집중도는 사용자 연구에서 중요한 감성적 반응으로 고려되고 있다. 객관적인 측정 방법으로 심장반응을 이용하여 데이터화 한다면 집중도를 감시할 수 있다. 본 연구의 목적은 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하는 것이다. 대학생 피험자 60명이 집중도 실험에 참여하였고 실험하는 동안 피실험자들의 심전도를 측정하였다. 실험은 화살로 타겟을 맞추는 게임으로 쉬운 난이도와 어려운 난이도로 구성하였다. 심전도로 부터 시간 영역 인디케이터와 주파수 영역 인디케이터를 추출하였다. 독립 표본 t검정 결과, 심전도로부터 추출한 시간 영역 인디케이터인 RRI와 SDNN, rMSSD, pNN50에서 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 주파수 영역 인디케이터에서는 LF와 HF, lnLF, lnHF가 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 이 중 집중도의 차이에 따라 패턴의 차이가 큰 RRI와 rMSSD, lnHF를 선정하여 통합 인디케이터를 생성하였다. 통합 인디케이터를 통해 도출한 룰베이스를 낮은 집중과 높은 집중 60개의 데이터 샘플을 통해 검증한 결과, 95%로 높은 인식 정확도를 보였다. 본 연구에서 제안한 집중도 인식 방법을 콘텐츠를 비롯한 다양한 분야에 적용하여 집중도를 높일 수 있는 컨텐츠적 요소들을 개발한다면 효율 및 흥미를 증진시킬 것이라 기대된다.
집중도는 사용자 연구에서 중요한 감성적 반응으로 고려되고 있다. 객관적인 측정 방법으로 심장반응을 이용하여 데이터화 한다면 집중도를 감시할 수 있다. 본 연구의 목적은 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하는 것이다. 대학생 피험자 60명이 집중도 실험에 참여하였고 실험하는 동안 피실험자들의 심전도를 측정하였다. 실험은 화살로 타겟을 맞추는 게임으로 쉬운 난이도와 어려운 난이도로 구성하였다. 심전도로 부터 시간 영역 인디케이터와 주파수 영역 인디케이터를 추출하였다. 독립 표본 t검정 결과, 심전도로부터 추출한 시간 영역 인디케이터인 RRI와 SDNN, rMSSD, pNN50에서 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 주파수 영역 인디케이터에서는 LF와 HF, lnLF, lnHF가 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 이 중 집중도의 차이에 따라 패턴의 차이가 큰 RRI와 rMSSD, lnHF를 선정하여 통합 인디케이터를 생성하였다. 통합 인디케이터를 통해 도출한 룰베이스를 낮은 집중과 높은 집중 60개의 데이터 샘플을 통해 검증한 결과, 95%로 높은 인식 정확도를 보였다. 본 연구에서 제안한 집중도 인식 방법을 콘텐츠를 비롯한 다양한 분야에 적용하여 집중도를 높일 수 있는 컨텐츠적 요소들을 개발한다면 효율 및 흥미를 증진시킬 것이라 기대된다.
Focus level has been important mental state in user study. Cardiac response has been related to focus and less clarified. The study was to determine cardiac parameters for recognizing focus level. The sixty participants were asked to play shooting game designed to control two focus levels. Electroca...
Focus level has been important mental state in user study. Cardiac response has been related to focus and less clarified. The study was to determine cardiac parameters for recognizing focus level. The sixty participants were asked to play shooting game designed to control two focus levels. Electrocardiogram was measured during task. The parameters of time domain and frequency domain were determined from ECG. As a result of independent t-test, RRI, SDNN, rMSSD and pNN50 of time domain indicator were statistically significant in recognizing focus level. LF, HF, lnLF and lnHF of frequency domain were observed to be significant indicator. The rule base for recognition has been developed by the combination of RRI, rMSSD and lnHF. The rule base has been verified from another sixty data samples. The recognition accuracy were 95%. This study proposed significant cardiac indicators for recognizing focus level. The results provides objective measurement of focus in user interaction design in the fields of contents industry and service design.
Focus level has been important mental state in user study. Cardiac response has been related to focus and less clarified. The study was to determine cardiac parameters for recognizing focus level. The sixty participants were asked to play shooting game designed to control two focus levels. Electrocardiogram was measured during task. The parameters of time domain and frequency domain were determined from ECG. As a result of independent t-test, RRI, SDNN, rMSSD and pNN50 of time domain indicator were statistically significant in recognizing focus level. LF, HF, lnLF and lnHF of frequency domain were observed to be significant indicator. The rule base for recognition has been developed by the combination of RRI, rMSSD and lnHF. The rule base has been verified from another sixty data samples. The recognition accuracy were 95%. This study proposed significant cardiac indicators for recognizing focus level. The results provides objective measurement of focus in user interaction design in the fields of contents industry and service design.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 피험자가 집중이 발생하는 순간을 정확하게 기억하기 힘들다는 단점이 존재한다[7][8]. 따라서 본 연구는 생리적인 반응을 통해 객관적이고 정량적으로 집중도를 평가하고자 한다.
따라서, 본 연구에서는 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하고자 한다. 이는 콘텐츠를 비롯한 다양한 산업 분야에 집중도를 높일 수 있는 요소들을 개발하여 높은 효율 및 흥미의 서비스 제공이 가능할 것이다.
