관심영역(AOI) 분석
쉽게 풀면
아이트래커로 사람의 시선을 기록하면 화면 전체에 걸쳐 수많은 시선 좌표 데이터가 쏟아집니다. 이 데이터를 그대로 보면 "어디를 얼마나 봤는지"를 한눈에 판단하기 어렵습니다. 그래서 연구자는 화면 위에 관심 있는 부분(Area of Interest, AOI)을 사각형이나 원 모양으로 미리 그려 놓습니다. 예를 들어 광고 이미지라면 '브랜드 로고', '제품 사진', '가격 문구'를 각각 하나의 AOI로 지정하는 식입니다. 그런 다음 참가자의 시선 좌표가 각 AOI 안에 얼마나 오래 머물렀는지(응시시간, dwell time), 몇 번 들어갔다 나왔는지(방문 횟수), 얼마나 빨리 처음 도달했는지(첫 응시까지 걸린 시간) 등을 계산합니다. 이렇게 하면 "사람들이 로고보다 가격을 먼저, 더 오래 봤다"처럼 구체적이고 비교 가능한 결과를 얻을 수 있습니다.
왜 중요한가
AOI 분석은 사람이 화면의 어느 부분에 주의를 기울이는지를 정량적 수치로 바꿔주기 때문에, 마케팅·인간공학·UX 연구부터 교육심리, 임상 진단에 이르기까지 폭넓게 쓰입니다. 광고 효과 연구에서는 로고나 가격 표시가 실제로 눈에 띄는지를 검증하는 근거로, 사용성(UX) 연구에서는 웹페이지나 앱 화면의 정보 배치가 적절한지를 판단하는 근거로 활용됩니다. 또한 특정 집단(예: 특정 임상군, 초보자와 숙련자)의 시선 패턴 차이를 비교하는 후속 분석의 출발점이 되기도 해서, 시선추적을 다루는 논문 대부분에서 빠지지 않고 등장하는 핵심 분석 절차입니다.
논문에서는 이렇게 쓰입니다
이 문장은 화면을 미리 나눠 놓은 두 영역(제품 이미지, 가격 정보) 중 참가자들이 어느 쪽에 시선을 더 많이, 더 오래 주었는지를 통계적으로 비교했다는 뜻입니다.
운전이나 항공기 조작처럼 전문성을 다루는 연구에서는 AOI를 활용해 숙련자와 초보자가 중요한 정보에 얼마나 빨리 시선을 옮기는지를 비교하며, 이를 통해 주의 전략의 차이를 설명합니다.
독서 및 언어처리 연구에서는 텍스트를 하나의 AOI로 지정한 뒤, 시선이 앞으로 나아가지 않고 이전 단어로 되돌아가는 패턴을 세어 읽기 이해에 어려움을 겪는 정도를 가늠하는 데 활용합니다.
조금 더 깊게 보면
실제 논문에서는 응시시간이나 방문 횟수 외에도 첫 응시까지 걸린 시간(time to first fixation), 진입 횟수 대비 재방문 비율, AOI 간 시선 이동 순서를 나타내는 스캔패스(scanpath) 등 다양한 지표를 함께 보고하는 경우가 많습니다. 또한 정지된 이미지가 아니라 동영상이나 사람이 움직이는 자극을 쓸 때는 AOI 경계도 프레임마다 함께 움직여야 하므로, 이를 동적 AOI(dynamic AOI)라고 부르며 수작업 또는 자동 추적 알고리즘으로 경계를 갱신합니다. AOI 경계 설정의 주관성을 줄이기 위해 여러 연구자의 판정 일치도(inter-rater reliability)를 함께 보고하는 것도 흔한 관행입니다.
주의할 점
AOI는 분석하기 전에 연구자가 임의로 경계를 정하는 것이므로, 영역을 어떻게 그리느냐에 따라 결과가 달라질 수 있습니다. AOI 경계가 너무 좁거나 넓으면 실제로는 비슷한 시선 패턴인데도 다른 결과로 보일 수 있어, 사전에 명확한 기준을 세우고 여러 연구자가 함께 검토하는 것이 좋습니다. 또한 AOI 분석 결과만으로는 "왜" 그 영역을 오래 보았는지(흥미 때문인지, 이해가 안 돼서인지)까지는 알 수 없다는 한계도 있습니다.