설문 조사는 홈 화면에 배치된 앱의 수행과 전반적인 접근 방식을 이해하고자 Google Survey 툴을 활용해 온라인으로 진행하였다. 참가자 에게 설문 조사 링크를 MIM으로 전달했으며, 질문 구성에서는 [그림 13]과 같이 상단에 이해를 도울 수 있는 이미지를 삽입하고, 2개의 주관 식 문항 외에 모두 5점 척도 문항으로 구성하였다.
그림 13. 온라인 설문 조사 화면
홈 화면에 배치된 앱 중 사용 빈도가 높은 상위 10개의 앱을 추려, 실제 홈 화면을 통해서 접근하는 비중을 5점 척도로 질문하였다. 또한, 수집한 로그 데이터는 앱 내부 링크를 통해 다른 앱을 간접적으로 접근 하는 경우도 빈도로 측정되기 때문에, 실질적인 홈 화면 접근을 파악하 기가 어렵다. 따라서 조사 B의 ‘캡처 이미지와 사용 로그 데이터 수집 및 가공’에서의 유효 빈도 처리에 활용하고자, 인터뷰를 분석해 대표적 인 앱 간접 수행 케이스 17가지를 선별하였다. 실제 문항에서는 각 케 이스에 대한 간접적 수행 비중을 5점 척도로 답변하게 했으며, 이를 유 효 빈도 필터링의 근거로 활용하였다.
해 데이터를 전송받는다. 사용 로그 첨부 파일은 CSV 형식이며, 본 조 사에서는 엑셀과 SPSS를 사용해 통계적으로 분석하였다. 이때, 기존 Raw 데이터가 아닌 시계열에 기반을 두고 2차례의 가공 과정을 거친다.
우선 기존 데이터에는 앱 사용 날짜, 시작 시각, 수행 시간이 나와 있는데, 이를 [그림 14]와 같이 사용 날짜, 시작 시각, 종료 시각, 수행 시간, 앱 간격으로 가공했다. 여기서 ‘앱 간격’은 하나의 앱(A) 종료 후 뒤이어 수행되는 앱(B)이 시작되기 전 그 사이 시간(앱 B의 시작 시각- 앱 A의 종료 시각)을 의미한다.
그림 14. ‘App Usage Tracker’ 사용 로그 가공 데이터(P28)
기존의 사용 로그 데이터는 전체 앱의 수행 시간과 빈도를 살펴보 는 데는 유용하지만, 여기에는 사용자가 의도적으로 접근해서 수행한 앱 외에 간접적으로 수행된 기록 모두를 포함하고 있다. 따라서 실질적으로 사용자가 스마트폰 화면에 배치된 앱 객체(아이콘, 위젯)를 통해 접근한 경우를 유효 접근으로 간주하고, 이 빈도를 별도로 살피고자 아래 4가지 기준으로 데이터를 2차적으로 가공했다.
표 12. 앱 사용 로그 필터링 기준(간접적 접근 필터링) 1. 앱 구동 중에 간접 수행된 경우
Facebook 링크로 Google 검색 수행
·・ 앱 구동 중에 간접적으로 다른 앱을 수행하 게 된 경우, 객체를 통한 유효한 접근이 아님.
·・ 처리 방법: 앱 간격 0초인 앱을 대상으로 내 부 구동으로 수행 가능한 리스트를 사용자에게 직접 물어본 후, 유효 항목만을 적용함.
2. ‘시스템 UI’ 직후 수행되는 경우
‘시스템 UI’로 기록되는 최근 화면
·・ 최근 화면(Recents Screen)은 사용 로그 상에
‘시스템 UI’로 기록되는데, 이는 화면 배치와 무 관한 접근 방식임
·・ 처리 방법: 시스템 UI와 그 직후 수행된 앱 기록을 유효 빈도에서 제외함.
3. ‘안드로이드 시스템’ 직후 수행되는 경우
Gmail 링크 중 안드로이드 시스템 수행
·・ 앱 내부 링크를 통한 수행 중 안드로이드 시 스템(Android System)이 작동된 경우임. 사용자 는 이를 인지하지 못하지만, 실제 사용 로그에 는 기록됨.
·・ 처리 방법: ‘안드로이드 시스템’과 그 직후 수행된 앱 기록을 유효 빈도에서 제외함.
