[논문]스마트폰 중독 정도에 따른 감정 영상 시청 시의 뇌파 비교

김슬기; 김소영; 강행봉

doi:10.9717/kmms.2015.18.5.599

Abstract ▼ AI-Helper

As smartphone usage has increased recently, so has smartphone addiction. Many of the smartphone users, however, do not even recognize the risk of smartphone addiction. In this experiment, smartphone users have been categorized into two groups by smartphone addiction measure (S-measure) developed by ...

As smartphone usage has increased recently, so has smartphone addiction. Many of the smartphone users, however, do not even recognize the risk of smartphone addiction. In this experiment, smartphone users have been categorized into two groups by smartphone addiction measure (S-measure) developed by 2011 National Information Society Agency (NIA): A high risk group and a normal group. The changes of brain waves have been observed when the subjects were watching emotional videos of anger, sadness, happiness, and fear. The results show that the values of FP1 and FP2 (frontal lobe) theta band of the high risk group have been measured to be high, which indicate anxiety disorder. Although happiness and fear videos showed no difference between these groups, sadness and anger videos showed significantly different results for these groups: the brain waves of the high risk group showed higher values than those of the normal group. Therefore, this experiment showed that the high risk group takes feelings of sadness and anger more sensitively than the normal group.

주제어

AI 본문요약
AI-Helper

문제 정의

스마트폰 중독에 관한 기존 연구는 설문조사나 상담 등과 같이 심리, 통계 그리고 사회학적인 측면으로만 연구 되어왔기 때문에, 과학적으로 이를 뒷받침할만한 연구는 많이 진행되지 않았다. 따라서 본 논문에서는 스마트폰 중독에 있어서 일반군과 비교되는 고위험군의 특성인 불안, 우울 등과 같은 부정적인 성향[3,4,5]을 EEG(Electroencephalogram)를 이용하여 기존의 연구들과 달리 과학적으로 증명하고자 하였다.
본 논문에서는 인터넷이나 게임 중독에 초점을 맞췄던 기존연구들과는 다르게 근래의 사회적으로 문제가 되고 있는 스마트폰 중독에 관한 연구를 하고자 하였다. 스마트폰 중독에 관한 기존 연구는 설문조사나 상담 등과 같이 심리, 통계 그리고 사회학적인 측면으로만 연구 되어왔기 때문에, 과학적으로 이를 뒷받침할만한 연구는 많이 진행되지 않았다.
본 실험은 스마트폰 중독 정도에 따라 감정영상을 시청하였을 때 나타나는 EEG의 신호 차이를 보고, 그 특징을 추출하였다. 위의 내용을 종합하여 볼 때, FP1, FP2 (전두엽 부분)의 세타 대역의 값이 높게 나타나는 것은 정서불안을 나타내며 특히 분노와 공포 영상이 기쁨과 슬픔 영상보다 부정적인 감정으로, 고위험군이 일반군 보다 이를 더 강하게 느낀다.

