다양한 언어·맥락의 합성 입력
입력-라벨-불확실성-수정-시스템 반응
정서적 경험사회적 경험인지적 경험
대학 지원 연구 근거 · 고등
감정 자료를 종류별로 나누는 AI 편향·한계 감사
부분집합 분석, 판단 보류, 사용자 수정
Carnegie Mellon, Stanford 연구팀이 공개한 연구를 참고해 수업을 만들었습니다. 학생은 대학 연구자가 기술의 쓸모, 편리함, 공정성과 안전을 어떻게 조사하는지 먼저 설명하고, 그다음 자기 질문, 설계 선택, A/B 결과, 실패, 수정과 한계를 구분해 지원서나 면접에서 솔직하게 설명합니다.
연구 질문학생 A/B 실험근거와 한계자기 기여
평균 성능이 특정 맥락 실패와 사람 간 불일치를 가립니다.
목표 경험부분집합 분석, 판단 보류, 사용자 수정
느낌을 프로그램이 지켜야 할 약속으로 바꾸기
- 사용자와 맥락을 명시하고 전체 경험 여정을 보여 줍니다.
- 한 가지 이상 바꿀 수 있는 설계 변수와 시험 기준을 정합니다.
- 사용자가 설정을 바꾸거나 원하지 않는 기능을 끌 수 있습니다.
조건 하나, 두 가지 작품
- 시험용 작품 A: 정보와 행동을 직접 보여 주는 기본안
- 시험용 작품 B: 다른 감각·순서·결과를 보고 다시 고치는 정보 변수를 시험하는 대안
같은 실제 과제로 확인하기
동일한 합성 과업으로 시험용 작품 A/B의 성공, 시간 또는 오류와 사용자 평정을 함께 비교합니다.
숫자와 사용자 의견을 함께 확인하기
- 행동 지표 한 가지 이상
- 익명 디자인·경험 평정
- 접근성 점검과 열린 의견
AB
차트 값은 과정 설명을 위한 가상 예시이며 실제 학생 결과가 아닙니다.
근거로 한 번 개선하기
정량·정성 증거가 함께 지지한 한 기능을 수정하고 전후 차이와 한계를 남깁니다.
좋은 숫자가 좋은 경험의 전부는 아닙니다
사용자의 내면을 추정하거나 조작하지 않고 최소 데이터·명시적 선택·거부 대안을 적용합니다.
AI보다 사용자가 최종 권한을 가집니다.
clarifycorrectoverrideopt-outdelete
모델이 확실하지 않거나 맥락이 부족할 때 판단을 보류하고 사용자에게 묻습니다.
경험 여정, 요구사항, 시험용 작품 A/B, 테스트 차트, 전후 사례 연구
Python/Jupyter합성 데이터
한계: 소수 학생과 한 첫 시험은 초기 근거입니다. 사람과 상황에 따른 차이를 남기고 다음에 확인할 질문을 제안합니다.
과정 상담
학생의 관심 주제를 실제 프로젝트로 연결합니다.
학년과 코딩 경험에 맞춰 종이 만들기, 화면 디자인(Figma), 블록 코딩(Scratch), 웹·Python 코딩, 로봇 중 알맞은 제작 방법을 함께 고릅니다.