선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 기존에 개발했던 모델링 방법은 주어진 이미지 특성에 따라 학습하여 정보 처리 방식을 선택하기 때문에 시간제한이 존재하는 작업을 수행하는 사람의 시각 탐색 전략에 대한 인지과정을 묘사하기에 부족하다. 따라서 본 연구의 목표는 유용성 시스템의 보상 값(reward) 수정을 통하여 시간 압박에 의해 사람의 시각 탐색 전략이 변화하는 인지과정을 묘사할 수 있는 모델링 방법을 개발하는 것이다.
- 본 연구는 시간 압박에 의해 사람의 시각 탐색이 영향을 받을수 있다는 문헌연구를 바탕으로 시간 압박에 의한 영향을 고려한 사람의 시각 탐색 모델 방법을 개발하였다. 그리고 본 연구에서는 제한된 시간에 근접할수록 느끼는 시간 압박에 의해상향 처리보다 하향 처리를 더 많이 선택하는 사람의 시각 탐색에 대한 인지과정을 유용성 시스템에서의 보상 값의 변화로써 묘사할 수 있었다.
- 본 연구에서 중요한 것은 사람의 시각 탐색에 있어 시간의 영향을 묘사하기 위한 보상 값 수정 방법이다. 앞에서 언급했듯이, 본 연구에서는 사람의 시각 탐색의 인지과정에 대한 시간의 영향을 지수적으로 변화하는 보상 값으로 수정함으로써 표현할 수 있음을 가정하였다(Anderson, 1993).
- 본 연구에서는 시간 압박의 영향을 고려한 사람의 시각 탐색 모델링 방법을 수립하기 위해 먼저 시간 압박에 따른 사람의 시각 탐색 패턴을 확인할 수 있고 그에 따른 인지과정을 확인할 수 있는 적절한 이미지를 선정할 것이다. 그 다음으로는 선정한 이미지로부터 사용할 수 있는 두 가지의 시각 정보 처리 방식인 상향 처리와 하향 처리의 대표적인 탐색 전략을 각각 정의할 것이다.
- “월리를 찾아라” 게임은 미국, 캐나다 등에서 “월도를 찾아 라”라고도 알려져 있으며, 영국 삽화 작가인 Martin Handford 라는 사람에 의해 만들어진 어린이 책에 기반을 두고 있다. 이게임의 목표는 많은 수의 다양한 인물들과 사물들이 매우 빽빽하게 그려진 복잡한 그림 속에서 월리를 찾는 게임이다. 월리의 특징은 빨간색과 하얀색 줄무늬가 있는 티셔츠를 입고있으며, 털실 방울이 달린 모자를 쓰고 안경을 착용했다는 것이다.
- 이에, 본 연구에서는 [Figure 5]와 같이 ACT-R에서 사람의학습 과정을 표현한 유용성 시스템의 보상 값을 고정된 값이 아닌 시간이 지남에 따라 점차 지수적으로 변화하도록 수정하여 시간이 사람의 시각 탐색에 끼치는 영향을 모델링하고자 한다.
- , 1997). 이와 같이 SEEV 모델은 사람의 시각 주의 할당에 있어 상향 처리 방식과 하향 처리 방식을 모두 반영한 이론적인 모델이기 때문에 본 연구에서 제안하는 모델링 방법에 대한 검증을 위해 사용되었다.
가설 설정
- 본 연구에서 중요한 것은 사람의 시각 탐색에 있어 시간의 영향을 묘사하기 위한 보상 값 수정 방법이다. 앞에서 언급했듯이, 본 연구에서는 사람의 시각 탐색의 인지과정에 대한 시간의 영향을 지수적으로 변화하는 보상 값으로 수정함으로써 표현할 수 있음을 가정하였다(Anderson, 1993). 또한 문헌 연구를 통해 알 수 있듯이, 사람의 의사결정이나 판단은 시간 압박에 의하여 하향 처리에 의존하기 때문에 하향 처리 기반의 전략에 대한 보상 값은 지수적으로 증가하고 상향 처리 기반의 전략에 대한 보상 값은 지수적으로 감소하게 설정하였다.
