1. Human–AI Interaction

사람들이 AI의 판단과 제안을 어떻게 이해하고 신뢰하며 활용하는지 연구합니다. 설명과 근거를 제시하는 방식, 확신을 표현하는 방식, 개인화된 상호작용 등이 사용자의 인식과 의사결정에 미치는 영향을 분석합니다. 특히 신뢰, 인지적 편향, 실제 AI 의존 행동의 관계를 살펴보고, 사용자가 AI의 장점과 한계를 이해하며 상황에 맞게 활용할 수 있는 인터페이스를 탐색합니다. 심리학과 사회과학 이론에 기반한 사용자 실험을 통해 인터페이스 설계가 판단과 경험, 행동에 미치는 영향을 평가하고, 인간 중심 AI의 설계 원칙을 도출합니다.

We investigate how people understand, trust, and act on AI judgments and recommendations. Our research examines how explanations, supporting evidence, confidence displays, and personalized interactions influence user perceptions and decision-making. We explore the relationships among trust, cognitive biases, and actual reliance on AI to design interfaces that help users understand AI’s capabilities and limitations and use it appropriately. Drawing on psychological and social science theories, we conduct user experiments to evaluate how interface designs affect judgments, experiences, and behavior and to develop principles for human-centered AI design.

2. Generative AI and Intelligent Agents

생성형 AI를 활용하여 사람과 자연스럽게 상호작용하고 다양한 활동을 지원하는 지능형 에이전트와 시스템을 연구합니다. 사용자의 특성, 대화의 흐름, 과업의 맥락을 반영하는 모델링 방법을 개발하고, 여러 에이전트가 역할을 나누거나 서로 상호작용하는 구조를 탐색합니다. 이러한 접근을 대화와 추천, 학습과 토론, 콘텐츠 생성 등의 환경에 적용하여 인간의 활동을 지원할 수 있는 가능성을 살펴봅니다. 모델의 성능, 생성된 반응과 콘텐츠의 적절성, 실제 사용자 경험을 함께 평가하며 인간의 필요에 맞는 AI 시스템을 설계합니다.

We investigate generative AI systems and intelligent agents that interact naturally with people and support their activities. Our work develops modeling approaches that account for user characteristics, conversational context, and task requirements, while exploring structures in which multiple agents take different roles and interact with one another. We apply these approaches to areas such as conversation, recommendation, learning, debate, and content creation to examine how they can support human activities. By evaluating model performance, the appropriateness of generated responses and content, and user experience, we design AI systems that address human needs.

3. User Behavior Analysis and Modeling

디지털 환경에서 수집되는 언어 및 행동 데이터를 활용하여 개인과 집단의 행동을 분석하고 모델링합니다. 사용자의 특성, 정보의 내용, 상호작용 맥락이 의견 표현과 형성, 다른 이용자에 대한 반응, 집단 내·집단 간 관계에 어떻게 연결되는지 연구합니다. 데이터 분석과 언어모델 기반 시뮬레이션을 결합하여 행동 패턴을 설명하고 예상 반응을 탐색하며, 이러한 모델이 실제 사용자 행동을 반영하는 데 갖는 가능성과 한계를 검토합니다. 이를 통해 온라인 사회 현상에 대한 이해를 넓히고, 사용자 요구에 맞는 서비스와 상호작용 환경을 설계하기 위한 근거를 마련합니다.

We analyze and model individual and group behavior using language and behavioral data collected from digital environments. Our research examines how user characteristics, information content, and interaction contexts relate to opinion expression and formation, responses to other users, and relationships within and between groups. By combining data analysis with language-model-based simulations, we explain behavioral patterns and explore plausible responses while assessing the capabilities and limitations of these models in representing human behavior. This work advances our understanding of online social phenomena and provides empirical evidence for designing digital services and interaction environments that respond to user needs.