As the Web has become a commodity, it is used for a variety of purposes and tasks that may require a great deal of cognitive efforts. However, most search engines developed for the Web provide users with only searching and browsing capabilities, leaving all the burdens of manipulating information objects to the users. In this thesis, we focus on an exploratory search task and propose an underlying framework for human-Web interactions. Based on the framework, we designed and implemented a new information seeking interface that helps users reduce cognitive burden. The new human-Web interface provides a personal workspace that can be created and manipulated cooperatively with the system, which helps the user conceptualize his information seeking tasks and record their trails for future uses. This interaction tool has been tested for its efficacy as an aid for exploratory search.
웹이 대중적인 인기를 얻기 시작하면서, 많은 사람들은 이것을 다양한 목적으로 활용하기 시작하였고, 이에 따라 많은 인지 부담이 생기기 시작하였습니다. 이런 인지부담은 적합한 검색 질의 어를 만들 때, 새로운 정보에 대해 정리하고 다음 검색 방향을 설정할 때 등의 다양한 상황에서 발생하게 됩니다. 그러나 대부분의 검색 엔진은 정보를 다루는 동안 생기는 부담 보다는 오직 한번의 검색에만 적용되는 검색 질의 처리와 그에 상응하는 브라우징 기능에만 집중하고 있습니다. 그래서 본 학위 논문에서는 사용자와 웹 사이 생기는 상호작용을 위한 프레임워크를 제안합니다. 이 프레임워크는 웹에서 가장 많은 인지 부담이 많이 발생하는 탐험적 검색(Exploratory Search)작업에 그 초점을 두고 있습니다. 이 탐험적 검색 작업이란, 어떤 주제에 관한 배경 지식을 습득하고, 의사결정을 하기까지 다양한 정보들을 수집하여, 최종적으로 의사결정을 하기까지의 모든 과정을 의미합니다. 이 작업에서는 다른 작업보다 많은 질의어를 보내고, 더 많은 페이지를 방문해야 하기 때문에 본 연구의 제안을 평가하기 위한 좋은 환경이 될 수 있습니다.
이 프레임워크 위에서, 저는 사용자의 인지 부담을 줄이기 위한 새로운 정보 검색 인터페이스를 구현하였습니다. 이 인터페이스는 검색엔진과 함께 정보 객체들을 다루기 위한 개인적인 작업공간(Personal Workspace)을 제공합니다. 이 작업공간은 사용자와 시스템이 공동으로 만들어 나가는 공간으로, 효율적이고 조직적인 검색을 위해 사용자가 접했던 정보를 개념화(Conceptualization)하는 것을 도와주고, 미래에 유저가 재사용 시 도움을 주기 위한 궤적(예: 검색 쿼리, 브라우징 경로, 사용자의 상호작용 기록)을 기록합니다. 이를 바탕으로 몇 가지 지능적인 모듈을 제안하여 사용자와 웹 사이의 효율적인 검색을 돕도록 유도하려고 하였습니다.
제안하는 첫 번째 모듈은 사용자의 브라우징 경로를 미리 추천하는 역할을 합니다. 이 브라우징 경로의 추천은 인지 공학에서 널리 활용되고 있는 Spreading Activation기술을 활용합니다. 본 연구에서는 과거 시스템과 사용자와의 상호작용 정보를 바탕으로 몇 가지 유용한 가중치 스키마를 제안하고, 이를 실제 추천에 활용합니다. 두 번째 모듈은 사용자가 접한 정보들로부터 토픽을 추출하여, 작업공간에 표현하여 줍니다. 여기서 추출된 토픽은 사용자가 현재의 검색 작업에 대한 인지 부담을 최소화하고, 정보를 자신만의 관점으로 재구성할 수 있도록 도와줍니다. 여기서 토픽들은 각각 그 근원이 되는 URI(보통은 URL을 활용)를 가집니다. 세 번째 모듈은 사용자의 검색활동 사이의 의미(Semantics)를 추출하여 주는 관계 추출(Association Extraction) 모듈입니다. 이 모듈을 통해 위에서 추출한 개념화 된 토픽 사이에서 사용자가 흥미 있어할 만한 관계를 추출 합니다. 여기서의 관계는 정보검색에서 유용하게 사용할 만한 20여가지 관계를 선별하여 사용하였으며, 기존의 웹 자원과 MIT와의 공동연구를 통해 생성한 상식기반 지식베이스인 ConceptNet을 활용하여 추출합니다. 네 번째 모듈은, 사용자의 검색활동을 검색의도나 관심사에 따른 세션의 전환을 식별합니다. 하나의 세션은 하나의 검색 의도 아래 이루어진 모든 검색 및 브라우징 활동을 의미합니다. 이 역시 사용자와 시스템간의 상호작용에 기반하여, 확률적으로 의도전환이 될 시점을 미리 예측하여, 시스템의 인터페이스와 브라우징 경로 추천 등에 활용할 수 있도록 도와주는 역할을 합니다.
프레임워크 위의 모든 모듈은 본 연구에서 제안한 Two-level Model을 바탕으로 하고 있습니다. 이 Two-level Model에서는 유저의 머리 속에서 이루어 지고 있는 인지 공간과 실제 정보가 존재하는 정보 공간을 분리하고 있으며, 이들이 효율적으로 분산 처리되고 활용될 수 있도록 합니다. 본 연구에서는 이 모델 위 에서 이루어 질 수 있는 핵심 현상들을 분석하고, 활용될 수 있도록 미리 정형화해 놓았습니다.
이런 새로운 검색환경이 실제 탐험적 검색에서는 어떻게 사용자의 인지부담을 줄일 수 있는 지 알아보기 위해, 30여명의 피실험자를 고용하여 다양한 실험을 해보았습니다. 사용자의 인지부담을 얼마나 줄일 수 있는지 SWAT Test를 시도하여, 20%의 인지부담 경감효과를 확인하였으며, 추가적으로 사용자가 이 프레임워크를 사용하였을 때 정보 검색 작업의 효율성 그리고 정보의 재접근성을 실험(즐겨찾기와 Microsoft DeskTop 검색엔진(Stuff I've Seen)과 비교)한 결과, 높은 신뢰도의 통계적 유의확률로 정보의 효율적인 조직을 돕고 있다는 사실과, 이들의 재사용성을 확인 할 수 있었습니다.
