<div id="readability-page-1" class="page"><div id="wrap">
                            <article id="post-General-67_afore2024" itemscope="" itemprop="blogPost">
    <div>
        
            <header>
                
    
        
    

            </header>
        
        
            
        
        
        <div itemprop="articleBody">
            

            

            

            <ul>
<li>오랜만에 연구 결과를 국제학회에서 발표했습니다.</li>
<li>일정이 바빴다는 핑계를 댈 수도 있지만 생성 AI의 능력과 그간 쌓인 노하우를 믿었습니다.</li>
<li>밀도있게 3일 준비해서 발표를 마쳤습니다. 자세하게 말씀드릴 수는 없지만 노하우를 공유합니다.</li>
</ul>
<h2 id="2024-09-14-초록-제출"><a href="#2024-09-14-초록-제출" title="2024.09.14. - 초록 제출"></a>2024.09.14. - 초록 제출</h2><blockquote>
<p><a target="_blank" rel="noopener" href="https://www.elsevier.com/products/scopus/content">Scopus: Scopus content</a></p>
</blockquote>
<h2 id="1-결론은-가지고-시작"><a href="#1-결론은-가지고-시작" title="(1) 결론은 가지고 시작"></a>(1) 결론은 가지고 시작</h2><ul>
<li>여러 이유가 겹쳐 지난 1년간 연구 결과를 발표하지 못했습니다.</li>
<li>오랜만에 학회에 발표할 기회가 생겼으나 초록 제출 기한이 매우 촉박했습니다.</li>
<li>큰 결론은 기존 업무를 수행하며 알고 있었기 때문에 <b>초록을 작성하기 위한 최소한의 지식을 정리할 필요가 있었습니다.</b></li>
</ul>
<h2 id="2-대량의-논문에서-필요한-논문들-선별"><a href="#2-대량의-논문에서-필요한-논문들-선별" title="(2) 대량의 논문에서 필요한 논문들 선별"></a>(2) 대량의 논문에서 필요한 논문들 선별</h2><ul>
<li><b>저희 분야에서 논문에 쓰일 만한 지식은 일반 검색 엔진에서 찾기 어렵습니다.</b></li>
<li>공개된 데이터를 잘 찾아주는 <code>perplexity</code>등의 도구들이 많이 나와 있지만,</li>
<li>라이선스를 확보하고 논문을 검색해야 하는 scopus 등 데이터베이스를 이용해야 하기 때문에 다른 방법을 찾아야 합니다.</li>
<li>다행히 <b>Scopus API</b>를 사용할 수 있는 환경을 구축해 두었습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_01.png" alt="Scopus API"></p>
<ul>
<li><b>Scopus API로 초록을 대량으로 확보</b>하고,</li>
<li><b>RAG</b>를 사용해 관심사에 가까운 정보들을 수집하여 정리하는 시스템을 보유하고 있습니다.</li>
<li>확보한 대량의 데이터로는 <b>경향성을 확인</b>하고 읽어야겠다 싶은 논문은 PDF를 내려받아 읽습니다.</li>
</ul>
<h2 id="3-그림으로-내용-파악"><a href="#3-그림으로-내용-파악" title="(3) 그림으로 내용 파악"></a>(3) 그림으로 내용 파악</h2><ul>
<li>PDF 파일은 정독하기 전에 <b>그림부터 봅니다.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_02.png" alt="Acrobat PDF viewer"></p>
<ul>
