- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 대학생들의 개인적 특성이 도서관 모바일 이용도와 도서관 모바일 콘텐츠 이용 패턴에 어떤 영향을 미치는지 살펴보았다. 개인적 특성의 변인들로는 대학생의 성별, 전공, 학년, 대학, 인지된 유용성, 개인적 혁신성 및 스마트폰 의존도를 사용하였다. 설문 조사는 두 개의 대학들의 학부생 309명을 대상으로 진행하였다. 조사 결과, 전공, 학년, 인지된 유용성 및 개인적 혁신성은 모바일 이용도에, 그리고 성별, 전공, 대학 및 스마트폰 의존도는 모바일 콘텐츠 이용 패턴에 유의미한 영향을 미쳤다. 끝으로 이러한 연구 결과를 반영하여 효율적인 대학도서관 모바일 구현을 위한 방안들을 제안하였다.
Abstract
This study aims to investigate the influence of undergraduate students’ personal characteristics on the use behaviors of library mobiles and its contents. We used gender, major, grade, university, perceived usefulness, personal innovativeness, and smartphone dependency variables to measure their personal characteristics. We conducted a survey with 309 undergraduate students who belong to two universities. The results showed that the major, grade, perceived usefulness, and innovativeness variables significantly influenced the use frequency of library mobiles, while the gender, major, university, and smartphone dependency ones did the use pattern of library mobile contents. Based on the results, we proposed three methods for constructing an efficient university library mobile.
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.