In-depth Analysis of Affective Engineering Process : a case study on vehicle instrument panel

DC Field Value Language
dc.description학위논문 (박사)-- 서울대학교 대학원 : 인문대학 협동과정 인지과학전공, 2019. 2. 윤명환.-
dc.description.abstractThis dissertation aims to propose quantitative methods for elaborating the existing affective engineering methodology and to demonstrate the proposed methods by conducting a case analysis. Since the mid-1980s, the affective engineering research has been recognized as a methodology of developing user-oriented products. There are a few remarkable differences between the affective engineering research and other engineering researches.

First, the percentage of qualitative studies is relatively higher in affective engineering. A study plan tends to be determined based on a researchers subjective decision about scope, methods, detailed plans and evaluation criteria through the whole process. Second, the subject of the affective engineering research is humans and thus evaluation results are more difficult to generalize and elaborate. These two differences are both characteristics and limitations of the affective engineering research. Focusing on this fact, five quantitative analysis methods are proposed which could complement the existing affective engineering research.

Study 1 performed a sematic network analysis of Internet review data and proposed a method of deriving affective structures and main affects, which were necessary for affective evaluation. A case of car instrumental panels was also examined. Online reviews about car interior designs were collected and preprocessed. A semantic network analysis of the preprocessed data was conducted to identify centrality values of each word and connectivity. Based on the analysis result, luxuriousness and naturalness were determined as the target affects related to car instrument panels, and 20 sub-affective words were selected which seemed to constitute the target affects.

Study 2 proposed a quantitative method of examining the validity of each affective word selected for affective evaluation, and verified the proposed method by applying it to cases. An affective evaluation was performed for car instrument panels. In the affective evaluation, degrees of feeling corresponding to each affective word were measured by the semantic differential method, when subjects saw and felt six samples. Besides, a survey was also performed to investigate subjects understanding about each affective word and their subjective perception of the distinctness of the samples. The evaluation results were analyzed by 5 statistical methods in order to see the validity of each affective word. The analysis results showed that the affective words formed a regular distribution when the numbers of statistical methods satisfied by them were arranged in descending order from 5 to 0. Accordingly, the proposed method revealed that each affective word had a different degree of validity.

Study 3 was a case study aiming to see which of the three conventional semantic differential methods was effective in affective evaluation. An affective evaluation was performed for car instrument panels. The affective evaluation was repeated by applying the three semantic differential methods, that is, Absolute evaluation 1, Absolute evaluation 2 and Relative evaluation. Three quantitative analysis methods were used to the performance of each evaluation method. It turned out that the relative evaluation produced better results than the remaining absolute evaluation types. However, the relative evaluation requires a long time for evaluation. Accordingly, an appropriate semantic differential method needed to be determined by considering various factors influencing experiments such as the number of evaluation samples, the number of participants in an experiment and the duration of an experiment.

Study 4 proposed a method of processing data, which were obtained from affective evaluation, and presenting a significant statistical model. The proposed method was verified by a case study. The difference in the explanatory power of the model was identified by comparing the product reviews of the ordinary participants in the experiment and those of experts. A method of enhancing the explanatory power of the model, which was derived from the ordinary participants, was proposed. The key of the method was dividing participants into different groups by the evaluation criterion for a specific affective word. Two evaluation cases were distinguished. In the one case, the target affect was valued highly when the embossing was large. In the other case, the target affect was valued highly when the embossing was small. Models for each case were constructed, and the explanatory power of each model was examined. The explanatory power obtained by applying the proposed method was better than that obtained from the conventional analysis. Then, the problems of the proposed method and counterarguments were discussed. In addition, the model based on the evaluation results of the ordinary users was compared with another model based on the evaluation of experts in order to consider the difference between the models and the causes for such a difference.