<li>생성 AI가 나오기 전부터 갖고 있던 습관이지만 그림부터 보는 데는 몇 가지 이유가 있습니다.</li>
</ul>
<p><b>1. 논문을 쓸 때 그림부터 순서대로 정리합니다.</b></p>
<ul>
<li>어떤 그림들이 들어가야 할 지 설계하고, 이 그림들을 그리면서 논리 전개를 고민합니다.</li>
<li>그렇기 때문에 그림만 제대로 보아도 논문의 중요한 내용들을 파악할 수 있습니다.</li>
</ul>
<p><b>2. 그림에 많은 정보가 담겨 있을 뿐 아니라 인지가 빠릅니다.</b></p>
<ul>
<li>현미경 사진이나 중요한 그래프는 그림 속에 중요 정보를 모두 담고 있습니다.</li>
<li>대개 그림에 담긴 정보는 글에도 써 있기 마련이지만 같은 정보를 그림으로 보는 것이 수 배 빠릅니다.</li>
</ul>
<ul>
<li>그림으로 내용을 대강 파악했다면 <code>논문봇</code>을 사용해 전체적인 가치를 판단합니다.</li>
<li>여기서 가치는 논문이 가지는 절대적인 가치(if any)가 아니라 나에게 도움이 되는지 여부입니다.</li>
<li><b>불필요하다면 과감하게 버립니다.</b> 읽어야 할 논문은 어차피 많습니다.</li>
</ul>
<ul>
<li>많은 분들이 오해하십니다만, <b>논문봇은 논문을 읽기 위한 도구가 아닙니다.</b></li>
<li><b>논문봇은 버릴 논문을 선별할 때 쓰기 위한 도구입니다.</b></li>
</ul>
<h2 id="4-필요-부분-정독"><a href="#4-필요-부분-정독" title="(4) 필요 부분 정독"></a>(4) 필요 부분 정독</h2><ul>
<li>버릴 논문을 버렸다면 읽을 논문을 읽을 차례입니다.</li>
<li><b>모든 글자를 빠짐없이 읽기엔 시간은 적고 할 일은 많습니다.</b></li>
<li><code>scispace</code>, <code>notebooklm</code> 등의 도구를 사용해 내용을 파악합니다.</li>
<li><b>논문 파일을 올려서 그림을 중심으로 파악한 내용들을 질문합니다.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_03.png" alt="scispace"></p>
<ul>
<li><code>scispace</code>나 <code>notebooklm</code>은 답변과 함께 레퍼런스 링크를 줍니다.</li>
<li>이 링크를 클릭하면 입력한 본문 중 답변을 인용한 부분이 하이라이트됩니다.</li>
<li>문서를 올리고 질문을 해도 <b>환각이 발생할 확률이 있기 때문에 검증이 매우 중요합니다.</b></li>
</ul>
<ul>
<li>이제 논문을 머리로 정리할 필요가 있습니다.</li>
<li><b>눈을 감고 내용들을 머리로 정리</b>해 보아도 좋고,</li>
<li><b>백지와 펜을 들고 그림을 그리며 정리</b>를 해 보는 것도 좋습니다.</li>
<li>무엇이건 <b>AI의 도움을 받지 않고 내 머리로 정리하는 것이 중요합니다.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_04.png" alt="사색"></p>
<ul>
<li>함께 이야기를 나눌 동료가 있다면 더 좋습니다.</li>
<li>그 과정에서 허점이 발견되기 더 쉽기 때문입니다.</li>
</ul>
<h2 id="5-초록-작성"><a href="#5-초록-작성" title="(5) 초록 작성"></a>(5) 초록 작성</h2><ul>
<li>이 정도 되면 초록에 담길 내용이 정리됩니다. </li>
<li>파이썬이나 R, 엑셀 중 원하는 도구를 써도 되지만 <code>플랏봇</code>도 써볼 만 합니다.</li>
<li><code>ChatGPT</code>나 <code>Claude</code>에 내용을 개조식으로 넣고 글을 작성해달라고 합니다.</li>
</ul>
<ul>
<li>중요한 점이 있습니다.</li>
<li><b>AI가 작성한 문장을 의도적으로 모두 바꾸는 것</b>입니다.</li>
<li>직접 살펴보며 흡족하지 못한 문장을 바꾸어도 되지만, <code>DeepL</code>과 같은 도구를 사용해도 좋습니다.</li>
