Studying Space Use: Bringing HCI Tools to Architectural Projects
- 1. Studying Space Use: Bringing HCI Tools to Architectural Projects + CHI 2017 - Himanshu Verma, Hamed S Alavi, Denis Lalanne /김준한 x 2018 Spring
- 2. Table of Contents 01 Why This Paper 02 About the author 03 Background 04 Methodology & Results 05 Discussion 06 Conclusion
- 3. Why This Paper 3 ‣ LG의 홈 엔터테인먼트를 통해 생긴 궁금증: 데이터를 통해 바라본 공간은 인식을 통해 바라본 공간과 어떻게 다른가 ‣ 우리 랩에서 했을 법한 방법론을 통해 문제를 해결 ‣ 다른 공간에 대한 연구를 통해 집의 문제를 어떻게 해결할 수 있을지 엿본다 ‣ Data-driven 공간 연구 및 방법론에 대한 영감을 얻고, 공유하는데에 목적
- 4. About the author Himanshu Verma ‣ 공간, Cooperative environment 등에 대한 연구가 주를 이룸 ‣ 기술이 어떻게 협업을 가능케하는가에 대한 관심이 높음 4
- 5. 5 Background 관련 개념과 연구 방향 • 건물 내의 in-door experience의 중요성이 매우 큼 • 건물의 에너지 소비량이 점점 증가하며 질 높은 생활을 위한 건물 내부 리소스 낭비에 대한 우려가 높아짐 • 우리는 90%의 시간을 건물 내부에서 보내고 있음 • 최근 들어 건축 분야에서 HCI의 관점을 수용하여 건물 내 기술을 수용하고자 하는 움직임이 나타나고 있음 -> HBI (Human-Building Interaction)의 등장 • HBI는 건축과 HCI 분야를 합하여 사람들의 사는 방식과 행태에 대해 총체적으로 이해하고자 함 -> 핵심은 건축과 HCI가 서로 지식을 공유하고 서로에게 배우는 것 • 하지만 두 그룹 간 실질적인 협업 프로젝트는 아직까지 이루어진 바가 없음 Amalgamation that manifested itself in the form of a longitudinal and iterative understanding of space usage in an office building
- 6. Methodology Background and Collaborators • HCI, 건축, 건물 퍼포먼스의 전문가들이 모여 미래 실내 공간에 대한 문제에 대해 논의함 - A Studio: 아뜰리에를 제작한 인테리어 건축가 - B Lab: Building 2050의 연구자 - HCI Researcher: 저자들 • 100명의 사람을 수용할 수 있는 프로토타입을 통해 이루어짐 - 사무 공간 도메인 • 프로토타입을 통해 1) 사용자 조사를 진행한 후 2) 디자인 impllication을 도출 • 총 6가지의 세부 Phase로 이루어짐
- 7. 7 Methodology Phase 1 - Project Conceptualization • 이 프로젝트가 무엇을 지향하는가를 구체화함: “Intensification of Space” (or space use optimization) • 주어진 공간을 최대한 활용하는 것 • 1) 층을 추가하거나 2) 공간의 Occupancy rate을 높이거나 3) 공간을 multiple use로 사용하는 방법이 있음 (Dobbelsteen and De Wilde, 2004) • 하지만 이 방법은 공간 내 사람들의 불편함을 조장하는 단점이 있음 • 즉, 중요한 것은 어떻게 사람들의 편안함을 희생시키지 않고 공간 사용을 intensify하느냐 • 이를 위해 현재 공간 사용자들의 사용 행태를 알아볼 필요가 있음 - data-driven 사용자 조사 진행 (Office)
- 8. 8 Methodology Phase 2 - Data Collection • 짧은 시간 동안 특정 방에 머무른 시간을 측정하기 위해 데이터 로거와 블루투스 트래커 사용 (Figure 1) • 12개의 방에 데이터 로거 설치 (7 offices, 3 meeting rooms, 1 cafeteria, 1 atrium) (Figure 2) • 20명의 참가자가 참여 (직업은 다양함 - 교수, 연구자, 건축가, 기술자, 행정 등..) • 12일 동안 블루투스 트래커를 차고 다니도록 요구한 후, 12일이 지난 후 사후 설문과 사후인터뷰 진행 • 사후 인터뷰에서 하루 일과, 건물 내 사회적 인터랙션, 선호도 등을 물어봄 Figure 2Figure 1
- 9. 9 Methodology Phase 3 - Visual Exploration of the Data • 사용자들을 두 그룹으로 나눌 수 있음 (Habituals - predictable, daily routine; Mutables - flexible, weak association with workspace) Figure 3
- 10. 10 Methodology Phase 3 - Visual Exploration of the Data • Stakeholder들과 워크샵을 진행하며(Figure 4) 사용자들 간 공간 사용 행태에 대한 유사성을 파악 • 이 유사성은 사회적 동기와 기회주의성이 강하게 작용함 (친구에게 함께 커피 마시러 가자고 하며 이 시간 을 빌어 함께 이야기를 나눔) • 이 유사성을 수학적으로 객관화하고 영향을 미치는 요인을 명확하게 하기 위해 PCA (Principal Component Analysis)를 진행함 Figure 4
- 11. 11 Methodology Phase 4 - Space Use Behavioral Profiling • PCA에 넣을 input data set 11개를 도출 • Temporal Variables : 하루에 한 참가자가 다른 공간에서 머문 시간 (자신의 사무실, 동료 사무실, 미팅룸, 카페, 비목적 공간, 표준편차) • Frequency Variables : 공간을 넘나드는 횟수 (전환 횟수, 당일 처음 방문한 공간, 다른 사람에 의해 방해 받은 횟수, 자신이 방해한 횟수 등)
