초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

1형 당뇨 환자는 혈당 관리와 정서적 지원이 필수적인 복합적 요구를 가지고 있으며, 기존의 관리 도구는 이들의 정서적 요구를 충분히 충족하지 못하는 한계를 지닌다. 본 연구는 대화형 AI ‘당당이’를 설계하여 정서적 상호작용과 개인화된 건강 관리 도구로서의 가능성을 탐구하고, 이를 통해 기존 관리 도구의 한계를 극복하며 자가 건강 관리 동반자 AI의 설계 및 구현을 위한 실험적 검증과 실증적 연구를 목표로 한다. 사용자 분석 단계에서는 1형 당뇨 환자를 대상으로 감정적 지원, 개인화된 건강 관리, 사용 편의성을 중심으로 요구를 조사하였으며, 이를 기반으로 ...

1형 당뇨 환자는 혈당 관리와 정서적 지원이 필수적인 복합적 요구를 가지고 있으며, 기존의 관리 도구는 이들의 정서적 요구를 충분히 충족하지 못하는 한계를 지닌다. 본 연구는 대화형 AI ‘당당이’를 설계하여 정서적 상호작용과 개인화된 건강 관리 도구로서의 가능성을 탐구하고, 이를 통해 기존 관리 도구의 한계를 극복하며 자가 건강 관리 동반자 AI의 설계 및 구현을 위한 실험적 검증과 실증적 연구를 목표로 한다. 사용자 분석 단계에서는 1형 당뇨 환자를 대상으로 감정적 지원, 개인화된 건강 관리, 사용 편의성을 중심으로 요구를 조사하였으며, 이를 기반으로 챗봇의 설계 방향을 구체화하였다. 문헌조사에서는 1형 당뇨와 스트레스의 상관관계 및 정서적 관리의 중요성을 분석하였다. 연구에 따르면, 1형 당뇨 환자들은 혈당 변동으로 인해 심리적 불안과 고립감을 경험하며, 이를 해소하기 위해 정서적 안정감을 제공하는 도구와 실시간 건강 관리 솔루션의 필요성이 강조되었다. 페르소나 설계는 심리학과 대화형 AI 연구에서 정의된 의인화된 정체성과 준객체적 페르소나 개념을 바탕으로 이루어졌다. 이러한 페르소나는 단순한 기술적 도구를 넘어 사용자와의 정서적 유대감을 형성하고, 신뢰와 몰입도를 강화하는 데 중요한 역할을 수행한다. 특히, 감정 인식 기술과 공감적 상호작용 설계는 사용자의 심리적 상태를 파악하고 이에 적합한 반응을 생성하여 정서적 안정감을 제공하였다. 실험은 1형 당뇨 환자 6명을 대상으로 7일 동안 진행되었으며, 대화 데이터는 BERT 기반 텍스트 분석, 설문조사, 개방형 질문, 그리고 사후 인터뷰를 통해 심층적으로 분석되었다. BERT 분석은 텍스트의 양방향 문맥을 활용하여 사용자의 발화에서 감정 상태, 맥락, 그리고 의도를 추출하였으며, 이를 통해 사용자가 경험한 정서적 상호작용의 깊이를 평가하였다. 설문조사와 개방형 질문은 사용자가 느낀 공감적 반응과 개인화된 피드백의 효과를 측정하는 데 사용되었으며, 인터뷰를 통해 사용자의 세부 경험과 만족도를 보다 구체적으로 도출하였다. 분석 결과, 사용자들은 네 가지 주요 상호작용에서 높은 만족감을 보였다. 첫째, 준 객체적 정서적 상호작용을 통해 사용자는 대화형 AI ‘당당이’를 단순한 건강관리 도구를 넘어 정서적 동반자로 인식하였으며, 공감적 반응이 불안과 고립감을 해소하는 데 기여한 것으로 나타났다. 둘째, 페르소나 중심 상호작용은 공감적 페르소나 설계가 사용자에게 정서적 안정감을 제공하며, AI와의 관계에서 신뢰를 형성하는 데 중요한 역할을 수행하였다. 셋째, 개인화된 상호작용에서는 실시간 피드백과 맞춤형 정보 제공이 혈당 관리 효율성을 높이는 데 효과적이었다. 마지막으로, 의사결정 협력 상호작용에서는 사용자가 ‘당당이’와의 상호작용을 통해 건강 관리에 필요한 결정을 보다 편리하게 내릴 수 있었으며, 개인화된 건강 지표 계산과 관련된 지원에 만족감을 표했다. 본 연구는 대화형 AI가 기존 당뇨 관리 도구의 한계를 보완하고, 사용자의 정서적 상호작용을 통해 건강 관리와 심리적 지원을 통합적으로 제공할 수 있는 가능성을 제시한다. 특히, 공감적 페르소나와 ChatGPT기반 감정 인식 기술을 기반으로 한 설계는 사용자 만족도와 신뢰를 강화하며, 인간과 유사한 정서적 지원 도구로서 대화형 AI의 잠재력을 실증하였다. 이러한 결과는 디지털 치료제(DTx) 및 동반자AI의 분야 및 인간-AI 상호작용(HAI) 분야에서 새로운 인사이트를 제공하며, 향후 동반자 AI 분양의 다양한 사용자 그룹 및 자가관리를 대상으로 한 장기적인 실험과 응용 가능성에 대한 연구 방향성을 제시하였다.

