디자인 직군과 경영 직군의 데이터 활용 방식 분석 연구 : 문제의 발견과 해결 과정에서의 데이터 제공 디자인(Datainformed Design) 관점으로

이민화; 이연준

doi:10.15187/adr.2024.08.37.4.237

추천

검색

질문

자료유형: 학술저널

저자정보: 이민화 이연준 (홍익대학교)

저널정보: 한국디자인학회 Archives of Design Research Archives of Design Research Vol.37 No.4 (Wn.152)

발행연도: 2024.8

수록면: 237 - 256 (20page)

DOI: 10.15187/adr.2024.08.37.4.237

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연구배경 : 본 연구는 디자이너와 비디자이너가 데이터를 중심으로 문제를 발견하고 해결하는 과정에서의 코디자인 방향성을 제안하기 위해, 데이터 제공 디자인(Data-informed Design) 관점으로 디자인 직군과 경영 직군이 데이터를 활용하는 방식을 분석하고자 하였다. 이를 위해 디자인 직군과 경영 직군의 데이터 해석 및 아이데이션 과정을 관찰하고, 그 결과를 정량화하고자 하였다.
연구방법 : 실증 연구를 통해, 디자인 직군과 경영 직군의 실무진이 데이터를 분석하고, 아이디어를 발굴하는 과정을 관찰하였다. 다음으로, 해석 과정과 아이데이션 과정을 분리하여 분석하였다. 해석 과정의 경우, 프로토콜 분석을 진행하였으며, 주제를 ‘비즈니스 관리’, ‘디자인 결과물’, ‘고객 반응’, ‘인프라 & 구조’로 분류하고, 각 주제별 디자인 직군과 경영 직군의 발화 횟수와 시간을 비교하였다. 아이데이션 과정의 경우, 디자인 직군과 경영 직군이 도출한 아이디어의 ‘참신성’, ‘유용성’, ‘상업적 매력도’에 대한 전문가 평가를 진행하고 그 결과를 비교하였다.
연구결과 : 주제별 데이터 해석 경향은 디자인 직군이 경영 직군보다 ‘디자인 결과물’에 대해서 더 자주, 오랜 시간 발화하고, 경영 직군은 디자인 직군보다 ‘비즈니스 관리’에 대해서 더 오랜 시간 발화하였다. 그리고, 디자인 직군은 지식을 기반으로 여러 가지의 주제의 문제에 빠르게 접근하지만, 경영 직군은 데이터를 기반으로, ‘비즈니스 관리’에 집중하여 문제를 파악하였다. 데이터 기반 아이데이션에 있어, 디자인 직군과 경영 직군이 정량/시각적 데이터를 활용하는 시점과 방법에 차이가 있었으나, 두 직군 모두 정량 데이터를 기반으로 도출한 아이디어가 더 높은 점수로 평가되었다. 데이터 기반 아이데이션을 주제별로 분석 시, 두 직군의 정량/시각적 데이터를 활용하는 방식에 차이가 있으며, 주제에 따라 아이디어의 평가에 차이가 있었다.
결론 : 본 연구는 디자인 직군과 경영 직군이 동일한 데이터를 기반으로 데이터 해석과 아이데이션 진행 시의 특징을 분석하고, 이들을 위한 데이터 기반 코디자인에 필요한 고려사항을 도출하였다.

Background : This study aims to analyze how practitioners in the ‘Design’ and ‘Business’ fields utilize data from a ‘Data-informed Design’ perspective in order to propose a co-design direction for those practitioners to discover and solve problems centered on data. To achieve this, the data interpretation and ideation processes of design and business practitioners are observed, and the results are quantified.
Methods : Through empirical research, we observed the process in which design practitioners and business practitioners analyze data and generate ideas. Subsequently, we separated the interpretation process from the ideation process for analysis. In the interpretation process, we conducted protocol analysis and classified the topics into ‘Business Management’, ‘Design Output’, ‘Customer Response’, and ‘Infra & Structure’. We compared the frequency and duration of speech between design and business practitioners for each topic. For the ideation process, we evaluated the ‘Novelty’, ‘Usefulness’, and ‘Commercial Appeal’ of ideas generated by design and business practitioners and we compared the results.
Results : The following is an analysis of the data interpretation process. By topic, designer practitioners spoke more frequently and for longer durations than business practitioners about ‘Design Output’, while business practitioners spoke longer than designer practitioners about ‘Business Management’. Furthermore, while designer practitioners tended to swiftly approach problems across topics based on their knowledge, business practitioners relied on data and focused on ‘Business Management’. The data-informed ideation process was analyzed. Although there were differences in when and how the two groups utilized numerical and visual data, both groups scored higher on ideas based on numerical data. When analyzing data-informed ideation by topic, differences were observed in how the two groups utilized numerical and visual data, as well as in the evaluation of ideas by topic.
Conclusions : This study analyzes the characteristics of design practitioners and business practitioners when interpreting and generating ideas based on the same data, and derives considerations for ‘Datainformed co-design’ for them.

#Data-informed Design #Co-design #Protocol Analysis #Web-log Data #Visual Data #데이터 제공 디자인 #코디자인 #프로토콜 분석 #웹로그 데이터 #시각적 데이터

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이민화

소속기관 홍익대학교

주요연구분야 예술체육학 > 디자인 TOP 10% 복합학 > 학제간연구

논문수 8 이용수 1,348

이 논문과 함께 이용한 논문

데이터 기반 UX 디자인 프로세스 실습 수업 활용을 위한 데이터 제작 방법 연구

박가람 , 정의철 한국HCI학회 학술대회 2023 .02

지역의 상생가치 창출을 위한 지자체-학교-기업 연계형 패션창업 시스템 개발 - 코크리에이션 기반의 서비스디자인 방법론을 활용하여-

이민화 , 안현서 , 구유리 기초조형학연구 2020 .08

국내외 연속간행물의 데이터 시각화 적합성 평가 연구

최서령 , 현은령 Archives of Design Research 2024 .05

데이터 시각화 자료 활용 토론 수업이 초등학생의 데이터 리터러시에 미치는 효과

주애리 , 김미량 컴퓨터교육학회 논문지 2024 .03

디자인 프로세스에서 데이터 활용 방법 고찰

이주연 , 정의철 한국HCI학회 학술대회 2020 .02

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)