제안 방법
- ACT-R 시각 탐색 모델 방법에 있어 유용성 초기 값의 절대 적인 크기에 따라 모델 결과가 영향을 받는지에 대한 분석을 위해 본 연구에서 설정한 초기 값 10보다 큰 20으로 설정하여[Table 3]과 같이 모델의 결과를 산출하여 비교해보았다. 그 결과는 유의수준 0.
- 모델링 방법에 대한 검증은 “월리를 찾아라” 이미지를 통한 실제 사람의 실험과 SEEV 모델에 의한 결과를 본 연구에서 제안한 방법으로 개발한 ACT-R 모델의 10번의 모의 결과와 비교함으로써 수행되었다. 결과 데이터는 사람의 시각 패턴을 비교하기보다 어느 영역을 얼마나 응시했는지를 비교함으로써 사람의 시각 주의 할당을 잘 묘사했는지를 검증하기 위해 하향 처리 기반의 영역에 응시하는 시간의 비율을 산출 하였다.
- 따라서 본 연구에서는 기존의 SEEV의 요인들 중 하향 처리와 관련된 기대와 가치의 요인들을 시간 압박에 의해 가중치가 증가하는 것으로 수정하여 모델 결과와 비교 검증을 수행하였다. 그리고 시간 압박을 고려한 SEEV 모델은 본 논문에서 SEEV-T(SEEV-Time)로 명명하겠다.
- , 특정 관심영역에서 다른 관심 영역보다 두드러지는 특성이 색과 밝기라고 했을 때 2점을 부여하였다). 노력의 가중치는 현재 시각 주의가 위치하고 있는 관심영역에서 얼마나 멀리 떨어져 있느냐에 따라 가중치를 산출하였다(e.g., 특정 관심 영역이 현재 사람의 시각 주의가 할당되어있는 관심 영역과 이웃해 있을 경우 1점, 이웃해 있지 않다면 2점을 부여하였다). 기대에 대한 가중치는 특정 관심 영역에 찾고자 하는 목표 대상이 존재할 것이라고 예상할 수 있다면 1점을 부여하고, 가치에 대한 가중치는 특정 관심 영역에 찾고자 하는 목표 대상과 관련된 정보가 있다면 1점을 부여하였다.
- 하지만 앞서 설명한 사람의 시각 주의 할당을 예측하는 기존의 SEEV 모델의 경우는 시간 압박이 고려되어 있지 않다. 따라서 본 연구에서는 기존의 SEEV의 요인들 중 하향 처리와 관련된 기대와 가치의 요인들을 시간 압박에 의해 가중치가 증가하는 것으로 수정하여 모델 결과와 비교 검증을 수행하였다. 그리고 시간 압박을 고려한 SEEV 모델은 본 논문에서 SEEV-T(SEEV-Time)로 명명하겠다.
- 따라서 본 연구에서는 시간 압박에 따른 인지과정을 묘사하고 이를 검증하기 위하여 [Figure 1]과 같은 “월리를 찾아라” 게임을 선정하였다.
- 여기서 40초는 파일럿 테스트를 통해 60초, 50초, 40초를 제한하여 진행한 결과 40초에서 시간압박을 받았다는 피험자들의 인터뷰를 통해 결정하였다. 또한 실험이 끝난 후에는 피험자에게 언제쯤 시간 압박을 느끼는지 인터뷰를 통해 구체적으로 시간 압박을 느끼는 구간을 산출해 내었다. 모델링 방법에 대한 검증은 “월리를 찾아라” 이미지를 통한 실제 사람의 실험과 SEEV 모델에 의한 결과를 본 연구에서 제안한 방법으로 개발한 ACT-R 모델의 10번의 모의 결과와 비교함으로써 수행되었다.