Study 5 derived a positioning map by using the affective evaluation results of Study 4. Based on the result of Study 4, it turned out that 13 affective words influenced affective models. A principal component analysis of those 13 words was performed to determine 4 components. The multidimensional scaling method was applied to the component scores of the four components in each sample, and thus a positioning map was derived for relative positions in each sample. Two dimensions constituting the positing map were compared with the scores of luxuriousness and naturalness, which were obtained in Study 4, in order to examine the validity. Relative positions of 12 samples on the positioning map were compared. In addition, a method of applying the comparison of samples to marketing and product development was also considered.

This dissertation proposed five quantitative analysis methods to elaborate the existing affective engineering methodology. The proposed methods were demonstrated by conducting a case study for car instrument panels. As the development of user-oriented products has become the philosophy of product design, reliable and highly valid affective evaluation results need to be obtained and applied for product development in order to attract consumers in the market. The findings of this dissertation will contribute to developing a new methodology of yielding more valid and significant results in affective engineering.
dc.description.abstract본 논문의 목적은 기존 감성 공학 방법론을 정교화 할 수 있는 정량적인 방법들을 제안하고, 사례 연구를 수행하여 제안한 방법들이 어떤 결과를 도출하는지 실증하는 것이다. 1980년 중반 이후 사용자 중심 제품 개발의 한 가지 방법론으로 인정받게 된 감성 공학 연구는 다른 공학 연구와 구별되는 몇 가지 차이점들을 가지고 있다.

한 가지 차이점은 감성 공학에서는 정성적인 연구의 비율이 상대적으로 크다는 것이다. 연구 범위, 연구 방법, 연구의 세부 계획, 평가 기준 등, 연구 전반에 걸쳐 연구자의 주관적 의사결정을 바탕으로 연구 계획을 수립하게 된다. 또 다른 차이점은 사람을 대상으로 하는 연구이기 때문에 평가 결과를 일반화하고, 정교화하기가 상대적으로 어렵다는 것이다. 이 2가지 차이점은 감성 공학 연구의 특징이면서, 한계점이라고 할 수 있다. 본 논문은 이 사실에 초점을 맞추어, 기존의 감성 공학 연구를 보조할 수 있는 총 5가지의 정량적인 분석 방법들을 제안하였다.

연구 1에서는 인터넷 리뷰 데이터를 대상으로 network analysis를 수행하여 감성 평가에 필요한 감성 구조 및 주요 감성을 도출하는 방법을 제안하고, 차량용 instrument panel을 대상으로 사례 연구를 진행하였다. 우선 인터넷에서 차량 실내 디자인과 관련된 리뷰들을 수집하여, 전처리 과정을 수행했다. 전처리된 자료를 대상으로 network analysis를 수행하여, 각 어휘 별 centrality 값을 구하고 연결성을 확인하였다. 이를 토대로, 고급감과 천연감을 차량용 instrument panel과 관련된 목표 감성으로 선정하였고, 두 목표 감성을 구성한다고 생각되는 하위 감성 어휘를 선정하였다.

연구 2에서는 감성 평가를 위해 선정된 개별 감성 어휘의 타당성을 정량적인 분석을 이용하여 확인하는 방법을 제안하고, 사례 연구에서 제안한 방법을 적용한 결과를 확인하였다. 본 연구를 위해 차량용 instrument panel을 대상으로 감성 평가를 수행했다. 감성 평가는 6개의 평가 샘플을 보고 만질 때 감성 어휘의 느낌을 받는 정도를 의미미분법 방식으로 측정하였으며, 추가적으로 감성 어휘 별 이해도와 샘플 간 구별성에 대한 주관적 인식에 대해 설문조사를 수행하였다.

평가 결과를 대상으로 총 5가지의 통계 분석을 수행하여, 감성 어휘 별 타당성을 확인하였다. 분석 결과, 5개 통계 분석 모두를 만족시키는 감성 어휘부터 하나의 통계 분석도 만족시키지 못하는 감성 어휘까지 감성 어휘가 일정한 분포를 형성하는 것을 확인하였다. 이를 통해, 제안한 방법을 기준으로 했을 때, 어휘 타당성의 정도가 감성 어휘 별로 차이가 나는 것을 확인할 수 있었다.

