이 연구 주제는 대규모 언어모델과 생성형 AI를 인간의 실제 활동 맥락에 맞게 설계하고 평가하는 인간-컴퓨터 상호작용 연구에 초점을 둔다. 연구실은 AI를 단순한 자동화 도구가 아니라 사용자의 사고, 표현, 협업, 자기이해를 돕는 상호작용적 파트너로 바라보며, 사용자가 AI와 어떤 기대를 형성하고 어떤 방식으로 신뢰하거나 거리두는지를 세밀하게 분석한다. 특히 개인 정체성을 반영한 AI 클론, 역할극 기반 에이전트, 학습 및 피드백 지원 에이전트처럼 사용자의 심리적·사회적 경험에 깊게 개입하는 시스템 설계가 핵심 축을 이룬다. 방법론적으로는 사용자 조사, 인터뷰, 프로토타이핑, 현장 배포, 장기 사용 관찰을 결합하여 AI 상호작용의 실제 효과를 검증한다. 디자인 교육 맥락에서는 비판적 질문 능력과 피드백 역량을 높이기 위한 LLM 기반 대화형 에이전트를 개발하고, 학습자가 판단 불안 없이 반복적으로 사고를 훈련할 수 있는 환경을 만든다. 또한 자기 복제형 AI나 페르소나 기반 에이전트 연구를 통해 사용자가 자신의 가치관, 성향, 의사소통 방식이 디지털 시스템 안에서 어떻게 재현되고 변형되는지 탐구하며, 정체성 표현과 통제 가능성의 문제를 함께 다룬다. 이 연구는 앞으로 인간중심 AI의 핵심 과제인 설명가능성, 관계성, 적응성, 윤리성을 통합하는 방향으로 확장될 가능성이 크다. 특히 AI가 교육, 자기성찰, 협업, 의사결정 지원에 폭넓게 쓰이는 상황에서, 사용자 경험의 질과 사회적 책임을 동시에 고려한 인터페이스 원칙이 중요해지고 있다. 연구실의 접근은 기술 성능 자체보다 사람의 맥락과 감정, 상호작용의 장기적 결과를 중시한다는 점에서 차별화되며, 향후 AI 에이전트 설계의 실천적 가이드라인을 제공할 수 있다.

연구실의 또 다른 핵심 축은 정신건강과 신경다양성, 특히 자폐 스펙트럼 장애와 발달장애를 지원하는 디지털 헬스케어 시스템 개발이다. 이 연구는 정신건강 문제를 겪는 사람들, 자폐 아동·청소년, 감정노동자, 틱장애 환자 등 다양한 사용자의 삶을 이해하고, 이들의 일상적 어려움을 줄이기 위한 상호작용 기술을 설계하는 데 집중한다. 단순한 진단 보조를 넘어서 의사소통, 루틴 관리, 스트레스 예측, 자기기록, 치료 개입까지 포괄하는 폭넓은 디지털 지원 환경을 지향한다. 구체적으로는 생성형 AI 기반 AAC 시스템, 챗봇 기반 발달장애 진단 및 치료용 영상 추천 장치, 게임화된 루틴 관리 앱, 정신건강 저널링 도구, 휴먼 디지털 트윈 기반 스트레스 관리 기술 등이 연구되고 있다. 이러한 시스템은 멀티모달 데이터, 사용자 피드백, 대화형 인터페이스, 개인 맞춤형 추천을 결합하여 각 사용자의 상태와 맥락에 적응하도록 설계된다. 또한 사용자와 보호자, 의료진, 교육자 등 이해관계자 간의 관계를 고려한 협력적 설계가 강조되며, 낙인과 불안, 접근성 문제를 완화하는 인터페이스 전략이 함께 탐구된다. 이 연구 주제는 디지털 치료제와 보조기술, 개인 맞춤형 정신건강 관리 분야에서 높은 사회적 파급력을 가진다. 특히 기존 의료체계가 충분히 포착하지 못했던 일상 맥락의 문제를 기술을 통해 지속적으로 관찰하고 지원할 수 있다는 점이 중요하다. 연구실의 성과는 실제 특허와 대형 연구과제로도 이어지고 있으며, 향후 임상 현장과 가정, 학교, 직장 등 다양한 생활 공간에서 사용 가능한 포용적 디지털 헬스 인터페이스로 발전할 가능성이 크다.

연구실은 데이터와 미디어, 학습 환경에서 사람들이 정보를 이해하고 참여하도록 돕는 인터랙티브 시스템 연구도 활발히 수행한다. 이는 데이터 기반 기사 썸네일 디자인, 팩트체크 기사에 대한 이용자 반응 분석, 연구 홍보용 질의응답형 콘텐츠 생성, 초보 연구자를 위한 문헌조사 지원 도구 등으로 나타난다. 핵심은 복잡한 정보가 사용자에게 어떻게 제시되어야 해석 가능하고 매력적이며 행동을 유도할 수 있는지를 탐구하는 것이다. 이 분야에서는 데이터 시각화, 정보 구조화, 콘텐츠 프레이밍, 알고리즘 매개 커뮤니케이션 같은 요소들이 통합적으로 다뤄진다. 예를 들어 데이터 저널리즘 맥락에서는 썸네일의 구성 요소가 독자의 주목과 이해에 어떤 차이를 만드는지 실험적으로 분석하고, 팩트체크 연구에서는 기사 메시지 특성과 실제 온라인 참여 데이터를 연결해 정보 신뢰와 참여 메커니즘을 해석한다. 교육 맥락에서는 LLM을 활용해 글쓰기, 문헌 리뷰, 수업 보조, 질문 형성 등 학습자의 인지 활동을 지원하는 도구를 설계하고, 실제 교육 현장에서의 상호작용 품질을 평가한다. 이 연구는 AI 미디어 시대에 정보 전달의 효과와 책임성을 함께 다룬다는 점에서 의미가 크다. 사용자의 참여를 높이는 것만이 아니라, 오해를 줄이고 해석을 돕고 비판적 사고를 촉진하는 인터페이스를 만드는 것이 중요한 목표다. 따라서 연구실의 작업은 데이터 시각화와 디지털 저널리즘, 학습과학, 인터페이스 디자인을 잇는 융합적 성격을 가지며, 향후 신뢰 가능한 AI 미디어와 교육용 상호작용 시스템 설계에 실질적인 기준을 제시할 수 있다.