API 커뮤니케이션 평가를 위한 새로운 도구 API‑SI와 Keras 사례 연구

초록

본 논문은 기존 반구조화된 반도구인 SigniFYIng APIs를 간소화한 API‑SI를 제안하고, 딥러닝 프레임워크 Keras에 적용해 설계 의도와 제품 근거가 API 구조·동작·문서에 어떻게 전달되는지를 분석한다. 이를 통해 사용성 평가와는 다른 ‘커뮤니케이션 가능성’ 관점을 제공한다.

상세 분석

API‑SI는 반도구적(semio‑tic) 접근을 기반으로 API 설계자의 의도, 가치, 제약조건을 프로그래머(사용자)에게 전달하는 과정을 ‘표지(sign)’와 ‘해석(interpretation)’의 연쇄로 모델링한다. 논문은 먼저 Semiotic Engineering Factsheet(10가지 명제)를 제시하고, 이를 API‑SI Analytic Guide에 매핑한다. 가이드의 세 블록은(1) 대상 사용자에 대한 설계자의 믿음, (2) API 자체에 대한 믿음, (3) 커뮤니케이션이 품질에 미치는 역할을 묻는 질문들로 구성된다. 각 질문은 ‘누가(TA)’, ‘무엇을 알고 있는가’, ‘어떤 기능을 제공하는가’, ‘확장·변경 가능성’, ‘디자인 선택의 근거’를 탐색하도록 설계돼, 설계자가 의도한 의미와 실제 사용자가 받아들이는 의미 사이의 간극을 드러낸다.

Keras 사례에서는 François Chollet의 저서에서 제시된 설계 철학을 기준점으로 삼아, API‑SI가 구조적 요소(클래스·함수 네이밍), 런타임 메시지(경고·오류), 그리고 문서화(튜토리얼·API 레퍼런스)에서 어떻게 의미가 전달되는지를 단계별로 검증한다. 특히 ‘과적합 방지’를 위한 콜백(callback) 메커니즘을 분석하면서, 설계자는 ‘학습 과정의 투명성’과 ‘사용자에게 실험적 제어권 제공’이라는 의도를 문서와 메서드 시그니처에 내재시켰지만, 일부 사용자에게는 오류 메시지가 모호하게 전달돼 의도와 실제 경험이 불일치함을 발견한다.

이러한 발견은 기존 사용성 평가가 주로 효율·효과·만족도 같은 정량적 지표에 집중하는 반면, API‑SI는 의미 전달 체계 자체를 정성적으로 탐색함으로써 설계자와 사용자 사이의 ‘대화’를 드러낸다. 결과적으로 API‑SI는 (1) 설계 의도와 사용자 기대 사이의 의미적 격차를 식별, (2) 문서·메시지·네이밍을 재구성해 커뮤니케이션 비용을 감소, (3) 설계 단계에서 ‘프로그래머와의 대화’를 의식적으로 설계하도록 촉진한다는 실용적 가치를 제공한다.