UX Guidelines for Designing Audio Guidance of Multimedia Contents for Low-Vision : With a Focus on Sound Level Difference and Amount of Auditory Information

1. 1. 연구 배경

접근성은 시설, 제품, 서비스, 정보통신망 등의 환경을 불편함 없이 이용할 수 있는 정도를 말하는데, 주로 장애인, 노인 등의 취약계층이 어떤 시스템과 사물의 기능 및 혜택에 접근할 수 있는 가능성으로 이해된다(Oliveira, et al., 2014). 주요 선진국에서는 정보 소외계층의 접근성 확보를 위해 정보기기의 기능과 디자인에 접근성 기능을 의무적으로 포함하도록 제도화하고 있으며, 실제로 iOS, 안드로이드 등 주요 정보기기 플랫폼에는 접근성 기능이 포함되어 있고 그에 상응하는 가이드라인을 갖추고 있다. 국내 동향도 국제적인 흐름에 맞추어 접근성에 대한 법제화의 움직임이 있으며, 이에 따라 접근성을 위한 가이드라인을 위한 세부적이고 체계적인 연구의 필요성이 강조되고 있다.

한편, 국내 장애인들의 문화 및 여가활동에 대한 조사 결과를 보면, 장애 유형에 관계없이 TV시청의 비율이 가장 높게 나타나는 것을 알 수 있다(이민경, 2015). 특히 시각장애인의 TV시청 시간은 주중 하루 평균 3시간 25분, 주말 하루 평균 4시간으로 주 미디어 매체로서의 소비 비율이 높다(송종길 외, 2010). 이렇게 시각장애인의 멀티미디어 소비 비율이 높음에도 불구하고, TV 시청 시 기본적으로 혼자서 사용하지 못하여 도움을 받아야 하며, 현재 채널의 위치를 알기 어렵거나 음성안내가 없는 것이 주요한 불편 요소로 나타났다(황인욱 외, 2014).

시각장애인은 멀티미디어 감상 시 필요한 정보에 접근하기 위해서 음성 안내(이하 TTS; Text to Speech)에 의존하는 경향이 크다. TTS란 글자, 문장, 숫자 등의 정보를 음성합성을 통해 사람의 발성과 유사하게 재생시켜 주는 기능을 말한다. TTS 기술은 청각으로 정보를 전달하므로 정보에 대한 이해가 빠르지만, 다른 청각적 요소와 중복된다면 주의가 분산되어 정보를 인지하는데 어려움을 겪는다고 알려져 있다(장수민 외, 2012). 그러나 이러한 멀티미디어 감상 시에 보조적으로 도와주는 안내 음성에 대한 UX 디자인 가이드라인이 미비한 실정이다. 더 구체적으로, 멀티미디어 콘텐츠를 재생하고 있는 도중 접근성(Accessibility) 기능을 실행할 때 필요한 안내 음성의 적정 소리 크기 값이나, 안내 음성이 재생될 때 얼마만큼의 문장 단위가 가장 인지하기 쉬운지에 대한 연구가 드문 실정이다.

1. 2. 연구 목적 및 개요

시각장애인의 인지적 구조나 기능은 비장애인과 상이하여, 시각적인 크기나 형태의 인지가 어려운 대신 청각을 통해서 필요한 정보에 접근한다. Figure 1에서 볼 수 있듯 국내 시각장애인들의 디바이스를 이용한 멀티미디어 콘텐츠 소비활동이 다른 여가활동보다 높은 것을 감안하면 이들의 시청을 도와줄 음성 안내의 UX 디자인이 보다 면밀하게 고려되어야 할 것이다. 따라서 본 연구는 시각장애인 중 전맹을 제외한 저시력자를 대상으로 멀티미디어 콘텐츠 재생 중 음성 안내의 적정 음량 차이와 적정 정보의 양을 측정하고 평가하여 이와 관련된 UX 디자인 가이드라인을 제시하고자 하였다. 이를 위해 다음과 같은 내용의 연구를 진행하였다.

Figure 1

Cultural and leisure activities of Disabled persons

첫째, TTS 혹은 멀티미디어 사운드의 다중 출력 관련 국내외의 선행 연구와 음성 접근성 가이드의 국내외 적용 사례를 통해 구체적인 가이드라인을 조사하여 문제점을 파악하고 실험의 범위를 한정하고자 하였다.

