Human Perception & Cognitive Models

1. Overview

인간 인지 및 인지 모델(Human Perception & Cognitive Models, HPC)은 사용자의 뇌를 하나의 '생물학적 정보 처리 하드웨어'로 정의하고, 이 장치가 수용 가능한 데이터의 물리적 밀도와 수리적 처리 속도를 분석하는 '인지 거버넌스 물리학'입니다.

학습자는 정보의 시각적 덩어리를 인식하는 게슈탈트 원리의 물리적 토대와, 기억의 수리적 한계인 인지 부하(Cognitive Load)의 기제를 배웁니다. 특히, 선택지가 늘어날 때 뇌의 연산 시간이 지수적으로 증가하는 힉의 법칙(Hick's Law)과 같은 수리적 결정을 익힙니다. 이를 통해 사용자가 '생각하지 않아도' 직관적으로 물리 환경을 지배할 수 있게 만드는 하이엔드 사용자 경험의 근간을 확보합니다.

2. Scope & Boundaries

In-Scope

Visual Processing: 시각적 주의(Attention), 색상 인지 물리 및 게슈탈트(Gestalt) 법칙
Memory Architectures: 작업 기억(Working Memory)의 한계와 장기 기억으로의 전이 물리
Human Response Laws: 힉의 법칙(Hick’s Law), 피츠의 법칙(Fitts's Law) 등 정량적 반응 모델
User Mental Models: 사용자의 기존 지식 구조와 시스템 인터페이스 간의 물리적 정렬

Out-of-Scope

구체적인 그래픽 디자인 툴 사용법 (12-02 Visual Grammar 영역으로 위임)
순수 뇌과학적 해부학 상세 (의학 영역)

Boundaries

HPC vs. Visual Grammar: HPC가 '뇌의 수용 한계와 인지 물리'에 집중한다면, 12-02(Visual Grammar)는 '그 한계 안에서 정보를 아름답고 위계적으로 배치하는 조형 기술'에 집중합니다.

3. Counterexample

단순히 "UI가 예쁘다"고 평가하는 것은 HPC 학습이 아닙니다. 왜 특정 버튼의 위치가 사용자 반응 속도를 미세하게 늦추는지 **피츠의 법칙(Fitts’s Law)**에 따라 이동 거리를 수치화하여 설명하고, 정보의 밀도가 작업 기억(Working Memory) 임계치를 넘었을 때의 물리적 오류 발생 확률을 논할 수 있어야 합니다.

4. Prerequisites

컴퓨터 과학 및 공학 루트 (Basic): 시스템 설계에 대한 기본 논리 이해가 필요합니다. (ROOT)
핵심 자료 구조 (Recommended): 정보의 계층적 구조화 능력이 권장됩니다. (04. CDS)

5. Learning Map

Biological Sensors: 인간의 눈과 뇌가 외부 자극을 물리 데이터로 변환하는 과정을 익힙니다.
Grouping Logic: 흩어진 개별 정보를 하나의 의미 있는 덩어리(Chunk)로 묶는 인지 물리 법칙을 이해합니다.
The Memory Bottleneck: 뇌의 캐시 메모리인 '작업 기억'의 한계 수치를 넘지 않는 설계 수순을 배웁니다.
Reaction Modeling: 입력 기기와 눈의 상호작용 속도를 수리적으로 예측하는 반응 시간 모델을 학습합니다.

6. Learning Topics

Basic

Core: 게슈탈트 법칙과 시각적 인지 (Gestalt Principles)

Why to Learn: 사용자가 수많은 요소 중 무엇을 '하나의 그룹'으로 보는지 예측하여 혼선을 막기 위함입니다.
What to Learn:
- 근접성(Proximity), 유사성(Similarity), 연속성(Continuity)의 물리적 배치
- 배경-전경(Figure-Ground) 분리 및 폐쇄성(Closure) 역학
- 시각적 위계(Visual Hierarchy) 형성을 위한 인지 레이아웃
How to Learn:
- 복잡한 대시보드를 보고 게슈탈트 법칙이 적용되어 그룹화된 구역을 직접 컬러 코딩해보기
- 정렬이 흐트러졌을 때 뇌가 정보를 처리하는 시간이 얼마나 지연되는지 자가 테스트
Implement: 게슈탈트 법칙 중 최소 3가지를 적용하여 정보 가독성을 높인 단순 그리드 레이아웃 설계

Why to Learn: 사용자가 정보를 처리하다가 '과부하'가 결려 포기하거나 실수하는 것을 방지하기 위해서입니다.
What to Learn:
- 내재적(Intrinsic), 외재적(Extraneous) 인지 부하의 물리적 차이
- 마법의 숫자 7±2(Miller's Law)와 청킹(Chunking) 기술의 물리적 토대
- 기억 전이(Transfer)를 방해하는 인터페이스 잡음 분석
How to Learn:
- 한 화면에 20개 이상의 메뉴가 있는 웹사이트를 청킹을 통해 5개 그룹으로 재구성하는 실습
- 단계별 입력 폼(Step-by-step form)이 왜 단일 긴 폼보다 인지 부하가 낮은지 물리 성능 분석
Implement: 복잡한 데이터를 작업 기억 한계를 고려하여 단계별로 disclosure(드러내기) 하는 UI 로직 시뮬레이션