<li>자동으로 번역된 문장을 보면서 이 중 하나를 선택하는 과정을 통해 <b>스스로 생각하는 기회</b>를 가질 수 있습니다.</li>
</ul>
<ul>
<li><b>수정을 반복하며 <code>딴지봇</code>에게 검사를 요청합니다.</b></li>
<li>딴지봇에 특별한 대단한 지식이 들어있지는 않지만 논리적 허점을 찾아 반박해주는 기능이 있습니다.</li>
<li>딴지봇이 지적한 허점이 진짜 허점인지 스스로 고민해 보고, 타당하다고 생각되면 수정합니다.</li>
</ul>
<h2 id="2023-11-05-06-화-수-발표-준비-Day-1-2"><a href="#2023-11-05-06-화-수-발표-준비-Day-1-2" title="2023.11.05-06 (화-수) - 발표 준비 Day 1-2"></a>2023.11.05-06 (화-수) - 발표 준비 Day 1-2</h2><h2 id="6-그림모음-ppt-준비"><a href="#6-그림모음-ppt-준비" title="(6) 그림모음 ppt 준비"></a>(6) 그림모음 ppt 준비</h2><ul>
<li>발표 준비를 할 때 가장 처음 할 일은 <b>빈 파워포인트 파일을 만드는 것</b>입니다.</li>
<li>발표에 사용할 그림들을 하나씩 준비하면서 파워포인트 파일에 추가합니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_05.png" alt="그림모음 ppt"></p>
<ul>
<li>일단은 <b>내 머리 속에 있는 논리를 꺼내놓는 데 집중합니다.</b></li>
<li>그러려면 데이터를 분석하고 그림을 그리는 코드도 마구잡이로 짜면 곤란합니다.</li>
<li><b><code>플랏봇</code>을 비롯해 <code>GPT</code>, <code>Claude</code>에게 너무 의존하면 코드가 중구난방이 됩니다.</b></li>
<li>코딩 AI를 쓰지 말라는 말씀이 아닙니다. 기왕이면 <code>cursor.AI</code> 같은 전용 도구를 쓰는 것이 여러 모로 더 좋습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_06.png" alt="cursor.AI"></p>
<ul>
<li>중간중간 <b>markdown cell</b>을 넣으면서 목차도 만듭니다. 전에 짰던 코드를 되짚을 때 좋습니다.</li>
<li><b>두 번 쓰인다 싶은 기능은 함수로 만듭니다.</b> 작성되는 코드는 반드시 수정되기 때문에 함수가 좋습니다.</li>
<li><b>함수가 쌓이면 라이브러리로 만듭니다.</b> 메인 코드가 엄청나게 짧아집니다.</li>
<li>그래프를 파일로 출력해도 좋지만, 파일명 지옥에 빠질 수 있습니다. 저는 꼭 필요한 것이 아니면 웬만하면 복붙합니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_07.png" alt="색상표"></p>
<ul>
<li>데이터 시각화에서 <b>색상(hue)은 단어에 해당됩니다.</b></li>
<li>특정 데이터에 대응되는 특정 색상이 있다면 전달력이 강해지고 보기에도 좋습니다.</li>
<li>자주 사용되는 색에 이름을 붙이면 좋습니다. <b>dictionary</b>를 저장하면 꺼내 쓰기 좋습니다.</li>
</ul>
<ul>
<li><b>명도(lightness)는 데이터의 크기에 해당됩니다.</b></li>
<li>데이터가 크면 밝은 색, 데이터가 작으면 어두운 색으로 칠하면 직관적으로 데이터를 느낄 수 있습니다.</li>
<li><b>채도(saturation)는 데이터의 중요도에 해당됩니다.</b></li>
<li>중요한 데이터는 채도를 높게 칠하고, 중요하지 않은 데이터는 채도를 낮게 칠합니다.</li>
<li>색상으로 표현해야 할 데이터가 많아 구분이 어려울 때 채도를 함께 조절해주면 숨통이 트입니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_08.png" alt="ppt에 붙인 그림"></p>
<ul>
