상황별 시각장애 대응 스마트폰 글꼴 자동조정 시스템

초록

SituFont는 스마트폰 센서와 사용자의 피드백을 활용해 조명, 움직임, 피로 등 실시간 상황에 맞춰 글꼴 크기·두께·자간·행간을 자동으로 조정하는 적응형 타이포그래피 시스템이다. 15명의 인터뷰와 18명의 실험을 통해 주요 SVI 요인을 도출하고, 12명의 비교 연구에서 기존 수동 조정 대비 읽기 효율과 작업 부담을 크게 개선함을 보였다.

상세 분석

본 논문은 모바일 환경에서 발생하는 상황적 시각장애(SVI)를 해결하기 위해 ‘Just‑in‑Time Adaptive Intervention(JITA)’ 개념을 적용한 글꼴 자동조정 시스템, SituFont를 제안한다. 기존 접근법은 조명이나 화면 밝기와 같은 단일 요인에만 초점을 맞추거나, 사용자가 직접 설정을 변경하도록 요구하는 정적·규칙 기반 방식에 머물렀다. 그러나 실제 사용자는 이동 중, 차량 안, 햇빛 아래 등 복합적인 환경 변화에 직면하며, 이러한 변화는 순간순간 다르게 나타난다. 따라서 시스템은 (1) 상황 인식, (2) 모델링, (3) 적응, (4) 피드백 순환이라는 ‘Understanding‑Sensing‑Modeling‑Adapting’ 사이클을 구현해야 한다.

연구는 세 단계로 진행된다. 첫 번째 단계는 15명의 반구조화 인터뷰를 통해 환경적 요인(조명, 진동, 거리), 개인적 요인(피로, 주의 분산) 및 정보적 요인(텍스트 복잡도) 등 총 3대 카테고리를 도출하고, 사용자는 글꼴 크기·두께·자간·행간을 조정하는 것이 가장 일반적인 대처법이라고 밝혔다. 두 번째 단계에서는 18명을 대상으로 조명 강도, 가속도(진동), 시각적 방해 요소를 조합한 실험을 수행해 각 요인이 최적 글꼴 파라미터에 미치는 영향을 정량화하였다. 예를 들어, 저조도에서는 글꼴 크기와 두께를 15 % 이상 확대하고, 고진동 상황에서는 자간을 넓히는 것이 선호됨을 확인했다. 이러한 결과는 시스템이 상황별 파라미터 추세를 학습하도록 설계하는 근거가 된다.

시스템 설계는 크게 두 부분으로 나뉜다. 첫째, 라벨 트리 구조를 이용해 상황을 계층적 라벨(예: ‘실내‑조명‑낮음‑진동‑중간’)로 표현하고, 이를 입력으로 하는 머신러닝 모델(Gradient Boosting Regressor)을 학습한다. 라벨 트리는 사용자가 직접 추가·수정할 수 있어 개인화와 확장성을 동시에 제공한다. 둘째, 인간‑인‑루프 인터페이스를 통해 사용자는 현재 글꼴이 만족스러운지 여부를 간단히 피드백(‘좋음/보통/나쁨’)하고, 필요 시 직접 파라미터를 미세 조정한다. 이 피드백은 온라인 학습에 반영되어 모델이 지속적으로 업데이트된다.

평가 단계에서는 12명을 대상으로 8가지 SVI 시나리오(조명·진동·거리·피로 복합)에서 SituFont와 ‘수동 최적 설정’(사전 실험을 통해 도출된 정적 파라미터) 간의 성능을 비교했다. 결과는 읽기 속도(평균 22 % 향상), 오류율 감소(12 % 감소), NASA‑TLX 작업 부하 점수 감소(15 % 감소) 등에서 모두 유의미하게 SituFont가 우수함을 보여준다. 특히, 사용자는 시스템이 상황 변화를 감지하고 즉시 글꼴을 조정해 주는 점을 ‘읽기 흐름 방해 최소화’와 ‘시각 피로 감소’ 측면에서 긍정적으로 평가했다.

핵심 인사이트는 다음과 같다. ① SVI는 다중 요인의 복합적 작용이며, 단일 규칙 기반 조정으로는 충분히 대응할 수 없다. ② 실시간 센서 데이터와 사용자 피드백을 결합한 하이브리드 모델이 상황 적응성을 확보한다. ③ 라벨 트리와 인간‑인‑루프 설계는 개인화와 투명성을 동시에 제공해 사용자의 신뢰를 얻는다. ④ 중국어와 같은 복합 문자 체계에서도 글꼴 파라미터 조정이 가독성에 큰 영향을 미치므로, 언어별 특성을 고려한 확장 가능성이 있다.