둘째, 음성 안내의 상대 크기와 적정한 정보의 양을 알아보기 위하여 청각 장애를 가지지 않은 저시력자를 대상으로 한 평가 실험을 진행하고 결과를 분석하였다.

셋째, 실험 결과 및 분석을 바탕으로 하여 시각장애인을 위한 음성안내 관련 접근성 UX 디자인 가이드라인을 도출하여 제시하였다.

2. 1. 문헌 조사

음성 안내의 청취 속도에 관한 선행 연구 사례는 Asakawa(2003)와 이희연(2014)의 연구에서 볼 수 있다. 스크린 상 음성 안내가 나올 경우, 정보 인지에 영향이 없는 선에서 얼마만큼의 적정 속도로 음성 안내를 들려주어야 하는지 그 속도를 측정한 바 있으며(Asakawa, et al., 2003), 국내에서는 스크린 리더를 사용하는 시각장애인의 한국어 청취 속도를 연구한 바 있다(이희연 외, 2014).

또한 멀티미디어 환경 내에서 시각장애인이 음성 합성기를 사용할 때, 이에 대한 사용자 요구 분석을 연구하기도 하였는데, 국내 시각장애인들은 자연스럽고 일관된 합성음과 저음의 여성음색이나 남성음색에 대한 욕구가 높았다(이희연 외, 2012). Amanda(2011)의 연구 결과에서도 여러 합성음 중 저음의 남성음성이 음성인식에 더욱 효과적이라는 결과가 있었다.

Hisashi(2007)는 스크린 리더 사용 중 시각장애인의 주요 특징을 연구하였는데, 오디오 시스템이 재생 중일 때 스크린 리더를 청취하기 힘든 이유는 기계적으로 하나의 소리 크기로만 출력하기 때문에 재생 중인 멀티미디어 콘텐츠와 분리되지 않아 인지가 어렵다고 하였다.

시각장애인 대상의 음성안내 외에도, 차량 주행 중 운전자의 주의 분산 수준에 따른 음성 인터페이스의 사용성 및 사용자 선호도를 연구하기도 하였다(서나경, 2014). 운전자의 주의 분산 정도가 높은, 특히 다중의 청각 정보에 노출된 상황에서 지속적인 음성 안내를 제공하면 사용자의 피로도가 증가하며 인지 능력 또한 낮아진다고 했다. 그렇지만 신뢰도나 만족도는 높은 경향을 보였고, 이는 주행 상황에서 시각의 단독 사용보다는 청각을 통한 정보 전달이 유용할 것이라는 결론으로 도출되었다. 그러나 효과적인 상황 안내를 위한 음성 인터페이스의 구체적인 정보를 얻을 수는 없었다.

2. 2. 국내외 사례 조사

시청각 장애인 사용자를 위한 미디어 채널인 NCAM의 접근성 가이드에는 음성 지원을 활성화 하기 위해 오디오 네비게이션 기능을 필수 가이드로 두고 있다. 국내 전자제품의 경우 대표 업체 2곳의 TV 접근성 메뉴 중 시각 장애인용 접근성 기능을 살펴보면 Table 1과 같다.

Table 1

Samsung / LG Smart TV accessibility features voice guidance

삼성전자는 2014년부터 본격적으로 시각장애인을 위한 접근성 기능을 적용했다. 그 중 음성 안내 기능은 시각 장애인을 위해 스마트 TV 내 정보(방송, 서비스 등)을 음성으로 알려주고, 메뉴 위치와 기능 실행 과정을 음성으로 안내해 주는 기능이다. 이 기능은 시각 장애인이 스마트 TV를 사용하기 위한 음성 네비게이션 역할을 해준다(정범택 외, 2015).

하지만 위와 같은 기존의 연구 사례에서는 구체적으로 음성 안내를 출력해야 하는 크기나, 기존에 콘텐츠가 나오고 있을 때 제공해야 하는 상대적인 크기를 알기는 어렵다.