<li>이렇게 그려진 그림들은 ppt에 차곡 차곡 붙여 넣습니다.</li>
<li>이 때, 기왕이면 <b>최종적으로 발표될 장면들을 생각하면서 정리하면 좋습니다.</b></li>
<li>그림 설명도 발표에 사용하는 폰트와 크기를 이용해 붙여 넣고, 이에 따라 종횡비도 미리 지정합니다.</li>
<li>저는 16:9 비율 슬라이드를 사용합니다. </li>
<li>그림 크기를 (20, 10)으로 지정하면 상단에 제목이 들어갈 공간이 남고 글자 크기도 적절합니다.</li>
</ul>
<h2 id="7-설명자료-준비"><a href="#7-설명자료-준비" title="(7) 설명자료 준비"></a>(7) 설명자료 준비</h2><ul>
<li>머리 속에 마련된 시나리오에 따라 발표자료를 준비하다 보면 <b>확인할만한 정보</b>가 떠오릅니다.</li>
<li>근거를 강화시켜 줄 레퍼런스가 필요한 경우도 있고, 추가적인 설명이 필요한 경우도 있습니다.</li>
<li>이럴 때 사용하는 것이 <b>설명자료</b>이며 <code>perplexity</code>를 사용하면 빠르게 확보할 수 있습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_09.png" alt="perplexity 화면 캡처"></p>
<ul>
<li><code>perplexity</code>의 library 항목에 가면 과거에 질의한 내역을 모두 볼 수 있습니다.</li>
<li>그러나 작업을 하다 보면 비슷한 질의를 많이 하게 되어 이 중 어떤 것인지 혼동됩니다.</li>
<li>또한, 눈에 보이지 않으면 내가 그런 정보를 수집했는지조차 잊어버릴 때가 많습니다. 너무 많은 자료를 검색하니까요.</li>
<li>이럴 때를 대비하여 <b>쓸만한 답변들을 ppt에 함께 붙여둡니다. 가능한 큰 그림으로요.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_10.png" alt="레퍼런스 캡처"></p>
<ul>
<li><code>perplexity</code> 답변만 볼 것이 아니라 <b>레퍼런스를 클릭하여 직접 확인해보는 것이 좋습니다.</b></li>
<li>드물기는 하지만 레퍼런스 자체가 텅 비어 있는 경우가 있기도 하고 - 이럴 때는 답변을 쓰지 않는 것이 좋습니다.</li>
<li>레퍼런스를 따라 들어가면 <b><code>perplexity</code> 답변보다 좋은 정보를 얻을 수 있을 때가 많습니다.</b></li>
<li>다른 이들의 자료를 인용할 때는 종류가 무엇이건 출처를 명확히 표기합니다.</li>
</ul>
<h2 id="2023-11-07-목-발표-준비-Day-3-amp-발표-당일"><a href="#2023-11-07-목-발표-준비-Day-3-amp-발표-당일" title="2023.11.07 (목) - 발표 준비 Day 3 &amp; 발표 당일"></a>2023.11.07 (목) - 발표 준비 Day 3 &amp; 발표 당일</h2><h2 id="8-스토리텔링"><a href="#8-스토리텔링" title="(8) 스토리텔링"></a>(8) 스토리텔링</h2><ul>
<li>이틀 정도를 꼬박 투자하면서 행정업무도 처리하고, 회의도 들어가고, 전화도 받았습니다.</li>
<li><b>발표 준비가 웬만큼 진행된다고 느껴지지만 스토리가 나온다고 보기는 어려운 상황입니다.</b></li>
<li>할 말을 다 한다고 좋은 발표는 아니라고 생각합니다.</li>
<li><b>슬라이드 쇼</b>를 하는 발표자로서 <b>청중의 이목을 붙잡아 둘 요소</b>가 필요합니다.</li>
<li>저는 개그가 정말 중요하다고 생각합니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_11.png" alt="발표에 동원된 개그짤"></p>
<ul>
<li>딱딱하기 딱 좋은 발표에 등장하는 개그는 여러 효능이 있습니다.</li>
<li><b>청중이 자발적으로 집중</b>하도록 만들고, </li>
<li><b>어려울 수 있는 내용이 쉽게 느껴지도록 착각</b>을 불러 일으킵니다.</li>
