스마트폰 사용 습관을 분석해 사용자의 일상 스트레스 상태를 파악하는 기술이 개발됐다. 스마트폰에서 이뤄지는 채팅·검색·결제 등 이용 패턴에서 스트레스의 단서를 찾아내는 방식이다.


'일상 스트레스' 스마트폰 사용 습관으로도 파악
AD
원본보기 아이콘

KAIST는 AI컴퓨팅학과 이의진 교수 연구팀이 스마트폰에서 반복되는 행동을 자동으로 찾아 행동별 수행 시간·빈도·문자 입력 패턴 등을 분석해 일상 스트레스 상태를 판별하는 'SHIRBT-MMF'를 개발했다고 15일 밝혔다.

스마트폰 기반의 기존 스트레스 연구는 화면 사용 시간과 앱 실행 횟수, 앱 종류별 사용 시간·빈도·타이핑 행동 분석에 집중됐다. 다만 이런 방식은 앱 또는 앱 화면이 바뀔 때 분석 데이터도 달라져 장기간 스트레스를 추적해야 하는 모델의 특성상 안정성이 낮아질 수 있다.


이에 연구팀은 '어떤 앱을 사용했는가'보다 '무엇을 했는가'에 주목했다. 카카오톡에서 라인이나 왓츠앱으로 바꾸더라도 사용자가 하는 일은 여전히 '메신저 채팅'이라는 점에 착안해 앱이 아닌 행동 목적에 맞춰 사용자의 패턴을 분석한 것이다.

연구팀은 이런 반복 행동을 '스마트폰 상호작용 기반의 일상 행동 과업(SHIRBT)'으로 정의했다. 또 자체 개발한 '멀티 레벨 순차 패턴 마이닝(ML-SPM)' 기법으로 여러 날에 걸쳐 반복된 화면 전환 패턴을 찾아낸 후 대규모 언어모델(LLM)로 '메신저 채팅', '웹 탐색', '금융 결제', '이메일 읽기·작성' 등 이해하기 쉬운 행동 이름을 붙였다.


이를 토대로 20~30대 대학생과 직장인 26명의 실제 생활 데이터를 분석하는 실험도 진행했다. 실험에서 참가자는 매일 기록한 자기평가를 기준으로 스트레스가 있는 날과 없는 날을 구분하는 개인 맞춤형 모델을 만들었다.


스트레스 자기평가와 스마트폰 기록이 모두 확보된 기간은 단기 참여자 16명이 평균 30.5일, 장기 참여자 10명이 평균 105.1일이다. 이 기간 스마트폰 사용에서 확인된 반복 행동은 총 29종이며, 한 사람당 평균 7가지 행동을 일상적으로 반복했다.


연구팀 구성원들이 기념촬영을 하고 있다. KAIST

연구팀 구성원들이 기념촬영을 하고 있다. KAIST

원본보기 아이콘

연구팀은 이런 행동 패턴을 학습한 개인 맞춤형 인공지능(AI)으로 일상 스트레스 여부를 판별했다. 가장 좋은 성능을 보인 모델의 평균 정확도는 단기 참여자 75.9%, 장기 참여자 73.8%다. 이는 AI 기법으로 앱 사용량을 분석한 기존 방식보다 각각 5.5%P, 3.5%P 높은 수준이다.


분석에 활용하는 행동 패턴을 줄여도 일상 스트레스 여부를 판별하는 데 무리가 없었다. 개인 맞춤형 모델에서 '메신저 채팅'과 '금융 결제' 두 가지 행동만 활용하거나 '메신저 채팅' 하나만 분석해도 기존 방식보다 높은 평균 판별 정확도를 보인 것이다.


다만 이번 연구는 행동과 스트레스의 연관성을 활용한 것으로, 특정 행동이 스트레스를 유발하거나 낮춘다는 인과관계를 입증한 것은 아니다.


이 교수는 "연구팀은 스마트폰을 개인의 의사소통과 정보탐색 그리고 금융 활동이 반복되는 일종의 '생활공간'으로 바라봤다"며 "같은 관점에서 이번 연구는 스마트폰에 남은 기록을 사람이 이해할 수 있는 행동 단위로 바꿔 장기간의 정신건강 변화를 보다 안정적으로 분석할 기반을 제시한다는 점에서 의미를 갖는다"고 말했다.

AD

한편 이번 연구에는 이한수 박사가 제1 저자, 박태현·고영지 연구원과 전산학부 이재길 교수가 공동저자, 이의진 교수가 교신저자로 참여했다. 연구 결과는 최근 모바일·웨어러블·유비쿼터스 컴퓨팅 분야 국제학술지 'Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies'에 게재됐다.


대전=정일웅 기자 jiw3061@asiae.co.kr

<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>

함께 보면 좋은 기사

새로보기

내 안의 인사이트 깨우기

취향저격 맞춤뉴스

많이 본 뉴스

당신을 위한 추천 콘텐츠

놓칠 수 없는 이슈