바로 앞 글에서 문제제기를 통해 비슷한 생각을 가진 사람들이 아이디어를 사고 팔면서 문제를 보다 분명하게 정의했다. 우리가 해결할 문제는 단적으로 표현하면 음악과 음악 소비 패턴의
1) Logging
2) Tagging
이라는 것이다.
음악 컨텐츠의 사용과 관련된 우리의 소비 패턴을 기록하는 것이 logging 이라면, logging 의 결과로 축적된 정보를 보다 유의미하게 분류하고 활용하기 위한 과정이 tagging 이다.
1. Logging
역시 어떻게 그 청각 컨텐츠를 향유하는 순간의 context 를 잡아내는가가 관건인 것 같습니다. 여기서 context 에는 시간, 장소, 컨텐츠 정보 등과 같이 비교적 분명하고 잡아내기 쉬운 것도 있는 반면에 ‘누구와 있는가’, ‘어떤 감정상태인가’ 와 같이 명시적으로 개인이 기술하지 않으면 알기 어려운 것들도 있어서 만만치 않은 것 같습니다.
보다 창의적인 방법으로 logging 할 수 있는 방법을 찾아내는 데에 프로젝트의 초점을 맞추면 어떨까요? 몸에 부착하는 디바이스가 핵심이 될 수도, 문자, 이메일 등과 같은 통신방법이 핵심이 될 수도 있을 것 같네요.
이 과정을 좀더 나누어 보면,
– What: 어떤 context 를 logging 의 대상으로 삼을 것인가?
– How: What 에서 선택한 context 를 어떻게 잡아낼 것인가?
– Where: How 를 통해 수집된 데이터를 어디에 (어떤 형태로) 저장할 것인가?
이렇게 생각해 볼 수 있지 않을까 싶네요..
Personal Information Management (PIM) 관련된 연구가 최근 활발하다고 알고 있습니다. 그 한 축이 이른바 ‘life logging’이라 할 수 있는, 일상의 소소한 사건/감정들을 시각화/구조화하는 것일테구요.
2. Tagging
이 부분에 대해서는 오늘 아이디어 마켓에서 다양한 아이디어들이 제시된 것 같습니다. 기본적으로는 ‘추천’을 위한 다양한 형태의 플레이리스트 구축이 포인트였던 것 같구요. 추천을 위해 어떠한 형태로 데이터베이스를 구축할 것인가에 대해서 여러 의견들이 제시된 것 같습니다.
좀 더 세분화 해보면,
* Logging에서 수집된 raw data 에서 의미있는 정보를 뽑아내는 방법
– 알고리즘이 스스로 판독하여 태그 구축
– 미리 정해져 있는 기준들에 맞게 필요한 정보 추출
– 그냥 사람이 유효한 데이터를 직접 입력
* 뽑아낸 정보를 시각화하는 방법
– 태그 (태그 클라우드)
– 마인드맵 (tree 형태)
– 그래프
* 시각화한 구조를 통해 추천하는 방법
– 알고리즘이 내부적으로 판독하여 추천
– 다른 사람의 구조의 탐색이나 비교를 통해
이런 정도로 나누어 볼 수 있을 것 같습니다.
무언가 상당히 재밌고 남는 것이 많은 프로젝트가 될 것만 같다 🙂
너무 빡세지 않게 구현의 레벨을 정하는 것도 중요할 듯=.=