<li><b>청중과 연사의 감정이 동조</b>되면서 이해도가 좋아지기 때문입니다.</li>
</ul>
<ul>
<li>그렇다고 뜬금없이 몸개그를 할 수는 없는 노릇입니다.</li>
<li><b>전체적인 스토리에 잘 녹아들면서 뼈가 있는 개그를 선호합니다.</b></li>
<li>잠시 웃고 정색하며 발표로 넘어가기 좋기 때문입니다.</li>
</ul>
<h2 id="9-데이터-밖에서-인사이트-가져오기"><a href="#9-데이터-밖에서-인사이트-가져오기" title="(9) 데이터 밖에서 인사이트 가져오기"></a>(9) 데이터 밖에서 인사이트 가져오기</h2><ul>
<li>데이터 분석을 중심으로 발표를 하다 보면 <b>얻고 싶은 답이 보이지 않을 때가 많습니다.</b></li>
<li>정상입니다. 여러 요인들이 교차하는 가운데 사건이나 문제가 발생하고, 이들의 단편이 데이터이기 때문입니다.</li>
<li>데이터를 이용해서 현상을 설명하기엔 좋지만 충분한 인사이트를 주기에는 부족할 때가 많습니다.</li>
<li>데이터 밖으로 눈을 돌려 <b>이 사건이나 문제가 발생한 원인</b>을 짚어보는 것이 필요할 때가 있습니다.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_13.png" alt="88 페이지 분량 보고서"></p>
<ul>
<li>이런 추가 정보 소스가 분량이 많을 때가 또 한번의 고비가 됩니다.</li>
<li>특히 내가 원하는 답이 있음이 분명한 소스를 찾았을 때, 무시할 수도 없고 읽기는 버거운 상황이 발생합니다.</li>
<li>제가 접한 여러 도구 중 <b><code>NotebookLM</code>만큼 이럴 때 도움이 되는 것이 없는 듯 합니다.</b></li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_12.png" alt="NotebookLM"></p>
<ul>
<li><code>NotebookLM</code>은 대량의 문서를 넣고 질의응답을 하기도 좋지만,</li>
<li>긴 문서를 남녀 두 사람이 진행하는 podcast처럼 만들어주는 기능이 매우 강력합니다.</li>
<li><b>Audio Overview</b> 라고 하며 특히 고속버스나 비행기, 운전 등 장기간 이동을 할 때 유리합니다.</li>
<li><b>귀에 관련 정보를 계속 흘려보내줄 수 있기 때문</b>이며 원본 문서가 길 수록 이 기능이 더욱 강력해집니다.</li>
</ul>
<ul>
<li>현재는 영어밖에 지원하지 않지만 영어로 발표해야 하는 국제학회라면 오히려 좋습니다.</li>
<li>대화 속에 좋은 영어 표현들이 다수 담겨있거든요.</li>
</ul>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_14.jpg" alt="귀로 듣고 눈으로 보며 정리한 메모"></p>
<p><img src="https://jehyunlee.github.io/2024/11/07/General-67_afore2024/67_AFORE2024_15.png" alt="메모를 정리한 ppt 슬라이드"></p>
<ul>
<li>다만, 늘 그렇지만 이런 <b>요약본을 곧이곧대로 쓰면 곤란합니다.</b></li>
<li>환각이 끼어들 여지가 너무나 많기 때문에 내용 파악용으로만 사용해야 합니다.</li>
<li>다시 메모지를 펴고 이어폰을 꽂은 채 원본 문서에서 관련 내용을 탐색하며 확인합니다.</li>
<li>그리고 원본과 오디오에서 정리된 양식과 다르게, <b>나만의 시각으로 ppt에 정보를 재구성합니다.</b></li>
</ul>
<ul>
<li>무대에 올라 발표를 하는 시점에서 이 <b>모든 자료와 내 말에 대한 책임은 스스로 져야 합니다.</b></li>
<li>진정성을 담아 발표할 수 있도록, 그리고 발표하는 만큼은 암기가 아니라 이해를 할 수 있도록 준비해야 합니다.</li>
<li>생성AI는 좋은 도구이지만 <b>내가 생성AI를 통제하지 못하면, 생성AI가 나를 통제합니다.</b></li>
</ul>

