관리형 망각을 통한 정보 관리와 지식 작업 지원

초록

디지털 전환으로 급증하는 업무 정보량을 인간의 망각 메커니즘에 빗대어 관리한다. 저자들은 의미 기반 데스크톱(Semantic Desktop) 위에 ‘메모리 부양(Memory Buoyancy)’이라는 가중치를 두고, 증거 기반으로 정보의 가치를 평가·감소시켜 일시적 은닉, 클라우드·아카이브 이동, 압축 등 단계적 망각 전략을 구현한다. 3년간 24/7 운영된 프로토타입 사용 경험을 통해 신뢰성, 사용자 컨텍스트 활용, 메모리 억제(Memory Inhibition) 등 향후 과제를 도출한다.

상세 분석

이 논문은 인간의 망각 현상을 정보 시스템에 적용한 ‘Managed Forgetting(MF)’ 개념을 구체화한다. MF는 단순한 삭제가 아니라 ‘일시적 은닉 → 응축 → 적응형 동기화 → 보관 → 삭제’의 단계적 흐름을 의미한다. 핵심은 각 정보 항목을 ‘Thing’으로 모델링하고, RDF 기반의 의미 그래프에 연결시켜 사용자 개인 정보 모델(PIMO)과 그룹 정보 모델(GIMO)로 확장하는 의미 데스크톱( Semantic Desktop )이다.

MF를 실현하기 위해 제안된 ‘Memory Buoyancy(MB)’는 사용자의 현재 관심도와 과거 상호작용을 정량화한다. MB는 사용자가 파일을 열거나 메일을 읽는 등 행동 증거(evidence)를 기반으로 스프레딩 활성화(spreading activation) 알고리즘을 통해 전파된다. 시간에 따라 자극이 없으면 급격히 감소하고, 반복적 자극이 있으면 감소 속도가 완화된다. 또한, 항목 유형별(예: 이메일, 프레젠테이션) 감쇠 곡선을 다르게 적용해 정보의 본질적 ‘휘발성’을 반영한다.

구현 단계에서는 MB 값이 일정 임계치 이하인 항목을 UI에서 자동으로 숨기고, 검색 결과에서도 저가 항목을 필터링한다. 모바일 기기에서는 더 높은 임계치를 적용해 인지 부하를 최소화한다. 은닉된 항목은 ‘show forgotten’ 버튼을 통해 언제든 재노출 가능하도록 설계돼 사용자의 신뢰를 확보한다.

다음 단계인 적응형 동기화는 MB가 낮은 파일을 로컬에서 클라우드 혹은 아카이브로 이동시켜 저장 공간을 절약한다. 이 과정에서도 메타데이터는 의미 그래프에 남아 재접근 시 자동 복구가 가능하도록 한다. 압축(Condensation) 기능은 저 MB 영역 전체를 하나의 요약 노드로 대체해, 과거 작업 흐름을 유지하면서도 그래프 복잡성을 줄인다.

실제 3년간 24/7 운영된 프로토타입은 18,000개 이상의 ‘Thing’과 2,000개 이상의 개인 전용 항목을 관리했으며, 사용자는 작업 일지를 통한 재활용 가능성을 확인했다. 그러나 사용자는 검색 결과에서 슬라이더를 0으로 이동해 모든 항목을 강제로 표시하는 경향이 있었으며, 이는 MF에 대한 신뢰 부족을 시사한다. 또한, 그래프 내 고립된 영역은 연결성이 낮아 MB가 급격히 떨어지는 문제가 발견돼, 컨텍스트 기반 자동 연결 및 재활성화 메커니즘이 필요함을 강조한다.

향후 연구 과제로는 명시적 사용자 컨텍스트(explicit user context)를 보다 정교히 수집·활용하고, 기억 억제(Memory Inhibition) 이론을 적용해 불필요한 연관성을 억제하는 방법을 탐색한다. 장기 보존 가치(preservation value)와 단기 활용 가치 사이의 균형을 맞추는 모델도 제안된다. 전체적으로 이 연구는 인간 인지 메커니즘을 정보 관리에 적용한 최초의 실증적 사례이며, 의미 기반 인프라와 증거 기반 평가가 결합될 때 실용적인 망각 시스템이 구현될 수 있음을 보여준다.