4. 1. 실험 개요

앞서 설정한 가설 아래, 음성안내의 적정한 상대적 크기를 측정하기 위한 실험과 음성안내의 적정한 정보량을 측정하기 위한 실험 등 2가지로 나누어 진행하였다. 실험은 청각 장애를 가지지 않은 3-6등급의 시각장애인으로서 서울 소재의 시각장애 교육기관 및 대학교에 재학 중인 18세 이상 50세 이하 남, 여 30명을 대상으로 진행하였고, 실험 기간은 2015년 6월 16일~7월 6일 사이에 진행되었다.

4. 2. 적정 상대음량 측정 실험

음성 안내의 상대음량 측정 실험은 각기 다른 형태(음성/비음성)의 멀티미디어 감상 시, 제공되는 음성 안내를 인지하는 최적의 소리 크기 사이의 차이를 도출하고자 하였다. 앞서 설정한 가설1 아래 Table 2과 같이 4가지의 경우로 세분화하여 콘텐츠와 음성안내를 조합 제공하여 실험을 진행하였다. 또한 실험 이후에 실험 결과와 진행 시 느꼈던 점에 대하여 질의응답 형식의 사후 인터뷰를 실시하였다.

Table 2

Combination of Content and Voice guidance

세부적인 실험 자료는 Figure 2에서 보는 바와 같이 제공되었는데, 제공된 음성 안내의 속도와 음색은 기존 연구된 사례를 참고하였다. 음성 안내의 속도는 기본 문장 배속(1배속)으로 285.96 분당음절수 (SPM : Syllables per Minutes)를 기반으로 제공하였으며 (이희연 외, 2014), 일반적인 저시력자의 경우 정보변환 (TTS) 청취 시 남성 음성, 혹은 저음의 여성 음색을 더욱 선호하는 것으로 나타났기 때문에, 남성 음성으로 제공하였다 (이희연 외, 2012).

Figure 2

Combination of Content and Voice guidance for each Task

비음성 멀티미디어 콘텐츠는 사람의 목소리가 포함되지 않은 배경음악 으로 삼성전자의 브랜드송인 Over the Horizon을 사용하였고, 음성 멀티미디어 콘텐츠는 남성 성우가 더빙한 애니메이션 인어공주의 o.s.t.인 Under the Sea를 사용하였다. 남성 음성은 Oddcast사에서 제공하는 샘플 문장 청취 기능을 사용하여 녹취하였다 http://www.oddcast.com/home/demos/tts/tts_example.php(Korean, Junwoo로 설정). 동시에 제공한 비음성 형태의 소리는 Beep 형태의 알림소리를 사용하여 소리가 들렸을 때 손을 들어 즉각 반응하게 하였고, 음성 형태의 안내는 5자리의 숫자를 들려주고 들은 대로 말하게 하였다. 들려준 소리의 크기의 순서는 무작위로 들려주어 학습 효과를 없애고자 하였다.

실험 장소는 대학원 연구실과 특수학교의 상담실에서 진행 되었으며, 실험 참가자 외의 인원은 배제되었고 소음은 적절히 통제되었다.

Figure 3

Experimental environment and scene

4. 3. 적정 정보의 양 측정 실험

실험에 제공된 문장은 Figure 4와 같이 문장을 청크 단위로 나누어 3개 청크부터 9개 청크까지 7단위로 나누어 들려주었고, 문장의 종류는 실제 생활에서 가전제품을 사용할 때에 대표적으로 안내될 수 있는 문구를 길이별로 선정하였다. 앞서 진행한 실험에서와 같이 남성음성으로 제공하였다. 문장의 길이는 순차적으로 제공하여 어느 지점에서 인지가 가장 어려웠는지 사후 인터뷰를 통하여 정성적 응답을 수집하였다.

Figure 4

Examples of Sentence for each Task

5. 1. 적정 상대음량 측정 실험 결과

음성 안내를 제공한 경우는 5자리 숫자로 제공하였으므로 피실험자가 정확히 대답한 숫자의 개수만 체크하여 정답률을 계산하였고 (Figure 5), 반면, 비음성 안내를 제공한 경우는 Beep 형태의 알림소리에 반응하도록 하였기 때문에 성공 실패 여부로 파악하여 성공한 인원수를 계산하였다 (Figure 6). 적정 음량을 도출하기 위하여 성공률 혹은 성공 인원의 80%를 임계치로 상정하였다.