제안 방법

본 논문에서는 2011년 한국 정보화 진흥원에서 개발한 스마트폰 중독 척도(이하 S척도)를 이용하여 스마트폰 사용 고위험군과 일반군을 나눈 후 연구를 진행 한다. 기존에 제시된 심리학, 사회학적 통계[3,4,5]를 기반으로 일반군과 비교되는 고위험군의 특징을 측정하기 위한 방법으로 공포, 기쁨, 슬픔, 분노 4가지 감정으로 나누어 스토리가 있는 연속적인 동영상 자극을 제시함으로써 기존 연구보다 해당 감정에 더욱 몰입 할 수 있도록 한다. EEG 분석의 경우, 스마트폰 사용 고위험군과 일반군이 같은 영상을 보았을 때 파워 스펙트럼 차이를 세타(3～8Hz), 알파(8～12Hz), 베타(12～30Hz), 감마(30～70Hz) 대역 별로 나누어 비교한다.
기존의 스마트폰 중독에 관한 연구는 공통적으로 사회적, 심리적 요인분석을 통계나 상담 등을 통해서만 이루어졌다는 한계가 있었다. 따라서 본 연구에서는 기존의 사회적, 심리적 요인으로 분석된 결과와 EEG를 통한 과학적인 요인분석 결과가 동일한지를 알아본다. 또한 기존의 감정과 EEG에 관한 연구는 단지 흥분이나 유인성 단계로만 분류하여 감정을 인식했다면 본 연구에서는 감정을 좀 더 세분화 한 4가지 감정으로 나눈다.
본 논문에서는 2011년 한국 정보화 진흥원에서 개발한 스마트폰 중독 척도(이하 S척도)를 이용하여 스마트폰 사용 고위험군과 일반군을 나눈 후 연구를 진행 한다. 기존에 제시된 심리학, 사회학적 통계[3,4,5]를 기반으로 일반군과 비교되는 고위험군의 특징을 측정하기 위한 방법으로 공포, 기쁨, 슬픔, 분노 4가지 감정으로 나누어 스토리가 있는 연속적인 동영상 자극을 제시함으로써 기존 연구보다 해당 감정에 더욱 몰입 할 수 있도록 한다.
본 실험은 스마트폰을 사용하고 있는 20대 초반 남, 여 29명(남16, 여13)을 대상으로 하였다. 실험에 참여한 피험자들은 실험 모집 시 S척도를 통해 고위험군 (14명-남 8, 여6), 일반군(15명-남 8, 여7)의 두 부류로 나누어 실험을 진행하였다. 실험에서 피험자들은 기쁨, 슬픔, 분노, 공포의 4가지 감정을 담은 영상을 각각 3개씩 총 12개의 영상클립을 시청하였다.
실험에 참여한 피험자들은 실험 모집 시 S척도를 통해 고위험군 (14명-남 8, 여6), 일반군(15명-남 8, 여7)의 두 부류로 나누어 실험을 진행하였다. 실험에서 피험자들은 기쁨, 슬픔, 분노, 공포의 4가지 감정을 담은 영상을 각각 3개씩 총 12개의 영상클립을 시청하였다. 이때 영상의 재생은 감정의 순서는 지키되 영상의 종류는 임의로 진행하였다.
총 12개의 영상 중 임의로 해당 영상이 나타내는 감정의 특징을 가장 두드러지게 나타내는 부분을 1분 이내로 선정 후 그 부분의 중심을 기준으로 파워 스펙트럼의 최대 값을 비교하였다. 파워 스펙트럼의 비교는 세타(3~8Hz), 알파(8~12Hz), 베타(12~30 Hz), 감마(30~70Hz)의 대역 별로 나누어 대역 필터를 적용한 후 측정하였다.

대상 데이터

본 실험은 스마트폰을 사용하고 있는 20대 초반 남, 여 29명(남16, 여13)을 대상으로 하였다. 실험에 참여한 피험자들은 실험 모집 시 S척도를 통해 고위험군 (14명-남 8, 여6), 일반군(15명-남 8, 여7)의 두 부류로 나누어 실험을 진행하였다.
뇌파의 측정은 10-20 시스템을 기반으로 하였다. 총 29명의 피험자 중 데이터의 오류 및 실험 시 상황통제의 문제(졸음, 격한 움직임 등)를 제외한 후 19명의 데이터를 기반으로 분석하였다. 스마트폰 중독척도(S 척도)를 기준으로 고위험군 9명(남 3, 여 6)과 일반군 10명(남 6, 여 4)으로 분류 되었으며 고위험군의 평균 연령은 만 21세, 일반군의 평균 연령은 만 21.
Curry7을 이용하여 데이터의 기준선 조정(Base-line Correction)은 상수(Constant)로 맞추고, 눈 깜빡임으로 인한 노이즈를 제거하기 위해 임계 값(Threshold)를 설정하여 최하 0, 최대 60의 범위를 벗어나는 부분은 그 지점의 이전200ms, 이후800ms 영역을 공분산(Covariance) 값으로 대체하였다. 총 64개의 채널 중 M1, M2는 피험자의 움직임으로 인한 노이즈로 데이터가 손상되어 전체 데이터에서 M1, M2를 제외한 총 62개의 채널을 측정하였다. 그 중 FP1, FP2, F3, F4, C3, C4, O1, O2의 채널의 데이터를 비교하였으며 레퍼런스(Reference) 채널은 머리 정중앙으로 하였다.

데이터처리

본 실험에서는 뇌파측정을 위해 NeuroScan 뇌파측정기계와 Curry7 소프트웨어 프로그램을 사용하였다. 실험에 사용한 전극은 64채널이며 샘플링 주파수(Sampling rate)는 1KHz로 하였다.
총 12개의 영상 중 임의로 해당 영상이 나타내는 감정의 특징을 가장 두드러지게 나타내는 부분을 1분 이내로 선정 후 그 부분의 중심을 기준으로 파워 스펙트럼의 최대 값을 비교하였다. 파워 스펙트럼의 비교는 세타(3~8Hz), 알파(8~12Hz), 베타(12~30 Hz), 감마(30~70Hz)의 대역 별로 나누어 대역 필터를 적용한 후 측정하였다.

