다음 내용이 궁금하다면?
불편하시다면 뒤로 가기를 눌러주세요
KAIST, 앱 속 반복 행동으로 일일 스트레스 판별 기술 개발
[한국과학기술원(KAIST) 제공. 재판매 및 DB 금지]
(대전=연합뉴스) 김준호 기자 = 한국과학기술원(KAIST)은 AI컴퓨팅학과 이의진 교수 연구팀이 스마트폰에서 반복되는 행동을 자동으로 찾아내고, 행동별 수행 시간과 빈도, 문자 입력 패턴 등을 활용해 일일 스트레스 상태를 판별하는 기술 'SHIRBT-MMF'를 개발했다고 15일 밝혔다.
기존 스마트폰 기반 스트레스 연구는 화면 사용 시간이나 앱 실행 횟수, 앱 종류별 사용 시간·빈도·타이핑 행동 등을 주로 분석해 왔다. 그러나 사용하는 앱이나 앱 화면이 바뀌면 분석 데이터도 달라져 장기간 스트레스를 추적하는 모델의 안정성이 떨어질 수 있다.
연구팀은 '어떤 앱을 사용했는가' 보다 '무엇을 했는가'에 주목했다.
카카오톡에서 라인이나 왓츠앱으로 바꾸더라도 사용자가 하는 일은 여전히 '메신저 채팅'이다. 앱 이름 대신 행동의 목적을 기준으로 분석하는 것이다.
연구팀은 이러한 반복 행동을 '스마트폰 상호작용 기반 일상 행동 과업'(SHIRBT)으로 정의했다.
자체 개발한 '멀티 레벨 순차 패턴 마이닝'(ML-SPM) 기법으로 여러 날에 걸쳐 반복되는 화면 전환 패턴을 찾아낸 뒤 대규모 언어모델(LLM)을 활용해 '메신저 채팅', '웹 탐색', '금융 결제', '이메일 읽기·작성' 등 이해하기 쉬운 행동 이름을 붙였다.
서로 다른 이메일·웹브라우저·메신저 앱에서도 같은 행동을 일관되게 분류하는 평가에서 95% 이상의 정확도를 보였다.
연구팀은 20∼30대 대학생과 직장인 26명의 실제 생활 데이터를 분석했다.
참가자들의 스마트폰 사용에서 확인된 반복 행동은 모두 29종이었으며, 한 사람은 평균 약 7가지 행동을 일상적으로 반복했다.
연구팀은 이러한 행동 패턴을 학습한 개인 맞춤형 인공지능으로 하루의 스트레스 여부를 판별했다.
가장 좋은 성능을 보인 모델의 평균 정확도는 단기 참여자 75.9%, 장기 참여자 73.8%로, 약 4번 중 3번을 맞혔다고 연구팀은 설명했다.
이의진 교수는 "스마트폰을 단순히 사용 시간을 측정하는 기기가 아니라 개인의 의사소통과 정보 탐색, 금융 활동이 반복되는 생활 공간으로 바라봤다"며 "이번 연구는 복잡한 스마트폰 기록을 사람이 이해할 수 있는 행동 단위로 바꿔 장기간 정신건강 변화를 더욱 안정적으로 분석할 수 있는 기반을 제시한 것"이라고 말했다.
kjunho@yna.co.kr
Copyright 연합뉴스 All rights reserved. 무단 전재 및 재배포 금지.
인기상품 확인하고 계속 읽어보세요!
원치 않을 경우 뒤로가기를 눌러주세요.