        </div>
		<div>
		  <p><a href="https://www.buymeacoffee.com/jehyunlee" target="_blank">
			<img src="https://jehyunlee.github.io/about/src/images/coffee.png">
		 </a></p><p><b>도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다</b>
		</p></div>
		

</div>
    

</article>



                        </div></div>

Pega Devlog

Pega

오랜만에 연구 결과를 국제학회에서 발표했습니다.
일정이 바빴다는 핑계를 댈 수도 있지만 생성 AI의 능력과 그간 쌓인 노하우를 믿었습니다.
밀도있게 3일 준비해서 발표를 마쳤습니다. 자세하게 말씀드릴 수는 없지만 노하우를 공유합니다.
2024.09.14. - 초록 제출
Scopus: Scopus content
(1) 결론은 가지고 시작
여러 이유가 겹쳐 지난 1년간 연구 결과를 발표하지 못했습니다.
오랜만에 학회에 발표할 기회가 생겼으나 초록 제출 기한이 매우 촉박했습니다.
큰 결론은 기존 업무를 수행하며 알고 있었기 때문에 초록을 작성하기 위한 최소한의 지식을 정리할 필요가 있었습니다.
(2) 대량의 논문에서 필요한 논문들 선별
저희 분야에서 논문에 쓰일 만한 지식은 일반 검색 엔진에서 찾기 어렵습니다.
공개된 데이터를 잘 찾아주는 perplexity등의 도구들이 많이 나와 있지만,
라이선스를 확보하고 논문을 검색해야 하는 scopus 등 데이터베이스를 이용해야 하기 때문에 다른 방법을 찾아야 합니다.
다행히 Scopus API를 사용할 수 있는 환경을 구축해 두었습니다.
Scopus API로 초록을 대량으로 확보하고,
RAG를 사용해 관심사에 가까운 정보들을 수집하여 정리하는 시스템을 보유하고 있습니다.
확보한 대량의 데이터로는 경향성을 확인하고 읽어야겠다 싶은 논문은 PDF를 내려받아 읽습니다.
(3) 그림으로 내용 파악
PDF 파일은 정독하기 전에 그림부터 봅니다.
생성 AI가 나오기 전부터 갖고 있던 습관이지만 그림부터 보는 데는 몇 가지 이유가 있습니다.
1. 논문을 쓸 때 그림부터 순서대로 정리합니다.
어떤 그림들이 들어가야 할 지 설계하고, 이 그림들을 그리면서 논리 전개를 고민합니다.
그렇기 때문에 그림만 제대로 보아도 논문의 중요한 내용들을 파악할 수 있습니다.
2. 그림에 많은 정보가 담겨 있을 뿐 아니라 인지가 빠릅니다.
현미경 사진이나 중요한 그래프는 그림 속에 중요 정보를 모두 담고 있습니다.
대개 그림에 담긴 정보는 글에도 써 있기 마련이지만 같은 정보를 그림으로 보는 것이 수 배 빠릅니다.
그림으로 내용을 대강 파악했다면 논문봇을 사용해 전체적인 가치를 판단합니다.
여기서 가치는 논문이 가지는 절대적인 가치(if any)가 아니라 나에게 도움이 되는지 여부입니다.
불필요하다면 과감하게 버립니다. 읽어야 할 논문은 어차피 많습니다.
많은 분들이 오해하십니다만, 논문봇은 논문을 읽기 위한 도구가 아닙니다.
논문봇은 버릴 논문을 선별할 때 쓰기 위한 도구입니다.
(4) 필요 부분 정독
버릴 논문을 버렸다면 읽을 논문을 읽을 차례입니다.
모든 글자를 빠짐없이 읽기엔 시간은 적고 할 일은 많습니다.
scispace, notebooklm 등의 도구를 사용해 내용을 파악합니다.
논문 파일을 올려서 그림을 중심으로 파악한 내용들을 질문합니다.
scispace나 notebooklm은 답변과 함께 레퍼런스 링크를 줍니다.
이 링크를 클릭하면 입력한 본문 중 답변을 인용한 부분이 하이라이트됩니다.
문서를 올리고 질문을 해도 환각이 발생할 확률이 있기 때문에 검증이 매우 중요합니다.
이제 논문을 머리로 정리할 필요가 있습니다.
