Understanding Users’ Perception Towards Automated Personality Detection with ...Myeonggyun Ryu
Understanding Users’ Perception Towards Automated Personality Detection with Group-specific Behavioral Data
[CHI 2021]
- Seoyoung Kim, Arti Thakur, JuhoKim
Understanding Users’ Perception Towards Automated Personality Detection with ...Myeonggyun Ryu
Understanding Users’ Perception Towards Automated Personality Detection with Group-specific Behavioral Data
[CHI 2021]
- Seoyoung Kim, Arti Thakur, JuhoKim
A framework for interaction driven user modeling of mobile news reading behav...
Understanding self reflection: how people refelct on personal data through visual data exploration
1. Understanding Self-Reflection:
How People Refelct on Personal
Data Through Visual Data
Exploration
+ PervasiveHelath 2017
- Eun Kyonung Choe, Bongshin Lee, Haining
Zhu, Nathalie Henry Riche, Dominikus Baur
/류명균
3. 01 Why This Paper
데이터를 통해 사용자를 이해하는 방법
지난 발제: 단체 데이터 작업
시각적 데이터 탐색을 통한
개인 데이터 작업 방법
( 1 / 13 )
4. 02 연구 배경
② 기존의 연구에서 사용자들은 개인 데이터를 완전히 이용하지 못한다고 함.
- 데이터로 무엇을 해야하는 지 결정하기 어려움
- 일반인들은 적절한 시각화 구성, 시각적 매핑, 시각화된 자료 해석을 어려워 함.
웨어러블 센서와 모바일 앱으로 개인 데이터를 트래킹하는 숫자가 증가하고
있으나, 일반인이 데이터를 다루는 것에 여전히 어려움이 있다.
데이터 reflection과
시각적 데이터 탐색으로 인사이트 얻는 것을 도와주고자 함.
① 기술의 발전으로 엄청난 양의 개인 데이터를 수집하기 용이 함.
( 2 / 13 )
5. 02 연구 배경
RQ1.
How do people reflect on their self-tracking data?
RQ2.
What insights do people gain from visual data exploration?
( 3 / 13 )
6. 03 연구 방법
웹 어플리케이션
Visualized Self 제작
Questionnaire
In-lab Session
Analysis
- Tutorial
- Think-aloud
- De-briefing
( 4 / 13 )
7. 03 연구 방법 - Visualized Self
1) 디자인 원칙
① 일반인도 사용할 수 있는 데이터 탐색 지원
- 타겟은 여러가지 개인 데이터를 수집하고, 다양한 동기와 목표를 가진 사용자
- 데이터 분석력 및 시각화 스킬이 부족
② 전문가가 아닌 개인을 위한 인터페이스 디자인
- 시각화 커뮤니티에서는 주로 전문가의 데이터 탐색을 지원함
- 개인은 여러 장비를 사용하여 데이터를 수집하하므로, 데이터 합치기와 시각화
에서 데이터 전환이 필요함
( 5 / 13 )
8. 선택 가능한 데이터 소스
2가지 데이터 소스를 비교하는 것은
새로운 인사이트를 줄 수 있다고 가정
03 연구 방법 - Visualized Self
2) 디자인 요소
문맥적 데이터 관리
(그래프에서 주말을 회색으로 칠해줌)
다양한 앱에 대해
쉬운 데이터 Import
데이터 비교
( 6 / 13 )
9. 03 연구 방법 - In-lab Session
* 참가자: 11명 (여성 3명, 남성 8명)
Tutorial
(약10분)