- 또한 피험자의 시각 탐색 패턴이 시간 압박을 느끼기 전에 찾은 월리의 개수가 영향을 미치는지에 대한 추가적인 분석을 수행하였다. 즉, 이미지 특성에 따른 인지과정 변화가 아닌 온전히 시간 압박에 의해 30~40초 구간에서 하향 처리를 선택했는지를 보기 위해 [Table 2]와 같은 결과를 통해 분석해보았다.
- 본 연구는 실제 사람의 시각 탐색 모델을 수립하는 것으로 선언적 모듈, 절차적 모듈, 목적 모듈 그리고 시각 모듈이 사용되었다.
- 본 연구에서 사용한 ACT-R 6.0은 총 8개의 모듈로 구성되어 있으며, 각 모듈들은 사람 뇌의 일정 영역을 나타내고 각각 다른 종류의 정보를 처리한다(Anderson et al., 2004). 이 아키텍처는 선언적 지식(declarative knowledge)과 절차적 지식(procedural knowledge)이라는 두 가지 형태의 지식과 외부 환경의 정보들로부터 지각하거나 운동적으로 반응하는 모듈로 이루어져있다.
- 본 연구에서 제안한 모델링 방법은 이미지 특성만을 고려한 기존의 Choi et al.(2015) 연구에서 시간 압박이라는 외적 요인에 의한 인지과정 변화를 추가적으로 고려하여 좀 더 실제와 같은 사람의 시각 탐색을 정확하게 묘사할 수 있다.
- 실험 진행은 피험자를 대상으로 컴퓨터 스크린에 띄운 “월리를 찾아라” 게임으로 실시하였고 수행 시간 40초 동안 목표 대상인 월리를 찾는 시각 탐색 작업을 Eye-tracking 장비를 통해서 피험자들의 시각 주의에 대한 응시 시간을 측정하였다.
- 실험에 사용된 이미지는 [Figure 7]과 같으며, 한명의 월리를 찾는 기존의 “월리를 찾아라” 이미지와는 다르게 다섯 명의 월리를 배치하였고 피험자에게는 여섯 명의 월리를 찾으라고 지시함으로써 시간 압박 대한 영향을 유도하였다.
- 40, 30, 20, 10초). 여기서 40초는 파일럿 테스트를 통해 60초, 50초, 40초를 제한하여 진행한 결과 40초에서 시간압박을 받았다는 피험자들의 인터뷰를 통해 결정하였다. 또한 실험이 끝난 후에는 피험자에게 언제쯤 시간 압박을 느끼는지 인터뷰를 통해 구체적으로 시간 압박을 느끼는 구간을 산출해 내었다.
- 주어진 이미지에서의 SEEV 값은 네 가지의 요인에 대한 가중치의합으로 산출할 수 있고 각 요인들의 가중치는 그 특성에 맞게 정량적으로 산출할 수 있다. 자세히 설명하자면, 본 연구에서 현저성의 가중치는 그에 영향을 미치는 특성(색, 밝기 그리고 방향)의 개수에 따라 가중치를 산출하였다(e.g., 특정 관심영역에서 다른 관심 영역보다 두드러지는 특성이 색과 밝기라고 했을 때 2점을 부여하였다). 노력의 가중치는 현재 시각 주의가 위치하고 있는 관심영역에서 얼마나 멀리 떨어져 있느냐에 따라 가중치를 산출하였다(e.
- 또한 피험자의 시각 탐색 패턴이 시간 압박을 느끼기 전에 찾은 월리의 개수가 영향을 미치는지에 대한 추가적인 분석을 수행하였다. 즉, 이미지 특성에 따른 인지과정 변화가 아닌 온전히 시간 압박에 의해 30~40초 구간에서 하향 처리를 선택했는지를 보기 위해 [Table 2]와 같은 결과를 통해 분석해보았다. 아래 표는 피험자가 시간 압박을 느꼈다고 답한 30~40초구간을 기준으로 그 전까지 몇 개의 월리를 찾았는지에 따라 피험자를 분류했고, 그에 따라 하향 처리 기반 영역에 대한 응시 비율의 평균과 표준편차를 계산한 것이다.
