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
- 게임에서 사용되는 객체로 단순한 숫자, 글자가 아닌 일상생활에서 볼 수 있는 친숙한 음식들을 사용하여서, 단기기억 회상에 유용하며, 시·공간적 정보를 일시적으로 저장하도록 하는 시공간 잡기장 (visual-spatial sketchpad)의 능력과 위치 정보의 기능을 향상시키기 위한 게임이다.
제안 방법
- 엘리베이터 게임은 숫자에 대한 시각이나 청각에 대한 단기기억능력을 측정하는 게임이다. 본게임은 시각이나 청각능력을 이용해 단기기억을 측정하는 게임으로 그림 또는 음성으로 주어지는 1에서 20까지의 숫자를 기억하여, 기억한 숫자가 있는 곳의 버튼을 클릭하여 정답 및 오답에 대한 결과물이 나오게 된다.
- 본 연구는 시니어 인지반응 모델링 방법을 제언하기 위하여 시니어를 대상으로 실험한 인지반응 게임 3종과 일반인을 대상으로 수행한 인지측정 과제 데이터를 이용하여 스마트 시니어의 유형을 위한 모델링방법을 제언한다. 제언하는 방법은 3장에서 소개한 데이터를 이용하여 데이터를 군집화하여 시니어의 유형을 도출해내는 것이다. 본 연구의 모델링 과정은 [그림 2]와 같다.
- 인지 측정 과제 데이터는 404명의 20대 참가자를 대상으로 실험한 데이터이다. 두종류의 데이터 모두 결측치는 일반적으로 많이 사용하는 방법인 각 변수의 평균치를 계산하여넣는 방법으로 처리하였다. 이런 방식을 사용하면결측값을 평균값으로 대체하였기 때문에 모델링할때도 영향을 주지않게 된다.
- 모델링은 앞선 인지반응 게임과 동일하게 K를 3으로 설정하여 모델링을 진행하였다. 인지측정과제는 총 10개의 과제로 구성되어 있으며 각 과제는 심적 회전(mental rotation), 감정 지각(emotion perception), 단어 폭(word span), Nback, 유효시야범위(useful field of view), 수반 자극 일치(flanker compatibility), 스트룹(stroop), 손가락 태핑(finger tapping), 런던타워(tower of london), 위스콘신 카드 정렬(wisconsin card sorting)에 해당하는 각 변수들로 구성된다.
- 모델링은 앞선 인지반응 게임과 동일하게 K를 3으로 설정하여 모델링을 진행하였다. 인지측정과제는 총 10개의 과제로 구성되어 있으며 각 과제는 심적 회전(mental rotation), 감정 지각(emotion perception), 단어 폭(word span), Nback, 유효시야범위(useful field of view), 수반 자극 일치(flanker compatibility), 스트룹(stroop), 손가락 태핑(finger tapping), 런던타워(tower of london), 위스콘신 카드 정렬(wisconsin card sorting)에 해당하는 각 변수들로 구성된다.
- 수반 자극 일치(flanker compatibility)에서는 주어진 자극에서 어려운 조건과 쉬운 조건에 대한 정오율 및 반응시간, 부합조건, 비부합조건의 정오율, 반응시간을 모델링하는데 사용하였다.
- 런던타워(tower of london)에서는 해당 과제를 몇 번의 블럭을 이동하여 완성하였는지를 측정한 변수를 사용하였다. 측정기준은 최소한의 움직임으로 수행한 것을 기준으로 사용한다.
- 위스콘신 카드 정렬(wisconsin card sorting)에 서는 정렬 기준이 계속 바뀌었을 때 정답률 측정한 변수를 모델링에 사용하였다.
- 전체 그룹별 결과는 각 변수별 편차를 비교하여 ‘상’,‘중’,‘하’로 분류하였다.
