에코홈헬퍼 기후변화 행동을 돕는 가정용 전문가 시스템

초록

본 논문은 가정에서 발생하는 온실가스 배출을 줄이기 위한 조언을 신속히 제공하는 전문가 시스템 ‘EcoHomeHelper’를 설계·구현하고, 12명의 실험자를 대상으로 사용 효율성과 행동 변화 효과를 평가하였다. 결과는 전통적인 텍스트 목록보다 정보 탐색 시간이 단축되고, 일부 참여자는 실제 생활 습관에 변화를 시도함을 보여준다.

상세 요약

EcoHomeHelper는 규칙 기반 추론 엔진과 사용자 인터페이스(UI)를 결합한 전형적인 전문가 시스템 구조를 채택하였다. 지식베이스는 온실가스 배출원(난방, 전기, 교통 등)과 저감 방안(에너지 효율 기기, 절전 습관 등)을 카테고리별로 정리한 150여 개의 규칙으로 구성되었으며, 각 규칙은 ‘조건‑결과’ 형태로 표현되어 사용자가 입력한 가정 환경 변수(주택 유형, 연간 전력 사용량 등)에 따라 맞춤형 조언을 도출한다. 시스템 구현에는 Python 기반의 CLIPS 인터프리터를 활용했으며, GUI는 Tkinter를 이용해 간결한 질문‑응답 흐름을 제공한다.

실험 설계는 두 그룹으로 나뉘었다. 실험군(7명)은 EcoHomeHelper를 사용했으며, 통제군(5명)은 기존의 텍스트 기반 가이드 리스트를 직접 탐색했다. 주요 측정 지표는 정보 탐색 시간, 사용 만족도 설문(5점 척도), 그리고 사전·사후 설문을 통한 온실가스 인식 및 행동 의도 변화이다. 결과는 실험군이 평균 42초(±8초)만에 필요한 조언을 찾은 반면, 통제군은 평균 113초(±15초) 소요했으며, 만족도 점수도 실험군이 4.3점으로 유의하게 높았다. 행동 의도 측면에서는 실험군이 ‘에너지 절감 행동을 실천할 가능성’에 대해 사후 설문에서 평균 0.6점 상승한 반면, 통제군은 0.2점 상승에 그쳤다.

하지만 연구에는 몇 가지 한계가 존재한다. 첫째, 표본 규모가 12명에 불과해 통계적 일반화에 제한이 있다. 둘째, 실험 기간이 일회성 사용에 국한되어 장기 행동 변화 지속성을 평가하지 못했다. 셋째, 규칙 기반 접근은 새로운 기술이나 정책 변화에 대한 지식 업데이트가 수동적으로 이루어져야 하며, 확장성에 한계가 있다. 또한 UI는 텍스트 중심이며, 시각적 피드백이나 맞춤형 대시보드가 부족해 사용자의 몰입도를 높이기엔 미흡하다. 마지막으로, 온실가스 배출량을 정량적으로 측정하거나 시뮬레이션하는 기능이 없어 사용자가 제시된 조언의 실제 효과를 체감하기 어렵다.

향후 연구에서는 기계 학습 기반의 추천 엔진을 도입해 사용자 행동 데이터를 실시간으로 학습하고, 모바일 앱 형태로 접근성을 확대하며, 배출량 추정 모델을 통합해 정량적 피드백을 제공하는 것이 필요하다. 또한 대규모 사용자 모집을 통한 장기 추적 연구와, 다양한 문화·지역적 배경을 반영한 지식베이스 다변화가 시스템의 실효성을 높일 것으로 기대된다.