외적 문제
AI가 개인 문서를 정리하고 창작을 돕는 시대에도, 결과의 출처와 이유는 사용자에게 잘 보이지 않습니다.
Research Statement · v0.2
사람이 AI를 이해하고, 수정하고,
주도적으로 사용하는 방법을 연구하고 싶습니다.
Dear Me와 TonePilot에서 발견한 질문을 Human-Centered AI / HCI 연구 방향으로 잇습니다. 현재 준비·계획·완료를 명확히 구분합니다.
Why This Matters
왜 이 연구가 필요한가
내적 문제
사람들은 AI의 결과를 편리하게 쓰면서도, 틀렸을 때 고칠 수 없고 과정을 이해할 수 없다는 불안을 느낍니다.
철학적 문제
기술은 사람을 대신하는 것을 넘어, 사람이 더 잘 이해하고 결정하도록 도와야 합니다.
Research Themes
세 개의 연구 축
| 연구 축 | 핵심 질문 | 현재 연결 | 향후 산출물 |
|---|---|---|---|
| Personal Information & Everyday AI | AI가 여러 형식의 개인 문서를 정리하면서 출처·프라이버시·수정권을 어떻게 보존할 수 있는가? | Dear Me | 문서 스키마, 프로토타입, 사용자 연구, 프라이버시 원칙 |
| Human-AI Co-Creation for Music | AI가 창작의 시작점을 제안하되 사용자의 취향·학습·주도권을 어떻게 강화할 수 있는가? | TonePilot | 패치 추천 실험, 선호 피드백, 설명 UI, 실기기 평가 |
| Explainable Applied ML | 스포츠·음악·팬덤 데이터의 예측을 사람이 이해할 수 있는 설명으로 어떻게 바꿀 수 있는가? | 야구 선수 성장·K-pop 패턴 연구 계획 | 공개 데이터, 노트북, 모델 비교, 시각화, 설명 가능성 분석 |
Planned Studies
계획 연구와 정직한 상태
아직 시작하지 않은 연구는 계획으로 표기합니다. 논문·학위·성능 수치를 보유하지 않았다면 있는 것처럼 쓰지 않습니다.
다양한 명세서 형식을 구조화하면서 오류와 출처를 어떻게 보여줄 것인가?
초기 방법: 샘플셋 → 필드 스키마 → 추출 비교 → 검토 UI 사용자 테스트
Study planned · Data design pending
톤 추천의 이유와 조정권이 초보자의 신뢰와 학습에 어떤 영향을 주는가?
초기 방법: 패치 조건 → 설명 유무 비교 → 실기기 연주 → 질적/정량 평가
Study planned · Prototype required
단기 성적만으로 성장 가능성과 맥락을 설명하기 어렵다.
초기 방법: 공개 기록 → 특징 정의 → 모델 비교 → 설명 가능한 요인 시각화
Research planned · Dataset selection pending
히트와 참여를 단순 공식으로 환원하지 않으면서 패턴을 이해하고 싶다.
초기 방법: 오디오/메타데이터/공개 행동 데이터 → 윤리 검토 → 해석 가능한 분석
Research planned · Scope refinement
Current Preparation
현재 준비하고 있는 것
ML / DL · 통계
머신러닝·딥러닝 기초와 통계를 학습하며 공개 데이터 노트북으로 연습하고 있습니다.
HCI · 사용자 연구
HCI 개념과 사용자 연구 방법을 공부하고, 두 프로젝트의 사용자 흐름 설계에 적용하고 있습니다.
논문 읽기 · 대학원 준비
Human-Centered AI/HCI 분야의 논문을 읽고, 영어와 대학원 진학을 준비하고 있습니다.
Research Artifacts
노트북, 데이터 문서, 모델 카드, 연구 노트, 포스터/보고서는 준비되는 대로 이 페이지와 글에 공개합니다.
Ethics & Agency
윤리와 사용자 자율성 원칙
개인정보
개인 데이터를 다루는 연구는 익명화·데이터 경계·삭제 권한을 설계 단계부터 포함합니다.
저작권
음악·콘텐츠 데이터는 저작권과 이용 범위를 검토한 뒤 사용합니다.
사용자 자율성
자동화가 사용자의 선택권을 빼앗지 않도록, 수정·되돌리기·최종 결정권을 사람에게 남깁니다.
오류 공개
모델과 제품의 실패·한계·불확실성을 숨기지 않고 기록합니다.