2nd/Premium/Thinking & Reasoning/Empathy Map.md

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit

id	title	category	status	verification_status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	created_at	updated_at	review_reason	merge_history	tags	raw_sources	applied_in	github_commit
empathy-map	Empathy Map	10_Wiki/Topics	draft	conceptual		공감 지도		B	0.85	2026-05-23	2026-05-23			research design thinking	NotebookLM Synthesis

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_id는 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.