서비스 뇌반응 평가 — KRX 택사노미 (3탭) (3개 탭 통합)

여러 탭 3개를 각각 첫 방문자 뇌 반응(시선 3초 · 이해 1초 · 이탈)으로 점검한 상대 휴리스틱 — 측정값 아님, 게시 전 자문.

전체 등급 B (전 탭 18판정 풀 중앙값 — 상대 등급 · 판정 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표)

탭	탭 전체등급	눈이 먼저 가는 곳
개정영향	B	상단 파란색 정보 박스 및 '금융감독원 기업공시서식 개정 영향도' 제목
축네트워크	B	가장 크고 굵게 강조된 "가장 많이 재사용되는 골격 축은 자회사 — 214개 축 중 홀로 109개 서식(EP)에 꽂힌다." 문
멤버트리	B	분류 기준(축) 안에 들어있는 실제 값(멤버)들을 계층 트리로 펼쳐보는 곳입니다.

탭 — 개정영향 B

전체 등급 B (A 좋음 → F 약함) · 6판정 중앙값 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표

읽는 법: 표 1개 = 모델의 반복 판정 1회 · 합의 n/m = m표 중 중앙값과 같은 표 n개 · 6판정 = 청중 2 × 관문 3

가장 큰 이탈위험 — 일반 사용자에게는 'EP', 'XBRL 택사노미', '별지', 'concept' 등 과도한 전문용어 사용으로 인한 내용 불명확성 및 인지 부하.

↳ 처방 — 일반 사용자를 위한 '쉬운 설명 모드' 또는 '용어 해설' 기능을 전면에 배치하고, 핵심 가치를 비전문적인 언어로 요약하여 제시.

평가한 화면 · 주목 진입 우선순위 가설(VLM 합의)

평가한 화면 (데스크톱 1440px, 첫 화면)

주목 진입 우선순위 가설 — 3사 VLM(claude·gemini·openai) 독립 판정 4회 합의. 첫 지목(①) 3/4판정 합치. 실제 사람 시선(first fixation)·아이트래킹 아님 · 점선=가설

①큰 제목 1/3사 · ②큰 제목 2/3사 · ③쓰임새·중요도 1/3사 · ④서비스 로고 2/3사

⚠ 삼중검증(codex·gemini): 수렴은 정확도가 아니라 합치도 — 세 VLM이 학습·UX 관행을 공유해 함께 틀릴 수 있고, 사실상 "무엇이 중요해 보이나"에 가깝다. 사람과의 일치는 아이트래킹(UEyes) 대조 전까지 미검증.

👁 눈이 먼저 간 곳 — "상단 파란색 정보 박스 및 '금융감독원 기업공시서식 개정 영향도' 제목"비전 판정 원문 인용(각색 없음)

🕐 1초에 읽힌 것 — "금융 관련 개정의 영향에 대한 화면이라는 막연한 인상. 구체적인 내용이나 목적은 파악하기 어려움."비전 판정 원문 인용(각색 없음)

청중 × 뇌 관문 (A 좋음 → F 약함)

청중 \ 관문	시선(3초)	이해(1초)	이탈(인지부하)
전문가(심사·판사)	BA~B · 합의 3/4 실측 세일리언시 평균=0.074로 시선 쏠림이 뚜렷하지는 않지만, '금융감독원 기업공시서식 개정 영향도'와 상단의 파란색 설명 박스 '금감원·거래소가 서식(별지)을 개정하면 그 여파가 어느 EP-개념까지 번지는지 흐름으로 보는 곳입니다.'가 전문가의	BA~B · 합의 2/4 '금융감독원 기업 공시서식 개정 영향도'라는 문구가 있지만, 전문적인 배경 지식이 필요해 보임.	BA~B · 합의 2/4 정보의 밀도가 높지만, '금융감독원 기업공시서식 개정 영향도'라는 명확한 제목, '쉽게 말하면'으로 시작하는 요약 설명, 그리고 '영향 개정', '심각도' 등 핵심 지표들이 잘 정리된 카드 형태로 제공되어 인지 부하를 줄인다. 하단의 '흐름 — 개정이
일반(배경지식 0)	CC~D · 합의 3/4 눈은 상단의 파란색 정보 박스와 '금융감독원 기업공시서식 개정 영향도' 제목으로 향하지만, '세일리언시 평균 0.074'는 시선이 완전히 흩어지지는 않음을 보여준다. 그러나 'EP', 'XBRL 택사노미', '별지', 'concept' 등 전문용어가	DD~F · 합의 3/4 '금융감독원 기업공시서식 개정 영향도'라는 제목은 일부 이해되나, 'EP', 'XBRL 택사노미', '별지', '개정' 등의 전문 용어가 많아 '이게 뭐고 뭘 하는 화면'인지 1초 안에 파악하기 어렵습니다. '쉽게 말하면' 박스도 여전히 전문 용어를	DC~F · 합의 0/4 'EP', 'XBRL 택사노미', '별지', 'concept' 등 화면 전반에 걸쳐 사용된 과도한 전문용어와 '영향 개정 16 / 44', '심각도 6 · 10', 'XBRL 수정부담 90 · 22 · 30' 등 일반인에게는 의미를 알 수 없는 숫자와 ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지

