- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구의 목적은 이용자 연구와 국내외 기존 시스템의 기능을 분석한 자료를 기반으로 하여 맞춤정보서비스를 제공하는 MyCyberLibrary의 모형을 설계한 후 이를 평가하여 좀 더 효율적인 정보서비스를 제공하기 위한 기초 자료를 제공하는 것이다. MyCyberLibrary 모형은 최신정보제공서비스, 전자저널/e-book 관리, 데이터베이스 관리. 컬렉션 관리, 프로젝트 관리, 전자지정자료 관리, 도서관 정보서비스 관리, 파일통합 관리, 저작권 관리의 총 9개 서브시스템들로 구성된다. 또한 모형의 효율성을 측정하기 위해서 프로토타입 시스템을 구성하여 40명의 이용자를 대상으로 시스템의 만족도를 조사하고 시스템의 기능을 향상시키기 위한 세 가지 방안을 제안하였다.
Abstract
The purpose of this study is to suggest the basic data for providing library information services of high quality with clients, by designing the model of MyCyberLibrary and evaluating it. The model of MyCyberLibrary was constructed based on the survey results on the information-seeking behavior of users and on the review of the existing mylibraries′functions. The model is implemented into the prototype system which consists of nine modules. Finally, we evaluated the proposed system via mail questionnaires, and proposed three suggestions to make this system a much more comprehensive and effective one.
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.