디자인 아이디에이션 과정에서 프롬프트의 내용에 따른 생성형 AI의 응답에 대한 연구 = A Study on Generative AI Responses According to Prompt Content in Design Ideation|RISS 상세보기

국문 초록 (Abstract)

본 연구는 생성형 AI를 활용한 디자인 아이디에이션 과정에서 프롬프트 내 정 보 유형이 아이디어 생성 결과에 어떠한 영향을 미치는지 분석하는 것을 목적 으로 한다. 이를 위해 아이디어 생성 과정에서 사용되는 프롬프트 내 정보 요 소를 이론적 고찰을 바탕으로 체계적으로 분류하고, 해당 요소들이 아이디에이 션 과정에서 생성된 결과물에 어떤 영향을 끼치는지 그 특성에 대해 알아보고 자 실험하였다. 실험은 프롬프트 내 정보 유형을 분석할 수 있도록 단계별로 분류하여 생성형 AI를 내재한 실험 도구를 제작해 진행하였다. 25명의 주니어 디자이너로 구성된 참가자들은 해당 도구를 통해 주어진 2가지 주제에 대해 아 이디어를 생성하기 위한 프롬프트를 입력하며 각 유형별로 출력되는 아이디어 결과물에 대해 실험 참가자는 자가 평가를 진행하고, 사후 인터뷰를 통해 정 량·정성적으로 분석하였다. 통계적으로는 프롬프트의 내용이 가치성, 예측 가능성, 의도 일치성, 활용 가 능성에 유의한 응답 차이를 만들어 내는 것을 확인하였다. 종합적인 분석 결과 로 발산적 아이디에이션에서는 문제의 맥락과 목적을 중심으로 한 정보 유형인 필요 이유와 기대 효과, 제약 조건이 효과적이었으며 수렴적 아이디에이션에서 는 형태, 필요 기술, 예시가 구체적이고 실현 가능한 형태로 아이디어를 생성해 주는데 기여하는 것으로 나타났다. 이러한 실험 결과를 기반으로 발산·수렴적 아이디에이션에 필요한 역할 설 정, 목표, 맥락 정보, 출력 형식을 재구성하여 전략적인 프롬프트 구성을 설계 하였고, 이 전략을 시스템 내부에 내재하여 실제 아이디에이션 과정에 적용할 수 있도록 하는 LLM 아이디에이션 도구를 제안하였다. 해당 도구는 발산·수 렴적 아이디에이션에 따라 적합한 질문과 프롬프트 구조가 자동으로 생성되는 방식으로 설계되어 사용자의 프롬프트 설계 및 전략적 판단 없이도 체계적인 아이디에이션 과정을 경험할 수 있도록 지원한다. 본 연구는 생성형 AI를 활용 한 디자인 아이디에이션 과정에서 발산과 수렴에 적합한 정보 구성을 알아보 고, 그 결과에 기반한 사례 도구를 제안한다는 점에서 의의를 가진다.

번역하기

본 연구는 생성형 AI를 활용한 디자인 아이디에이션 과정에서 프롬프트 내 정 보 유형이 아이디어 생성 결과에 어떠한 영향을 미치는지 분석하는 것을 목적 으로 한다. 이를 위해 아이디어 ...

목차 (Table of Contents)