🧷 판정이 갈린 지점 — 모델들이 여기서 엇갈렸다. 중앙값만 믿지 말라는 신호라 숨기지 않고 전시한다.

전문가·이해(1초) — 표 A A B B (합의 2/4)
전문가·이탈(인지부하) — 표 B B A A (합의 2/4)
일반·이탈(인지부하) — 표 F F C C (합의 0/4) · 판정 보류

🔬 독립 모델 반대표(탈상관 축) — DeepGaze IIE (인간 SALICON 학습): 최대 주목 (x60%, y0%) · 우리 VLM 합의 ①("큰 제목")와 상이(≈48%p) — 플래그: 의미(VLM) vs 저수준 대비(DeepGaze) 갈림, 사람 확인 요망. 인간 SALICON 데이터 학습 공개 세일리언시(주목 히트맵·순서 아님). VLM들이 공유편향으로 함께 틀릴 때 이 저수준 축이 유일한 반대 신호. 정확도 % 주장 아님.

세일리언시 실측 평균 0.074 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표 · 총 4표

탭 — 축네트워크 B

전체 등급 B (A 좋음 → F 약함) · 6판정 중앙값 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표

읽는 법: 표 1개 = 모델의 반복 판정 1회 · 합의 n/m = m표 중 중앙값과 같은 표 n개 · 6판정 = 청중 2 × 관문 3

가장 큰 이탈위험 — "골격 축", "EP", "차원 축", "엣지" 등 핵심 개념을 설명하는 전문 용어들이 일반 사용자에게는 너무 생소하고 복잡하여 화면의 목적 자체를 이해하기 어렵게 만드는 점.

↳ 처방 — 핵심 개념인 "축", "EP", "골격" 등을 일반인이 이해할 수 있는 쉬운 비유나 시각적 요소로 대체하거나, 화면 상단에 가장 직관적인 문장으로 이 화면이 무엇을 보여주는지 명확히 설명해야 한다. 예를 들어, "가장 중요한 공시 항목은 무엇일까요?"와 같이 질문 형태로 시작하여 흥미를 유발하고, 전문 용어는 점진적으로 도입하거나 툴팁 등으로 보조 설명을 제공해야 한다.

평가한 화면 · 주목 진입 우선순위 가설(VLM 합의)

평가한 화면 (데스크톱 1440px, 첫 화면)

주목 진입 우선순위 가설 — 3사 VLM(claude·gemini·openai) 독립 판정 5회 합의. 첫 지목(①) 2/5판정 합치. 실제 사람 시선(first fixation)·아이트래킹 아님 · 점선=가설

①큰 제목 2/3사 · ②쓰임새·중요도 2/3사 · ③강조된 텍스트 2/3사 · ④파란 버튼 1/3사

👁 눈이 먼저 간 곳 — "가장 크고 굵게 강조된 "가장 많이 재사용되는 골격 축은 자회사 — 214개 축 중 홀로 109개 서식(EP)에 꽂힌다." 문구"비전 판정 원문 인용(각색 없음)

🕐 1초에 읽힌 것 — "가장 많이 사용되는 '무언가'가 '자회사'이고, 그 옆에 숫자가 있다."비전 판정 원문 인용(각색 없음)

청중 × 뇌 관문 (A 좋음 → F 약함)

