모바일 타이핑 단어 제안 시뮬레이션 모델 WSTypist

초록

WSTypist는 강화학습 기반의 계산 합리성 모델로 사용자가 모바일 타이핑 중 단어 제안을 언제 어떻게 활용할지를 시뮬레이션한다 제안의 효율성 평가 언어적 불확실성 고려 개인별 AI 의존도 반영을 통해 다양한 사용 전략을 재현하고 설계 단계에서 가상 실험을 가능하게 한다

상세 분석

본 논문은 모바일 텍스트 입력에서 흔히 사용되는 단어 제안 기능의 인지적 메커니즘을 정량화하고자 기존의 계층적 타이핑 제어 모델에 고수준 의사결정 과정을 추가하였다 강화학습 에이전트는 부분관찰 마코프 의사결정 과정(POMDP) 내에서 시각·인지·운동 자원을 제한된 작업 기억 용량과 노이즈를 고려해 배분한다 효율성 평가 모듈은 현재 입력 중인 단어와 제안 후보의 키스트로크 절감량을 계산하고 교정 필요성 및 철자 불확실성을 반영한다 언어적 특성 모듈은 제안이 orthographic uncertainty 를 감소시키는 정도를 추정한다 개인 의존성 모듈은 사용자의 AI 신뢰도와 선호도를 파라미터화하여 과잉 의존이나 회피 행동을 모델링한다 이러한 세 가지 메커니즘을 통합한 슈퍼바이저 에이전트는 제안 확인 시점, 확인 빈도, 선택 여부 등을 최적화한다 훈련 데이터는 실제 타이핑 로그와 시선 추적 결과를 기반으로 구성했으며 제안 정확도 60~70% 구간이 효율성과 오류 위험 사이의 최적 균형을 제공한다는 실험 결과를 도출하였다 또한 제안 길이 우선순위, 대문자 강조, UI 위치 변화를 각각 시뮬레이션하여 사용자의 적응 행동 변화를 정량적으로 예측하였다 이러한 접근은 기존 규칙 기반 모델이 갖는 휴리스틱 의존성을 탈피하고, 실제 인간 사용자의 다양성을 학습 가능한 파라미터로 포착한다는 점에서 학술적·실무적 의의를 가진다