노인의 일상생활을 편안하고 즐겁게 지낼 수 있도록 도와주는 동반자 로봇의 기능 중 부정적인 감정/정서상태 개선을 위한 Infotainment Service를 소개한다. 노인의 일상생활 중에서 부정적인 감정/정서상태를 정의하고, 이들의 정서상태를 개선할 수 있는 방법들을 모색한다. 인지행동치료에서의 배경지식을 기반으로 노인의 부정적인 정서상태를 개선할 수 있는 애니메이션 클립들을 제작, 편집하여 검증해 보기로 한다. 또한, 검증된 애니메이션 클립들을 이용하여 바람직한 감정상태로의 전이를 위한 감성 컨텐츠를 제공하는 기능을 도출한다. 구체적으로 일련의 실험적 접근방법을 토대로 제작, 편집한 애니메이션 클립을 이용하여 영화의 감정요소를 분석할 수 있는 도구를 설계하고, 기존의 선호도를 고려한 영화추천 시스템을 확장한 감정요소를 고려한 영화 추천시스템을 제안한다.
노인의 일상생활을 편안하고 즐겁게 지낼 수 있도록 도와주는 동반자 로봇의 기능 중 부정적인 감정/정서상태 개선을 위한 Infotainment Service를 소개한다. 노인의 일상생활 중에서 부정적인 감정/정서상태를 정의하고, 이들의 정서상태를 개선할 수 있는 방법들을 모색한다. 인지행동치료에서의 배경지식을 기반으로 노인의 부정적인 정서상태를 개선할 수 있는 애니메이션 클립들을 제작, 편집하여 검증해 보기로 한다. 또한, 검증된 애니메이션 클립들을 이용하여 바람직한 감정상태로의 전이를 위한 감성 컨텐츠를 제공하는 기능을 도출한다. 구체적으로 일련의 실험적 접근방법을 토대로 제작, 편집한 애니메이션 클립을 이용하여 영화의 감정요소를 분석할 수 있는 도구를 설계하고, 기존의 선호도를 고려한 영화추천 시스템을 확장한 감정요소를 고려한 영화 추천시스템을 제안한다.
An Infotainment Service intended to enhance the human emotion is introduced in this paper. The service is to be installed on the robot helping elderly persons to live comfortable and enjoyable life. The research started with defining the undesirable status of emotion in everyday life, and the psycho...
An Infotainment Service intended to enhance the human emotion is introduced in this paper. The service is to be installed on the robot helping elderly persons to live comfortable and enjoyable life. The research started with defining the undesirable status of emotion in everyday life, and the psychological skills to cope with the status were sought about. Then, a methodology for providing emotion contents reflecting the coping skill has been suggested. Based on the Cognitive Behavior Therapy, the coping skill is used to edit animation clips. A movie recommendation system to utilize the edited animation clips has been being developed. A series of process for developing the system is described, where the emotion elements are taken into consideration in addition to the user preference as the criterion for recommendation.
An Infotainment Service intended to enhance the human emotion is introduced in this paper. The service is to be installed on the robot helping elderly persons to live comfortable and enjoyable life. The research started with defining the undesirable status of emotion in everyday life, and the psychological skills to cope with the status were sought about. Then, a methodology for providing emotion contents reflecting the coping skill has been suggested. Based on the Cognitive Behavior Therapy, the coping skill is used to edit animation clips. A movie recommendation system to utilize the edited animation clips has been being developed. A series of process for developing the system is described, where the emotion elements are taken into consideration in addition to the user preference as the criterion for recommendation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 로봇은 노인생활 지원이라는 기능적 목표를 가지고 있으며, 이를 달성하기 위하여 로봇이 노인에게 제공해야 할 서비스가 노인의 특성에 맞도록 일반적인 서비스와는 차별화되어야 한다. 그 중에서 본 논문은 노인의 부정적인 감정 상태를 개선할 수 있도록 로봇이 차별화된 서비스를 제공하는 방법론을 기술하고자 한다. 실버로봇은 노인생활을 지원하는 서비스로 Infotainment Service를 제공한다.
그리고 편집된 클립들이 부정적인 정서 상태를 개선하는지에 대한 적절성을 검증, 판단하기 위하여 60-70세의 남/여노인 61명(남자 31, 여자 30)을 대상으로 우울, 불안, 분노의 부정적인 정서 상태의 개선 정도를 파악하는 테스트를 수행하였다. 테스트 방법은 아래 그림 1과 같이 수행하였다.