청중 \ 관문	시선(3초)	이해(1초)	이탈(인지부하)
전문가(심사·판사)	BA~C · 합의 2/4 가장 크고 굵게 강조된 "가장 많이 재사용되는 골격 축은 자회사 — 214개 축 중 홀로 109개 서식(EP)에 꽂힌다." 문구와 바로 아래 막대 그래프가 시선을 강하게 끈다. 상단의 파란색 정보 박스도 눈에 띄지만, 핵심 정보는 메인 헤드라인에 집중 ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지	BA~B · 합의 2/4 'KRX Taxonomy', '축', 'EP', '골격' 등의 용어는 법조·전문 배경이 있는 사용자에게는 익숙하거나 맥락상 유추 가능한 용어일 수 있다. '분류 기준(축)이 여러 공시 서식(EP)에서 얼마나 재사용되는지 점선 그림으로 보는 곳입니다.'	BB~C · 합의 3/4 "차원 축 ↔ EP 재사용 네트워크", "골격 축", "EP", "엣지" 등 전문 용어가 다수 사용되었으나, 전문가에게는 익숙하거나 맥락상 이해 가능한 수준이다. 정보 밀도가 높지만, 핵심 메시지는 명확하게 강조되어 있고, 그래프로 시각화되어 있어 인
일반(배경지식 0)	CB~D · 합의 2/4 가장 크고 굵게 강조된 "가장 많이 재사용되는 골격 축은 자회사 — 214개 축 중 홀로 109개 서식(EP)에 꽂힌다." 문구와 막대 그래프가 시선을 끌지만, "골격 축", "서식(EP)" 등의 용어가 낯설어 시선이 머뭇거릴 수 있다. 실측 세일리언 ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지	DC~F · 합의 1/4 전문 용어가 많아 '이게 뭐고 뭘 하는 화면'인지 빠르게 이해하기 어려움. '자회사', '변경전후' 등의 용어가 일반 사용자에게는 낯설 수 있음. ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지	DC~F · 합의 1/4 정보 밀도와 전문 용어로 인해 인지 부하가 발생할 수 있음. 일반 사용자는 '자회사', '변경전후' 등의 용어에 부담을 느낄 수 있음. ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지

🧷 판정이 갈린 지점 — 모델들이 여기서 엇갈렸다. 중앙값만 믿지 말라는 신호라 숨기지 않고 전시한다.

전문가·시선(3초) — 표 B C B A (합의 2/4) · 판정 보류
전문가·이해(1초) — 표 A B B A (합의 2/4)
일반·시선(3초) — 표 C D C B (합의 2/4) · 판정 보류
일반·이해(1초) — 표 F F D C (합의 1/4) · 판정 보류
일반·이탈(인지부하) — 표 F F D C (합의 1/4) · 판정 보류

🔬 독립 모델 반대표(탈상관 축) — DeepGaze IIE (인간 SALICON 학습): 최대 주목 (x60%, y0%) · 우리 VLM 합의 ①("큰 제목")와 상이(≈41%p) — 플래그: 의미(VLM) vs 저수준 대비(DeepGaze) 갈림, 사람 확인 요망. 인간 SALICON 데이터 학습 공개 세일리언시(주목 히트맵·순서 아님). VLM들이 공유편향으로 함께 틀릴 때 이 저수준 축이 유일한 반대 신호. 정확도 % 주장 아님.

제3사 교차 청중 확인 (등급 결정엔 미반영)

cortex:llama3.3-70b (Meta llama) · 화면 설명 기반(직접 안 봄) — 부분 탈상관 교차확인 · 비전 판정과 ±1등급 일치 6/6 — 이 회사 모델은 화면을 직접 보지 못하고 위 설명으로만 판단하므로, 위 A~F 등급은 화면을 실제로 본 2개 비전 패밀리(Google·OpenAI)가 결정하고 이 칸은 교차 참고용입니다.

청중 \ 관문	시선	이해	이탈
전문가(심사·판사)	A	A	A
일반(배경지식 0)	C	D	D

세일리언시 실측 평균 0.053 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표 · 총 4표

탭 — 멤버트리 B

전체 등급 B (A 좋음 → F 약함) · 6판정 중앙값 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표

읽는 법: 표 1개 = 모델의 반복 판정 1회 · 합의 n/m = m표 중 중앙값과 같은 표 n개 · 6판정 = 청중 2 × 관문 3

가장 큰 이탈위험 — 일반 사용자가 "분류 기준(축)", "도메인멤버", "구성요소(멤버)" 등 핵심 용어의 의미를 전혀 파악하지 못해 화면의 목적 자체를 이해하지 못하고 이탈하는 것.

↳ 처방 — 일반 사용자를 위한 "이해하기" 탭 또는 별도의 쉬운 설명 모드를 제공하여 핵심 용어("축", "멤버", "계층 트리")를 비유나 쉬운 언어로 풀어서 설명하는 것.