이론/모형

실험 중 임피던스(Impedance)는 5㏀이하로 유지하였다. 뇌파의 측정은 10-20 시스템을 기반으로 하였다. 총 29명의 피험자 중 데이터의 오류 및 실험 시 상황통제의 문제(졸음, 격한 움직임 등)를 제외한 후 19명의 데이터를 기반으로 분석하였다.

성능/효과

위의 내용을 종합하여 볼 때, FP1, FP2 (전두엽 부분)의 세타 대역의 값이 높게 나타나는 것은 정서불안을 나타내며 특히 분노와 공포 영상이 기쁨과 슬픔 영상보다 부정적인 감정으로, 고위험군이 일반군 보다 이를 더 강하게 느낀다. 기쁨과 공포의 영상의 경우 두 군 모두 동일하게 활동적으로 느끼므로 뇌파 결과에 큰 차이가 없지만, 슬픔과 분노의 경우 고위험군이 일반군 보다 더 활동적으로 느껴 뇌파가 더 높게 나타난다. 따라서, 일반군보다 고위험군이 감정 영상을 민감하게 받아들이는 것을 알 수 있다.
기쁨과 공포의 영상의 경우 두 군 모두 동일하게 활동적으로 느끼므로 뇌파 결과에 큰 차이가 없지만, 슬픔과 분노의 경우 고위험군이 일반군 보다 더 활동적으로 느껴 뇌파가 더 높게 나타난다. 따라서, 일반군보다 고위험군이 감정 영상을 민감하게 받아들이는 것을 알 수 있다. 특히 슬픔, 분노 영상에서 고위험군의 뇌파가 높게 측정되었는데 이는 고위험군이 슬픔, 분노 감정 영상을 보았을 때 해당 감정을 더 강하게 느낌을 알 수 있다.
본 실험은 스마트폰 중독 정도에 따라 감정영상을 시청하였을 때 나타나는 EEG의 신호 차이를 보고, 그 특징을 추출하였다. 위의 내용을 종합하여 볼 때, FP1, FP2 (전두엽 부분)의 세타 대역의 값이 높게 나타나는 것은 정서불안을 나타내며 특히 분노와 공포 영상이 기쁨과 슬픔 영상보다 부정적인 감정으로, 고위험군이 일반군 보다 이를 더 강하게 느낀다. 기쁨과 공포의 영상의 경우 두 군 모두 동일하게 활동적으로 느끼므로 뇌파 결과에 큰 차이가 없지만, 슬픔과 분노의 경우 고위험군이 일반군 보다 더 활동적으로 느껴 뇌파가 더 높게 나타난다.
x축은 각 전극의 대역 별(세타, 알파, 베타, 감마) 값을 나타내며 y축의 값은 파워 스펙트럼의 ㎶값을 나타낸다. 전체적으로 고위험군이 일반군보다 파워 스펙트럼의 값이 높게 나타나며, 분노, 슬픔의 감정영상에서는 고위험군의 경우 FP1, FP2의 세타 부분에서 높은 값을 가지고 FP1, FP2, F3, F4, C3, C4, O1, O2의 알파 대역에서 일반군보다 높은 값을 가진다. 반면 일반군은 FP1과 FP2의 세타 대역을 제외한 대부분의 대역의 값들이 큰 변화가 없었다.
따라서, 일반군보다 고위험군이 감정 영상을 민감하게 받아들이는 것을 알 수 있다. 특히 슬픔, 분노 영상에서 고위험군의 뇌파가 높게 측정되었는데 이는 고위험군이 슬픔, 분노 감정 영상을 보았을 때 해당 감정을 더 강하게 느낌을 알 수 있다.

후속연구

본 실험을 토대로 스마트폰 사용 고위험군과 일반군의 감정 분류기를 만들고, 더 나아가 고위험군과 일반군의 감정을 인식하는 연구를 진행할 예정이다. 또한 본 실험에서는 연령대를20대로 제한하였지만 다음 연구에는 더 일반적인 결론을 얻기 위해 모든 연령대를 대상으로 연구를 진행할 예정이다.
본 실험을 토대로 스마트폰 사용 고위험군과 일반군의 감정 분류기를 만들고, 더 나아가 고위험군과 일반군의 감정을 인식하는 연구를 진행할 예정이다. 또한 본 실험에서는 연령대를20대로 제한하였지만 다음 연구에는 더 일반적인 결론을 얻기 위해 모든 연령대를 대상으로 연구를 진행할 예정이다.

