자동생성 퍼소나로 VR 접근성 공감 향상

초록

**
본 연구는 메타와 스팀 VR 스토어의 사용자 리뷰를 활용해 대형 언어 모델과 Retrieval‑Augmented Generation(RAG) 프레임워크로 접근성‑특화 퍼소나를 자동 생성하는 시스템을 설계·구현하고, VR 교육 과정에서 학생들의 공감 능력에 미치는 효과를 실험적으로 검증하였다. 실험 결과, 자동생성 퍼소나를 사용한 그룹이 전통적인 설문‑기반 방식보다 공감 점수가 유의하게 높았다.

**

상세 분석

**
이 논문은 세 가지 핵심 기술적 기여를 제시한다. 첫째, VR 앱 스토어(메타 퀘스트와 스팀)에서 접근성 관련 리뷰를 자동 추출하기 위해 키워드 기반 전처리와 퍼지 매칭을 결합한 파이프라인을 구축하였다. 리뷰 길이 20단어 이하를 제외하고, 비영어·광고·혐오 표현을 필터링한 뒤, WHO 장애 분류에 맞는 키워드 집합을 사용해 ‘모션 시크니스’, ‘청각 손실’ 등 구체적 장애 카테고리를 정제하였다. 최종적으로 396개의 고품질 리뷰가 확보되었으며, 이들은 Sentence‑Transformer 모델로 임베딩되어 Chroma 벡터 데이터베이스에 저장돼 의미 기반 검색이 가능하도록 설계되었다.

둘째, LLM(GPT‑4o)과 RAG를 결합한 퍼소나 생성 엔진을 구현하였다. 사용자가 프로젝트 유형과 장애 카테고리를 입력하면, 벡터 DB에서 가장 연관성 높은 리뷰 조각을 상위 N개 추출하고, 이를 프롬프트에 삽입해 LLM이 ‘요약 → 차원‑값 쌍 추출 → 퍼소나 템플릿 구성’ 순으로 출력한다. 차원‑값 쌍은 ‘장애 종류(예: 모션 시크니스)’, ‘고통 포인트’, ‘구체적 요구사항’, ‘인구통계 정보’ 등으로 구조화돼, hallucination을 최소화하고 근거 기반 설명을 보장한다. 또한 DALL·E 3를 이용해 인구통계에 맞는 프로필 사진을 자동 생성함으로써 시각적 실재감을 높였다.

셋째, 교육 현장에서의 효과 검증을 위해 24명의 대학생을 두 그룹(시스템 사용 vs. 설문 기반)으로 나누어 2주간 8시간에 걸친 실험을 진행했다. 공감 측정은 Interpersonal Reactivity Index의 ‘Perspective Taking’, ‘Empathic Concern’, ‘Fantasy’ 하위 척도를 7점 Likert로 평가했으며, 정규성 검증 후 paired‑samples t‑test를 적용했다. 시스템 그룹은 평균 4.45점(SD 0.78)으로 설문 그룹(평균 3.06, SD 1.39)보다 통계적으로 유의미하게 높았다(p = .015). 특히 ‘Perspective Taking’에서 t = 3.715, p = .004의 차이를 보였다. 정성적 인터뷰 분석에서는 학생들이 자동생성 퍼소나를 통해 실제 사용자 경험을 구체적으로 인지하고, VR 접근성 문제를 ‘추상적 기술’이 아닌 ‘구체적 상황’으로 이해하게 되었다는 점이 강조되었다.

한계점으로는 데이터 소스가 인기 상위 50개 앱에 국한되어 있어, 소규모·니치 앱의 접근성 이슈가 반영되지 않을 가능성이 있다. 또한 LLM 기반 생성 과정에서 여전히 미세한 허위 정보가 삽입될 위험이 존재하며, 이를 완전히 차단하기 위한 검증 절차가 추가로 필요하다. 향후 연구에서는 다국어 리뷰 확장, 실시간 사용자 피드백 루프 구축, 그리고 퍼소나 기반 설계 프로세스와 실제 VR 프로토타입 테스트를 연결하는 종단적 평가를 제안한다.

**