기술개요
본 기술은 사용자의 반응성(reactive)과 선제성(proactive)을 정량화할 수 있는 UI 장치 및 분석 방법임
사용자의 입력 타이밍과 화면의 시각적 변화(출력) 사이의 시간 간격 분포(IOI: Input-to-Output Interval)를 수학적으로 분석하여, 사용자의 행동 전략이 선제적(예측적)인지 반응적인지를 파악함
기술 구현 내용
- 데이터 획득부: 사용자 입력 로그와 화면 출력 영상을 기록
- 입력 필터링부: 입력 타이밍 추출 (ex. 버튼 눌림 순간)
- 출력 필터링부: 시각적 변화 감지 (CIELAB 변환, 색상차 기준)
- 입출력 간격 처리부: IOI 분포 생성
- 모델 피팅부: IOI 분포를 가우시안(선제성), 엑스-가우시안(반응성)으로 모델링
- 추가 실험에서는:
1) Dino 게임, Tabsonic 게임을 통해 실제 사용자 실험을 진행
2) 히트맵과 회귀 분석을 통해 행동 패턴 정량화
시장성
■ 행동 분석 AI 시장
글로벌 행동 분석 AI 시장 규모는 2024년 기준으로 32억 달러로, 2033년 165억 달러까지 연평균 20.5% 성장할 것으로 전망됨
UX 기반 경쟁력 강화에 대한 기업 수요 증가와 게임 및 웹플랫폼의 사용자 분석 수요 급증, 고령층, 인지 기능 측정 등 헬스케어와의 융합 가능성, AI 데이터 기반 사용자 맞춤형 UI 설계 요구의 증가로 시장은 지속적으로 성장될 것으로 예상됨
기술의 차별성
1) 기존 기술의 한계
- 대부분의 HCI 분석은 정성적 피드백 또는 결과 중심 분석에 의존
- 사용자 반응의 정량화, 시각적 변화와의 상관 관계 분석이 부족
2) 본 발명의 특장점
- 입력 로그와 화면 영상만으로 반응성과 선제성을 정량 분석
- 입출력 간 시간 간격(IOI)을 확률 모델로 구성 (가우시안 + 엑스-가우시안)
- 사용자 행동 전략(reactive vs proactive)을 수치화·히트맵 시각화 가능
3) 차별화 포인트
- 프레임 단위 정밀도로 시각 자극에 대한 입력 반응성 분석
- 실시간 게임/상호작용 UI 개선에 활용 가능
- 기존에 없던 행동 예측 기반의 인터페이스 최적화 도구로 확장 가능