Infotainment Service란 Information과 Entertainment의 합성어로써, 이 로봇이 노인생활의 정보 제공과 여가생활의 지원을 하기 위한 서비스이다. 또한 이 서비스는 노인의 여가시간을 활용하여 부정적인 감정 상태를 개선할 수 있도록 적합한 컨텐츠를 추천, 제공해준다. 즉, 사용자인 노인이 자신의 부정적인 감정을 인지하였을 때 실버 로봇에게 이것을 해소하기 위한 서비스를 요청하고, 이 로봇은 Infotainment Service를 통하여 해당 감정을 해소하기 위한 컨텐츠를 추천, 제공해주는 것이다.
본 논문에서는 사용자의 선호도 또는 비슷한 성향을 가진 사용자 집단의 선호도를 바탕으로 하는 기존의 영화 추천 시스템에 덧붙여 사용자의 감정 상태를 고려한 추천 시스템을 제안한다. 기존의 추천시스템은 선호도 기반 추천(preference based recommender)으로써, 일반적으로 많이 사용하는 내용 기반 여과(content based filtering)기법과 협력적 여과(collaborative filtering) 기법을 사용하는 시스템을 말한다 [10, 16, 17].
본 논문에서는 영화를 분류하는 알고리즘으로 인공신경망을 이용하고자 한다. 그 이유는 두 가지 일반화(generalize)의 문제를 효율적으로 해결해보기 위해서이다.
기존의 추천시스템은 선호도 기반 추천(preference based recommender)으로써, 일반적으로 많이 사용하는 내용 기반 여과(content based filtering)기법과 협력적 여과(collaborative filtering) 기법을 사용하는 시스템을 말한다 [10, 16, 17]. 이런 기존의 방법과 병행하여 사용자의 감정 상태에 따라 적절한 컨텐츠를 추천하는 것이다. 이 추천 시스템은 사용자가 일상적인 감정상태일 때와 부정적인 감정상태 일 때의 추천 방식이 달라진다.
즉, 사용자인 노인이 자신의 부정적인 감정을 인지하였을 때 실버 로봇에게 이것을 해소하기 위한 서비스를 요청하고, 이 로봇은 Infotainment Service를 통하여 해당 감정을 해소하기 위한 컨텐츠를 추천, 제공해주는 것이다. 일상생활 중에 보이는 부정적인 감정을 사용자가 통제 내지는 관리할 수 있도록 시스템이 보조 역할을 하고자 한다. 본격적인 글의 전개에 앞서 표현의 적절성을 위하여 감정과 정서의 용어를 정리한다.
지금까지는 48문항으로 측정한 MAACL 점수의 처치 전, 후의 점수 차이에 대해 살펴보았고, 이제 1문항으로 측정한 Global Improvement 점수가 처치전, 후에 차이가 있는가를 보고자 한다. Global Improvement 점수는 노인이 응답한 직선상의 위치를 5등분하여, 아래 그림과 같이 각각의 범위 안에 들어있는 응답에 대해 0, 1, 2, 3, 4로 점수를 부여하였다.
제안 방법
부정적인 정서 상태를 개선, 바람직한 정서상태로의 전이를 위하여 인지행동치료에서 사용되는 이론적인 방법과 기법들을 응용하였다. 각정서상태(우울, 불안, 분노)와 관련된 인지적 왜곡과 그 구체적 양상, 그리고 바람직한 대처 방향을 고찰함으로써 대처 방법의 대표적인 속성으로 추출하였다.
또한, 제작한 애니메이션 클립(기능성 컨텐츠)들을 계량화할 수 있는 방법들을 기술하였다. 감정 워드를 측도로 애니메이션 클립을 계량화하고, 요인 분석을 통하여 감정 워드 간의 관계를 규명하였다. 군집화 알고리즘으로 대표 감정 워드를 추출하고, 영화를 심리학적 해결 요소로 분석할 수 있는 측정도구를 제안하였다.
감정 워드를 측도로 애니메이션 클립을 계량화하고, 요인 분석을 통하여 감정 워드 간의 관계를 규명하였다. 군집화 알고리즘으로 대표 감정 워드를 추출하고, 영화를 심리학적 해결 요소로 분석할 수 있는 측정도구를 제안하였다. 또한, 심리 전문가들의 영화 분류 패턴을 학습한 인공신경망을 통하여 영화의 감정요소를 고려한 분류를 제안하였다.
