본 연구는 이러닝 체제에서 상호작용을 개선할 수 있도록 하기 위하여 사용자의 생리적 데이터 가운데서 뇌파를 통하여 학습자의 인지부하 발생을 파악할 수 있는 지를 연구하고자 하였다. 뇌파를 통하여 인지부하 발생을 알 수 있게 된다면 실시간 이러닝 체제에서 적절한 피드백 제공에 활용될 수 있기 때문이다. 이를 위하여 EEG를 이용하여 학습자의 뇌파를 측정하면서 인지활동을 수행하는 동안 발생되는 인지부하도를 측정하였고 인지과부하를 판별할 수 있는지를 알아보았다. 뇌파 측정을 위하여 언어 관련 작업기억 능력을 측정할 수 있는 듣기회상과제를 제시하였으며, 실험을 통한 과제 정답률 및 뇌파 분석 결과는 다음과 같다. 첫째, 듣기회상과제의 정답률은 회상반응과제에서 1단계는 84.4%, 2단계는 90.6%, 3단계는 62.5%, 4단계는 56.3%를 보였으며, 통계적으로 유의한 차이가 있음을 확인하였다. 즉, 3, 4단계의 경우는 피험자들이 매우 어려움을 겪었던 단계로 인지과부하가 발생했을 것으로 보인다. 둘째, SEF-95% 지표는 1, 2단계에 비해 3, 4단계에서 더욱 높은 값을 보였으며, 이는 피험자들의 인지부하가 3, 4단계에서 높았음을 객관적으로 보여주는 근거이다. 셋째, 감마파의 상대파워는 3, 4단계에서 파워값이 급격히 올라가는 패턴을 보였으며, 통계적으로 유의한 5개의 채널(F3, F4, C4, F7, F8)을 확인하였다. 5개의 채널은 뇌의 브로카 영역(F7, F8) 주위에 위치하고 있으며, 특히 뇌맵핑 분석을 통해 확인한 결과, F8(우반구의 브로카 영역에 해당하는 위치)에서 단계별 난이도가 올라갈수록 활성화의 차이가 크게 나타났다. 넷째, 19채널에 대한 상호 상관 분석을 통해 1, 2단계에 비해 3, 4단계에서 비동기화가 증가하였다. 위의 결과를 통한 본 연구의 결론은 뇌파를 이용하여 인간이 인지활동을 수행하는 동안 인지부하도를 측정할 수 있으며, 인지과부하를 판별해 낼 수 있음을 확인하였다.
본 연구는 이러닝 체제에서 상호작용을 개선할 수 있도록 하기 위하여 사용자의 생리적 데이터 가운데서 뇌파를 통하여 학습자의 인지부하 발생을 파악할 수 있는 지를 연구하고자 하였다. 뇌파를 통하여 인지부하 발생을 알 수 있게 된다면 실시간 이러닝 체제에서 적절한 피드백 제공에 활용될 수 있기 때문이다. 이를 위하여 EEG를 이용하여 학습자의 뇌파를 측정하면서 인지활동을 수행하는 동안 발생되는 인지부하도를 측정하였고 인지과부하를 판별할 수 있는지를 알아보았다. 뇌파 측정을 위하여 언어 관련 작업기억 능력을 측정할 수 있는 듣기회상과제를 제시하였으며, 실험을 통한 과제 정답률 및 뇌파 분석 결과는 다음과 같다. 첫째, 듣기회상과제의 정답률은 회상반응과제에서 1단계는 84.4%, 2단계는 90.6%, 3단계는 62.5%, 4단계는 56.3%를 보였으며, 통계적으로 유의한 차이가 있음을 확인하였다. 즉, 3, 4단계의 경우는 피험자들이 매우 어려움을 겪었던 단계로 인지과부하가 발생했을 것으로 보인다. 둘째, SEF-95% 지표는 1, 2단계에 비해 3, 4단계에서 더욱 높은 값을 보였으며, 이는 피험자들의 인지부하가 3, 4단계에서 높았음을 객관적으로 보여주는 근거이다. 셋째, 감마파의 상대파워는 3, 4단계에서 파워값이 급격히 올라가는 패턴을 보였으며, 통계적으로 유의한 5개의 채널(F3, F4, C4, F7, F8)을 확인하였다. 5개의 채널은 뇌의 브로카 영역(F7, F8) 주위에 위치하고 있으며, 특히 뇌맵핑 분석을 통해 확인한 결과, F8(우반구의 브로카 영역에 해당하는 위치)에서 단계별 난이도가 올라갈수록 활성화의 차이가 크게 나타났다. 넷째, 19채널에 대한 상호 상관 분석을 통해 1, 2단계에 비해 3, 4단계에서 비동기화가 증가하였다. 위의 결과를 통한 본 연구의 결론은 뇌파를 이용하여 인간이 인지활동을 수행하는 동안 인지부하도를 측정할 수 있으며, 인지과부하를 판별해 낼 수 있음을 확인하였다.
This paper describes the possibility of human physiological data, especially brain-wave activity, to detect cognitive overload, a phenomenon that may occur while learner uses an e-learning system. If it is found that cognitive overload to be detectable, providing appropriate feedback to learners may...