참고문헌 (16)

H. Lee, H. Ahn, S. Choi, and W. Choi, “The SAMS: Smartphone Addiction Management System and Verification,” Journal of Medical Systems, Vol. 38, No. 1, pp. 1-10, 2014.

상세보기
C. Jenaro, N. Flores, M.M. Vela, F.G.L. Gil, and C. Caballo, “Problematic Internet and Cell-phone Use: Psychological, Behavioral, and Health Correlates,” Addiction Research and Theory, Vol. 15, No. 3, pp. 309-320, 2007.

상세보기
H. Gim Y. Jang, E. Jeong, and S. Ryu, “A Study on the Relationship among College Students’ Construal Level, Self-control and Smartphone Addictive Use,” Journal of Future Oriented Youth Society Vol. 10, No. 2, pp. 47-67, 2012.
B. Kim, E. Ko, and H. Choi, “A Study on Actors Affecting Smart-phone Addiction in University Students : a Focus on Differences in Classifying Risk Groups,” Korean Journal of Youth Studies, Vol. 24, No. 3, pp. 67-98, 2013.
K. Hwang, Y. Yoo, and O. Cho, “Smartphone Overuse and Upper Extremity Pain, Anxiety, Depression, and Interpersonal Relationships among College Students,” Journal of the Korea Contents Association, Vol. 12, No. 10, pp. 365-375, 2012.

원문보기 상세보기
J. Lee and H. Kang, “EEG and ERP based Degree of Internet Game Addiction Analysis,” Journal of the Korea Multimedia Society, Vol. 17, No.11, pp. 1325-1334, 2014.

원문보기 상세보기
Y. Liu, O. Sourina, and M.K. Nguyen, “Real-time EEG-based Emotion Recognition and its Applications,” Transactions on Computational Science XII, Vol. 12, pp. 256-277, 2011.
Y. Lin, C. Wang, T. Jung, T. Wu, S. Jeng, J. Duann et al. “EEG-Based Emotion Recognition in Music Listening,” IEEE Transactions on Biomedical Engineering, Vol. 57, No. 7, pp. 1798-1806, 2010.

상세보기
D.O. Bos, “EEG-based Emotion Recognition ,” The Influence of Visual and Auditory Stimuli, University of Twente, pp.1-17, 2006.
A.T. Sohaib, S. Qureshi, J. Hagelbäck, O. Hilborn, and P. Jerčić. "Evaluating Classifiers for Emotion Recognition using EEG," Proceeding of Foundations of Augmented Cognition, pp. 492-501, 2013.
NIA, Development of Korean Smartphone Addiction Proneness Scale for Youth and Adults, NIA IV-RER-11051, 2011.
H. Kang and C. Park, “Development and Validation of the Smartphone Addiction Inventory,” Korea Journal of Psychology: General, Vol. 31, No. 2, pp. 563-580, 2012.
D. Nie, X. Wang, L. Shi, and B. Lu, “EEG-based Emotion Recognition during Watching Movies,” Proceeding of 5th International IEEE/EMBS Conference, pp. 667-670, 2011.
M. Soleymani, M. Pantic, and T. Pun, "Multimodal Emotion Recognition in Response to Videos," IEEE Transactions on Affective Computing, Vol. 3, No. 2, pp. 211-223, 2012.

상세보기
A.C. Conneau and S. Essid. "Assessment of New Spectral Features for EEG-based Emotion Recognition," Proceeding of 2014 IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 4698-4702, 2014.
Russell and A. James, “A Circumplex Model of Affect,” Journal of Personality and Social Psychology, Vol. 39, No. 6, pp. 1161-1178, 1980.

상세보기

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

스마트폰 중독 정도에 따른 감정 영상 시청 시의 뇌파 비교
Comparison of EEG during Watching Emotional Videos according to the Degree of Smartphone Addiction 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

스마트폰 중독 정도에 따른 감정 영상 시청 시의 뇌파 비교 Comparison of EEG during Watching Emotional Videos according to the Degree of Smartphone Addiction 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

강행봉 (44)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

스마트폰 중독 정도에 따른 감정 영상 시청 시의 뇌파 비교
Comparison of EEG during Watching Emotional Videos according to the Degree of Smartphone Addiction 원문보기

AI 본문요약
AI-Helper