이 연구 주제는 스마트폰, 웨어러블, 스마트 스피커와 같은 일상적 디지털 기기를 통해 사용자의 행동과 맥락을 이해하고, 이를 바탕으로 더 자연스럽고 유용한 상호작용 방식을 설계하는 데 초점을 둔다. 연구실은 이동컴퓨팅과 소셜·유비쿼터스 컴퓨팅을 기반으로 사용자의 위치, 활동, 사용 패턴, 사회적 상황을 포착하고, 실제 생활 환경에서 작동하는 인터랙티브 시스템을 개발해 왔다. 단순히 기기를 더 많이 연결하는 것이 아니라, 사람이 기술과 마찰 없이 상호작용하도록 돕는 인간 중심 설계가 핵심이다. 구체적으로는 스마트폰 과의존 완화, 디지털 웰빙, 능동적 알림과 중재, 맥락인지형 서비스, 고령자 접근성 향상, 사회적 상호작용 지원 시스템 등 다양한 응용이 포함된다. 연구실의 다수 CHI, UbiComp, MobiSys 계열 연구는 사용자의 방해 가능성, 심리 상태, 행위 목표를 고려해 적절한 시점과 방식으로 개입하는 기술을 다룬다. 최근에는 자연어 지시를 이해하고 모바일 앱을 자율적으로 실행하는 고령층 친화적 AI 에이전트 연구로 확장되며, 모바일 인터페이스 접근성과 자동화의 실용성을 높이고 있다. 이 연구는 차세대 개인형 컴퓨팅 환경의 기반을 형성한다는 점에서 중요하다. 앞으로의 컴퓨팅은 단순한 입력-출력 도구가 아니라, 사용자의 상태와 환경을 이해하고 조심스럽게 협력하는 동반자적 시스템으로 발전해야 한다. 이 연구실은 실제 사용자 연구, 장기 현장 실험, 인터랙션 디자인, 데이터 기반 모델링을 결합해 그러한 방향을 구체화하고 있으며, 교육, 복지, 고령화 대응, 생산성 향상 등 여러 사회적 과제에 기여할 수 있는 기술적 토대를 마련하고 있다.

이 연구 주제는 모바일 및 웨어러블 센서, 개인 건강 데이터, 행동 로그를 활용하여 신체·정신 건강 상태를 지속적으로 이해하고 지원하는 디지털 헬스 기술 개발을 다룬다. 연구실은 공중보건, 원격의료, 디지털 치료제, 정신건강 모니터링, 스트레스 예측 및 개입과 같은 영역에서 활발한 연구를 수행하고 있으며, 특히 일상생활 속에서 자연스럽게 수집되는 데이터를 활용해 건강 위험을 조기에 포착하려는 접근이 두드러진다. 이는 병원 중심의 단발성 진단을 넘어, 생활 기반의 연속적 건강 관리로 전환하려는 흐름과 맞닿아 있다. 대표적으로 디지털 공중보건과 팬데믹 대응, 디지털 치료제 분석, 개인화 스트레스 검출, 감정노동자 정신건강 위험 예측, 청년 우울증 추적, 운동 처방 준수율 향상을 위한 적시 중재 시스템 등이 포함된다. 연구실은 단순 예측 모델에 머물지 않고, 사용자의 행동 순응도와 개입 효과를 높이기 위한 분석 체계까지 함께 탐구한다. 스마트폰과 웨어러블에서 수집된 다중 센서 데이터를 통해 인지행동 루틴을 추출하고, 이를 정신건강 상태 진단과 추적, 맞춤형 개입 설계에 연결하는 연구는 이 연구실의 중요한 특징이다. 이 연구는 의료 접근성 확대와 예방 중심 헬스케어 실현에 큰 잠재력을 가진다. 특히 고령자, 감정노동자, 청년층처럼 지속 관찰과 맞춤 개입이 중요한 집단에서 디지털 기술은 실질적인 도움을 줄 수 있다. 향후 이 연구는 휴먼 디지털 트윈, 설명가능한 건강 예측, 다중 에이전트 기반 자율 관리 기술과 결합되며 더 정교한 개인 맞춤형 건강관리 체계로 확장될 가능성이 크다. 연구실은 기술적 혁신과 함께 실제 사용자 수용성, 임상적 활용성, 공공보건적 가치까지 함께 고려하는 점에서 강점을 보인다.

이 연구 주제는 스마트폰과 웨어러블에서 수집되는 대규모 행동·맥락 데이터를 정교하게 분석하여, 단순 상관관계를 넘어 원인과 결과의 관계를 이해하려는 연구를 포함한다. 연구실은 모바일 센서 데이터 기반 인간행동 분석을 오랫동안 수행해 왔으며, 최근에는 인과추론, 데이터 품질 관리, 인터랙티브 시각화, 데이터 정제 지원 등 데이터사이언스의 핵심 방법론을 체계화하는 방향으로 연구를 확장하고 있다. 이는 실제 환경에서 수집된 라이프로깅 데이터가 불완전하고 편향될 수 있다는 문제를 정면으로 다루는 접근이다. 주요 연구로는 스마트폰 센서 데이터를 활용한 행동 인과분석, 디지털 치료제 인과성 추론, 라이프로깅 데이터 시각 분석, 실시간 이상 탐지 기반 데이터 수집 품질 모니터링, 대규모 멀티모달 데이터 정제 시스템 개발 등이 있다. 특히 ACM Computing Surveys 논문과 관련 특허에서 드러나듯, 연구실은 모바일 데이터 분석 과정 전체를 수집-정제-모델링-해석-개선의 순환 구조로 바라본다. 이를 통해 연구자와 실무자가 실제 현장 배포 데이터에서 신뢰할 수 있는 통찰을 얻고, 더 나은 개입 시스템이나 분석 도구를 설계할 수 있게 한다. 이 연구는 데이터 기반 인간이해 연구의 신뢰성과 재현성을 높이는 데 중요한 의미가 있다. 모바일 센서 데이터는 규모가 크고 현실성이 높지만, 결측치, 측정 잡음, 운영체제 변화, 개인정보 이슈 등 복합적인 문제를 안고 있다. 연구실은 이러한 한계를 극복하기 위해 데이터 품질 관리 시스템, 설명 가능한 분석 도구, 프라이버시를 고려한 데이터 관리 메커니즘을 함께 제안하고 있다. 따라서 이 연구는 단순한 응용 개발을 넘어, 차세대 모바일 데이터사이언스와 실세계 AI의 기반 인프라를 구축하는 성격을 가진다.