This paper describes the possibility of human physiological data, especially brain-wave activity, to detect cognitive overload, a phenomenon that may occur while learner uses an e-learning system. If it is found that cognitive overload to be detectable, providing appropriate feedback to learners may be possible. To illustrate the possibility, while engaging in cognitive activities, cognitive load levels were measured by EEG (electroencephalogram) to seek detection of cognitive overload. The task given to learner was a computerized listening and recall test designed to measure working memory capacity, and the test had four progressively increasing degrees of difficulty. Eight male, right-handed, university students were asked to answer 4 sets of tests and each test took from 61 seconds to 198 seconds. A correction ratio was then calculated and EEG results analyzed. The correction ratio of listening and recall tests were 84.5%, 90.6%, 62.5% and 56.3% respectively, and the degree of difficulty had statistical significance. The data highlighted learner cognitive overload on test level of 3 and 4, the higher level tests. Second, the SEF-95% value was greater on test3 and 4 than on tests 1 and 2 indicating that tests 3 and 4 imposed greater cognitive load on participants. Third, the relative power of EEG gamma wave rapidly increased on the 3rd and $4^{th}$ test, and signals from channel F3, F4, C4, F7, and F8 showed statistically significance. These five channels are surrounding the brain's Broca area, and from a brain mapping analysis it was found that F8, right-half of the brain area, was activated relative to the degree of difficulty. Lastly, cross relation analysis showed greater increasing in synchronization at test3 and $4^{th}$ at test1 and 2. From these findings, it is possible to measure brain cognitive load level and cognitive over load via brain activity, which may provide atimely feedback scheme for e-learning systems.
This paper describes the possibility of human physiological data, especially brain-wave activity, to detect cognitive overload, a phenomenon that may occur while learner uses an e-learning system. If it is found that cognitive overload to be detectable, providing appropriate feedback to learners may be possible. To illustrate the possibility, while engaging in cognitive activities, cognitive load levels were measured by EEG (electroencephalogram) to seek detection of cognitive overload. The task given to learner was a computerized listening and recall test designed to measure working memory capacity, and the test had four progressively increasing degrees of difficulty. Eight male, right-handed, university students were asked to answer 4 sets of tests and each test took from 61 seconds to 198 seconds. A correction ratio was then calculated and EEG results analyzed. The correction ratio of listening and recall tests were 84.5%, 90.6%, 62.5% and 56.3% respectively, and the degree of difficulty had statistical significance. The data highlighted learner cognitive overload on test level of 3 and 4, the higher level tests. Second, the SEF-95% value was greater on test3 and 4 than on tests 1 and 2 indicating that tests 3 and 4 imposed greater cognitive load on participants. Third, the relative power of EEG gamma wave rapidly increased on the 3rd and $4^{th}$ test, and signals from channel F3, F4, C4, F7, and F8 showed statistically significance. These five channels are surrounding the brain's Broca area, and from a brain mapping analysis it was found that F8, right-half of the brain area, was activated relative to the degree of difficulty. Lastly, cross relation analysis showed greater increasing in synchronization at test3 and $4^{th}$ at test1 and 2. From these findings, it is possible to measure brain cognitive load level and cognitive over load via brain activity, which may provide atimely feedback scheme for e-learning systems.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 생리적 데이터 가운데서 EEG를 이용하여 학습자가 인지적 어려움을 겪고 있을 때 능동적으로 난이도를 조절하거나 적절한 피드백을 줄 수 있는 차세대 감성 기반 이러닝 체제의 기술 확보를 위한 연구로서 뇌파를 이용하여 인간이 인지활동을 수행하는 동안 인지부하도를 측정하고 인지과부하를 판별할 수 있는지를 알아보고자 하였다. 언어 관련 작업기억 능력을 측정할 수 있는 듣기회상과제를 제시하여 피험자가 수행하는 동안 뇌파 측정을 하였으며, 뇌파 분석 결과 요약 및 결론은 다음과 같다.
뇌영상 기법 중 비교적 가격이 저렴하고 비침습적으로 알려져 있는 뇌파를 이용하여 인간의 마음을 읽는 연구들을 살펴보면, 미국의 이모티브사가 개발한 헤드셋 ‘에폭(Epoc)'은 뇌파를 인식해 게임 속 캐릭터를 움직이거나 사용자의 감정을 읽어내 게임 속 캐릭터에 그대로 반영할 수 있는 기술을 보이고 있으며[9], 전신불구 등 장애를 가진 환자들의 원활한 의사소통을 위해 인간의 의사를 컴퓨터가 인지하도록 하는 BCI(Brain Computer Interface) 연구들이 가시적인 성과를 거두고 있다[10~13]. 본 연구 역시 학습자의 상태나 마음을 실시간으로 파악하고 즉각적인 피드백을 줄 수 있는 감성기반 이러닝 체제를 구현하기 위한 첫걸음으로서 학습자가 인지활동을 수행하는 동안 겪는 어려움을 실시간으로 파악하기 위해 뇌파를 이용하여 학습자들의 작업기억에 대한 인지부하를 측정하고 인지과부하를 판별할 수 있는가에 대한 가능성을 알아보고자 한다.
이는 인지부하가 학습 중에 일어난다는 점을 감안해 볼 때, 연구 결과에 한계가 있었음을 시사한다[21]. 본 연구는 기존 연구의 한계를 극복하고 보다 신뢰로운 인지부하 측정을 위해 뇌파를 이용하고자 한다. 뇌파를 이용하여 인지부하를 객관적으로 측정할 수 있는 근거를 마련한다면, 감성 기반 이러닝 체제의 구현뿐만 아니라 효과적인 이러닝 체제 설계를 위한 신뢰성이 있는 기준이 될 수 있을 것으로 본다.
석채널별 상대파워는 뇌의 어느 부위에서 변화가 일어났는지를 알아보기 위한 유용한 방법이다. 본 연구에서는 각 채널별, 단계별 감마파의 상대파워 변화 추이를 알아보았다. 그림 7은 전 피험자를 대상으로 감마파에 대한 각 채널별, 단계별 상대파워의 평균값을 나타낸 것이다.