Abstract ▼ AI-Helper

Type 1 diabetes patients have complex needs that require both glycemic management and emotional support, yet existing management tools often fail to adequately address their emotional requirements. This study aims to design the conversational AI system “Dangdang-E” to explore its potential as a tool...

Type 1 diabetes patients have complex needs that require both glycemic management and emotional support, yet existing management tools often fail to adequately address their emotional requirements. This study aims to design the conversational AI system “Dangdang-E” to explore its potential as a tool for emotional interaction and personalized health management. By addressing the limitations of current management tools, this research focuses on experimental validation and empirical studies to establish and implement a framework for developing companion AI systems for self-health management. The user analysis phase involved investigating the needs of type 1 diabetes patients, focusing on emotional support, personalized health management, and usability. Based on these findings, the design direction for the chatbot was specified. A literature review highlighted the correlation between type 1 diabetes and stress, emphasizing the importance of emotional management. The study revealed that type 1 diabetes patients often experience psychological distress and isolation due to blood sugar fluctuations, underscoring the need for tools that provide emotional stability alongside real-time health management solutions. The persona design was based on the concept of anthropomorphized personas derived from psychology and conversational AI research. This persona transcends the role of a technical tool, establishing emotional bonds with users, enhancing trust, and fostering engagement. Emotional recognition technologies and empathetic interaction designs were employed to analyze users’ psychological states and generate responses that foster emotional stability. The experiment was conducted with six type 1 diabetes patients over seven days. Conversational data was analyzed through BERT-based text analysis, surveys, open-ended questions, and post-interviews. BERT analysis utilized bidirectional contextual modeling to extract emotional states, contexts, and intents from user utterances, providing an in-depth evaluation of users’ emotional interactions. Surveys and open-ended responses measured the impact of empathetic responses and personalized feedback, while interviews provided detailed insights into user experiences and satisfaction. The analysis revealed four key interaction domains where users expressed high levels of satisfaction. First, quasi-object emotional interactions enabled users to perceive “Dangdang-E” as an emotional companion rather than a mere tool, alleviating anxiety and isolation through empathetic responses. Second, persona-centered interactions demonstrated that empathetic persona design provided users with emotional stability and played a crucial role in building trust with the AI. Third, personalized interactions, including real-time feedback and tailored information, significantly enhanced the efficiency of glycemic management. Lastly, decision-making support interactions empowered users to make health-related decisions more effectively, with personalized assistance in calculating health indicators receiving particular praise. This study demonstrates that conversational AI can address the limitations of traditional diabetes management tools, integrating emotional interactions with practical health management support. By leveraging empathetic personas and ChatGPT-based emotion recognition technology, the design reinforces user satisfaction and trust, showcasing the potential of conversational AI as a human-like emotional support tool. These findings offer new insights into the fields of digital therapeutics (DTx), companion AI, and human-AI interaction (HAI), proposing directions for long-term experimentation and application across diverse user groups and self-management contexts.

Keyword