- , 2003). 하지만 기존에 제안했던 시각 탐색 모델은 오직 현재 지각한 객체가 목표 대상인지에 따라서만 고정적인 보상 값을 받고 그로 인해 생산 규칙의 유용성 값이 계산되면서 시각 탐색 전략을 선택하는 인지과정을 묘사하였다. 이 방법으로 묘사된 사람의 인지과정은 제한된 시간에서 작업을 수행하는 사람의 인지과정과 다르기 때문에 시간 압박의 영향을 고려한 수정된 모델링 방법이 제안되어야 한다.
대상 데이터
- 먼저 30초 이전에 피험자가 찾은 월리의 개수는 4개와 5개두 그룹으로 나눌 수 있었고 4개를 찾은 그룹은 4명, 5개를 찾은 그룹은 6명이었다(총 피험자 수 10명). 그리고 그 결과에 따른 통계 분석을 실시하였을 때 4개의 월리를 찾은 그룹과 5개의 월리를 찾은 그룹은 모두 시간 압박을 느끼지 못한 구간 (0~30초)과 시간 압박을 느낀 구간(30~40초)이 유의미한 차이가 생기는 것을 볼 수 있었다.
- 본 연구에서는 대학(원)생 10명을 대상으로 실험이 수행되었다. 실험참가자들은 남자가 7명, 여자가 3명이었으며, 이들의 평균연령은 23세, 연령의 표준편차는 2세였다.
- 본 연구에서는 대학(원)생 10명을 대상으로 실험이 수행되었다. 실험참가자들은 남자가 7명, 여자가 3명이었으며, 이들의 평균연령은 23세, 연령의 표준편차는 2세였다.
데이터처리
- [Table 1]은 ACT-R 모델 결과와 피험자 결과의 각 구간별평균과 표준편차이고 SEEV-T 모델은 각 구간별 기댓값을 보여주는 표이다. 그리고 ACT-R 모델 결과와 피험자의 결과는 독립표본 t-검정을 수행하였고 ACT-R 모델 결과와 SEEV-T 모델의 결과는 일표본 t-검정을 수행하여 통계적으로 유의한 차이가 없는지를 확인하였다.
- 그리고 회귀분석을 통해 본 연구에서 개발한 ACT-R 모델의 결과와 실험 결과 그리고 SEEV-T 모델 결과를 비교하였다. 그결과 피험자의 결과와 ACT-R 모델의 결과에 대한 r-squarer과 RMSE 값은 각각 0.
- 모델링 방법에 대한 검증은 “월리를 찾아라” 이미지를 통한 실제 사람의 실험과 SEEV 모델에 의한 결과를 본 연구에서 제안한 방법으로 개발한 ACT-R 모델의 10번의 모의 결과와 비교함으로써 수행되었다.
- 시간 압박의 영향을 표현한 모델링 방법의 검증은 “월리를 찾아라” 게임을 이용하여 실험이 수행되었으며, 검증 방법은 사람의 시각 탐색을 eye-tracking 장비를 통해 기록한 결과와 시각 주의에 대한 이론적인 모델인 SEEV 모델의 결과 값을 ACT-R 모델의 결과 값과 비교함으로써 수행되었다.
이론/모형
- 본 연구에서는 사람의 시각 탐색에 있어 시간 압박의 영향을 묘사한 모델에 대한 입증을 위해 “월리를 찾아라” 이미지가 사용되었다.
- 실험장비는 [Figure 6]과 같이 Eye-tracking 장비인 FaceLab Eye-Tracking(version 4.2.2)이 사용되었고 분석 프로그램은 GazeTracker software가 사용되었다.
성능/효과
- 0~30초까지의 하향 처리 기반의 영역에 대한 응시하는 시간의 비율을 보면 피험자의 경우 54.49%, 모델의 결과 값은 51.5%그리고 SEEV-T model 45.56%로 대략 하향 처리 기반의 전략과 상향 처리 기반의 전략을 50:50의 비율로 선택한 것으로 보인다. 또한 표준편차가 큰 이유는 상향 처리 기반의 전략을 선택했을 경우와 하향 처리 기반의 전략을 선택 했을 경우가 랜덤하게 발생했기 때문이다.