눈을 감고 내용들을 머리로 정리해 보아도 좋고,
백지와 펜을 들고 그림을 그리며 정리를 해 보는 것도 좋습니다.
무엇이건 AI의 도움을 받지 않고 내 머리로 정리하는 것이 중요합니다.
함께 이야기를 나눌 동료가 있다면 더 좋습니다.
그 과정에서 허점이 발견되기 더 쉽기 때문입니다.
(5) 초록 작성
이 정도 되면 초록에 담길 내용이 정리됩니다. 
파이썬이나 R, 엑셀 중 원하는 도구를 써도 되지만 플랏봇도 써볼 만 합니다.
ChatGPT나 Claude에 내용을 개조식으로 넣고 글을 작성해달라고 합니다.
중요한 점이 있습니다.
AI가 작성한 문장을 의도적으로 모두 바꾸는 것입니다.
직접 살펴보며 흡족하지 못한 문장을 바꾸어도 되지만, DeepL과 같은 도구를 사용해도 좋습니다.
자동으로 번역된 문장을 보면서 이 중 하나를 선택하는 과정을 통해 스스로 생각하는 기회를 가질 수 있습니다.
수정을 반복하며 딴지봇에게 검사를 요청합니다.
딴지봇에 특별한 대단한 지식이 들어있지는 않지만 논리적 허점을 찾아 반박해주는 기능이 있습니다.
딴지봇이 지적한 허점이 진짜 허점인지 스스로 고민해 보고, 타당하다고 생각되면 수정합니다.
2023.11.05-06 (화-수) - 발표 준비 Day 1-2
(6) 그림모음 ppt 준비
발표 준비를 할 때 가장 처음 할 일은 빈 파워포인트 파일을 만드는 것입니다.
발표에 사용할 그림들을 하나씩 준비하면서 파워포인트 파일에 추가합니다.
일단은 내 머리 속에 있는 논리를 꺼내놓는 데 집중합니다.
그러려면 데이터를 분석하고 그림을 그리는 코드도 마구잡이로 짜면 곤란합니다.
플랏봇을 비롯해 GPT, Claude에게 너무 의존하면 코드가 중구난방이 됩니다.
코딩 AI를 쓰지 말라는 말씀이 아닙니다. 기왕이면 cursor.AI 같은 전용 도구를 쓰는 것이 여러 모로 더 좋습니다.
중간중간 markdown cell을 넣으면서 목차도 만듭니다. 전에 짰던 코드를 되짚을 때 좋습니다.
두 번 쓰인다 싶은 기능은 함수로 만듭니다. 작성되는 코드는 반드시 수정되기 때문에 함수가 좋습니다.
함수가 쌓이면 라이브러리로 만듭니다. 메인 코드가 엄청나게 짧아집니다.
그래프를 파일로 출력해도 좋지만, 파일명 지옥에 빠질 수 있습니다. 저는 꼭 필요한 것이 아니면 웬만하면 복붙합니다.
데이터 시각화에서 색상(hue)은 단어에 해당됩니다.
특정 데이터에 대응되는 특정 색상이 있다면 전달력이 강해지고 보기에도 좋습니다.
자주 사용되는 색에 이름을 붙이면 좋습니다. dictionary를 저장하면 꺼내 쓰기 좋습니다.
명도(lightness)는 데이터의 크기에 해당됩니다.
데이터가 크면 밝은 색, 데이터가 작으면 어두운 색으로 칠하면 직관적으로 데이터를 느낄 수 있습니다.
채도(saturation)는 데이터의 중요도에 해당됩니다.
중요한 데이터는 채도를 높게 칠하고, 중요하지 않은 데이터는 채도를 낮게 칠합니다.
색상으로 표현해야 할 데이터가 많아 구분이 어려울 때 채도를 함께 조절해주면 숨통이 트입니다.
이렇게 그려진 그림들은 ppt에 차곡 차곡 붙여 넣습니다.
이 때, 기왕이면 최종적으로 발표될 장면들을 생각하면서 정리하면 좋습니다.
그림 설명도 발표에 사용하는 폰트와 크기를 이용해 붙여 넣고, 이에 따라 종횡비도 미리 지정합니다.
저는 16:9 비율 슬라이드를 사용합니다. 
그림 크기를 (20, 10)으로 지정하면 상단에 제목이 들어갈 공간이 남고 글자 크기도 적절합니다.
(7) 설명자료 준비
머리 속에 마련된 시나리오에 따라 발표자료를 준비하다 보면 확인할만한 정보가 떠오릅니다.
근거를 강화시켜 줄 레퍼런스가 필요한 경우도 있고, 추가적인 설명이 필요한 경우도 있습니다.
이럴 때 사용하는 것이 설명자료이며 perplexity를 사용하면 빠르게 확보할 수 있습니다.
perplexity의 library 항목에 가면 과거에 질의한 내역을 모두 볼 수 있습니다.