4. 자동으로 백그라운드 수행되는 앱
백신 앱(Ahn Lab V3)의 자동 수행
·・ 비의도적으로 백그라운드 앱이 자동 수행되 는 경우 유효 빈도에서 제외하며, 은행 앱에서 자동 수행되는 백신(Vaccine) 앱이 있음.
·・ 처리 방법: 앱 간격 0초 중 백그라운드 수행 앱을 골라 사용자에게 직접 물어봄.
[표 12]에 의거해 필터링을 수행한 결과, 가공 전 ‘총 접근 빈도수’
가 참가자 평균 2054.07개(ST=1168.40)에서 1624.47개(ST=821.47)로 약 18.91% 감소하였다. 즉 평균 429.6개(ST=500.48)의 접근 빈도가 간 접적인 방식이라고 간주하여 필터링 되었다.
(2) 인터뷰 데이터 분석
수집한 로그 데이터를 기반으로 실제 접근 빈도가 높은 앱이 홈 화 면에 존재하는지, 그 형태와 위치가 어떠한지를 파악해 각 조사 참가자 에 따라 개별화된 인터뷰 PT 자료를 제작하였다. 특히 사용 빈도의 경 우, 스마트폰과 데스크톱 화면 구성에 관한 선행연구에서 사용자의 객체 배치에 가장 큰 영향을 끼치는 요소라고 밝히고 있으며, 이는 본 조사의 파일럿 조사 설문을 통해서도 증명되었다.
화면 관리 방식을 전체적으로 유형화하고자, 전사한 인터뷰 데이터 를 발화 기준에 따라 엑셀(Excel) 시트에 정리하였다. 반구조화 인터뷰 의 특성상 내용 분석을 위해 개방형 코딩(Open coding)과 축 코딩 (Axial coding)을 병행해 의미 단위의 유목화를 진행하였다. Strauss와 Corbin(1990)의 정의를 참고해 문장을 분석단위30로 정하고, 이들의 유 사성을 판별해 각각의 용어로 범주화하였다. 일차적으로 질문 키워드를 코딩에서의 변수 속성으로 잡고, 가시화된 형태로 표준화가 가능한 현재 적 내용(Manifest Content)을 분류하였다. 각 범주는 객체 존재에 따른 객관적인 항목부터 추상적인 개념까지 다양했으며, 주요한 메타 개념을 규명하고자 개방형 코딩 결과를 재분석하는 축 코딩(Axial Coding)31을 진행하였다.
30 Patton, M. Q. (1990). Qualitative evaluation and research methods . SAGE Publications, inc.
31 Punch, K. F. (2013). Introduction to social research: Quantitative and qualitative approaches. Sage.
(3) 설문 데이터 분석
참가자의 기억에 의존한 불확실한 설문 조사 데이터의 한계를 다음 과 같이 보완하였다. 우선, 사용 여부에 대해 4점 이상의 답변(5점 척도) 만을 분석의 대상으로 삼았다. 또한, 부정확한 응답을 필터링하기 위해 설문 내에 유사 문항을 2개씩 중복으로 삽입하여, 동일 문항의 점수 차 이가 1점을 초과할 경우 무효 처리하였다.
제 5 장 연구 결과
제 1 절 홈 화면 특징
사람들은 홈 화면을 커스터마이징을 통해 직간접적인 접근 제어가 가능한 정보 공간으로 인지하고 있었다. 홈의 기능에는 크게 정보를 보 여주는 디스플레이(Display) 기능과 객체에 접근해 직접 실행을 돕는 컨 트롤(Control) 기능이 있는데, 이는 모든 앱을 모아놓은 라이브러리 (Library)로 작용하는 앱서랍과 다른 특징이라고 할 수 있다. 각 정보 공간은 그것을 구성하는 객체에 따라 의미와 중요도가 다를 수 있으며, 이러한 체감 중요도는 실제 사용 패턴에 의거해 해석할 필요가 있다.
본 절에서는 실제 홈 화면이 어떻게 구성되어 있는지 살피고, 체감 우선순위와 사용빈도 기반의 우선순위를 비교해 실제 커스터마이징이 사용 행태를 기반으로 이뤄지는지 확인하였다.