- 001)의 값이 산출되었다. r-square 값은 모델의 결과가 얼마나 설명력이 있는지를 나타내는 지표로 90% 이상의 설명력이 있음을 확인하였고, 이는 기존의 대표적 ACT-R 모델 연구(Salvucci and Taatgen, 2008) 결과와 마찬가지로 인지과정을 하위수준까지 세부적으로 묘사할 수 있는 ACT-R 인지아키텍처 큰 장점이기 때문에 가능하다고 볼 수 있다. 또한 RMSE는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이를 다룰 때 사용되는 측도로 본 연구의 결과 값이 작은 것으로 보아 이 또한 모델 결과가 실제 사람의 결과와 큰 차이를 보이지 않음을 볼 수 있었다.
- 결과를 통해 본 논문에서 개발된 시각 탐색 모델이 시간 압박에 따른 사람의 시각 탐색에 대한 패러다임을 정확하게 예측할 수 있음을 볼 수 있었다.
- 또한 RMSE는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이를 다룰 때 사용되는 측도로 본 연구의 결과 값이 작은 것으로 보아 이 또한 모델 결과가 실제 사람의 결과와 큰 차이를 보이지 않음을 볼 수 있었다. 결론적으로 본 논문에서 제안한 ACT-R 시각 탐색 모델이 사람의 시각 탐색과 이론적인 결과인 SEEV-T 모델 모두를 충분히 묘사하고 있음을 볼 수 있다.
- 그 결과 ACT-R 모델 결과와 피험자 결과는 유의수준 0.05하에서 모든 구간이 다르지 않음을 확인할 수 있었다. 하지만 ACT-R 모델 결과와 SEEV-T 결과는 0~5초와 5~10초 구간에서 유의하게 다름을 볼 수 있었다.
- ACT-R 시각 탐색 모델 방법에 있어 유용성 초기 값의 절대 적인 크기에 따라 모델 결과가 영향을 받는지에 대한 분석을 위해 본 연구에서 설정한 초기 값 10보다 큰 20으로 설정하여[Table 3]과 같이 모델의 결과를 산출하여 비교해보았다. 그 결과는 유의수준 0.05하에서 모든 시간 구간의 하향 처리 기반 영역을 응시한 모델의 비율이 유의미하게 다르지 않음을 확인할 수 있었다. 이 의미는 본 연구에서 주장하고자하는 바와 같이 절대적인 값의 의미가 중요하기보다 상대적인 비교로써 두가지의 처리 방식인 상향 처리와 하향 처리의 유용성 차이에 따른 전략 선택으로 사람의 시각 탐색을 묘사하는 것이 틀리지 않음을 볼 수 있었다.
- 그결과 피험자의 결과와 ACT-R 모델의 결과에 대한 r-squarer과 RMSE 값은 각각 0.91과 9.89(#subject = -0.254+1.027 × xact–r, p-value = 0.0013), SEEV-T 모델의 결과와 ACT-R 모델의 결과에 대한 r-square과 RMSE 값은 각각 0.93과 4.90(#seev–t = 0.233+0.911 × xact–r, p-value < 0.001)의 값이 산출되었다.
- 먼저 30초 이전에 피험자가 찾은 월리의 개수는 4개와 5개두 그룹으로 나눌 수 있었고 4개를 찾은 그룹은 4명, 5개를 찾은 그룹은 6명이었다(총 피험자 수 10명). 그리고 그 결과에 따른 통계 분석을 실시하였을 때 4개의 월리를 찾은 그룹과 5개의 월리를 찾은 그룹은 모두 시간 압박을 느끼지 못한 구간 (0~30초)과 시간 압박을 느낀 구간(30~40초)이 유의미한 차이가 생기는 것을 볼 수 있었다. 또한 같은 구간에서 두 그룹간의 유의한 차이가 있는지를 확인한 결과 모두 유의수준 0.
