딥러닝으로 풀어보는 뉴스 인터페이스의 비밀: 당신의 시선이 머무는 곳

본 연구는 딥러닝 기반 프레임워크를 활용하여 뉴스 인터페이스에서의 시선 예측 및 분석을 수행, 연령대에 따른 뉴스 소비 패턴 차이를 밝히고 아이트래킹과 마우스 트래킹 데이터 간 높은 상관관계를 확인했습니다. 이는 뉴스 인터페이스 디자인 개선 및 효율적인 사용자 조사 방법 제시에 중요한 시사점을 제공합니다.

매튜 케넬리(Matthew Kenely)를 비롯한 연구팀은 최근 흥미로운 연구 결과를 발표했습니다. 뉴스 매체 간의 치열한 경쟁 속에서 사용자의 시선을 사로잡는 뉴스 인터페이스 디자인이 얼마나 중요한지, 그리고 그 디자인을 어떻게 개선할 수 있는지에 대한 답을 딥러닝을 통해 찾아낸 것이죠.

사용자의 시선, 데이터로 분석하다

기존의 시선 추적(saliency detection) 연구는 데이터의 부족과 인구 통계학적 대표성의 부재라는 한계를 가지고 있었습니다. 연구팀은 이러한 문제를 해결하기 위해 기존의 SaRa 모델에 DeepGaze IIE를 결합한 새로운 딥러닝 프레임워크를 개발했습니다. 그 결과, Salient Object Ranking (SOR) 성능이 무려 10.7% 향상되었다는 놀라운 결과를 얻었습니다! 이 프레임워크는 시선 지도 생성, 그리드 세그먼트 점수 매기기, 지도 정규화라는 세 가지 핵심 요소를 최적화하여 이러한 성과를 달성했습니다.

연령대에 따라 다른 시선

연구팀은 13세부터 70세까지의 375명의 참가자를 대상으로 아이트래킹(30명)과 마우스 트래킹(375명) 데이터를 수집하여 분석했습니다. 그 결과, 놀랍게도 연령대에 따라 뉴스 인터페이스에 대한 시선 분포가 크게 다르다는 사실을 발견했습니다. 통계 분석 결과(p < 0.05, ε² = 0.042), 36세에서 70세 사이의 중장년층은 텍스트 콘텐츠에 더 많은 관심을 보였고, 13세에서 35세 사이의 젊은층은 이미지에 더 많은 관심을 보인 것으로 나타났습니다. 특히, 마우스 트래킹 데이터는 아이트래킹 데이터와 높은 상관관계(sAUC = 0.86) 를 보여 대규모 연구에서 마우스 트래킹의 유용성을 입증했습니다.

앞으로 나아갈 방향

이 연구는 뉴스 인터페이스 디자인에 있어서 연령대를 고려한 맞춤형 전략의 중요성을 강조합니다. 또한, 마우스 트래킹 데이터를 활용하여 대규모 연구를 진행할 수 있다는 가능성을 제시하며, 향후 시선 추적 연구는 더욱 다양하고 대표적인 인구 통계학적 데이터를 확보하는데 중점을 두어야 함을 시사합니다. 연구팀은 앞으로 더욱 정교한 모델 개발과 다양한 연령대 및 문화적 배경을 고려한 연구를 통해 뉴스 인터페이스 디자인의 새로운 지평을 열어갈 것으로 기대됩니다. 🤔 당신의 시선은 어디에 머물고 있나요?