Figure 5

A case provides contents(verbal/non-verbal) during voice guidance

Figure 5의 그래프에서 보는 바와 같이 음성 안내를 제공할 경우, 콘텐츠의 음성/비음성 여부에 상관없이 최소 +45dB(데시벨) 이상으로 제공했을 때 80% 이상의 정확도를 보이는 것을 알 수 있다. 같은 음성안내를 제공하더라도 배경 콘텐츠의 음성/비음성 여부에 따라 정확도는 조금씩 달라졌는데, 비음성 콘텐츠에서 음성 콘텐츠보다 평균적으로 더 높은 정확도를 보였다. 이는 피실험자에게 음성으로 제공된 정보와 콘텐츠 간의 정보 간 간섭효과가 발생하여 정확도가 더 낮게 나온 것으로 파악된다.

Figure 6

A case provides contents(verbal/non-verbal) during non-voice guidance

반면, 비음성 안내를 제공하는 경우에는 음성 안내 제공 실험과는 다른 양상을 보였는데, 음성 콘텐츠의 경우 비음성 안내 간 dB 차이값이 작아질수록 성공률이 급격하게 떨어지는 것을 발견할 수 있었다.

Figure 6의 그래프에서 보는 바와 같이 비음성 안내를 음성 콘텐츠 대비 +15dB차 이상으로 제공했을 경우에는 80%이상의 피실험자가 성공률을 보이는 데에 반해, 음성 콘텐츠 대비 0dB차 즉, 동일한 소리크기로 제공했을 때에는 50%의 피실험자 만이 비음성 안내를 인지하였다. 비음성 콘텐츠에서는 0dB차의 소리크기에서도 80%가 넘는 피실험자가 비음성 안내를 인지하였다. 이에 대하여 피실험자들은 주의해서 들어야 할 음성 정보가 없었고, 콘텐츠 또한 음성 정보가 포함되어 있지 않아서 안내를 인지하기 쉬웠다는 공통된 의견들을 나타냈다.

5. 2. 적정 정보의 양 측정 실험 결과 (모든 피실험자)

모든 피실험자를 대상으로 분석한 결과는 정보의 양이 청크3~8로 제공될 때 정확도가 80%이상인 것으로 나타났다.

그러나 청크3~5와 청크6~8에서 보이는 각 평균정확도는 차이가 있다 (Figure 7). 이는 실험 시에도 확연한 차이를 보였는데, 청크3~청크5 단위의 문장을 들려주었을 때는 대부분의 피실험자가 어려움 없이 문장을 말했으나, 청크6 이상에서는 개인차가 다소 발생했다. 이는 다음 Figure 8의 선호도 조사에서도 볼 수 있다.

Figure 7

Accuracy based on Amount of information

Figure 8

Preference based on Amount of information

사후 인터뷰를 통한 선호도 응답에서도 대부분의 응답자가 청크6 이상 제공은 선호하지 않는다고 답하였다. 그러므로 정확도 및 선호도를 종합적으로 고려할 때 청크5가 가장 적정한 청크 단위인 것을 확인할 수 있다.

5. 3. 적정 정보의 양 측정 실험 결과 (대학생/비대학생)

앞서 진행한 분석에서 청크6 이상에서의 정확도와 선호도 차이를 확인하였는데, 이는 문장의 길이에 따라 쉽고 어려움을 생각하는 개인차가 크다는 것을 의미한다. 따라서 나이와 간접적인 지식 습득 능력에 준하여 피실험자를 2그룹(대학생 11명, 비대학생19명)으로 다시 나누어 분석을 진행하고자 하였다.

Figure 9

Accuracy difference between two groups(students/normal)

그 결과 청크5까지는 대학생과 비대학생 모두 정확도가 비슷하지만 청크6~8에 걸쳐 대학생과 비대학생의 정확도에서 차이가 발생하였다.

이는 선호도 응답에서도 차이가 확연했는데, 대학생이 비대학생보다 정답률 및 선호도에서 더 높은 값을 보이는 원인은 TTS 등의 기존 음성을 통한 학습에 더 친숙하여 선호도가 높은 것으로 추정된다.

Figure 10

Preference difference between two groups(students/normal)