이처럼 언어를 담당하는 뇌의 영역은 주로 좌반구에 위치해 있으나 우반구에서도 언어 관련 역할을 담당하고 있으며 이는 좌우 뇌가 언어처리를 위해 연합 작용을 하고 있음을 알 수 있다. 본 연구에서는 언어 관련 자극으로 이루어진 과제를 이용하여 각 단계별 과제의 난이도 증가에 따른 인지부하도의 변화 추이 및 특정 두뇌 부위에서 활성화의 차이가 유의하게 나타나는지를 알아보고자 하며, 작업기억의 측정 범위는 언어영역으로 제한하고자 한다.
상대파워 스펙트럼은 전체 절대파워 스펙트럼(4~50Hz) 대 각 주파수 대역의 절대파워 스펙트럼 비율을 구한 것이다. 본 연구에서는 이중 감마파의 상대파워 스펙트럼 분석을 실시하였다.
앞서 언급했듯이 본 연구는 기존 이러닝 체제가 가지고 있는 단점을 보완하고 개별화된 교육 서비스를 제공하기 위한 차세대 감성 기반 이러닝 체제 구현을 위한 기초 연구로서 뇌파(EEG) 측정기를 이용하여 학습자가 학습 중 일어나는 인지 상태의 변화를 측정할 수 있는지를 확인하고자 한다. 만약 뇌파를 이용하여 학습자의 인지부하 상태를 측정할 수만 있다면, 학습자가 학습에 어려움을 겪고 있는 인지과부하 상태에서 이러닝 체제가 능동적으로 난이도를 조절하여 줄 수 있고, 적절한 피드백을 제공할 수 있는 등 기존의 이러닝체제를 보완해 줄 수 있는 획기적인 방법이 될 수 있을 것으로 본다.
가설 설정
상호 상관(Cross Correlation) 분석은 인지활동이 증가할수록 비동기화도는 증가한다는 가정아래, 상관계수 값을 통해 분석하였다. 상관계수 값이 0에 가까울수록 두 신호는 독자적으로 움직인다고 할 수 있으며, 상관관계가 없음을 의미한다.
제안 방법
이후 1초간의 공백 이후 두 번째 문장이 음성으로 제시되는 방식으로 진행된다. 각 단계가 끝나면 1분씩 휴식을 취하여 피로효과를 상쇄하도록 하였다. 과제 진행 흐름도는 그림 3과 같다.
과제 진행 방식은 시작과 동시에 1단계를 알리는 화면이 3초간 제시된 이후 곧바로 첫 문장이 TTS(Text To Speech) 음성으로 제시된다. 음성의 길이는 문장의 길이에 따라 약간의 차이가 있으나 보통 1.
하지만, AWMA 프로그램을 그대로 사용할 경우, 피험자의 목소리가 뇌파 측정 간 잡파(Artifact)로 유입될 가능성이 크기 때문에 본 연구에서는 모든 응답 YES, NO 방식의 두 개의 키보드 버튼(‘참’ 버튼, ‘거짓’ 버튼) 중 하나를 눌러 응답하도록 새롭게 고안하였다. 그리고 2명씩 총 두 차례의 예비 실험을 통해 1~6단계의 난이도가 비교적 완만하게 증가한다는 피험자 응답 결과를 반영하여 본 실험에서 1~4단계로 조정하고 1단계에서는 한 세트 당 2개의 문장으로 시작하여 단계가 올라갈수록 문자의 개수를 두 개씩 증가하여 4단계에서는 한 세트 당 총 8개의 문장이 제시되도록 설계하였다. 그림 1은 듣기회상과제 2단계의 예이다.
넷째, 상호 상관 분석을 통해 비동기화도를 알아보았다. 시각적으로 구분하기 편하도록 설계한 지형도를 분석해 보면, 안정상태에 인지수행(1~4단계)상태에서 비동기화가 확실히 차이가 났으며, 1, 2단계에 비해 3, 4단계에서도 비동기화가 증가한 결과를 보였다.
뇌의 어느 부위가 비동기화가 높게 나타났는지를 알아보기 위해 그림 11처럼 뇌 영역별 상관계수의 대표 값을 구하였다. 단계별 난이도가 올라갈수록 전전두 영역에서 다른 뇌 영역들과의 상관계수가 큰 차이로 낮아지고 있음을 볼 수 있다.
뇌파 측정을 통해 수집한 데이터는 주파수 필터링을 통해 4~50Hz 구간의 데이터를 얻고, 이를 다시 고속 푸리에 변환(fast fourier transform, FFT)을 통해 뇌전위 파워스펙트럼(EEG power spectrum)으로 나타나게 했다. 이후 SEF(Spectral Edge Frequency) 지표 분석, 상대파워(Relative Band Power) 스펙트럼 분석, 상호 상관(Cross Correlation) 분석 실시하였다.
또한 뇌의 영역에 따른 단계별 상관계수의 변화율을 알아보기 위해 뇌 영역별 상관계수의 대표 값을 구하였다. 예를 들면, 전전두엽의 상관계수 대표 값을 구한다고 하면, 전전두엽(Fp1, Fp2) 대 모든 영역(19개 채널)과의 상관계수 값의 평균을 구한다.
실제 데이터로 사용하는 19개의 전극은 그림 2와 같이 국제전극배치법인 10~20전극배치법에 따라 부착하였고, 두뇌 양반구의 편차를 보정하기 위해 참조 전극으로 양 귓볼 전극 A1, A2를 부착하였다. 또한, 1개의 접지전극(GND)은 신체의 어디에 붙여도 상관이 없으나 움직임이 가장 적다고 판단된 이마 가운데에 부착하였으며, 1개의 기준전극(REF)은 오른쪽 귓불 뒤에 부착하여 심전도 신호가 뇌파에 혼입되는 경우를 최소화하도록 하였다. 총 23개의 전극을 두피에 부착하여 뇌파를 측정하였다.