부정적인 정서 상태 개선을 위한 적절성 검증을 거친 애니메이션 클립 100개 정도를 편집, 추출하여 평가자 집단을 대상으로 감정 워드로 평가하도록 한다. 그리고 애니메이션 클립 100개를 추출하면서 편집자의 클립 편집 해설을 기반으로 감정 워드를 추출한다.
노인의 일상생활 중에 부정적인 정서 상태를 정의하고, 그에 따른 대처방법을 모색하였다. 우울, 불안, 분노에 각각 대응되는 심리학적 해결 요소를 사회적지지(social support), 편안함, 대리만족으로 정의하고, 이런 심리학적 해결 요소를 중심으로 애니메이션 클립을 제작하였다.
685)의 대소를 비교할 기준이 없기 때문이다. 따라서 영화 분류를 위한 방법으로 4가지 요인의 수치 패턴을 이용하고자 한다. 앞에서 100개 정도의 애니메이션 클립을 편집한 바가 있다.
위의 그림 7에서 요인부하 행렬을 감정 워드와 심리학적 해결 요소의 상관 테이블로, 요인득점 행렬을 애니메이션 클립과 심리학적 해결 요소의 상관 테이블로 표현하였다. 또, 감정 워드들을 군집화하여 그 군 집 중심에서 최소 거리의 감정 워드를 대표 감정 워드로 추출하는 그림을 표현하였다. 이렇게 추출된 대표 감정 워드는 다음 그림 8과 같이 영화의 감정 요소를 평가하기 위한 측정 변수로 제공된다.
대표 감정 워드 버튼을 클릭하면 4가지 요인(사회적 지지, 대리만족, 편안함, 유머)들이 실시간 재계산되면서 영화의 요인득점을 상태바(Status Bar)로 표시한다. 또, 대표감정워드와 감정 워드들 간의 군집 포함 관계와 명확한 단어의 표현정의를 제공하기 위하여 감정워드 라이브러리를 구성한다.
군집화 알고리즘으로 대표 감정 워드를 추출하고, 영화를 심리학적 해결 요소로 분석할 수 있는 측정도구를 제안하였다. 또한, 심리 전문가들의 영화 분류 패턴을 학습한 인공신경망을 통하여 영화의 감정요소를 고려한 분류를 제안하였다.
제작된 클립들의 기능적인 적절성을 실제 노인들을 대상으로 테스트하여 검증하였다. 또한, 제작한 애니메이션 클립(기능성 컨텐츠)들을 계량화할 수 있는 방법들을 기술하였다. 감정 워드를 측도로 애니메이션 클립을 계량화하고, 요인 분석을 통하여 감정 워드 간의 관계를 규명하였다.
부정적인 정서 상태 개선을 위한 적절성 검증을 거친 애니메이션 클립 100개 정도를 편집, 추출하여 평가자 집단을 대상으로 감정 워드로 평가하도록 한다. 그리고 애니메이션 클립 100개를 추출하면서 편집자의 클립 편집 해설을 기반으로 감정 워드를 추출한다.
부정적인 정서 상태를 개선, 바람직한 정서상태로의 전이를 위하여 인지행동치료에서 사용되는 이론적인 방법과 기법들을 응용하였다. 각정서상태(우울, 불안, 분노)와 관련된 인지적 왜곡과 그 구체적 양상, 그리고 바람직한 대처 방향을 고찰함으로써 대처 방법의 대표적인 속성으로 추출하였다.
부정적인 정서 상태에서 인지 적 왜곡에 대한 대처방법의 고찰을 통하여 심리학적 해결 속성의 키워드를 추출하였다. 이것은 문제점과 해결 요소를 일대일로 대응되는 연결을 함으로써 Infotainment Service가 제공하는 컨텐츠들이 가져야 할 대표적인 속성들을 표현한 것이다.
이 상 관 행렬로부터 요인부하행렬을 얻을 수 있으며, 감정 워드와 요인(주성분, factor) 간의 상관관계를 나타낸다. 앞에서 부정적인 감정 상태에 따른 인지적 왜곡의 대처방법으로 애니메이션 클립을 편집하고, 그 클립에서 감정 워드들을 추출하였다. 따라서 인지적 왜곡의 대처방법들의 집약 형태인 우울사회적 지지, 불안~편안함, 분노-대리만족과 같이 대응되는 부정적인 감정 상태의 심리학적 해결 요소들을 요인으로 결정한다.