연구 3에서는 일반적으로 사용되는 3종류의 의미미분법 중 어떤 방식의 의미미분법이 감성 평가에 효과적인지를 사례 연구를 통해 확인하였다. 본 연구를 위해 차량용 instrument panel을 대상으로 감성 평가를 수행했다. 감성 평가는 절대평가 1, 절대평가 2, 상대평가의 3가지 방식의 의미미분법을 가지고 반복적으로 수행되었고, 총 3가지 정량적인 분석 방법을 활용하여 각 의미미분법 방식의 평가 우수성을 확인하였다.

분석 결과, 상대평가 방식이 나머지 2개의 절대평가 타입에 비해서 우수한 결과를 도출하는 것으로 나타났다. 그러나 상대평가 방식은 평가 시간이 오래 걸린다는 단점이 있었다. 평가 샘플의 개수, 실험참여자의 수, 실험 진행 시간 등 실험에 영향을 미칠 수 있는 다양한 요소를 고려하여 실험에서 사용할 의미미분법 타입을 결정해야 한다는 결론을 도출하였다.

연구 4에서는 감성 평가를 통해 도출된 데이터를 가공하여 유의미한 통계적 모델을 제시하는 방법을 제안하고, 사례 연구를 통해 제안한 방법의 결과를 확인하였다. 제품 평가에 대한 일반인 실험참여자들의 결과를 전문가와 비교하여 설명력의 차이를 확인하고, 일반 실험참여자들로부터 도출되는 모델의 설명력을 높이기 위한 방법을 제안하였다. 설명력을 높이기 위한 방법으로, 특정 감성 어휘를 평가한 기준으로 그룹을 나누는 방법을 제안하였다.

엠보 크기가 클 때, 목표 감성을 높게 평가하는 경우와 엠보 크기가 작을 때, 목표 감성을 높게 평가하는 경우로 평가 케이스를 나누어 각각에 대한 모델을 만들고, 만들어진 모델의 설명력을 확인했다. 제안한 방법을 적용했을 때의 설명력이 일반적인 분석으로 나온 설명력보다 좋다는 것을 확인하였다. 제안 방법의 문제점과 그에 대한 반론 등을 논의하였다. 그리고 전문가 평가 결과로부터 나온 모델과 일반 사용자 평가 결과로부터 나온 2가지 모델을 비교하여, 모델 간 차이점을 확인하고 그 차이의 원인을 고찰하였다.

연구 5에서는 연구 4에서 도출된 감성 평가 결과를 활용하여 포지셔닝 맵을 도출했다. 연구4의 결과로 13개의 감성 어휘가 감성 모델에 영향을 미치는 것으로 확인됐고, 이 13개 어휘를 대상으로 주성분분석을 수행하여 총 4개의 성분을 도출하였다. 도출된 4개 성분의 샘플 별 성분 점수를 대상으로 다차원 척도법을 수행하여 샘플 별 상대적 위치에 대한 포지셔닝 맵을 도출하였다. 포지셔닝 맵을 구성하는 2개의 차원을 연구 4에서 도출된 고급감 및 천연감 점수와 비교하여 그 타당성에 대해 논의하였다. 포지셔닝 맵 상에서의 12개 샘플의 상대적인 위치를 비교하였고, 샘플 간 상대적인 비교를 마케팅 및 제품 개발 측면에 적용하는 방안에 대해 논의하였다.

본 논문은 5가지의 정량적인 분석 방법을 제안하여 기존의 감성 공학 연구 방법론을 정교화하는 방안에 대해 논의하였다. 그리고 차량용 instrument panel을 대상으로 사례 연구를 진행하여 제안한 방법들을 실증하였다. 사용자 중심의 제품 개발이라는 개발 방향성이 제품 설계의 주요 철학으로 자리잡은 상황에서 신뢰도 및 타당성 높은 감성 평가 결과를 도출하여 이를 제품 개발에 적용하는 것은 시장에서 소비자의 선택 받기 위해 필수적인 요소라고 할 수 있다. 본 논문의 연구를 통해, 기존에 비해 타당성이 높고 유의미한 평가 결과를 도출할 수 있는 감성 공학 방법론을 개발할 수 있을 것으로 기대된다.
dc.description.tableofcontentsAbstract i