본 연구에서는 언어영역의 작업기억과 관련된 뇌 활성화 영역을 밝히고 인지과부하를 판별하기 위해 듣기회상과제를 사용하였다. 본 과제는 Alloway[36]가 4세부터 22세를 대상으로 컴퓨터를 화면을 통해 작업기억 능력을 측정하기 위해 개발한 AWMA(Automated Working Memory Assessment) 프로그램의 12개 과제 종류 중 언어영역과 관련이 있는 Listening Recall Task를 선택하여 이를 한국어 문법에 맞게 번안하여 사용하였다. 이 과제는 본래 Daneman과 Carpenter가 단순한 기억폭 검사가 아닌 작업기억의 전체 용량을 측정하기 위해 고안된 것으로 읽기폭(reading span) 또는 작업기억폭(working memory span)과제라고도 부르며 읽기폭이 독서능력 또는 언어 이해능력과 높은 상관이 있음을 밝혔다[24].
본 연구에서는 BrainMap-3D 프로그램에서 제공하는 ‘Power Spectrum Estimation by FFT’를 통해 고속푸리에 변환을 실시하였다.
본 연구에서는 단계별로 피험자들의 상관계수 값의 평균을 낸 후, 이를 시각적으로 분석하기 쉽도록 지형도(topography)로 표현하였다.
본 연구에서는 언어영역의 작업기억과 관련된 뇌 활성화 영역을 밝히고 인지과부하를 판별하기 위해 듣기회상과제를 사용하였다. 본 과제는 Alloway[36]가 4세부터 22세를 대상으로 컴퓨터를 화면을 통해 작업기억 능력을 측정하기 위해 개발한 AWMA(Automated Working Memory Assessment) 프로그램의 12개 과제 종류 중 언어영역과 관련이 있는 Listening Recall Task를 선택하여 이를 한국어 문법에 맞게 번안하여 사용하였다.
또한 두 신호간의 비동기화가 증가했다고 볼 수 있다. 본 연구에서는 전 피험자들을 대상으로 상관계수 값의 평균을 구한 뒤, 시각적으로 분석하기 쉽도록 그림 10처럼 지형도로 표현하였다.
실제 데이터로 사용하는 19개의 전극은 그림 2와 같이 국제전극배치법인 10~20전극배치법에 따라 부착하였고, 두뇌 양반구의 편차를 보정하기 위해 참조 전극으로 양 귓볼 전극 A1, A2를 부착하였다. 또한, 1개의 접지전극(GND)은 신체의 어디에 붙여도 상관이 없으나 움직임이 가장 적다고 판단된 이마 가운데에 부착하였으며, 1개의 기준전극(REF)은 오른쪽 귓불 뒤에 부착하여 심전도 신호가 뇌파에 혼입되는 경우를 최소화하도록 하였다.
실험은 하루 중 12시에서 18시 사이에 1~2명을 기준으로 사전에 피험자들과 실험 가능한 날짜와 시간을 미리 약속하여 진행되었다. 뇌파 측정의 경우 조도에 따라서도 측정 데이터의 차이가 발생할 수 있다는 점을 감안하여 되도록 일정한 조도를 유지시킬 수 있도록 측정할 수 있는 시간을 통제하였다.
안정상태를 포함한 반복설계 통계 분석 결과는 안정상태와의 인지수행상태의 차이가 너무 컸던 결과로서, 단계별 난이도 차이가 유의한지를 알아보기 위해 안정상태를 제외한 1~4단계로만 다시 반복 설계 통계분석을 실시하였다. 표 5, 6은 1~4단계에서 통계적으로 유의한 차이를 보인 채널에 대한 기술 통계 및 반복설계 통계분석 결과이다.
본 논문은 생리적 데이터 가운데서 EEG를 이용하여 학습자가 인지적 어려움을 겪고 있을 때 능동적으로 난이도를 조절하거나 적절한 피드백을 줄 수 있는 차세대 감성 기반 이러닝 체제의 기술 확보를 위한 연구로서 뇌파를 이용하여 인간이 인지활동을 수행하는 동안 인지부하도를 측정하고 인지과부하를 판별할 수 있는지를 알아보고자 하였다. 언어 관련 작업기억 능력을 측정할 수 있는 듣기회상과제를 제시하여 피험자가 수행하는 동안 뇌파 측정을 하였으며, 뇌파 분석 결과 요약 및 결론은 다음과 같다.
특히 우반구의 브로카 영역(F8)은 단계별 활성 변화가 가장 뚜렷한 부위로 보이며, 언어영역 작업기억과 관련된 인지과부하를 판별할 수 있는 부위로 추정된다. 이러한 결과를 토대로 피험자별 채널 F8에 대한 감마파 상대파워의 시간에 따른 변화를 확인하였다. 다수의 피험자들이 단계가 올라갈수록 감마파의 상대파워도 커지는 경향을 보였으며, 3, 4단계에서 감마파 상대파워 값의 낙차(증가-감소)가 심하게 나타났다.
뇌파 측정을 통해 수집한 데이터는 주파수 필터링을 통해 4~50Hz 구간의 데이터를 얻고, 이를 다시 고속 푸리에 변환(fast fourier transform, FFT)을 통해 뇌전위 파워스펙트럼(EEG power spectrum)으로 나타나게 했다. 이후 SEF(Spectral Edge Frequency) 지표 분석, 상대파워(Relative Band Power) 스펙트럼 분석, 상호 상관(Cross Correlation) 분석 실시하였다.
