재구성하기: 인지 과부하를 줄이기 위해 AI를 사용하여 온보딩 문서 재구성하기
요약
본 연구는 오픈 소스 소프트웨어(OSS)의 복잡한 온보딩 문서로 인한 인지 과부하 문제를 해결하기 위해 생성형 AI(GenAI)를 활용한 재구성 파이프라인인 VisDoc을 제안합니다. 멀티미디어 학습의 인지 이론(CTML)을 적용하여 문서를 작업 단위로 분할하고 멀티모달 설명을 생성함으로써, 사용자의 인지 부하를 낮추고 작업 성공률을 높이는 효과를 입증했습니다.
핵심 포인트
- 기존 OSS 온보딩 문서의 밀도 높고 파편화된 구조가 사용자에게 인지 과부하를 유발함
- 멀티미디어 학습의 인지 이론(CTML)을 기반으로 한 GenAI 기반 문서 재구성 파이프라인 개발
- VisDoc 프로토타입은 문서 분할, 워크플로 추론, 중복 제거 및 멀티모달 설명 생성 기능을 수행함
- 실험 결과, VisDoc 사용자는 기존 방식 대비 높은 작업 성공률과 낮은 인지 부하, 향상된 사용성을 보임
온보딩 문서(Onboarding documentation)는 오픈 소스 소프트웨어 (OSS)에서 신규 사용자를 유인하고 유지하는 데 매우 중요합니다. 그러나 이러한 문서는 종종 밀도가 높고, 구조가 일관되지 않으며, 파편화된 형태로 제공되어 이해하기 어려우며, 이는 인지 과부하 (cognitive overload)를 유발하여 좌절, 오류 및 포기로 이어집니다. 본 연구에서는 멀티미디어 학습의 인지 이론 (Cognitive Theory of Multimedia Learning, CTML) 전략을 사용하여 OSS 문서를 어떻게 재구성할 수 있는지 조사합니다. 우리는 생성형 AI (GenAI) 기반 파이프라인을 사용하여 이러한 전략을 실행하며, 프로토타입인 VisDoc을 통해 OSS 문서를 재구성합니다. VisDoc은 문서를 작업 기반 단위로 분할하고, 워크플로 (workflows)를 추론하며, 중복을 제거하고, 멀티모달 (multimodal) 설명을 생성합니다. 전문가 평가 (N=4)를 통해 VisDoc의 완전성, 정확성 및 채택 가능성을 확인했습니다. 신규 사용자를 대상으로 한 피험자 간 평가 (between-subjects evaluation, N=14) 결과, VisDoc 사용자는 더 높은 작업 성공률을 달성하였고, 인지 부하 (cognitive load)는 유의미하게 낮았으며, 더 높은 사용성 (usability)을 인지한 것으로 나타났습니다. 본 연구의 기여는 온보딩 과제의 CTML 기반 분석, GenAI 기반 문서 재구성 파이프라인, 그리고 인지적으로 정보에 기반한 문서 재구성이 OSS에서 인지 부하를 줄이고 사용성 및 작업 성능을 향상시킨다는 실증적 증거를 포함합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기