따라서 인지적 왜곡의 대처방법들의 집약 형태인 우울사회적 지지, 불안~편안함, 분노-대리만족과 같이 대응되는 부정적인 감정 상태의 심리학적 해결 요소들을 요인으로 결정한다. 여기에 지루함-유머로 대응되는 요인을 추가하여 4가지 요인으로 감정 워드와 요인 간의 상관관계를 추정한다. 부정적인 정서 상태인 지루함은 노인의 일상생활에서 심리적인 부적응을 유발하는 중요한 원인이고, 이런 지루함에서 심리학적 해결 요소 중에 하나인 유머는 신경정신과 전문의들의 추정요소이다.
많은 감정 워드들을 가지고 영화를 직접 평가하는 것은 용이하지 않다. 영화를 평가하기 위한 직접적이고 주요한 감정워드를 발췌하고, 이렇게 발췌한 대표 감정 워드를 측도로 사용하여 영화를 평가하는 도구를 만들고자 한다. 따라서 , 요인분석을 통하여 감정 워드(변수)들 간의 상관관계를 이용하여 유사한 변수들끼리 몇 개의 집단으로 묶어준다.
이 두 자료는 영화를 평가하기 위한 지표로 사용된다. 영화를 감정 워드로 평가하고, 4가지 요인의 득점을 통하여 분류한다.
요인 분석을 통하여 두 가지의 자료를 얻었다. 하나는 감정 워드와 요인(심리학적 해결 요소)과의 상관관계인 요인부 하행렬이고, 나머지는 각 애니메이션 클립의 요인 점수를 나타내는 요인득점 행렬이다.
나머지는 영화를 분류하기 위한 감정요소의 기준이 필요하다는 것이다. 우선 효율적인 영화의 감정 워드 평가를 위하여, 대표적인 클러스터링 기법인 K-means알고리즘을 이용하여 감정 워드들 중에서 대표 감정 워드를 추출하고, 이들을 이용하여 4가지 요인(심리학적 해결 요소)들을 자동으로 계산하는 영화의 감정요소 평가 템플릿을 설계한다. K-means 알고리즘은 사전에 결정된 군집수 k에 기초하여 전체 데이터를 상대적으로 유사한 k개의 군집으로 구분하는 방법이며, 각 데이터는 좌표 평면의 점으로 표현된다.
노인의 일상생활 중에 부정적인 정서 상태를 정의하고, 그에 따른 대처방법을 모색하였다. 우울, 불안, 분노에 각각 대응되는 심리학적 해결 요소를 사회적지지(social support), 편안함, 대리만족으로 정의하고, 이런 심리학적 해결 요소를 중심으로 애니메이션 클립을 제작하였다. 제작된 클립들의 기능적인 적절성을 실제 노인들을 대상으로 테스트하여 검증하였다.
추출된 감정 워드를 나열하고, 5점(-2~2) 척도의 설문지를 구성한다. 이 설문지를 평가 집단에 배포하여 애니메이션 클립을 평가하도록 한다. 이런 감정 데이터의 수집은 애니메이션 클립들을 감정 워드로 분석하고, 감정 워드 간의 관계를 규명하기 위하여 사용된다.
본 논문에서의 부정적인 정서 상태란 위에서나열한 노인의 심리적인 문제점들이 유발하는 노인의 부정적인 정서 상태를 말한다. 이런 부정 적인 정서상태를 범주화하는 방법에서는 노인의 심리적인 문제점들이야기하는 부정적인 감정의 가장 일반적인 형태를 신경정신과 전문의들이 제시하고 이를 토대로 최초 실험의 가설로 우울, 불안, 분노를 선정하였다.
이상과 같이 노인이 직면할 수 있는 우울, 불안, 분노의 3가지 부정적인 정서를 유발하고 그 후 부정적인 정서의 개선에 도움을 줄 수 있다고 기대되는 애니메이션 클립을 보여준 뒤, 부정적인 정서가 어느 정도 개선되었는가를 측정하였다. 이 실험은 60~ 70세의 노인 61명(남자 31, 여자 30)을 대상으로 실시하였으며, 그 결과 항-우울과 항분노 애니메이션을 본 뒤에는 다음의 그림과 같이 부정적인 정서의 감소가 있음을 확인할 수 있었다.