Contents v

List of Tables ix

List of Figures xi

Chapter 1. Introduction 1

1.1. Research Background 1

1.2. Research Objective 8

1.3. Organization of the Dissertation 10

Chapter 2. Literature Review 13

2.1. Overview 13

2.2. Affect 14

2.2.1. Definition of Affect 14

2.2.2. Concepts related to Affect 15

2.2.3. Neural Bases of Affect 21

2.3. Affective Engineering 28

2.3.1. Definition of Affective Engineering 28

2.3.2. Definition of Affect in Affective Engineering 29

2.3.3. Affective Engineering Methodologies proposed in the Early Days 29

2.3.4. Integrated Affective Engineering Process by Combining Various Types 35

2.3.5. Investigation Methodologies 37

2.3.6. Evaluation Methodologies 39

2.4. Conclusion 43

Chapter 3. Affective Structure Extraction using Network Analysis for Web Data 45

3.1. Introduction 45

3.2. Data Structuring 47

3.3. Results 52

3.3.1. Network Formation and Frequency Analysis 52

3.3.2. Centrality Value Analysis 53

3.4. Discussion 57

Chapter 4. Evaluating the Validity of Affective Words 63

4.1. Introduction 63

4.2. Method 65

4.2.1. Selection of Samples and Affective Words 65

4.2.2. Evaluation Environment 70

4.2.3. Questionnaire 71

4.2.4. Analysis Method 72

4.3. Results 73

4.3.1. Analysis Results of the Understanding of Affective Words 73

4.3.2. Analysis Result of the Distinctness of Samples 80

4.4. Discussion 89

Chapter 5. Comparing Semantic Differential Methods 93

5.1. Introduction 93

5.2. Method 97

5.2.1. Questionnaires 99

5.2.2. Analysis Methods 99

5.2.3. Design Parameter of Samples 100

5.3. Results 103

5.3.1. Analysis of the Statistically Significant Difference in Affective Word Scores among Samples in each Semantic Differential Method 103

5.3.2. Post Analysis for Details of the Semantic Differential Methods 107

5.3.3. Analysis of the Correlation between Affective Words and Design Variables 110

5.4. Discussion 114

Chapter 6. Improving the Explanatory Power of Models using Clustering Analysis 121

6.1. Introduction 121

6.2. Method 123

6.2.1. Evaluation Environment 123

6.2.2. Samples 124

6.2.3. Participants 128

6.2.4. Interaction Methods between Samples and Participants in Evaluation 129

6.2.5. Evaluation Method and Questionnaire 129

6.2.6. Selection of the Variables (Affective Words) for Cluster Analysis 132

6.3. Results 134

6.3.1. Regression Analysis for Customer before Grouping 134

6.3.2. Grouping Customers 135

6.3.3. Regression Analysis 140

6.3.4. Developing Affect Prediction Model 143

6.4. Discussion 146

Chapter 7. Developing a Positioning Map 153

7.1. Introduction 153

7.2. Principal Component Analysis 156

7.3. Multi-dimensional Scaling Analysis 158

7.4. Discussion 161

Chapter 8. Conclusion 165

8.1. Summary of Study and Findings 165

8.2. Contribution and Limitation 170

8.3. Future Work 174

References 177

Appendix A 191

Appendix B 195

Appendix C 205

Appendix D 215

Appendix E 223

Abstract (in Korean) 225
dc.publisher서울대학교 대학원-
dc.titleIn-depth Analysis of Affective Engineering Process : a case study on vehicle instrument panel-
dc.contributor.affiliation인문대학 협동과정 인지과학전공-
Appears in Collections:
College of Humanities (인문대학)Program in Cognitive Science (협동과정-인지과학전공)Theses (Ph.D. / Sc.D._협동과정-인지과학전공)
Files in This Item:
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.