전극과 두피와의 저항값(impedance)은 10 KΩ 이하로 유지시켰으며, 전극 부착 시 저항값이 높은 피험자는 EEG 전용 세정제를 사용하여 저항값을 낮추었다.
주파수 필터링은 BrainMap-3D Ver 2.0에서 제공하는 Band Pass FFT-filtering을 사용하여 4~50Hz 구간만 선택하였다. 두피에 부착하는 전극은 가운데 구멍이 있는 접시 모양의 부착식 plate electrode를 사용했으며, 전극풀은 Nihon-Kohden사의 Elefix를 사용했다.
또한, 1개의 접지전극(GND)은 신체의 어디에 붙여도 상관이 없으나 움직임이 가장 적다고 판단된 이마 가운데에 부착하였으며, 1개의 기준전극(REF)은 오른쪽 귓불 뒤에 부착하여 심전도 신호가 뇌파에 혼입되는 경우를 최소화하도록 하였다. 총 23개의 전극을 두피에 부착하여 뇌파를 측정하였다.
하지만, AWMA 프로그램을 그대로 사용할 경우, 피험자의 목소리가 뇌파 측정 간 잡파(Artifact)로 유입될 가능성이 크기 때문에 본 연구에서는 모든 응답 YES, NO 방식의 두 개의 키보드 버튼(‘참’ 버튼, ‘거짓’ 버튼) 중 하나를 눌러 응답하도록 새롭게 고안하였다.
과제정답률을 통해 학습자가 느끼는 난이도나 인지부하 정도는 어느 정도 추측해 볼 수 있다. 하지만, 이는 일종의 지필 평가를 통해 나타난 결과이며, 보다 객관적인 방법으로 인지부하도를 알아보기 위해 다양한 뇌파 분석을 실시하였다.
대상 데이터
0에서 제공하는 Band Pass FFT-filtering을 사용하여 4~50Hz 구간만 선택하였다. 두피에 부착하는 전극은 가운데 구멍이 있는 접시 모양의 부착식 plate electrode를 사용했으며, 전극풀은 Nihon-Kohden사의 Elefix를 사용했다. 전극과 두피와의 저항값(impedance)은 10 KΩ 이하로 유지시켰으며, 전극 부착 시 저항값이 높은 피험자는 EEG 전용 세정제를 사용하여 저항값을 낮추었다.
그림 4처럼 본 연구에서 데이터로 사용하는 채널의 수는 총 19개 이므로 19×19= 361개의 행렬 데이터가 구해진다. 이중 같은 채널을 분석하는 경우 19개, 대각선을 기준으로 마주보고 있는 데이터는 같은 값을 의미하므로 실제 상관계수로 활용하는 데이터는 총 171개의 상관계수 값이 나오게 된다.
충북 청원군 소재지의 H 대학교 1학년 학생 중 자원자를 대상으로 뇌파측정에 동의한 오른손잡이 남학생 8명을 선발하였다. 연구 대상자들의 평균 연령은 만 19.
데이터처리
각 채널별로 단계별 난이도에 따른 감마파의 상대파워 변화가 통계적으로 유의한지를 알아보기 위해 채널별 반복설계 통계분석을 실시하였다. 우선, 안정상태를 포함한 채널별 반복 설계 통계분석 결과는 Fp1, Fp2를 제외한 모든 채널에서 통계적으로 유의한 차이가 나타났다.
단계별 회상반응과제의 정답률 차이가 통계적으로 유의한지를 알아보기 위해 표 2, 3과 같이 전 피험자를 대상으로 단계별 정답 개수에 대한 기술통계 및 반복 설계(one-way repeated measure ANOVA) 통계분석을 실시하였다.
둘째, 뇌파 분석의 첫 번째 방법으로 SEF-95% 지표 분석을 하였다. 눈 감은 안정 상태에 비해 과제 수행 단계(1~4 단계)에서 지표값이 증가하였다.
동기화도를 알아보는 대표적인 분석 방법으로는 상호 상관 분석이 있다. 상호 상관 분석은 서로 다른 부위에서 측정한 뇌파 신호간의 관련성을 정량화 하는 분석 방법으로 본 연구에서는 19개 채널의 데이터에서 각각의 데이터 쌍 별로 상관관계를 분석하고자 BrainMap-3D 프로그램이 제공하고 있는 All-Pair-Cross Pearson Correlation 분석을 사용하였다.
05로 단계별 과제 정답률에 대한 차이는 통계적으로 유의하였다. 실제로 어느 단계 간 차이가 유의하였는지를 알아보기 위해 Fisher의 최소유의차 검증법(Least Significant Difference, LSD)을 이용하여 사후분석을 실시하였다.
05 로 나와서 실험조건 간 변량의 차이가 동일하다는 구형성의 가정을 만족하였으므로 Greenhouse-Geisser 등의 수정된 값을 사용하지 않았다. 어느 단계 간 차이가 유의하였는지를 알아보기 위해 유의한 5개의 채널에 대해 각각 LSD 검증법을 이용한 사후분석을 실시하였다.
즉 전전두엽 채널 2개 × 모든 채널 19개 - (자기 자신끼리 상관관계를 구한 Fp1-Fp1, Fp2-Fp2) 2개 = 36개에 해당되는 상관계수의 평균값을 구하였다.
표 3의 결과는 Mauchly의 구형성 가정이 χ2(5)=12.137, p=.035 < .05으로 수준 간 차이의 변량이 동질하다는 구형성 가정에 위배되었기 때문에 Greenhouse-Geisser의 수정된 값을 사용하였으며, 유의확률(p)= .034 < .05로 단계별 과제 정답률에 대한 차이는 통계적으로 유의하였다.