Oliver(1997)는 정서는 느낌(feeling)의 측면으로, 감정은 정서의 인지적 해석을 포함하는 사고(thinking)의 측면으로 구분 하나 호환적으로 사용되어짐을 말한다 [12]. 이에 본 논문은 감정, 정서의 개념적 구분이 주제의 이해에 별다른 영향을 주지 않는다는 전제 하에 구분 없이 혼용하여 쓰기로 한다.
이런 다양하고 복잡한 왜곡 양상과 대처방법들은 감성 컨텐츠 추천 시스템 개발을 위하여 핵심으로 축약된 형태로 가공할 필요가 있으며, 그가공된 형태를 대표적인 속성(심리학적 해결 속성)이라 부르기로 한다. 인지행동치료에서의 경험을 토대로 신경정신과 전문의들이 인지적 왜곡에 대한 다양한 대처방법들을 포괄하는 대표적인 속성(심리학적 해결 속성)들을 집약하였다. 우울의 경우와 마찬가지로 불안과 분노에 해당하는 부정적인 정서 상태의 인지적 왜곡과 대처방법들을 심리학적 해결 속성의 집약된 키워드로 대입해보면, 항우울의 속성은 사회적 지지(social support), 항분노의 속성은 대리만족 그리고 힝불안의 속성은 편안함이다.
우울, 불안, 분노에 각각 대응되는 심리학적 해결 요소를 사회적지지(social support), 편안함, 대리만족으로 정의하고, 이런 심리학적 해결 요소를 중심으로 애니메이션 클립을 제작하였다. 제작된 클립들의 기능적인 적절성을 실제 노인들을 대상으로 테스트하여 검증하였다. 또한, 제작한 애니메이션 클립(기능성 컨텐츠)들을 계량화할 수 있는 방법들을 기술하였다.
따라서 , 요인분석을 통하여 감정 워드(변수)들 간의 상관관계를 이용하여 유사한 변수들끼리 몇 개의 집단으로 묶어준다. 주성분 분석(principal component analysis)을 통하여 각 애니메이션 클립에 대한 평가자의 평균 데이터를 이용, 감정 워드 간 상관 행렬을 생성한다. 이 상 관 행렬로부터 요인부하행렬을 얻을 수 있으며, 감정 워드와 요인(주성분, factor) 간의 상관관계를 나타낸다.
표 9에서 보는 바와 같이 영화를 부정적인 정서 상태를 개선하기 위한 심리학적 해결 요소로 분석하여 데이터베이스를 구축한다.
대상 데이터
예를 들면, 노인이 부정적인 정서 상태인 우울한 상태에 있다면 이런 상태를 개선하기 위해 사회적 지지(social support)의 속성을 가지는 컨텐츠를 추천, 제공하는 것이다. 우선 실험을 하기 위하여 두 개의 애니메이션, 니모를 찾아서(2003,Pixar Animation Studios, Walt Disney Pictures)와 백설공주(1937, Walt Disney)를 인지 적 왜곡에 대한 대처 방안들을 중심으로 12개를 편집하여 그 중에서 3개의 애니메이션 클립들을 선정하였다.
데이터처리
분석은 항-우울집단, 항-불안 집단, 항-분노 집단과 대조군 집단 사이의 처치전과 처치 후의 Global Improvement 점수 차이값의 평균을 비교하는 independent samples t-test를 사용하였다. 분석 결과 힝-우울집단과 대조군 집단, 항-분노 집단과 대조군 집단 사이에 전반적으로 Global Improvement 점수 감소가 차이를 보임을 발견하였다.
총 네 개의 집단별로 애니메이션 클립을 보기 전 과 본 후의 정서 변화가 통계적으로 유의미한 차이가 있는가를 검증하기 위하여 처치전, 후의 MAACL 점수를 Paired samples t-test 방법으로 분석하였다.
이론/모형
그래서 이런 모호한 부정적인 감정/정서의 일반 화 문제는 심리 전문가의 감정요소를 고려한 영화 분류 패턴을 인공신경망의 학습으로 모방하여 하나의 지표로 사용하는 방법으로 일단락 짓고자 한다. 인공신경망의 네트워크는 다층퍼셉트론(Multi-Layer Perceptron, MLP)을 사용하고, 학습 알고리즘으로는 가장 일반적이고 다양하게 검증된 바 있는 오류역전파(Error Backpropagation) 알고리즘을 사용한다 [2, 9, 13], 네트워크는 입력에 대한 출력값을 기대하는 목표값과의 차이를 줄여나가기 위해 가중치를 조절하는 학습을 한다. 즉 네트워크는 4가지 수치 정보 입력에 대하여 심리 전문가 들이 영화를 분류한 목표 값에 근사한 출력값을 내도록 학습하는 것이다.