I. 연구자가 미리 업로드한 데이터를 활용하여 어떻게 사용하는지 보여줌
II. 다양한 기능을 활용하며, 데이터에서 찾은 인사이트를 이야기함.
Think-aloud
(30분~1시간)
I. 데이터를 탐색하는 과정을 Think aloud 요청
- 데이터 탐색 프로세스에서의 무슨 생각을 하는지,
- 어떤 인사이트가 도출됐는지,
II. 연구자 한명은 옆에 앉아서 관찰
- 시스템과 어떤 인터렉션을 하는지,
- 어떤 어려움이 있는지,
De-briefing
(약 20분)
I. Visualized Self에 대한 전반적인 의견
- 장/단점, 프라이버시, 타인과의 데이터 공유 등
( 7 / 13 )
10. 03 연구 방법 - Analysis
① 참여자가 말한 내용을 가지고 오픈 코딩-축코딩(기존 이론에 의존하지 않음)
→ 참여자의 시각적 탐색을 통한 개인 데이터 reflection 전략
→ 문맥적 정보의 중요성, 프라이버시 우려, 데이터 인사이트 공유에 대한 수용
② Directed analysis based on Data-driven pesonal insight categories
I. 데이터에서 참여자의 관찰 내용을 추출
(P2's Think-aloud: “Yeah, look at this peak. 11/2014...that was a trip to San Francisco.” )
II. personal insight categories를 사용하여 각 관찰 내용을 코딩
(extreme("peak"), external context("...a trip to San Francisco.))
III. 다른 연구자와 불일치하는 항목에 대해 논의하고, category 수정
IV. 연구자간 신뢰도가 98%가 될 때까지 반복함
→ 참여자가 시각적 데이터 탐색을 통해 얻은 인사이트
( 8 / 13 )
12. 04 연구 결과
① 시각화 데이터 탐색을 통한 reflection
R0: 묘사
R1: 타당한 이유와 함께 묘사
R2: 관계 탐색
I. 이번 참여자는 reflection 경험이 적음
II.요약의 최소/최대 값이 높은 수준의 reflection을 유도
III. 2개 이상의 데이터 소스가 시각화 된다는 것에 흥미를 보임
IV. 데이터 소스를 비교하는 것은 무엇이 맞는건지 판별하는데 도움이 되지 않음
② 시각화 데이터 탐색을 통한 인사이트 도출 패턴
I. 피크, 트렌드, 맵을 보면서 인사이트 도출 (external context) - R1
- 피크와 극한값은 쉽게 발견되고, reflect 됨. (디즈니랜드, 마라톤, 부상 등)
- 위치 데이터가 굉장히 강력한 trigger임.
II. 과거 행동을 회상해서, 그것을 찾고자 시각적으로 데이터를 탐색함 -R2
- 단 시간에 질문점을 찾아냄
참여자의 Reflection은 R0~R2가 많고, R3는 드물게 나타 났으며, R4는 없음
R3: 근본적인 의문점 질문
R4: 사회적/윤리적 문제 고려
[Reflection 척도 (Fleck 2012)]
( 10 / 13 )
13. 04 연구 결과
④ 도출된 Personal Insight의 타입
I. 가장 많이 도출된 타입은 external contexts (과거에 무슨 일이 있었는지)
II. Visualized Self가 여러 장비에서 수집된 데이터 비교를 용이하게 하는 것을 보임
(comparison of multiple devices, value judgement)
III. 부정적인 판단을 하면, 가끔 해결책을 만들어 냄
(e.g., “So I need to take action to probably monitor myself to ensure that I’m at least at 2,000
[steps] or more.” [P10]) - R3
③ 시간적 비교
I. Comparison page에서 많은 시간을 사용
II. 비교 기준 선택 시 빠른 화면전환이 reflection 수준을 R1~R2로 이끌었다고 추측함
III. 더 세분화된 수준으로 컨텍스트를 찾고자 하는 참여자가 있었지만, 시간 비교 항목이 부족했음.
R0: 묘사
R1: 타당한 이유와 함께 묘사
R2: 관계 탐색
참여자의 Reflection은 R0~R2가 많고, R3는 드물게 나타 났으며, R4는 없음
R3: 근본적인 의문점 질문
R4: 사회적/윤리적 문제 고려
[Reflection 척도 (Fleck 2012)]
( 11 / 13 )
14. ④ 더 정교화된 Contextual information이 많이 필요하다.
05 Discussion
① 시각적 데이터 탐색은 Self-Relection을 도와준다.
② 상관관계를 비교하는 요구는 많으나, Visualized Self에서는 기능이 부족하다.
⑤ 시스템이 자동으로 인사이트를 추론해주는 방법을 선호하는 참여자도 있었다.
( 12 / 13 )