AXIS Lab | 성균관대학교 사회·경험디자인연구실

AnalyzeeXperiences,InformaticsforSociety'sinsights

사회·경험디자인연구실 @ 성균관대학교

[논문 게재] AXIS Lab, 한국방송학보에 생성형 AI 기반 방송보도 공정성 평가 연구 게재

AXIS Lab 김수연 연구원과 이창준 교수(교신저자)가 참여한 연구가 KCI 우수등재 학술지 「한국방송학보」 제40권 제5호에 게재되었다. JTBC <뉴스룸>을 사례로 인간 코더와 생성형 AI의 방송보도 공정성 평가를 판단 단계별로 비교한 연구다.

2026-10-10자세히 보기

1/5

Lab Director

이창준 (Changjun Lee)

Computational Social Science · Human-AI Interaction

Website Google Scholar

자세히 보기 →

Research Areas

계산사회과학 기반의 다학제적 연구를 통해 사회적 현상을 분석하고 새로운 인사이트를 도출합니다.

Human-AI Interaction

인간과 AI 간의 상호작용 패턴을 분석하고, 기술이 사회에 미치는 영향을 연구합니다.

Media Dynamics

디지털 미디어 환경의 변화와 콘텐츠 소비 패턴, 미디어 생태계를 탐구합니다.

Policy Framework

기술 정책과 제도적 환경이 혁신과 사회 변화에 미치는 영향을 분석합니다.

Social Impact

데이터 기반 접근으로 건강, 문화, 정치 등 사회적 가치에 기여하는 연구를 수행합니다.

Featured Projects

지금 풀고 있는 문제들

지금 AXIS Lab이 풀고 있는 문제들입니다.

모든 프로젝트 보기 →

ETRI - AI 안정성 연구

AI 안정성 연구연구 개요AI 시스템과의 상호작용에서 발생할 수 있는 위험을 평가하기 위한 벤치마크를 구축한다. 이용자의 특성과 맥락을 반영하여, 실제 사용 환경에서 나타나는 위험을 포착하는 평가 체계를 설계한다.문제의식AI 시스템은 단순한 정보 제공을 넘어 정서적·관계적 상호작용의 대상으로도 활용되고 있다. 이러한 위험은 기존의 유해 콘텐츠 개념만으로는 충분히 포착되지 않으며, 상호작용이 누적되는 과정에서 새로운 형태의 위험이 발생할 수 있다.접근의 차별성① 위험이 발생하는 초기 단계부터의 포착② 상호작용 누적에 따른 위해를 정량적으로 측정③ 안전성과 유용성을 함께 고려한 평가 설계④ 실제 사용 맥락을 반영한 평가 기준 구성수행 내용복수의 위험 범주를 설정하고, 단계적 절차를 통해 범주별 평가 문항을 구축한다. 전문가 검증을 거쳐 문항을 확정하고, 다양한 상호작용 형태를 포괄하는 평가 프로토콜과 평가기준을 설계한다. 주요 모델들을 동일 조건에서 평가해 유형별 결과를 분석하고, 시범 벤치마크를 제시한다.

위험평가안정성

2026.09 ~ 2026.11

Always-on 인공지능 환경에서의 프로액티브 AI와 인간 인지 메커니즘

개인기초연구(과기정통부)(R&D) 우수연구-핵심연구(유형A) RS-2026-25491353국문표기: 이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임 (RS-2026-25491353).영문표기: This work was supported by the National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIT) (RS-2026-25491353).※ MSIT: Ministry of Science and ICT※ 성과는 논문, 특허 등 실제 성과 명칭으로 대체 사용 가능

인공지능프로액티브 AI

2026.03 ~ 2029.02

소비환경 기반 서울페이 이용 격차 분석: 상권 유형화와 LLM 장벽 진단을 통한 맞춤형 활성화 전략 도출

연구 개요 2026 서울 데이터 펠로우십(서울특별시 디지털도시국 데이터전략과 주관) 선정 과제로, 서울사랑상품권(서울페이)의 자치구·지역별 이용 격차를 생활인구·상권 구조·이용자 경험이 결합된 복합 현상으로 정의하고, 지역 맞춤형 활성화 전략을 도출한다. 문제의식 동일한 정책 수단임에도 자치구별 서울페이 판매·결제율에는 뚜렷한 차이가 존재한다. 기존 거래데이터 기반 분석은 "왜 특정 지역에서 이용이 저조한가"라는 구조적 원인을 설명하지 못한다. 본 연구는 서울페이를 모든 지역에서 균일하게 작동하는 결제수단으로 가정하는 한계를 넘어, 소비환경의 이질성에 주목한다. 4단계 Mixed-Methods 프레임워크 ① 소비환경 기반 상권 유형화 — 생활인구·카드소비·상권·공간 데이터를 결합한 소비환경 벡터를 PCA·K-means로 유형화 (주거형·직장인 점심소비형·문화여가형·혼합형·저활성형 등) ② 유형별 서울페이 성과 비교 — 유형별 침투율·소비 전환속도 비교 ③ LLM 기반 이용 장벽 진단 — 대규모 언어모델을 활용한 질적 이용 장벽 분석 ④ 유형-장벽 매트릭스 기반 맞춤형 정책 도출 — 자치구 수준의 정책 제안 데이터 서울페이 행정동·업종별 결제현황(2022–2024), 서울사랑상품권 가맹점 목록, 서울시 상권분석서비스(영역·추정매출), 생활인구, 대중교통 인프라 등 공공데이터. 연구진 대표자 김수연(석사과정) · 홍혜민 · 오지민 · 지도교수 이창준 기간·지원 2026년 5월–11월(약 7개월) · 활동비 및 생성형 AI·데이터·자문 지원

서울페이지역화폐

2026.05 ~ 2026.11