- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
웹기반 온라인목록의 이용자 인터페이스는 이용자에게 더욱 친근하게 개선되었는가. 웹기반 온라인목록이 제공하는 탐색관련 기능은 어떠한가. 이용자들은 웹기반 온라인목록을 이용하는 데 어려움은 없는가. 이용자들은 웹기반 온라인목록에 대하여 어떤 인식을 가지고 있는가. 이런 문제에 대한 답을 통하여 웹기반 온라인목록의 검색도구로서의 문제점을 파악하고 개선방안을 제시하였다. 실험연구를 수행하였으며, 30명의 탐색자가 실험에 참여하였다. 탐색자가 웹기반 온라인목록을 실제로 탐색하는 과정중에 보이는 행태를 분석하여 데이터를 입수하였고, 탐색 후 질문지를 통하여 시스템에 대한 인식을 측정하였다.
Abstract
The primary questions addressed by this research are the followings : Has the interface of a Web-based OPAC been improved more user-friendly; How about its searching abilities; What difficulties have Web-based OPAC searchers experienced in using a Web OPAC; How do they perceive the system after use of it. Finding the answers of those questions the problems of a Web OPAC as a searching tool have been grasped and recommendations have been suggested in order to improve the system. An experiment was conducted and 30 university students performed 8 searching tasks. The searching behavior of Web OPAC searchers has been analyzed thoroughly. The data of their perceptions about the system was collected through a questionnaire after completing the tasks.
초록
본 연구는 디지털 도서관의 콘텐츠를 탐색하는 동안 이용자의 암묵적 적합성 피드백을 활용하여 적합성을 판단하기 위해 뇌파 기반 및 시선추적 기반 방법들을 제안하고 평가해 보았다. 이를 위해서 32명을 대상으로 하여 동영상, 이미지, 텍스트 데이터를 활용하여 뇌파/시선추적 실험들을 수행하였다. 제안된 방법들의 유용성을 평가하기 위해서, 딥러닝 기반의 인공지능 방법들을 경쟁 기준으로 사용하였다. 평가 결과, 주제에 적합한 동영상과 이미지(얼굴/감정)를 선택하는 데에는 뇌파 컴포넌트 기반 방법들(av_P600, f_P3b)이 높은 분류 정확도를 나타냈고, 이미지(객체)와 텍스트(신문 기사)를 선택하는 데에는 인공지능 기반 방법 즉, 객체 인식 기반 방법과 자연언어 처리 방법이 각각 높은 분류 정확도를 나타냈다. 끝으로, 뇌파, 시선추적 및 인공지능 기술에 기반한 디지털 도서관 인터페이스를 구현하기 위한 지침 즉, 암묵적 적합성 피드백에 기반한 시스템 모형을 제안하고, 분류 정확도를 향상시키기 위해서 미디어별로 적합한 뇌파 기반, 시선추적 기반 및 인공지능 기반 방법들을 제시하였다.
Abstract
This study proposed and evaluated electroencephalography (EEG)-based and eye-tracking-based methods to determine relevance by utilizing users’ implicit relevance feedback while navigating content in a digital library. For this, EEG/eye-tracking experiments were conducted on 32 participants using video, image, and text data. To assess the usefulness of the proposed methods, deep learning-based artificial intelligence (AI) techniques were used as a competitive benchmark. The evaluation results showed that EEG component-based methods (av_P600 and f_P3b components) demonstrated high classification accuracy in selecting relevant videos and images (faces/emotions). In contrast, AI-based methods, specifically object recognition and natural language processing, showed high classification accuracy for selecting images (objects) and texts (newspaper articles). Finally, guidelines for implementing a digital library interface based on EEG, eye-tracking, and artificial intelligence technologies have been proposed. Specifically, a system model based on implicit relevance feedback has been presented. Moreover, to enhance classification accuracy, methods suitable for each media type have been suggested, including EEG-based, eye-tracking-based, and AI-based approaches.