- 본 연구는 시간 압박에 의해 사람의 시각 탐색이 영향을 받을수 있다는 문헌연구를 바탕으로 시간 압박에 의한 영향을 고려한 사람의 시각 탐색 모델 방법을 개발하였다. 그리고 본 연구에서는 제한된 시간에 근접할수록 느끼는 시간 압박에 의해상향 처리보다 하향 처리를 더 많이 선택하는 사람의 시각 탐색에 대한 인지과정을 유용성 시스템에서의 보상 값의 변화로써 묘사할 수 있었다. 이에 대한 검증 실험은 “월리를 찾아라” 게임을 통해 수행하였고, ACT-R 모델과 피험자 그리고 SEEVT 모델에 대한 하향 처리 기반 영역의 시간 비율이 통계적으로 선형관계를 가짐을 보임으로서 ACT-R 모델이 사람의 시각 탐색을 정확하게 예측하고 있음을 확인하였다.
- r-square 값은 모델의 결과가 얼마나 설명력이 있는지를 나타내는 지표로 90% 이상의 설명력이 있음을 확인하였고, 이는 기존의 대표적 ACT-R 모델 연구(Salvucci and Taatgen, 2008) 결과와 마찬가지로 인지과정을 하위수준까지 세부적으로 묘사할 수 있는 ACT-R 인지아키텍처 큰 장점이기 때문에 가능하다고 볼 수 있다. 또한 RMSE는 모델이 예측한 값과 실제 환경에서 관찰되는 값의 차이를 다룰 때 사용되는 측도로 본 연구의 결과 값이 작은 것으로 보아 이 또한 모델 결과가 실제 사람의 결과와 큰 차이를 보이지 않음을 볼 수 있었다. 결론적으로 본 논문에서 제안한 ACT-R 시각 탐색 모델이 사람의 시각 탐색과 이론적인 결과인 SEEV-T 모델 모두를 충분히 묘사하고 있음을 볼 수 있다.
- 실험을 마친 모든 피험자들을 대상으로 언제 시간 압박을 느꼈는지에 대해 인터뷰한 결과 피험자 모두 작업 시간이 10초가 남았을 때 시간 압박을 느꼈다고 대답했다. 또한 [Figure 10]과같이 피험자의 실험 결과, ACT-R 모델 결과 그리고 SEEV-T 모델의 결과에 대한 데이터를 0-30초와 30~40초 구간으로 나누어 평균을 비교했을 때도 유의수준 5%에서 실험 결과(p-value =0.0003), ACT-R 모델 결과(p-value = 0.0004) 그리고 SEEV-T 모델 결과(p-value = 0.047)가 모두 유의한 차이를 보였다.
- 그리고 그 결과에 따른 통계 분석을 실시하였을 때 4개의 월리를 찾은 그룹과 5개의 월리를 찾은 그룹은 모두 시간 압박을 느끼지 못한 구간 (0~30초)과 시간 압박을 느낀 구간(30~40초)이 유의미한 차이가 생기는 것을 볼 수 있었다. 또한 같은 구간에서 두 그룹간의 유의한 차이가 있는지를 확인한 결과 모두 유의수준 0.05를 넘어 두 그룹이 다르지 않음을 볼 수 있었다. 위 결과를 통해 시간 압박을 느끼게 되는 마지막 30~40초 구간 이전에 찾은 월리의 개수는 시간 압박에 의한 사람의 시각 탐색 패턴에 영향을 주지 않는 것을 볼 수 있었다.
- 22%로 모두 높은 비율을 보이는데, 이 결과는 시간 압박에 대한 영향으로 하향 처리 기반의 전략을 더욱 많이 선택한 이유로 보일 수 있다. 또한, 0~30s와 30~40s에서의 피험자의 응시 비율의 평균, 모델의 응시 비율의 평균 그리고 SEEV-T 모델의 응시 비율의 평균에 대해 분산분석을 실시했을 때 F-test 검정결과가 모두 유의수준 0.05에서 다르지 않음을 보임으로써(0~30s : p-value = 0.60, 30~40s : p-value = 0.16) 모델이 사람의 시각 탐색에 있어 시간 압박 영향에 의한 인지 과정을 잘 묘사하고 있음을 볼 수 있었다.