이론/모형
감마파의 단계별 활성변화를 시각적으로 알아보기 위해 Brain-Map 3D 프로그램에서 제공하는 뇌맵핑(Brain Mapping) 분석을 사용하였다.
본 연구에서 사용한 EEG 장비는 Australia Compumedic사에서 개발된 E-series EEG system[37]이며, 뇌파 수집 소프트웨어는 락싸에서 개발한 BrainMap-3D Ver 2.0을 사용하였다. 본 측정 장비는 뇌에서 유발되는 미약한 전기신호를 연속적인 아날로그 신호로 모니터에 표시해 줄뿐만 아니라 디지털 신호로 전환시켜 컴퓨터와 여러 소프트웨어를 통해 다양한 분석을 가능하게 해준다.
표본율은 Nyquist 이론에 따라서 측정 주파수는 시계열 신호가 가질 수 있는 최대 주파수의 2배 이상이 되어야 하므로 뇌파에서 최대 주파수로 생각되는 100Hz의 2배 이상인 256Hz로 조정하였다[38]
성능/효과
5%의 정답률을 보였다. 1, 2단계 모두 비교적 높은 정답률을 보이고 있는 반면, 3, 4단계는 매우 낮은 정답률을 보이고 통계적으로 유의한 차이가 있음을 확인하였다. 3, 4단계는 실험 설계에서 의도한 대로 난이도가 매우 높아지는 시기로 피험자들은 인지과부하가 발생했을 것으로 보인다.
이러한 결과를 토대로 피험자별 채널 F8에 대한 감마파 상대파워의 시간에 따른 변화를 확인하였다. 다수의 피험자들이 단계가 올라갈수록 감마파의 상대파워도 커지는 경향을 보였으며, 3, 4단계에서 감마파 상대파워 값의 낙차(증가-감소)가 심하게 나타났다. 그림 9는 피험자 A의 F8 채널에 대한 시간에 따른 감마파의 상대파워 변화를 나타낸 것이다.
시각적으로 구분하기 편하도록 설계한 지형도를 분석해 보면, 안정상태에 인지수행(1~4단계)상태에서 비동기화가 확실히 차이가 났으며, 1, 2단계에 비해 3, 4단계에서도 비동기화가 증가한 결과를 보였다. 또한 뇌의 영역에 따른 단계별 상관계수의 변화율을 알아본 결과, 전전두엽 부위가 다른 뇌 부위들과 단계별 상관계수 평균이 단계별 난이도가 증가할수록 낮게 나와 비동기화가 증가하는 결과를 보였다. 이는 알파파가 뇌의 인지 부하가 증가할수록 비동기성이 증가한다는 결과와 비슷하게 나타난 점으로 미루어 본 실험에서도 인지부하도가 증가할수록 비동기화가 커졌음을 알 수 있다 [43].
안정상태의 경우는 과제 수행에 참여하기 전에 눈을 감고 두뇌활동을 최소화 하도록 요구 받은 상태로서, (그림 11)를 살펴보면, 전체적으로 안정상태에 비해 인지수행(1~4단계) 상태는 SEF-95% 지표값이 상당히 증가함을 알 수 있다. 또한 인지과부하가 발생했을 것으로 추정되는 3, 4 단계는 1, 2단계에 비해 SEF-95%값이 더욱 증가한 결과가 나타났다. 단, SEF-95% 지표값이 1단계>2단계, 3단계>4단계로 약간씩 감소하는 패턴을 보인 점은 듣기회상과제가 단순한 문항 형식의 반복 수행이라는 점에서 시간이 흐를수록 과제수행에 점차 적응하고 편하게 느끼는 습관화 현상[42]이 반영된 결과로 보인다.
일반적으로 SEF-90% 이상은 과제를 수행할 때 느끼는 인지부하도, 즉 정신적 스트레스 수준 및 과도한 정신적 각성수준을 평가하는 지표로 많이 사용된다. 본 연구에서는 SEF-95% 지표를 선택하였으며, 지표값이 높을수록 파워 스펙트럼 분포에서 상대적으로 높은 주파수 성분 즉, 감마파가 많이 나왔음을 알 수 있으며 인지부하가 증가하였다고 볼 수 있다.
셋째, 파장대별 상대파워 스펙트럼 분석을 통해 감마파의 상대파워가 인지부하도와 매우 관련이 있음을 확인하였다. 이는 Fitzgibbon 등[29)의 논문에서 보인 결과와 일치하는 것으로 판단된다.
넷째, 상호 상관 분석을 통해 비동기화도를 알아보았다. 시각적으로 구분하기 편하도록 설계한 지형도를 분석해 보면, 안정상태에 인지수행(1~4단계)상태에서 비동기화가 확실히 차이가 났으며, 1, 2단계에 비해 3, 4단계에서도 비동기화가 증가한 결과를 보였다. 또한 뇌의 영역에 따른 단계별 상관계수의 변화율을 알아본 결과, 전전두엽 부위가 다른 뇌 부위들과 단계별 상관계수 평균이 단계별 난이도가 증가할수록 낮게 나와 비동기화가 증가하는 결과를 보였다.
안정상태에 비해 인지수행상태에서 붉은 빛이 약해지고 있음을 알 수 있으며, 1, 2 단계에 비해 3, 4단계에서 붉은 빛이 더 약한 것으로 보아 난이도가 증가하여 비동기화도 증가했다고 할 수 있다. 이는 인지부하의 증가가 비동기화와 관련이 깊다는 것을 단적으로 보여주는 예라고 할 수 있다.