Practical

Core: 인간 반응 속도와 인터페이스 물리 (Human Response Physics)

Why to Learn: 사용자의 조작 시간을 수리적으로 예측하여 가장 빠른 인터페이스를 설계하기 위함입니다.
What to Learn:
- 힉의 법칙(Hick’s Law): 선택지 개수와 반응 시간 사이의 로그 함수 관계
- 피츠의 법칙(Fitts's Law): 대상의 크기와 거리에 따른 포인팅 시간 수리 모델
- 시스템 응답 시간(System Response Time)과 인간 인내심 간의 물리적 상관관계
How to Learn:
- 모바일 앱의 '삭제' 버튼 크기와 위치를 바꿔가며 피츠의 법칙에 따른 접근 시간 계산 연습
- 로딩 스피너 유무에 따라 사용자가 느끼는 '물리적 대기 시간'의 주관적 변화 측정
Implement: 버튼의 크기와 거리를 변수로 하여 사용자의 클릭 성공률과 속도를 기록하는 측정 툴

Advanced

Core: 멘탈 모델과 메타포 (Mental Models)

Why to Learn: 학습 시간을 0에 수렴하게 하는 '직관적'인 시스템을 설계하기 위해서입니다.
What to Learn:
- 시스템 모델(System Model) vs 사용자 모델(User Model)의 물리적 불일치(Gulf) 분석
- 현실 세계의 물리 법칙을 차용한 수치 메타포(스큐어모피즘 기초)
- 관성(Affordance)과 기표(Signifier)가 유도하는 인지적 행동 물리
How to Learn:
- 새로운 앱을 처음 쓰는 사용자의 행동을 관찰하며 그들의 뇌 속 '멘탈 모델'과 실제 구현의 괴리 지점 기록
- 물리적 스위치와 디지털 스위치의 인지적 공통점/차이점 연구
Implement: 실제 물리적 도구(예: 계산기, 폴더)의 거동을 멘탈 모델에 맞춰 구현한 인터랙티브 컴포넌트

7. Terminology

Term (EN / ko, abbr)	1문장 정의	단계(기본/권장/실무/심화)	역할/맥락	관련 개념	유사/대비/함께 사용	오해 포인트	Evidence(Primary/Secondary/Industry)	Flags(core/misused/legacy)
Cognitive Load	인간의 작업 기억이 한 번에 처리할 수 있는 정보의 총체적인 물리적/정신적 양입니다.	기본	설계 기준	Working Memory	Processing Power	단순히 '스트레스'로 오해	P1:CS2023/Foundations	core
Gestalt Laws	인간의 뇌가 시각적 요소를 개별 조각이 아닌 하나의 수치적 패턴이나 집합으로 인식하는 물리적 성향입니다.	기본	배치 가이드	Pragnanz	Grouping	디자인 기교로만 치부함	P1:CS2023/Foundations	core
Fitts's Law	목표 대상에 도달하는 시간이 대상의 크기와 그곳까지의 거리의 함수로 결정된다는 수리적 모델입니다.	실무	속도 최적화	Hick's Law	Steering Law	마우스 조작에만 국한됨	P1:CS2023/Evaluation	core
Affordance (행동유도성)	사용자가 사물을 보았을 때 그것을 통해 수행 가능한 행동을 시각적/물리적 단서로 즉각 암시하는 성질입니다.	추천	직관성 부여	Signifier	Discoverability	'버튼의 그림자' 자체로 오해	Industry Norman	core

8. References

Primary References

[P1] CS2023 - HCI/Foundations — Human capabilities and perception.
[P5] SFIA - User experience research (USER) — Analyzing user behaviors and models.

Secondary References

[The Design of Everyday Things] Don Norman — The bible of cognitive design.
[Designing with the Mind in Mind] Jeff Johnson — Practical cognitive psychology for UI.

Industry References

[Nielsen Norman Group - Cognitive Load Articles] — Industry standard UX research.
[Apple HIG - Foundations of Interaction] — Human-centric design guidelines.

9. Final Checklist

Primary Checklist

특정 UI 레이아웃이 게슈탈트 법칙에 따라 어떻게 수리적 '그룹'으로 인식되는지 물리 증명 가능한가? (P1)
작업 기억의 수리적 한계 수치(7±2 등)를 초과하는 물리적 정보량을 어떻게 수치적으로 분산할지 제안할 수 있는가? (P1)

Secondary Checklist

힉의 법칙에 기초하여 내비게이션 뎁스(Depth)와 너비(Breadth) 중 무엇이 탐색 속도에 물리적으로 유리한지 논할 수 있는가?
사용자의 '멘탈 모델'과 실제 시스템 구조 사이의 간극(Gulf of Execution)을 좁히기 위한 물리적 피드백 장치를 고안할 수 있는가?

Industry Checklist

시선 추적(Eye-tracking) 데이터를 보고 사용자의 인지적 주의가 어느 물리적 영역에서 가장 많이 정체되는지 진단 가능한가? (SFIA)
저시력자나 고령자의 인지 물리 한계를 인지하고 그들을 위한 정보 가독성(Contrast, Type size) 수치를 계산할 수 있는가?