형 에이전트와 사용자 간의 대화가 어떤 유형으로 이루어져 있는지를 알 수 있었는데 특기 원활하지 않은 대화는 그 횟수가 52회로 전체 대화의 수가 193개라는 점에서 매우 높았으며 대화 방해 요소가 발생하는 원인이 상대에 대한 적대감 표현이고 대화 방해 요소가 발생하고 난 후에도 상대에 대한 적대감이 나타남을 알 수 있었다. 본 연구는 몇 가지 한계점을 가진다.
개인 인터뷰 내용 중 대화형 에이전트와 사용자 간의 대화를 추출하였는데 그 결과 93개의 대화가 추출되었다. 여기서 대화란 사용자가 핸드촌을 열어서 대화형 에이전트와 대화를 시작한 시점부터 핸드폰을 닫아 대화를 마친 시점까지를 말한다.
대화이다. 관계중심적 대화에서 보았을 때에는 긍정적인 유희적 대화 표현은 긍정적인 유희적 대화 표현으로, 부정적인 유희적 대화 표현은 부정적인 유희적 대화표현으로 흐름이 진행된다는 것을 알 수 있었다. 또한 유희적이지만 부정적인 대화표현은 상대에 대한 적대감을 표현으로 이어진다는 것도 알 수 있었다.
네 번째 '과제중심적-상보적-실제대화 는 상담이나 상의 대화를 나타내는데 대화중 자기노출행위를 하면 그 내용에 대한 제안이나 질문인 능동적인 대화태도가 나타내고 이에 대한 협조적으로 대했을 경우 다시 능동적으로 제안하는 흐름이 도출되었다.
두 번째 '과제중심적-상보적-심정대화' 는 위로나 걱정, 응원 등의 내용을 담은 대화로 자기노출행위가 일어났을 때 그 내용에 대한 호의표현으로 위로, 걱적, 응원 등의 하고 행위를 보이고 이런 호의표현은 상대에 대한 좋은 감정으로 이어진다는 것을 알 수 있었다.
이런 이유는 물리적인 데이터의 양이 적다는 한계가 있으나 이 점을 보완하고자 적은 인원수를 고려하여 개개인의 사소한 대화 내용과 느낌까지 파악하고자 노력하였다. 둘째, 도출해 낸 대화 흐름도를 정량적으로 확인하는 작업이 없다는 점이다. 실제로 개인 인터뷰에서 도출된 내용을 대화형 에이전트를 통해 이런 흐름을 가지는지에 대한 검증을 하지 못했다.
관계중심적 대화에서 보았을 때에는 긍정적인 유희적 대화 표현은 긍정적인 유희적 대화 표현으로, 부정적인 유희적 대화 표현은 부정적인 유희적 대화표현으로 흐름이 진행된다는 것을 알 수 있었다. 또한 유희적이지만 부정적인 대화표현은 상대에 대한 적대감을 표현으로 이어진다는 것도 알 수 있었다.
세 번째 '과제중심적-상보적-인지대화' 는 정보에 대한 대화로 정보를 요구하는 경우에는 모두 협조적으로 정보를 제공하고 수락하는 모습을 보인 반면 정보를 능동적으로 제안한 경우에는 협조적으로 정보를 수락하는 경우보다는 비협조적으로 정보를 거절하는 경우가 많았으며 정보를 거절한 후에는 정보를 거절한 것에 대한 불쾌감을 들어내는 행위가 나타나거나, 정보이용을 권유하는 능동적인 태도가 정보 거절 후에 나타나는 것을 알 수 있다.
자신의 상태나 상황을 노출시키는 자기 노출 행위나 상대에 대한 적대감이 표현 되었을 때 대화방해요소가 발생하는 것을 알 수 있는데 대화방해요소가 나올 경우 비협조적인 대화 태도가 나타나거나, 적대감이 표현되는 것을 알 수 있었다. 또한 잘못된 대화의 흐름이나, 대화형 에이전트가 이해 할 수 없는 말이 나올 경우 대화교정을 통해 다시 원활한 대화를 만들고자 하는 모습도 알 수 있었다.
본 연구는 몇 가지 한계점을 가진다. 첫째, 인터뷰에 참가한 인원수가 적고 인터뷰의 실행횟수가 적다는 점이다. 이런 이유는 물리적인 데이터의 양이 적다는 한계가 있으나 이 점을 보완하고자 적은 인원수를 고려하여 개개인의 사소한 대화 내용과 느낌까지 파악하고자 노력하였다.
후속연구
실용적 부분에서의 의의도 제시 될 수 있는데 우선 본 연구를 통해 사용자와 대화형 에이전트의 대화 흐름도를 제시하여 개발자들이 포괄적인 대화형 시스템을 구축할 때 도움을 받을 수 있을 것이다. 다음으로 서비스 제공자는 사용자의 만족을 통한 서비스가입자의 증가를 기대할 수 있다.
실제로 개인 인터뷰에서 도출된 내용을 대화형 에이전트를 통해 이런 흐름을 가지는지에 대한 검증을 하지 못했다. 이는 차후에 이 흐름도를 적용한 가상의 대화형에이전트의 시스템을 구현하여 실험을 통해 검증하는 과정을 가질 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.