그러나 작업을 하다 보면 비슷한 질의를 많이 하게 되어 이 중 어떤 것인지 혼동됩니다.
또한, 눈에 보이지 않으면 내가 그런 정보를 수집했는지조차 잊어버릴 때가 많습니다. 너무 많은 자료를 검색하니까요.
이럴 때를 대비하여 쓸만한 답변들을 ppt에 함께 붙여둡니다. 가능한 큰 그림으로요.
perplexity 답변만 볼 것이 아니라 레퍼런스를 클릭하여 직접 확인해보는 것이 좋습니다.
드물기는 하지만 레퍼런스 자체가 텅 비어 있는 경우가 있기도 하고 - 이럴 때는 답변을 쓰지 않는 것이 좋습니다.
레퍼런스를 따라 들어가면 perplexity 답변보다 좋은 정보를 얻을 수 있을 때가 많습니다.
다른 이들의 자료를 인용할 때는 종류가 무엇이건 출처를 명확히 표기합니다.
2023.11.07 (목) - 발표 준비 Day 3 & 발표 당일
(8) 스토리텔링
이틀 정도를 꼬박 투자하면서 행정업무도 처리하고, 회의도 들어가고, 전화도 받았습니다.
발표 준비가 웬만큼 진행된다고 느껴지지만 스토리가 나온다고 보기는 어려운 상황입니다.
할 말을 다 한다고 좋은 발표는 아니라고 생각합니다.
슬라이드 쇼를 하는 발표자로서 청중의 이목을 붙잡아 둘 요소가 필요합니다.
저는 개그가 정말 중요하다고 생각합니다.
딱딱하기 딱 좋은 발표에 등장하는 개그는 여러 효능이 있습니다.
청중이 자발적으로 집중하도록 만들고, 
어려울 수 있는 내용이 쉽게 느껴지도록 착각을 불러 일으킵니다.
청중과 연사의 감정이 동조되면서 이해도가 좋아지기 때문입니다.
그렇다고 뜬금없이 몸개그를 할 수는 없는 노릇입니다.
전체적인 스토리에 잘 녹아들면서 뼈가 있는 개그를 선호합니다.
잠시 웃고 정색하며 발표로 넘어가기 좋기 때문입니다.
(9) 데이터 밖에서 인사이트 가져오기
데이터 분석을 중심으로 발표를 하다 보면 얻고 싶은 답이 보이지 않을 때가 많습니다.
정상입니다. 여러 요인들이 교차하는 가운데 사건이나 문제가 발생하고, 이들의 단편이 데이터이기 때문입니다.
데이터를 이용해서 현상을 설명하기엔 좋지만 충분한 인사이트를 주기에는 부족할 때가 많습니다.
데이터 밖으로 눈을 돌려 이 사건이나 문제가 발생한 원인을 짚어보는 것이 필요할 때가 있습니다.
이런 추가 정보 소스가 분량이 많을 때가 또 한번의 고비가 됩니다.
특히 내가 원하는 답이 있음이 분명한 소스를 찾았을 때, 무시할 수도 없고 읽기는 버거운 상황이 발생합니다.
제가 접한 여러 도구 중 NotebookLM만큼 이럴 때 도움이 되는 것이 없는 듯 합니다.
NotebookLM은 대량의 문서를 넣고 질의응답을 하기도 좋지만,
긴 문서를 남녀 두 사람이 진행하는 podcast처럼 만들어주는 기능이 매우 강력합니다.
Audio Overview 라고 하며 특히 고속버스나 비행기, 운전 등 장기간 이동을 할 때 유리합니다.
귀에 관련 정보를 계속 흘려보내줄 수 있기 때문이며 원본 문서가 길 수록 이 기능이 더욱 강력해집니다.
현재는 영어밖에 지원하지 않지만 영어로 발표해야 하는 국제학회라면 오히려 좋습니다.
대화 속에 좋은 영어 표현들이 다수 담겨있거든요.
다만, 늘 그렇지만 이런 요약본을 곧이곧대로 쓰면 곤란합니다.
환각이 끼어들 여지가 너무나 많기 때문에 내용 파악용으로만 사용해야 합니다.
다시 메모지를 펴고 이어폰을 꽂은 채 원본 문서에서 관련 내용을 탐색하며 확인합니다.
그리고 원본과 오디오에서 정리된 양식과 다르게, 나만의 시각으로 ppt에 정보를 재구성합니다.
무대에 올라 발표를 하는 시점에서 이 모든 자료와 내 말에 대한 책임은 스스로 져야 합니다.
진정성을 담아 발표할 수 있도록, 그리고 발표하는 만큼은 암기가 아니라 이해를 할 수 있도록 준비해야 합니다.
생성AI는 좋은 도구이지만 내가 생성AI를 통제하지 못하면, 생성AI가 나를 통제합니다.

생성AI 활용 학회 발표 준비

댓글