- 이에 대한 검증 실험은 “월리를 찾아라” 게임을 통해 수행하였고, ACT-R 모델과 피험자 그리고 SEEVT 모델에 대한 하향 처리 기반 영역의 시간 비율이 통계적으로 선형관계를 가짐을 보임으로서 ACT-R 모델이 사람의 시각 탐색을 정확하게 예측하고 있음을 확인하였다. 또한, ACT-R 모델의 마지막 10초 동안에는 시간 압박에 의해서 하향 처리 기반의 영역을 높은 비율로 응시하였는데, 이 결과는 피험자와 SEEV-T 그리고 모델의 응시 비율과 같은 추세를 보이며 통계적으로도 유의하게 다르지 않음을 볼 수 있었다. 이에, 시간을 다투는 위험한 운전 상황이 생겼을 때 또는 운행 중인 항공기의 시스템에 오류가 생겼을 때의 사람의 시각 탐색을 예측하고 그에 맞는 시스템 및 인터페이스를 평가할 때 본 연구에서 개발한 모델링 방법이 적용될 수 있다.
- 실험을 마친 모든 피험자들을 대상으로 언제 시간 압박을 느꼈는지에 대해 인터뷰한 결과 피험자 모두 작업 시간이 10초가 남았을 때 시간 압박을 느꼈다고 대답했다. 또한 [Figure 10]과같이 피험자의 실험 결과, ACT-R 모델 결과 그리고 SEEV-T 모델의 결과에 대한 데이터를 0-30초와 30~40초 구간으로 나누어 평균을 비교했을 때도 유의수준 5%에서 실험 결과(p-value =0.
- 05를 넘어 두 그룹이 다르지 않음을 볼 수 있었다. 위 결과를 통해 시간 압박을 느끼게 되는 마지막 30~40초 구간 이전에 찾은 월리의 개수는 시간 압박에 의한 사람의 시각 탐색 패턴에 영향을 주지 않는 것을 볼 수 있었다. 즉 서론에서 언급했듯이 이미지 특성에 따라 시각 탐색 전략을 선택한 기존의 시각 탐색 모델은 시간 압박에 따른 인지과정 변화를 묘사하기 부족하기 때문에 본 연구에서 제안하는 모델링 방법이 고려되어야한다.
- 위와 관련해서 결과 [Table 1]에 의하면 0~5초와 5~10초 구간에서는 통계적으로 ACT-R 모델 결과와 SEEV-T 모델 결과는 유의한 차이를 보이는데 이 결과는 모델의 경우 상향 처리와 하향 처리를 동등하게 고려해야함을 가정했지만 SEEV-T 모델의 경우 현저성의 가중치가 최대 3점으로 기대와 가치의 요인의 최대 가중치 값 2점보다 크게 산정되기 때문에 차이가 생기는 것으로 해석할 수 있다. 이를 보완하기 위해 현저성의가중치 요인에 해당하는 색, 밝기 그리고 방향 중 어느 요인이좀 더 사람의 시각 주의에 영향을 주는지 대한 정도를 상대 비교하여 다른 가중치의 최대크기와 동등하게 산정될 수 있는 추후 연구가 진행되어야 할 것이다.
- (2015) 연구에서는 두 가지의 정보 처리 방식인 상향 처리(bottom up)와 하향 처리(top down)를 모두 고려하고 이미지 특성에 따라 적절한 처리 방식을 선택하는 사람의 시각 탐색 전략에 대한 인지과정을 묘사함으로써 정확한 사람의 시각 탐색을 예측하기 위한 모델링 방법을 제안하였다. 이 방법은 학습을 함으로써 합리적인 분석(rational analysis)을 하는 사람의 인지과정과 관련된 ACT-R의 유용성 시스템 (utility system)을 이용하였으며, eye-tracking 장비를 이용한 검증 실험을 통해 통계적인 선형관계가 있음을 보였다. 하지만 시간 압박에 관한 연구에 따르면, 사람은 시간이 제한된 작업을 수행할 때 제한된 시간에 다다를수록 시간 압박을 느끼게 되어 의사결정이나 판단과 같은 인지과정에 영향을 받는다 (Maule and Edland, 1997; Maule et al.