대상 데이터
- 본 연구에서 사용한 인지반응 게임 데이터는 감 받기 게임, 밥상 차리기 게임, 엘리베이터 게임으로 총 3가지 종류의 게임으로 구성되어 있다.
- 수집된 데이터는 평균나이 71세의 치매가 없는 건강한 시니어 464명을 대상으로 지성우(2008)[4]에서 개발한 위의 3종 게임을 수행한 데이터이다.
- 본 연구에서 사용한 인지 측정 과제는 [5]에서 개발한 온라인 인지 측정 과제인 HNJ CNT을 사용하여 수집한 데이터를 갖고 연구를 수행하였다.
- 본 연구에서 사용한 인지 측정 과제는 총 10개의 과제로 다음 [그림 1]과 같이 구성되어있다.
- 인지반응 게임 3종에 관한 데이터는 치매가 없는 건강한 시니어 참가자 464명을 대상으로 수행한 데이터이다. 인지 측정 과제 데이터는 404명의 20대 참가자를 대상으로 실험한 데이터이다.
- 인지반응 게임 3종에 관한 데이터는 치매가 없는 건강한 시니어 참가자 464명을 대상으로 수행한 데이터이다. 인지 측정 과제 데이터는 404명의 20대 참가자를 대상으로 실험한 데이터이다. 두종류의 데이터 모두 결측치는 일반적으로 많이 사용하는 방법인 각 변수의 평균치를 계산하여넣는 방법으로 처리하였다.
- 인지반응 게임에서는 각 게임을 통해 측정한 변수(feature)들은 83개로 구성되어 있고 그중에서 특징 선택(feature selection)방법 중 하나인 피어슨 상관관계분석을 통하여 상관계수값이 특정값을 넘는 변수를 제외하고 19개의 변수를 채택하였다. 데이터의 변수 중 모델링에 가장 최적화된 변수만 택하는 과정을 특징 선택이라고 한다.
- 인지 측정 과제 데이터는 103개의 변수로 구성되어있고, 앞선 특정 선택 방법으로 총 39개의 변수를 채택하였다.
이론/모형
- 따라서, 본 논문은 스마트 시니어에 대한 유형을 파악하기 위하여 시니어를 대상으로 수집한 인지반응 데이터를 이용하여 시니어의 유형을 모델링하는 방법을 제언한다. 본 논문에서 제언하는 모델링 방법은 K-means를 이용한 군집화 방법을 사용한다.
- 또한 데이터의 정규화(normalization)은 두 데이터 모두 z-score방법을 사용하여 모델링을 진행하였다. 데이터 정규화는 변수값의 분포를 표준화하는 것을 의미한다.
- 클러스터링 방법은 일반적으로 분할 기법(partitioning clustering)과 계층적 기법 (hierarchical clustering)으로 나뉘는데, 여기에 기하학적 기법인 자기조직화지도(Self-Organized Map)기법까지 사용하여 분석 후 결과가 제일 잘나온 분할 기법에 해당하는 K-means를 채택하여 모델링을 진행하였다.
- 본 연구에서는 모델의 성능 평가를 위하여 내부 평가 방법 중 하나인 실루엣 기법을 수행하였다. 또한 실루엣 기법을 사용하기 전 엘보우(Elbow)방법을 사용하여 평가하였으나 본 연구에 서는 실루엣 기법이 평가가 뚜렷이 나온 것으로 판단되어 최종 선택하였다.
- 본 연구에서는 모델의 성능 평가를 위하여 내부 평가 방법 중 하나인 실루엣 기법을 수행하였다. 또한 실루엣 기법을 사용하기 전 엘보우(Elbow)방법을 사용하여 평가하였으나 본 연구에 서는 실루엣 기법이 평가가 뚜렷이 나온 것으로 판단되어 최종 선택하였다. 실루엣 기법은 데이터들이 얼마나 잘 클러스터링 되었는지를 간단한 방법으로 나타낸다.