성능/효과
분석은 항-우울집단, 항-불안 집단, 항-분노 집단과 대조군 집단 사이의 처치전과 처치 후의 Global Improvement 점수 차이값의 평균을 비교하는 independent samples t-test를 사용하였다. 분석 결과 힝-우울집단과 대조군 집단, 항-분노 집단과 대조군 집단 사이에 전반적으로 Global Improvement 점수 감소가 차이를 보임을 발견하였다. 즉, 대조군 집단에 비해 항-우울 집단과 항-분노 집단의 Global Improvement 점수 감소가 더 우세하였다.
실험 결과 항-우울애니메이션 클립 제작은 인지적 왜곡의 대처방법들에 대응되는 요인들을 적절하게 편집하였음을 보여주며, 항-분노 애니메이션 클립 제작에서는 항-우울과 경계를 뚜렷하게 구분하는 애니메이션 장면을 찾지 못한 한계점을 보여준다. 또한 항-불안 애니메이션 클립 제작에서는 2가지 (백설공주, 니모를 찾아서)의 애니메이션을 대상으로 한 편집 작업이 장면의 다양성을 제약하여 문제점을 드러낸 경우로, 다양한 애니메이션을 대상으로 편집 작업이 이루어져야 한다는 과제를 안겨주었다.
애니메이션 클립을 보여주기 전 측정한 처치전의 MAACL점수와 애니메이션 클립을 보여준 이후 측정한 처치 후 MAACL 점수의 신뢰도 cronbach- α값은 0.82-0.94 사이로 나타나 매우 일관성 있는 응답이 이루어졌음을 확인할 수 있었다.
이상과 같이 노인이 직면할 수 있는 우울, 불안, 분노의 3가지 부정적인 정서를 유발하고 그 후 부정적인 정서의 개선에 도움을 줄 수 있다고 기대되는 애니메이션 클립을 보여준 뒤, 부정적인 정서가 어느 정도 개선되었는가를 측정하였다. 이 실험은 60~ 70세의 노인 61명(남자 31, 여자 30)을 대상으로 실시하였으며, 그 결과 항-우울과 항분노 애니메이션을 본 뒤에는 다음의 그림과 같이 부정적인 정서의 감소가 있음을 확인할 수 있었다.
분석 결과 힝-우울집단과 대조군 집단, 항-분노 집단과 대조군 집단 사이에 전반적으로 Global Improvement 점수 감소가 차이를 보임을 발견하였다. 즉, 대조군 집단에 비해 항-우울 집단과 항-분노 집단의 Global Improvement 점수 감소가 더 우세하였다.
항우울 집단의 경우, MAACL의 우울 측정문 항 점수와 분노 측정문 항 점수가 처치전에 비해, 처치 후에 유의미하게 감소함을 알 수 있다. 즉, 항-우울애니메이션 클립을 본 뒤의 부정적인 정서 중 우울과 분노에 대한 정서가 애니메이션을 보기 전에 비해 어느 정도 감소했음을 알 수 있었다.
후속연구
이처럼 사용자의 부정적인 감정상태를 고려한 영 화추천은 영화가 관람자의 감정 상태를 변화시킬 것이라는 기본적인 전제로부터 출발한 것이며, 이런 감정 상태의 변화가 좀 더 바람직한 방향으로 즉, 부정적인 감정 상태를 개선할 수 있는 방향으로 전개되도록 시스템이 유도하고자 하는 목적을 가진다. 따라서, 기존 영화의 선호도를 기반으로 한 추천시스템에 감정 상태를 고려한 추천시스템을 병행함으로써 사용자의 만족도를 좀 더 향상시킬 수 있으리라 기대한다.
그러나, 이런 문제점들에도 불구하고 이 실험은 각각의 부정적인 정서의 인지적 왜곡에 대한 대처 방법들에 부합하는 애니메이션 장면들이 존재하고 효과를 나타낼 수 있으며, 반복되는 검증을 통하여 정형화될 수 있는 가능성을 내포하고 있다. 향후에는 위와 같은 실험 절차를 거쳐서 약 100여개의 애니메이션 클립을 제작, 편집할 예정이며, 이를 통하여 부정적인 정서를 호전시키는 정형화된 애니메이션 장면을 도출해 볼 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.