Nowadays, the amount of information and the number of devices that people face every day are growing rapidly. In this reason, people have to put more effort to the target information among a large amount of information provided by those devices. Also, it occurs attentional dispersion to people. Therefore, Pervasive Attentive Interface(PAI) has become important in order to manage user’s attention in multi-display environments. Compare to a attentive interface, it includes user's cognitive information on changing interface. Therefore, the first step to design PAI is identifying the user’s capable amount of attention. Therefore, this paper introduces the concept of attention modeling based on physical movements reflected on devices. This paper identified users' capable attention between and during task through the data gathered from diverse built-in sensors of devices, an eyewear device, and UI events. We did experiment with different sampling settings and modeling methods to find best set.

최근 들어 사람들이 하루에 마주하는 전자기기의 수가 급속도로 증가하고 있다. 사람들은 이전보다 많은 주변의 기기들로부터 정보를 받고 있다. 이로 인해 여러 정보 중 원하는 정보를 알맞게 수용하기 위해서는 더 많은 노력을 기울여야 한다. 이는 사람들의 주의 분산 현상을 초래하였으며, 이로 인해 Pervasive Attentive Interface(PAI)에 대한 연구의 중요성이 대두 되고 있다. 기존의 Attentive Interface 연구에 대비하여 PAI는 사용자의 인지적 정보를 포함하여 반응한다는 차이가 있다. 이를 위한 첫 번째 단계로 사용자의 주의를 정량화하는 방법에 대한 연구의 필요성이 대두 되고 있다. 본 논문에서는 이러한 방향성을 따라 사용자의 주의를 정량화하는 방법에 대해 사용자 활동 추적을 중심으로 연구했다. 사용자가 사용하는 전자기기와 착용하고 있는 착용형 기기에서 수집한 사용자의 움직임 정보를 바탕으로 주의를 정량화했다. 이를 위해 두 가지 실험을 진행하여 각각 작업과 작업 사이의 주의, 그리고 작업 중의 주의 변화에 대한 정보를 수집하였다. 수집한 정보를 이용하여 여러 모델에 각기 다른 설정값으로 적용하여 그 정확도를 검증하였다. 이를 통해 주의 정량화를 위한 최적의 모델과 설정값을 추정하였다.