Antigravity Agent
22cd97698e
- 옛 10_Wiki/Topics/Premium/Thinking & Reasoning/ 정리 (82건 삭제) - 새 구조로 재배치: - 10_Wiki/Topics/Thinking & Reasoning/ (290개 신규) - Premium/Thinking & Reasoning/ (236개 신규) - memory/episodes / lessons 자동 기록 추가 - .DS_Store / chronicle 메타 갱신 순수 콘텐츠 작업 — 코드 변경 없음. Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
61 lines
5.1 KiB
Markdown
61 lines
5.1 KiB
Markdown
---
|
|
id: empathy-map
|
|
title: "Empathy Map"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: ["공감 지도"]
|
|
duplicate_of: ""
|
|
source_trust_level: "B"
|
|
confidence_score: 0.85
|
|
created_at: 2026-05-23
|
|
updated_at: 2026-05-23
|
|
review_reason: ""
|
|
merge_history: []
|
|
tags: ["research", "design thinking"]
|
|
raw_sources: ["NotebookLM Synthesis"]
|
|
applied_in: []
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[Empathy Map]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
인터뷰와 관찰을 통해 수집된 사용자의 **행동(Do), 말(Say), 생각(Think), 느낌(Feel)**을 시각적으로 통합하여, 인간 중심적 문제 정의를 위한 핵심 맥락을 추출하는 강력한 합성 도구이다 [1], [2].
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **정보 통합 및 강화 (Consolidation):** 인터뷰 등 연구 활동을 통해 얻은 방대하고 파편화된 정보를 한데 모아 정리함으로써 사용자의 경험을 총체적으로 파악하게 한다 [1].
|
|
- **4분면 데이터 캡처 (Quad-Quadrant Capture):** 사용자가 실제 무엇을 하는지(Do), 무엇을 말하는지(Say), 어떤 생각을 하는지(Think), 그리고 무엇을 느끼는지(Feel)를 명시적으로 구분하여 기록한다 [1], [2].
|
|
- **맥락 공유 (Context Sharing):** 팀원이나 동료들이 사용자의 문제 상황과 경험을 직관적으로 이해하고 공감할 수 있도록 돕는 시각적 매개체 역할을 한다 [1].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **비정형 데이터의 구조화 패턴:** '말하는 것'과 '행동하는 것' 사이의 불일치를 발견하거나, 겉으로 드러나지 않는 '생각'과 '느낌'을 추론(Infer)하여 잠재적 인사이트를 도출하는 구조를 가진다 [1].
|
|
- **AI 협업 패턴 (2026 Shift):** 현대의 디자인 씽킹 프로세스에서는 AI를 활용해 공감 지도를 분석함으로써, 팀이 단순 데이터 정리를 넘어 고차원의 전략 수립과 감성 지능(Emotional Intelligence)에 집중할 수 있도록 지원한다 [3], [4].
|
|
- **협동 학습 패턴:** 교육학적 관점에서 공감 지도는 그룹 활동의 도구로 활용되어 팀워크를 증진하고 복합적인 문제를 해결하는 기술을 배양하는 데 사용된다 [5].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
공감 지도는 디자인 씽킹의 **공감(Empathize)** 단계에서 **정의(Define)** 단계로 넘어가는 전환기에 주로 사용되는 합성(Synthesis) 도구이다 [1], [2].
|
|
|
|
이 도구는 사용자의 실제 요구사항을 파악하기 위해 인터뷰 관찰 내용을 시각화하며, 다음과 같은 전문적 기능을 수행한다:
|
|
- **인사이트 추출의 기초:** 단순히 정보를 나열하는 것이 아니라, 수집된 데이터 사이의 연결 고리와 패턴을 찾아내어 혁신적인 솔루션의 방향성이 되는 인사이트를 발견하게 한다 [1].
|
|
- **팀 정렬 (Alignment):** 서로 다른 배경을 가진 팀원들이 동일한 사용자 데이터를 바탕으로 공통된 이해를 형성하게 하여, 문제 정의의 초점이 흐려지는 것을 방지한다 [1], [5].
|
|
- **데이터 분석의 보조 도구:** 2026년 기준, 대규모 데이터셋에서 인간의 신호를 보존하면서도 주요 통찰을 요약하는 AI 강화 합성(AI-Enhanced Synthesis) 과정에서 공감 지도를 분석 프레임워크로 활용할 수 있다 [3], [4].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **전통적 수작업 vs AI 협업:** 과거에는 모든 정보를 포스트잇 등을 이용해 수동으로 벽에 붙여 분석하는 방식(Unpacking)이 강조되었으나 [6], 최신 소스에서는 AI가 공감 지도를 분석하여 전략적 집중을 돕는 '협업자'로서의 역할이 강조되고 있다 [3], [4].
|
|
- **방법론적 유연성:** 소스에 따라 공감 프로세스의 세부 단계가 5단계 또는 6단계로 구분되기도 하지만, 공감 지도가 인터뷰와 관찰 정보를 통합하는 핵심 도구라는 점은 일관되게 나타난다 [7], [1].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
현재 소스 데이터에서 이 개념이 실제로 적용된 구체적인 **코드 위치, Git 커밋 해시, 또는 특정 decision_id**는 발견되지 않았습니다. 다만, 다음과 같은 문서적 적용 사례가 확인됩니다:
|
|
- **Voltage Control 가이드:** AI 전환(AI Transformation) 및 사용자 경험 디자인 팀을 위한 실무 프로세스 단계에서 인터뷰 데이터를 통합하는 핵심 도구로 명시됨 [1], [2].
|
|
- **Stanford d.school 및 Pedagogy 가이드:** 교육자와 학생들을 위한 팀 프로젝트 활동 중 하나인 'Empathy Map' 활동으로 제안됨 [5].
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
|
|
- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine. |