논문 상세보기
pp.13-20
최근 사용자들의 일상생활을 실시간으로 측정하고 기록하며 타인과의 공유까지 확장되고 있는 라이프로깅 서비스가 증가하고 있다. 특히, 웨어러블 디바이스와 스마트폰의 발달로 애플리케이션에 기반한 라이프로깅 서비스가 대중화되 면서 사용자 행태에 의해 서비스 콘텐츠가 제작되고 메뉴화되어 인포그래픽 형태로 제공되고 있다. 따라서 본 논문에서 는 라이프로깅 서비스의 콘텐츠 항목을 구성하기 위한 사용자 행태를 추출하고 분류하는데 목적이 있다. 본 연구를 위하여 첫째, 학술 서적과 논문, 단행본을 포함한 도서, 출판물 등 문헌조사를 통한 라이프로깅의 개념과 특징을 살펴보 고 기존의 라이프로깅 관련 사용자 행태 기반 콘텐츠 항목을 살펴본다. 둘째, 라이프로깅 서비스를 위한 콘텐츠 항목으 로서 사용자 행태를 추출하고 분류 한다. 문헌 자료, 선행 논문 및 라이프로깅 애플리케이션의 콘텐츠 항목에서 사용자 행동 어휘를 수집한다. 수집된 어휘는 FGI(Focus Group Interview)와 설문을 통한 적합성 검정 분석에 의하여 라이프로 깅 서비스를 위한 콘텐츠 항목에 필요한 39개 어휘를 추출한다. 최종적으로 추출한 39개 어휘는 설문과 통계 분석 및 FGI를 통해 19개 사용자 행태 - ‘먹다’, ‘집안일을 하다’, ‘다이어트를 하다’, ‘여행하다’, ‘운동하다’, ‘대중교통 수단을 이용하다’, ‘촬영하다’, ‘만나다’, ‘감정을 느끼다’, ‘말하다’, ‘보살피다’, ‘운전하다’, ‘듣다’, ‘온라인에 접속하 다’, ‘잠자다’, ‘가다’, ‘일하다’, ‘배우다’, ‘보다’-로 분류되었다. 셋째, 본 연구를 통해 제시한 결과를 통하여 라이프로깅 애플리케이션에서의 콘텐츠 항목 구성에 대한 활용과 한계점을 논할 것이다.
Recently, life-logging service which has expanded to measure and record the daily life of the users and to share with others are increasing. In particular, as life-logging services based on the application has become popular with the development of wearable-devices and smart-phones, the contents of this service are produced by user behavior and are provided in infographic menu form. The purpose of this paper is to extract user behavior and classify for making contents items of life-logging service. For this paper, the first of all, we discuss the definition and characteristics of life-logging and research the contents based on user behavior related to life-logging by the publications including thesis, articles, and books. Secondly, we extract and classify the user behavior to build the contents for life-logging service. We gather users' action words from publication materials, researches, and contents of existing life-logging service. And then collected words are analyzed by FGI (Focus Group Interview) and survey. As the result, 39 words which suit for contents of life-logging service are extracted by verify suitability. Finally, the extracted 39 words are classified for 19 categories -‘Eat’, ‘Keep house’, ‘Diet’, ‘Travel’, ‘Work out’, ‘Transit’, ‘Shoot’, ‘Meet’, ‘Feel’, ‘Talk’, ‘Care for’, ‘Drive’, ‘Listen’, ‘Go online’, ‘Sleep’, ‘Go’, ‘Work’, ‘Learn’, ‘Watch’ - which are suggested by the surveys, statistical analysis, and FGI . We will discuss the role and limitations of this results to build contents configuration based on life-logging application in this study.