충북 청원군 소재지의 H 대학교 1학년 학생 중 자원자를 대상으로 뇌파측정에 동의한 오른손잡이 남학생 8명을 선발하였다. 연구 대상자들의 평균 연령은 만 19.1세(SD = 0.8)였으며, 사전 설문을 통해 뇌 손상이나 질병 치료를 받은 적이 없음을 확인하였다. 이는 두뇌 관련 질환으로 인한 뇌기능의 이상과 손잡이 차이로 인한 대뇌 좌·우 반구 기능 차이[35]의 영향을 배제하기 위함이다.
각 채널별로 단계별 난이도에 따른 감마파의 상대파워 변화가 통계적으로 유의한지를 알아보기 위해 채널별 반복설계 통계분석을 실시하였다. 우선, 안정상태를 포함한 채널별 반복 설계 통계분석 결과는 Fp1, Fp2를 제외한 모든 채널에서 통계적으로 유의한 차이가 나타났다. 이러한 결과는 안정상태에 비해 인지수행(1~4)상태의 뇌파 차이가 컸기 때문이다.
표 7을 살펴보면, 주로 1-4, 2-3, 2-4 단계에서 통계적으로 유의한 결과가 나왔으며, 1, 2 단계에 비해 3, 4단계의 감마파의 상대파워에 확실한 차이가 있었음을 알 수 있다. 위의 5개 채널은 뇌의 영역 중 브로카 영역(F7, F8)을 중심으로 인접해 있는 부위에 해당되며, 듣기회상과제를 수행하는 동안 단계가 높아질수록 브로카 영역을 중심으로 뇌 활성화의 변화가 가장 크게 일어났다고 할 수 있다.
위의 결과를 종합하여 볼 때, 인간의 생리적 데이터 가운데서 뇌파를 이용하면 인간이 인지활동을 수행하는 동안의 인지부하도를 측정할 수 있으며, 인지과부하를 판별해 낼 수 있음을 알 수 있다.
단계별 난이도가 올라갈수록 전전두 영역에서 다른 뇌 영역들과의 상관계수가 큰 차이로 낮아지고 있음을 볼 수 있다. 이 결과는 반복 설계 분석에서 전전두엽이 안정상태나 인지수행상태에서 유의한 차이를 보이지 않았다는 점과 상관계수 지형도에서 전전두엽에 해당되는 부분이전 단계에서 0.9 이상의 높은 상관을 보이고 있다는 점에서 전전두엽이 듣기회상과제를 수행하는 동안 크게 관여하지 않았다고 해석할 수 있다. 즉, 단계별 난이도 증가에 따라 전전두엽은 크게 관여를 하지 않았기 때문에 변화가 적었던 반면에 전두엽, 측두엽, 두정엽을 중심으로 단계별 난이도 증가에 따라 변화가 컸기 때문에 전전두엽 대 다른 뇌 영역간의 단계별 상관도는 큰 차이로 낮아진 결과를 보인 것이다.
Tao 와 Tian[34]은 경미한 인지 손상자 그룹과 알츠하이머 환자 그룹, 정상인에 해당하는 통제그룹 등 총 세 그룹으로 나누어 휴식상태와 인지수행상태에 따른 감마파의 차이를 비교하였다. 이들 그룹에 대해 시간에 따라 변화하는 뇌파 신호의 위상과 파워 스펙트럼의 상관도를 알아보는 coherence 분석을 실시한 결과, 휴식 상태에서는 알츠하이머 그룹이 다른 두 그룹에 비해 일부 채널 간 coherence 값이 유의하게 낮게 나왔으며, 인지 수행 상태에서는 알츠하이머 그룹이 두 그룹에 비해 모든 채널에서 coherence 값이 유의하게 낮게 나왔다. 뿐만 아니라 경미한 인지 손상자의 그룹의 경우 휴식 상태에서는 통제 그룹과 별 차이를 보이지 않았으나 인지 수행 상태에서는 일부 채널 간 coherence 값이 유의하게 낮게 나타남을 발견하였다.
지금까지 과제정답률, SEF-95% 지표, 채널별 감마파 상대파워 분석을 통해 확인한 결과, 3, 4단계에서 피험자들은 인지과부하가 발생했을 것으로 보이며, 브로카 영역이 인지과부하와 밀접한 관련이 있음을 밝혔다. 특히 우반구의 브로카 영역(F8)은 단계별 활성 변화가 가장 뚜렷한 부위로 보이며, 언어영역 작업기억과 관련된 인지과부하를 판별할 수 있는 부위로 추정된다.
또한. 채널별 감마파의 상대파워 분석을 하였으며, 단계별 변화에 따른 반복 설계 통계 분석 결과, 5개의 채널(F3, F4, C4, F7, F8)이 통계적으로 유의하게 나왔다. 이 부위들은 모두 브로카 영역(F7, F8)과 인접한 곳으로 듣기회상과제를 수행하는 동안 이 부위에서 주로 인지과부하가 나타났을 것으로 보인다.
첫 번째로 실시한 SEF-95% 지표는 각성 상태를 알아볼 수 있는 대표적인 분석법 중의 하나로 SEF-95% 지표값이 증가할수록 보다 각성된 상태라고 할 수 있으며 인지부하도는 증가하였다고 해석할 수 있다. 전체 피험자들을 대상으로 단계별 SEF-95% 지표의 평균값의 결과는 그림 6과 같다.
첫째, 듣기회상과제의 단계별 정답률을 비교해 본 결과, 판별반응과제의 경우는 모두 95% 이상의 정답률을 보였으며, 피험자 대부분 각 문장의 내용을 잘 이해하였으며, 모든 단계에서 주의 집중이 지속되었음을 알 수 있다. 반면, 회상반응과제의 경우는 1단계는 84.
