Core Concepts
웨어러블 기기의 객관적 데이터와 자기 보고 일기를 통합하여 1주일 앞서 긍정적 및 부정적 감정 상태를 예측할 수 있다.
Abstract
이 연구는 대학생들을 대상으로 1년 동안 종단 연구를 수행하여 생리학적, 환경적, 수면, 대사, 신체 활동 등의 객관적 데이터와 참여자가 작성한 자기 보고 일기 데이터를 수집하였다. 이를 바탕으로 트랜스포머 인코더와 사전 학습된 언어 모델인 DistilBERT를 활용한 다중 모달 딥러닝 모델을 개발하였다.
연구 결과, 제안된 모델은 1주일 앞서 긍정적 감정 상태를 82.50%, 부정적 감정 상태를 82.76% 정확도로 예측할 수 있었다. 또한 개인화된 모델이 일반화된 모델보다 더 높은 정확도를 보였다. 모델 설명 가능성 분석을 통해 수면 지표, 신체 활동, 일기 작성 빈도 등이 감정 상태 예측에 중요한 역할을 하는 것으로 나타났다.
Stats
수면 시간이 길수록 긍정적 감정 상태와 관련이 있고, 수면 시간이 짧을수록 부정적 감정 상태와 관련이 있다.
일기 작성 빈도가 높을수록 긍정적 감정 상태와 관련이 있고, 낮을수록 부정적 감정 상태와 관련이 있다.
신체 활동 지표, 칼로리 섭취 등이 부정적 감정 상태 예측에 중요한 역할을 한다.
Quotes
"수면 부족은 긍정적 감정 체계에 강한 영향을 미친다."
"부정적 단어가 일반적으로 긍정적 단어보다 더 강한 극단성을 가진다."
"일기 작성이 기분 변화와 관련이 있으며 정서 조절 전략에 영향을 미칠 수 있다."