시각·텍스트 설명이 교육 추천 시스템 인식에 미치는 영향과 개인 특성 조절 효과

본 논문은 교육용 추천 시스템(ERS)에서 제공되는 설명이 사용자 경험에 미치는 영향을 형식(시각 vs. 텍스트)과 개인 특성(PCs)의 관점에서 체계적으로 탐구한다. 서론에서는 설명형 인공지능이 투명성, 신뢰, 만족도 등을 향상시키는 핵심 요소임을 강조하고, 특히 교육 환경에서는 학습자 의사결정에 직접적인 영향을 미치므로 설명의 설계가 중요함을 제시한다. 기존 연구는 설명 스타일이나 상세 수준을 비교했지만, 시각적·텍스트 형식 간 직접적인 비교는 부족했으며, 개인 특성이 이러한 형식 선호에 어떻게 작용하는지도 명확히 밝혀지지 않았다. 관련 연구 파트에서는 시각적 설명(그래프, 차트, 워드클라우드 등)과 텍스트 기반 설명(템플릿, 자연어 생성) 각각의 장단점을 정리하고, Big Five, Need for Cognition, Decision Making Style 등 개인 차원이 설명 인식에 미치는 영향을 선행 연구와 연결한다. 특히, 시각적 설명이 직관적 이해를 돕는 반면, 텍스트는 언어적 명확성을 제공한다는 점을 강조한다. 연구 설계는 CourseMapper라는 교육용 추천 시스템을 기반으로 한다. 이 시스템은 학습자가 “이해하지 못한” 개념(DNU)을 입력하면, 해당 개념과 유사한 YouTube 동영상 및 Wikipedia 기사들을 추천한다. 시각적 설명은 사용자가 입력한 개념을 색상 칩으로 표시하고, 각 추천 아이템 옆에 코사인 유사도 점수를 색상 밴드와 키프레이즈 하이라이트, 인터랙티브 바 차트, 상세 워드클라우드 등으로 시각화한다. 텍스트 설명은 동일 정보를 템플릿 기반 문장으로 변환해 제공하며, ‘Show Similarity’ 버튼, 키프레이즈 강조, 팝업 형태의 상세 점수 표시 등으로 구성한다. 두 형식은 기능·내용 면에서 1:1 매핑을 유지해 비교의 타당성을 확보했다. 실험은 54명의 대학생·연구자를 대상으로 온라인에서 진행됐으며, 피험자 내 설계로 각 참가자는 시각·텍스트 설명을 모두 경험한다. 사전 전력 분석을 통해 표본 크기를 결정했으며, 윤리위원회의 승인을 받았다. 측정 변수는 통제감(5점 Likert 1문항), 투명성(12문항), 신뢰(8문항, 7점 Likert), 만족도(7문항)이며, 개인 특성은 Big Five(5요인), Need for Cognition(NCS‑6), Decision Making Style(합리·직관), Visualization Familiarity, Technical Expertise를 표준 설문지로 측정했다. 데이터 분석은 피험자 간 변동과 피험자 내 반복 측정을 동시에 모델링할 수 있는 혼합효과 모델을 사용했다. 주요 결과는 다음과 같다. 1) 시각적 설명은 텍스트 설명에 비해 신뢰와 만족도에서 유의하게 높은 점수를 기록했으며(p < 0.01), 통제감과 투명성에서는 차이가 없었다. 2) 개인 특성 중 Agreeableness가 높을수록 두 형식 모두에서 통제감이 상승했으며, Conscientiousness가 높을수록 시각적 설명에 대한 신뢰와 만족도가 크게 향상되었다. 3) 직관적(DMS) 의사결정 스타일이 낮은(즉, 합리적) 사용자는 시각적 설명에 더 높은 신뢰를 보였으며, Visualization Familiarity와 Technical Expertise는 형식 효과에 큰 조절 역할을 하지 않았다. 즉, 시각적 설명의 장점은 대부분의 사용자에게 일관되게 나타났다. 논의에서는 시각적 설명이 복잡한 교육 컨텍스트에서 인지 부하를 감소시키고, 사용자가 시스템의 추천 로직을 직관적으로 파악하도록 돕는 메커니즘을 제시한다. 또한, 개인 특성에 따라 약간의 차이는 존재하지만, 기본적인 시각적 설계 원칙(단순성, 인터랙티브성, 선택적 강조, 명확한 매핑)을 지키면 다양한 사용자 집단에 효과적이라는 실용적 가이드를 도출한다. 구체적인 디자인 가이드라인은 (1) 사용자의 입력을 시각적으로 강조, (2) 유사도 점수를 색상·바 차트 등으로 직관적으로 표시, (3) 상세 정보를 워드클라우드·팝업 등 인터랙티브 요소로 제공, (4) 텍스트와 동일한 정보량을 유지하면서 과도한 복잡성을 피함을 포함한다. 연구의 한계로는 참가자 모집이 주로 독일·파키스탄·이란의 대학생에 국한돼 문화·언어 다양성이 제한됐으며, 실험이 단일 세션으로 진행돼 장기 사용 효과와 학습 성과와의 연계가 검증되지 않았다. 또한, 텍스트 설명이 템플릿 기반이었기 때문에 자연어 생성형 텍스트와의 비교는 포함되지 않았다. 향후 연구에서는 다문화·다언어 환경에서의 일반화 검증, 장기 사용에 따른 신뢰·만족도 변화, 그리고 실제 학습 성과(예: 시험 점수, 학습 지속성)와의 관계를 탐색할 필요가 있다. 결론적으로, 시각적 설명은 교육용 추천 시스템에서 사용자 신뢰와 만족도를 크게 향상시키는 효과적인 설계 옵션이며, 개인 특성에 크게 좌우되지 않는다. 따라서 설계자는 시각적 요소를 적극 활용하면서도 개인 차이를 고려한 맞춤형 인터랙션을 제공함으로써 보다 포괄적인 사용자 경험을 구현할 수 있다.