후속연구
이러한 단점을 극복하기 위해 학습자가 키보드 등의 입력기를 통해 질문이나 답변을 하면 이를 프로그래밍 알고리즘으로 분석하여 능동적으로 피드백 하는 지능형 교수시스템 및 사람의 얼굴 표정을 인식하여 학습자의 감정을 읽는 감성 인식 교수시스템 등의 개발로 이를 보완하고자 하는 노력이 최근에 많이 연구되고 있다. 나아가서 인간이 학습중에 보이는 생리적 신호를 이용한다면 비언어적인 반응에 나타나는 학습자의 인지부하를 알 수 있고, 적절한 피드백을 제공할 수 있을 것이다.
본 연구는 기존 연구의 한계를 극복하고 보다 신뢰로운 인지부하 측정을 위해 뇌파를 이용하고자 한다. 뇌파를 이용하여 인지부하를 객관적으로 측정할 수 있는 근거를 마련한다면, 감성 기반 이러닝 체제의 구현뿐만 아니라 효과적인 이러닝 체제 설계를 위한 신뢰성이 있는 기준이 될 수 있을 것으로 본다.
앞서 언급했듯이 본 연구는 기존 이러닝 체제가 가지고 있는 단점을 보완하고 개별화된 교육 서비스를 제공하기 위한 차세대 감성 기반 이러닝 체제 구현을 위한 기초 연구로서 뇌파(EEG) 측정기를 이용하여 학습자가 학습 중 일어나는 인지 상태의 변화를 측정할 수 있는지를 확인하고자 한다. 만약 뇌파를 이용하여 학습자의 인지부하 상태를 측정할 수만 있다면, 학습자가 학습에 어려움을 겪고 있는 인지과부하 상태에서 이러닝 체제가 능동적으로 난이도를 조절하여 줄 수 있고, 적절한 피드백을 제공할 수 있는 등 기존의 이러닝체제를 보완해 줄 수 있는 획기적인 방법이 될 수 있을 것으로 본다.
뿐만 아니라 경미한 인지 손상자의 그룹의 경우 휴식 상태에서는 통제 그룹과 별 차이를 보이지 않았으나 인지 수행 상태에서는 일부 채널 간 coherence 값이 유의하게 낮게 나타남을 발견하였다. 이러한 결과를 토대로 연구자들은 감마파의 cohernece 값이 인지 수행 상태에서 인지 손상자를 구별해 낼 수 있는 유용한 측정 기준이 될 수 있다고 밝히고 있다. 이상의 연구 결과들을 토대로 인간의 사고 과정이나 감정, 인지 수행에 따른 인지부하 변화 및 인지과부하를 뇌파 측정을 통해 실시간으로 밝혀 낼 수 있을 것으로 본다.
이러한 결과를 토대로 연구자들은 감마파의 cohernece 값이 인지 수행 상태에서 인지 손상자를 구별해 낼 수 있는 유용한 측정 기준이 될 수 있다고 밝히고 있다. 이상의 연구 결과들을 토대로 인간의 사고 과정이나 감정, 인지 수행에 따른 인지부하 변화 및 인지과부하를 뇌파 측정을 통해 실시간으로 밝혀 낼 수 있을 것으로 본다.
질의응답
핵심어
질문
논문에서 추출한 답변
SEF지표란 무엇인가?
SEF(Spectral Edge Frequency) 지표는 뇌파의 파워스펙트럼 분포가 저주파에 비해 고주파 쪽으로 얼마나 편향되었는지를 정량화 하는 방법으로 전체 주파수 영역에 대한 면적 비로 표시된다. 종류로는 SEF-25%, SEF-50%(MEF), SEF-90%, SEF-95% 등이 있는데 연구 목적에 따라 다르게 사용된다.
이러닝 체제의 단점을 극복하기 위한 방법으로 어떤 것이 있는가?
이러한 단점들을 극복하기 위해 최근에 학습자의 질문이나 답변 내용을 분석하여 적절한 피드백을 제공하는 질의․응답형 지능형 교수 시스템이나 얼굴표정을 이용한 감성인식 기술로 학습자를 실시간으로 파악하고 피드백해줄 수 있는 감성 인식 교수 시스템에 관한 연구들이 꾸준히 이루어지고 있다[1~3]. 학습자와 컴퓨터 튜터 간 상호작용을 보다 원활하게 할 수 있는 이들 시스템은 어느 정도 가시적인 성과를 거두고 있으나 학습자의 두뇌에서 일어나는 마음을 직접 읽을 수 있는 기술이 추가적으로 더 필요한 것으로 제기되고 있다.
이러닝 체제의 장점은 무엇인가?
정보통신 기술의 발달과 더불어 현대인들은 컴퓨터를 이용한 교육 서비스를 쉽게 이용할 수 있게 되었다. 특히 이러닝 체제의 경우, 인간 교사를 대신해서 컴퓨터와 학습자가 1:1 교육을 할 수 있다는 점, 언제 어디서나 학습을 할 수 있는 독립성을 갖는다는 점, 풍부한 정보를 가지고 있는 점, 학습자가 자기 주도적으로 학습할 수 있다는 장점들을 가지고 있다. 하지만, 교사와 학생들이 얼굴을 마주보며 상호작용하던 전통적인 학습 환경과는 달리 학습자의 상태를 면밀히 파악할 수 있는 지능이나 감정 이해에 제한적일 수밖에 없는 컴퓨터 장치와 대면해야 하는 점에서 단점이 제기되고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.