Earticle

초록

영어

Designers reinterpreting traditional Korean costume for contemporary fashion need both material evidence—form, fabric, and dimensions—and dress-historical interpretation of symbolism and context. These two types of information are dispersed across museum artifact databases and academic publications, hindering integrated exploration, and general-purpose generative AI typically returns responses lacking the material evidence and cultural context specific to traditional costume. Hence, this study designed and implemented a RAG-based fashion design AI agent that combines the Dankook University Seokjuseon Memorial Museum artifact database and the museum’s own journal, the Journal of Korean Costume corpus as dual knowledge sources. Depending on the designer’s query intent, the system selectively grounds responses in artifact data, in scholarly interpretation, or in an integration of both. Without RAG, the model produced generic suggestions with no artifact accession numbers or scholarly citations across all queries. With RAG enabled, responses incorporated on average 3 artifacts and 5 academic papers per query, and every cited accession number matched an actual museum record. Intent-based source selection remained stable in an extended evaluation portfolio, and for queries requiring artifact-grounded evidence, the dual-collection architecture clearly outperformed a single-merged-collection baseline in securing material evidence. Analyzed through the FEA consumer needs model, artifact measurement data supplied the physical grounds for the functional dimension, while dress-historical interpretation drawn from journal articles served as the cultural grounds for the expressive and aesthetic dimensions—enabling designers to make source-grounded planning decisions across all three FEA dimensions. This study demonstrates the structural feasibility of an AI agent that links traditional costume archives with academic literature, providing designers with support for evidence-based design planning grounded in traditional costume resources.

한국어

전통복식을 현대 패션에 재해석하려는 디자이너에게는 유물의 형태·재질·치수와 같은 실물 정보뿐 아니라, 복식사적 해석·상징성·역사적 맥락이 모두 필요하다. 그러나 이 두 유형의 정보는 박물관 유물 데이터베이스와 학술 논문이라는 서로 다른 자료원에 분산되어 있어, 디자이너가 기획 과정에서 이를 통합적으로 탐색하고 디자인 근거로 활용하기가 쉽지 않다. 범용 생성형 인공지능에 이러한 질문을 던질 경우, 전통복식 고유의 실물 근거와 문화적 맥락이 누락된 일반론적 응답이 산출되어 디자인 기획의 근거로 삼기 어렵다. 이에 본 연구는 단국대학교 석주선기념박물관 유물 데이터베이스와 동 박물관 발행 ｢한국복식｣ 학술지 코퍼스를 이중 지식원으로 활용하는 검색 증강 생성 기반 패션 디자인 인공지능 에이전트를 설계·구현하였다. 시스템은 디자이너의 질문 의도에 따라 실물 정보 중심, 학술 해석 중심, 또는 양쪽을 통합하는 방식으로 자료를 선별하여 응답의 근거로 제공한다. 패션 디자인 기획 질의에 대한 비교 검증 결과, 검색 증강 생성 미적용 시 범용 대규모 언어모델은 모든 질의에서 유물 소장번호와 학술 논문 인용이 전혀 포함되지 않은 일반론적 디자인 제안에 머물렀으나, 적용 시에는 질의당 평균 유물 3건, 논문 5건의 출처가 응답 근거로 활용되었고 인용된 소장번호는 전수가 박물관 DB의 실존 유물과 일치하였다. 확장된 후속 포트폴리오 평가에서도 질문 의도에 기반한 자료 선별이 안정적으로 작동하였고, 실물 근거가 필요한 질의에서는 분리 유지구조가 단일 병합 구조 대조군보다 실물 근거 확보에서 뚜렷한 우위를 보였다. 이러한 응답을 FEA 모델 관점에서 분석한 결과, 유물 실측 정보는 기능적 차원의 물리적 근거를, 논문의 복식사적 해석은 표현적·심미적차원의 문화적 근거를 뒷받침하여, 디자이너가 세 차원 모두에서 자료에 기반한 기획 판단을 내릴 수 있는 구조를 갖추고 있음을 확인하였다. 본 연구는 전통복식 아카이브와 학술 문헌을 연결하는 인공지능 에이전트를 통해, 디자이너가 전통복식 자료에 기반한 근거 있는 디자인 기획 지원을 받을 수 있는 구조적 가능성을 제시하였다.

목차

요약
Ⅰ. 서론
1. 연구의 배경 및 목적
2. 연구의 내용 및 방법
Ⅱ. 이론적 배경
1. 전통복식의 현대적 활용과 자료 접근의 과제
2. 패션 분야에서 AI의 활용 확산과 도메인특화의 필요성
3. 검색 증강 생성(RAG)의 개념과 도메인 적용
Ⅲ. 연구 방법
1. 연구 대상 및 자료 구성
2. 시스템 설계 및 자료 탐색 구조
3. 사용자 인터페이스와 대화 구조
4. 비교 검증 설계
Ⅳ. 연구 결과
1. RAG 적용 전후 응답 비교
2. 질문 의도 분류와 신뢰도
3. 패션 디자인 기획 관점에서의 시사점
4. 논의
Ⅴ. 결론
References
Abstract

키워드

저자

• 강규연 [ GyuYeon Kang | 이화여자대학교 일반대학원 패션디자인전공 박사과정 ]
• 박선희 [ Sunhee Park | 이화여자대학교 패션디자인전공 교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국패션디자인학회지 [Korean Society of Fashion Design]

• 간기

  계간

• pISSN

  1598-3749

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 592 DDC 687