- 이에 대한 검증 실험은 “월리를 찾아라” 게임을 통해 수행하였고, ACT-R 모델과 피험자 그리고 SEEVT 모델에 대한 하향 처리 기반 영역의 시간 비율이 통계적으로 선형관계를 가짐을 보임으로서 ACT-R 모델이 사람의 시각 탐색을 정확하게 예측하고 있음을 확인하였다.
- 05하에서 모든 구간이 다르지 않음을 확인할 수 있었다. 하지만 ACT-R 모델 결과와 SEEV-T 결과는 0~5초와 5~10초 구간에서 유의하게 다름을 볼 수 있었다. 이 결과에 대한 의미는 토의에서 고찰할 예정이다.
후속연구
- 서론에서 언급했듯이 본 연구에서는 시간 압박의 영향을 표현한 모델링 방법에 대한 검증 방법으로 이론적인 모델인 SEEV 모델의 결과 값과 비교하는 과정이 수행될 것이다. 주어진 이미지에서의 SEEV 값은 네 가지의 요인에 대한 가중치의합으로 산출할 수 있고 각 요인들의 가중치는 그 특성에 맞게 정량적으로 산출할 수 있다.
- 위와 같은 방법으로 계산된 각 관심 영역에 대한 시각 주의 할당의 결과 값을 본 연구에서 개발한 모델의 결과 값과 비교 하여 모델 검증이 수행될 것이다.
- 위와 관련해서 결과 [Table 1]에 의하면 0~5초와 5~10초 구간에서는 통계적으로 ACT-R 모델 결과와 SEEV-T 모델 결과는 유의한 차이를 보이는데 이 결과는 모델의 경우 상향 처리와 하향 처리를 동등하게 고려해야함을 가정했지만 SEEV-T 모델의 경우 현저성의 가중치가 최대 3점으로 기대와 가치의 요인의 최대 가중치 값 2점보다 크게 산정되기 때문에 차이가 생기는 것으로 해석할 수 있다. 이를 보완하기 위해 현저성의가중치 요인에 해당하는 색, 밝기 그리고 방향 중 어느 요인이좀 더 사람의 시각 주의에 영향을 주는지 대한 정도를 상대 비교하여 다른 가중치의 최대크기와 동등하게 산정될 수 있는 추후 연구가 진행되어야 할 것이다.
- 또한, ACT-R 모델의 마지막 10초 동안에는 시간 압박에 의해서 하향 처리 기반의 영역을 높은 비율로 응시하였는데, 이 결과는 피험자와 SEEV-T 그리고 모델의 응시 비율과 같은 추세를 보이며 통계적으로도 유의하게 다르지 않음을 볼 수 있었다. 이에, 시간을 다투는 위험한 운전 상황이 생겼을 때 또는 운행 중인 항공기의 시스템에 오류가 생겼을 때의 사람의 시각 탐색을 예측하고 그에 맞는 시스템 및 인터페이스를 평가할 때 본 연구에서 개발한 모델링 방법이 적용될 수 있다.
- 위 결과를 통해 시간 압박을 느끼게 되는 마지막 30~40초 구간 이전에 찾은 월리의 개수는 시간 압박에 의한 사람의 시각 탐색 패턴에 영향을 주지 않는 것을 볼 수 있었다. 즉 서론에서 언급했듯이 이미지 특성에 따라 시각 탐색 전략을 선택한 기존의 시각 탐색 모델은 시간 압박에 따른 인지과정 변화를 묘사하기 부족하기 때문에 본 연구에서 제안하는 모델링 방법이 고려되어야한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.