Core Concepts
본 연구는 온라인 회의 참여자의 몰입도를 추정하기 위해 무감독 원격 광전용적 측정법과 행동 특징을 활용하였다. 이를 통해 접촉식 센서 없이도 정확한 몰입도 측정이 가능하다.
Abstract
본 연구는 온라인 회의 참여자의 몰입도 추정을 위해 무감독 원격 광전용적 측정법과 행동 특징을 활용하였다.
첫째, 사회복지사들의 온라인 상호작용을 포함하는 독특한 몰입도 데이터셋을 수집하였다. 이를 통해 가상 회의 역학에 대한 통찰을 얻을 수 있었다.
둘째, 사전 학습된 원격 광전용적 측정 모델을 사용하여 비디오 회의에서 정확한 원격 광전용적 신호를 무감독으로 재구성할 수 있었다. 이를 통해 심박변이도 특징을 계산할 수 있었다.
셋째, 짧은 관찰 창에서도 심박변이도 특징을 사용하여 몰입도를 추정할 수 있음을 보였다. 특히 2-4분의 더 긴 관찰 창을 사용하면 성능이 크게 향상되었다.
넷째, 행동 단서의 효과를 평가하고 생리학적 데이터와 융합하여 몰입도 추정 성능을 더욱 향상시켰다. 접촉식 센서나 기준 신호 없이도 94%의 정확도를 달성할 수 있었다. 행동 단서를 포함하면 정확도가 96%까지 향상되었다.
얼굴 비디오 분석은 향후 응용 분야에 유용한 정확한 몰입도 측정을 제공한다.
Stats
온라인 회의 참여자의 심박수는 접촉식 PPG 신호와 비교하여 평균 절대 오차 5.15 bpm, 제곱근 평균 제곱 오차 7.81 bpm으로 나타났다.
10초 관찰 창에서 심박변이도 특징만을 사용한 경우 몰입도 추정 정확도는 49.40%였다.
240초 관찰 창에서 심박변이도 특징만을 사용한 경우 몰입도 추정 정확도는 94%였다.
심박변이도 특징과 행동 특징을 융합한 경우 몰입도 추정 정확도는 96%였다.
Quotes
"접촉식 센서나 기준 신호 없이도 94%의 정확도를 달성할 수 있었다."
"행동 단서를 포함하면 정확도가 96%까지 향상되었다."