본 논문은 과학적 내용을 일반 대중에게 효과적으로 전달하기 위한 AI 기반 도구인 TranSlider를 소개합니다. TranSlider는 사용자의 프로필(취미, 거주지, 교육 수준 등)을 기반으로 과학적 텍스트를 개인화된 방식으로 번역해 줍니다. 0(약한 관련성)에서 100(강한 관련성)까지 조절 가능한 슬라이더를 통해 사용자는 개인화 수준을 직접 조정할 수 있으며, 대규모 언어 모델(LLM)을 활용하여 번역을 생성합니다. 15명의 참가자를 대상으로 한 탐색적 연구를 통해 AI 개인화 번역의 유용성과 상호 작용적인 읽기 기능이 사용자의 이해도와 읽기 경험에 미치는 영향을 조사했습니다. 연구 결과, 높은 개인화 수준을 선호하는 참가자들은 관련성 있고 문맥에 맞는 번역을 높이 평가했으며, 낮은 수준을 선호하는 참가자들은 간결하고 미묘하게 문맥화된 번역을 선호했습니다. 또한, 여러 번역을 병행하여 읽는 것이 과학적 내용 이해에 도움이 된다는 것을 참가자들이 보고했습니다. 이러한 결과를 바탕으로 과학 커뮤니케이션을 촉진하고 인간-AI 조화를 지원하는 조정 가능한 인터페이스 설계에 대한 몇 가지 시사점을 논의합니다.
