이 연구 주제는 복잡하고 대규모인 데이터를 사람이 이해할 수 있는 시각적 형태로 변환하여 분석을 돕는 방법을 다룬다. 연구실은 정보 시각화를 통해 데이터의 패턴, 구조, 이상치, 관계를 효과적으로 드러내는 동시에, 분석 과정에서 사용자의 탐색 행위를 적극적으로 지원하는 시스템을 개발한다. 특히 초고차원 데이터나 다변량 데이터처럼 직관적으로 해석하기 어려운 정보를 시각적으로 풀어내는 것이 중요한 목표다. 이를 위해 차원 축소 기법의 신뢰성과 안정성을 측정하는 연구가 활발하다. UMAP의 점별 불안정성을 분석하는 GhostUMAP, 다차원 투영의 견고한 구조를 보여주는 Projection Ensemble, 임베딩 신뢰도를 평가하는 ZADU 라이브러리, 그리고 초고차원 데이터 시각화 시스템 HyperLens와 같은 연구는 단순히 예쁜 그림을 생성하는 데 그치지 않고, 시각화 결과가 얼마나 믿을 만한지를 정량적·정성적으로 검증하려는 시도다. 이는 시각화가 의사결정 도구로 쓰이기 위해 반드시 필요한 연구 방향이다. 이러한 성과는 과학기술 데이터, 산업 데이터, 의료 데이터 등 복잡한 실세계 문제에 폭넓게 적용될 수 있다. 연구실이 제안하는 시각화 방법은 분석가가 차원 축소 결과를 맹신하지 않고, 불확실성과 왜곡 가능성까지 고려해 해석하도록 돕는다. 결국 이 연구는 데이터 분석의 투명성과 재현성을 높이며, 사람이 AI와 데이터 기반 도구를 더 비판적이고 효과적으로 사용할 수 있는 기반을 마련한다.

이 연구 주제는 사람이 디지털 시스템과 상호작용하는 방식을 더 자연스럽고 효율적으로 만드는 데 초점을 둔다. 연구실은 인간과컴퓨터상호작용(HCI)을 기반으로 사용자의 의도, 맥락, 인지적 부담, 작업 흐름을 이해하고, 이를 반영하는 인터페이스를 설계한다. 단순히 화면을 보기 좋게 만드는 수준을 넘어, 사용자가 복잡한 정보와 기능을 빠르게 이해하고 목적에 맞게 활용할 수 있도록 인터랙션 구조 자체를 개선하는 것이 핵심이다. 특히 최근 연구에서는 대규모 언어모델과 생성형 인공지능을 인터페이스 설계 과정에 결합하는 방향이 두드러진다. 시각화 제작을 돕는 LLM 기반 시스템, 의도 기반 차트 캡셔닝, 자동 대시보드 설계, 텍스트 추출 및 번역 보조와 같은 주제는 사용자의 작업을 단축하면서도 품질을 높이는 지능형 인터페이스의 가능성을 보여준다. 이러한 연구는 사용자가 직접 모든 세부 설정을 조작하지 않아도 시스템이 협업 파트너처럼 제안을 제공하는 mixed-initiative 상호작용으로 확장된다. 이 분야의 기대효과는 데이터 분석, 창작, 협업, 정보탐색 등 다양한 실제 환경에서 나타난다. 예를 들어 예술가를 위한 텍스트-이미지 생성 모델, 웹툰 작가와 그림 작가 간 협업 지원 시스템, 기계번역 후편집 지원 도구는 창의성과 생산성을 동시에 높일 수 있다. 궁극적으로 이 연구는 AI가 사람을 대체하는 것이 아니라, 사람의 의사결정과 창의적 사고를 증폭시키는 사용자 중심 컴퓨팅 환경을 만드는 데 기여한다.

이 연구 주제는 데이터 테이블, 시각화, 텍스트 설명과 같은 서로 다른 형태의 정보를 하나의 통합된 표현 체계로 연결하는 데 초점을 둔다. 데이터 분석은 숫자만으로 이루어지지 않으며, 그래프, 캡션, 설명문, 사용자 질문이 함께 작동할 때 더 강력해진다. 연구실은 이러한 멀티모달 요소를 공동의 의미 공간에서 다룰 수 있도록 모델을 설계하고, 이를 바탕으로 자동화된 분석 지원 도구를 개발한다. 대표적으로 시각화와 캡션의 멀티모달 표현 및 상호 생성 모델 개발은 분석 자동화의 핵심 기반 기술이다. 이 접근은 데이터에서 적절한 시각화를 추천하고, 생성된 차트에 자연어 설명을 붙이며, 반대로 사용자의 텍스트 의도를 시각화로 변환하는 작업을 가능하게 한다. Intentable과 같은 연구는 사용자의 분석 의도를 파악해 차트 설명을 생성하는 방향을 보여주며, 자동 대시보드 설계 연구는 복수의 기준을 고려해 탐색형 분석 환경을 구성하는 문제를 다룬다. 이 분야는 분석 도구의 진입장벽을 낮추고 비전문가의 데이터 활용 역량을 높인다는 점에서 중요하다. 전문가가 아니더라도 시스템의 추천과 생성 기능을 활용해 더 빠르게 통찰을 얻을 수 있으며, 보고서 작성과 커뮤니케이션 과정도 효율화된다. 장기적으로는 데이터 분석 환경이 정적인 도구에서 대화형 지능 시스템으로 전환되는 데 중요한 역할을 하며, 사람과 AI가 함께 분석하는 차세대 분석 경험을 구현하는 기반이 된다.