- 12. 12 Methodology Phase 4 - Space Use Behavioral Profiling • PCA에 넣을 input data set 11개를 도출 • Temporal Variables : 하루에 한 참가자가 다른 공간에서 머문 시간 (자신의 사무실, 동료 사무실, 미팅룸, 카페, 비목적 공간, 표준편차) • Frequency Variables : 공간을 넘나드는 횟수 (전환 횟수, 당일 처음 방문한 공간, 다른 사람에 의해 방해 받은 횟 수, 자신이 방해한 횟수 등) •미팅룸에 머무르는 시간과 빌딩 간 전환이 주 요인 •동료 방에서 머무는 시간과 부적 상관관계 •교수, PM이 다수
- 13. 13 Methodology Phase 4 - Space Use Behavioral Profiling • PCA에 넣을 input data set 11개를 도출 • Temporal Variables : 하루에 한 참가자가 다른 공간에서 머문 시간 (자신의 사무실, 동료 사무실, 미팅룸, 카페, 비목적 공간, 표준편차) • Frequency Variables : 공간을 넘나드는 횟수 (전환 횟수, 당일 처음 방문한 공간, 다른 사람에 의해 방해 받은 횟 수, 자신이 방해한 횟수 등) •사무실에서 보내는 시간과 카페에서 보내는 시간이 주 요인 •개인적인 사무와 이따금씩 갖는 커피 타임 •엔지니어, 건축가, 연구자가 속함
- 14. 14 Methodology Phase 4 - Space Use Behavioral Profiling • PCA에 넣을 input data set 11개를 도출 • Temporal Variables : 하루에 한 참가자가 다른 공간에서 머문 시간 (자신의 사무실, 동료 사무실, 미팅룸, 카페, 비목적 공간, 표준편차) • Frequency Variables : 공간을 넘나드는 횟수 (전환 횟수, 당일 처음 방문한 공간, 다른 사람에 의해 방해 받은 횟 수, 자신이 방해한 횟수 등) •하루에 방문한 공간 수, Atrium에서 보내 는 시간이 주 요인 •방해가 많은 것으로 보아 동료와 협업하는 일이 잦음 •행정 직원이 많음
- 15. 15 Methodology Phase 4 - Space Use Behavioral Profiling • PCA에 넣을 input data set 11개를 도출 • Temporal Variables : 하루에 한 참가자가 다른 공간에서 머문 시간 (자신의 사무실, 동료 사무실, 미팅룸, 카페, 비목적 공간, 표준편차) • Frequency Variables : 공간을 넘나드는 횟수 (전환 횟수, 당일 처음 방문한 공간, 다른 사람에 의해 방해 받은 횟수, 자신이 방해한 횟수 등)
- 16. 16 Methodology Phase 5 - Analysis of Occupancy Rate Mean occupancy rate for seven offices 20.18% Minimum occupancy rate 1.34% (2 Collaborators (Mutables)) Maximum occupancy rate 34.98% (2 Messengers (Habituals)) 30.58% (2 Collaborators, 3 Workers, 1 Messenger) Occupancy rate = 한 방에 있는 사람 수 / 방의 최대 사람 수 (책상 숫자) 참가자 공간 이용 행태 Profile이 공간의 occupancy rate에 영향을 미친다
- 17. 17 Methodology Phase 6 - Implications for Design 1 Messenger들은 자주 방해받는다 프라이버시를 보장해주는 가구 도입(Ambient awareness) 2 Collaborator들은 desk sharing에 너그럽다 Collaborator를 위한 코워킹 스페이스 도입 3 Messenger들은 공간 이동이 잦다 사무실 위치를 변경하여 동선을 최소화 4 Worker들은 카페를 자주 이용하지만 테이크 아웃 위주로 사회적 인터랙션이 적다 현재의 폐쇄적인 카페를 개방적으로 만들어 인터랙션을 높임 5 현재 Occupancy rate이 너무 낮음 공간 재활용을 지속적으로 고민하여 occupancy rate을 높임 6 미팅룸의 공간 활용이 비효율적 넓은 공간을 둘 이상의 그룹이 활용할 수 있도록 간이 시설 도입
- 18. Discussion 18 ‣ Scalability and Generalizability - 이 연구에서 사용된 방법론 (센싱 + stakeholder와 함께 하는 데이터 분석)은 저렴하고 빠르기 때문에 다양한 분야에서 적용 가능함 - 각 공간은 topology, population, structure 면에서 너무나도 다양하기 때문에 여기서 등장한 finding을 일반화할 수는 없고 비슷한 스터디가 진행되어야 함 ‣ The Stiffness of Architecture - 건물 디자인은 스케쥴이 타이트하고, 리소스가 한정되어 있는 과정임 (“Stiffness of Architecture”) - 따라서 새로운 방법론을 적용하는 것이 쉽지 않음 - 그럼에도 불구하고 iterative, participatory 전략은 필수적임 ‣ Actors, Activities, Spaces and Artifacts - 어느 공간에서, 누가, 무엇을 하는가가 분석에 있어서 유의미하게 작용함 - 특히 공간-활동이 명확하게 구분되는 사무실 공간이었기 때문에 더욱 가능 - 그럼에도 불구하고 iterative, participatory 전략은 필수적임
- 19. 논의점 혹은 질문.. 19 ‣ Data-driven하게 보면 같은 것도 다르게 보이는 것 같다 ‣ 기존의 공간 구분은 모호해지고 사람의 행동 패턴에 맞게 공간이 변화하도록 하는 추세 ‣ 사용자 조사 기반한 연구가 design implication도 유의미하게 도출됨 ‣ 새로운 홈 엔터테인먼트 기기 아이데이션에 있어선 어떻게 활용될 수 있을까?