성능/효과
- 이런 증가폭은 고연령층이 타 연령층에 비해 높게 나타났는데, 점점 고령화 시대로 가는 추세를 고려하면 그 폭은 점점 더 증가할 것으로 예상된다. 또한 60대 인터넷 이용자에서 10명 중에 7명은 메신저 이용자인데 대부분이 스마트폰을 통해 메신저를 이용하는 것으로 확인되었다. 이는 대부분의 고연령자들이 평상시에도 스마트기기를 잘 활용한다는 것을 알 수 있다.
- 시각-운동(visual-motor)능력은 대상에 대한 인식 반응 정도를 알아볼 때 사용하는 능력이고, 주의능력은 대상에 대한 움직임 속도에 따라 주의력과 민첩한 반응을 측정할 때 사용된다. 이 게임을 반복적으로 수행하면 게임의 총 점수는 향상되고, 사용자의 마우스 조작거리는 짧아지게 되며, 전체적으로 게임 수행시간이 감소한다.
- 수행시간이 점점 길어지면 전체적인 인지처리 속도가 늦다고판단할 수 있다. 또한 전체 총 게임시간은 제일길었지만 문제의 정답률은 높고 게임 수행도가높았다. 게임 수행도에 영향을 미치는 요인은 여러 가지가 있을 수 있지만 게임을 중도포기하지않고 참을성을 가지고 꾸준히 수행하였음을 알 수 있다.
후속연구
- 스마트 시니어에 대한 정의는 스마트 시니어에 대한 특성 유형을 파악하면 스마트 시니어의 인지 특성을 고려한 새로운 정의를 형성할 수 있을 것이다. 또한 스마트 시니어의 특성을 잘 분류하면 각 그룹별 인지특성을 반영한 콘텐츠를 제공해줄 수 있을 것이다.
- 따라서, 본 논문은 스마트 시니어에 대한 유형을 파악하기 위하여 시니어를 대상으로 수집한 인지반응 데이터를 이용하여 시니어의 유형을 모델링하는 방법을 제언한다. 본 논문에서 제언하는 모델링 방법은 K-means를 이용한 군집화 방법을 사용한다.
- 하지만 이런 분류들은 단순히 설문조사들을 많이 이용해왔고, 스마트 시니어를 대상으로 한 연구이기보다는 전반적인 시니어들을 대상으로 이루어져 왔다. 따라서 본 연구는 데이터 기반의 머신러닝 기법을 활용한 스마트 시니어를 모델링하기 위한 방법을 제언한다.
- 본 연구는 시니어 인지반응 모델링 방법을 제언하기 위하여 시니어를 대상으로 실험한 인지반응 게임 3종과 일반인을 대상으로 수행한 인지측정 과제 데이터를 이용하여 스마트 시니어의 유형을 위한 모델링 방법을 제언한다.
- 본 연구는 시니어 인지반응 모델링 방법을 제언하기 위하여 시니어를 대상으로 실험한 인지반응 게임 3종과 일반인을 대상으로 수행한 인지측정 과제 데이터를 이용하여 스마트 시니어의 유형을 위한 모델링 방법을 제언한다.
- 본 연구는 인지반응 게임과 인지측정 데이터를 이용한 데이터 기반의 시니어 모델링 방법을 제언하였다. 인지측정 데이터의 경우 시니어가 아닌 일반인을 대상으로 했을지라도 시니어 모델링 방법을 제언한 것에는 다른 점이 없을 것이다.
- 시니어가 사용하는 콘텐츠들의 맞춤형 UI/UX 요소를 제공해주기 위해서는 실제 UI/UX 요소와 시니어의 인지반응과의 정량적인 매핑이 필요할 것이다. 따라서 향후 연구로는 실제 자막의 위치라던가 UI 및 UX 요소를 고려한 인지실험 측정을 통하여 더욱 직접적인 스마트 시니어를 위한 모델링을 만들 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.