평가한 화면 · 주목 진입 우선순위 가설(VLM 합의)

평가한 화면 (데스크톱 1440px, 첫 화면)

①큰 제목 3/3사 · ②사이트 로고 2/3사 · ③파란 버튼 2/3사 · ④127 숫자 3/3사

👁 눈이 먼저 간 곳 — "분류 기준(축) 안에 들어있는 실제 값(멤버)들을 계층 트리로 펼쳐보는 곳입니다."비전 판정 원문 인용(각색 없음)

🕐 1초에 읽힌 것 — "무언가를 분류하고 목록을 보여주는 화면"비전 판정 원문 인용(각색 없음)

청중 × 뇌 관문 (A 좋음 → F 약함)

청중 \ 관문	시선(3초)	이해(1초)	이탈(인지부하)
전문가(심사·판사)	BB~B · 합의 4/4 화면 상단 파란색 박스의 "분류 기준(축) 안에 들어있는 실제 값(멤버)들을 계층 트리로 펼쳐보는 곳입니다." 문구와 그 아래 "도메인멤버 SKOS 계층 트리" 제목으로 시선이 먼저 갈 것으로 예상된다. 이어서 좌측의 "축 이름으로 찾기..." 목록과	BA~B · 합의 2/4 '차원 축 안의 구성요소(멤버)를 계층으로 펼쳐보기'라는 문구가 있어 전문가에게는 기능이 명확히 전달될 수 있으나, 처음 보는 경우에는 약간의 해석이 필요할 수 있음.	AA~B · 합의 3/4 "분류 기준(축) 127개에 담긴 589개 도메인 멤버를 폴더 트리처럼 펼쳐 봅니다."와 같은 정보 밀도는 높지만, 전문가에게는 필요한 정보로 인식될 가능성이 크다. 좌측의 "축 이름으로 찾기..." 목록과 우측의 상세 목록은 계층 구조를 탐색하는 데
일반(배경지식 0)	CC~D · 합의 3/4 화면 상단 파란색 박스의 "분류 기준(축) 안에 들어있는 실제 값(멤버)들을 계층 트리로 펼쳐보는 곳입니다." 문구로 시선이 먼저 갈 것으로 예상된다. 그러나 "분류 기준(축)", "실제 값(멤버)", "계층 트리"와 같은 용어들이 일반인에게는 즉각적	DD~F · 합의 2/4 '차원 축 안의 구성요소(멤버)를 계층으로 펼쳐보기'라는 문구가 일반 사용자에게는 추상적일 수 있으며, 추가적인 설명이 필요할 수 있음.	DC~F · 합의 0/4 "분류 기준(축) 127개에 담긴 589개 도메인 멤버를 폴더 트리처럼 펼쳐 봅니다."와 같은 문구는 일반인에게는 정보의 밀도가 높고, "축", "멤버", "도메인" 등의 전문 용어가 과도하게 사용되어 인지 부하를 크게 유발한다. 좌측의 "축 이름으로 ⚠ 판정 보류(분산 >=2등급) — human review 필요, 중앙값 단독 인용 금지

🧷 판정이 갈린 지점 — 모델들이 여기서 엇갈렸다. 중앙값만 믿지 말라는 신호라 숨기지 않고 전시한다.

전문가·이해(1초) — 표 A A B B (합의 2/4)
일반·이해(1초) — 표 F F D D (합의 2/4)
일반·이탈(인지부하) — 표 F F C C (합의 0/4) · 판정 보류

🔬 독립 모델 반대표(탈상관 축) — DeepGaze IIE (인간 SALICON 학습): 최대 주목 (x60%, y0%) · 우리 VLM 합의 ①("큰 제목")와 상이(≈49%p) — 플래그: 의미(VLM) vs 저수준 대비(DeepGaze) 갈림, 사람 확인 요망. 인간 SALICON 데이터 학습 공개 세일리언시(주목 히트맵·순서 아님). VLM들이 공유편향으로 함께 틀릴 때 이 저수준 축이 유일한 반대 신호. 정확도 % 주장 아님.

제3사 교차 청중 확인 (등급 결정엔 미반영)

청중 \ 관문	시선	이해	이탈
전문가(심사·판사)	B	A	A
일반(배경지식 0)	D	D	F

세일리언시 실측 평균 0.068 · 교차검증(다른 회사 모델) gemini·gemini-2.5-flash 2표 + openai·gpt-4o 2표 · 총 4표

scorer: f461f79 · 2026-07-10T16:06:00+09:00
등급=상대 휴리스틱(측정 아님). 세일리언시만 픽셀 실측, 번호는 쏠림 강도 순위(이동 순서·아이트래킹 아님). 성과로 채점되지 않는 게시 전 자문.