본 연구는 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하고자 하였다.
본 연구에서는 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하고자 하였고 높은 인식 정확도를 보이는 집중도 인식 방법을 제안하였다. 한정된 자원을 서로 차지하기 위해 겨루는 경쟁 사회에서 태스크의 효율을 높여주는 집중은 모든 산업 및 서비스 분야에서 중요하게 작용한다.
제안 방법
또한 RRI는 2Hz로 리샘플링하여 FFT(fast fourier transform) 분석을 진행하여 HRV(heart rate variability) 스펙트럼을 추출하였다. HRV 스펙트럼은 VLF (very low frequency, 0.0033-0.04 Hz), LF(low frequency, 0.04-0.15 Hz)와 HF(high frequency, 0.15-0.4 Hz) 대역으로 구분하여 주파수계열 인디케이터 VLF/HF와 LF/HF, lnVLF, lnLF, lnHF를 추가적으로 계산하였다. 심전도를 통해 추출한 파라미터는 총 12개이다.
선정된 인디케이터들은 값의 단위 차이가 존재하기에 단위를 비슷한 수준으로 맞춰주는 사전 작업을 진행하였다. RRI는 100으로 나눈 다음 자연로그를 취해 ln(RRI/100)를 계산하였고 rMSSD는 자연로그를 취해 lnrMSSD를 계산하여 인디케이터 통합을 하였다. 세 인디케이터들은 높은 집중이 낮은 집중보다 큰 패턴을 보여 모두 합하여 새로운 통합 인디케이터를 생성하였다.
RRI로 시계열 인디케이터 SDNN(standard deviation of NN intervals)와 rMSSD(root mean square of successive differences), pNN50(proportion of NN50 divided by total number of NNs)을 계산하여 심장 리듬 변화율 인디케이터로 활용하였다. 또한 RRI는 2Hz로 리샘플링하여 FFT(fast fourier transform) 분석을 진행하여 HRV(heart rate variability) 스펙트럼을 추출하였다.
RRI로 시계열 인디케이터 SDNN(standard deviation of NN intervals)와 rMSSD(root mean square of successive differences), pNN50(proportion of NN50 divided by total number of NNs)을 계산하여 심장 리듬 변화율 인디케이터로 활용하였다. 또한 RRI는 2Hz로 리샘플링하여 FFT(fast fourier transform) 분석을 진행하여 HRV(heart rate variability) 스펙트럼을 추출하였다. HRV 스펙트럼은 VLF (very low frequency, 0.
집중 실험의 콘텐츠는 화살로 타겟을 맞추는 게임으로 구성하였고 집중도의 차이를 주기 위해 난이도 차이를 부여하였다. 또한 공동이 달성해야 되는 목표를 제시하여 두 피험자 사이에 사회적 관계를 형성시켰다.
화살은 두 피험자가 한 번씩 번갈아 가면서 쏘았고 화면 왼쪽 상단에 명중률을 나타내어 집중을 유도하였다. 또한 태스크를 수행하는 동안 공동이 달성해야 되는 목표를 제시하여 두 피험자 사이에 사회적 관계를 형성시켰다. 자세한 집중 실험 콘텐츠 화면 및 실험 환경은 [그림 1]과 같다.
, USA)로 증폭하고 디지털화하여 500 Hz로 취득하였다. 심전도는 QRS 검출 알고리즘을 통해 R 피크를 구하여 RRI(R-peak to R-peak interval)을 계산하였다[20]. ECG 신호로부터 QRS 검출 알고리즘을 통한 RRI 추출 방법은 [그림 3]과 같다.
주파수 영역 인디케이터에서는 LF와 HF, lnLF, lnHF가 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 이 중 집중도의 차이에 따라 패턴의 차이가 큰 RRI와 rMSSD, lnHF를 선정하여 통합 인디케이터를 생성하였다. 통합 인디케이터를 통해 도출한 룰베이스를 낮은 집중과 높은 집중 60개의 데이터 샘플을 통해 검증한 결과, (57/60)×100 = 95%로 높은 인식 정확도를 보였다.
집중 실험의 콘텐츠는 화살로 타겟을 맞추는 게임으로 구성하였고 집중도의 차이를 주기 위해 난이도 차이를 부여하였다. 또한 공동이 달성해야 되는 목표를 제시하여 두 피험자 사이에 사회적 관계를 형성시켰다.
태스크를 수행하기 전 실험 방법에 대한 설명을 하였고 원활한 태스크 수행을 위한 조작 연습을 하였다. 태스크 시작 초기 3 분은 생체신호 레퍼런스를 측정하였고 이후 3 분은 집중 태스크를 수행하였다. 피험자마다 낮은 태스크와 높은 태스크 중 랜덤하게 하나를 배정하였다.
피험자마다 낮은 태스크와 높은 태스크 중 랜덤하게 하나를 배정하였다. 태스크가 종료된 후 설문을 진행하였고, 실험은 2번씩 진행되었다. 자세한 실험 절차는 [그림 2]와 같다.
태스크를 수행하기 전 실험 방법에 대한 설명을 하였고 원활한 태스크 수행을 위한 조작 연습을 하였다. 태스크 시작 초기 3 분은 생체신호 레퍼런스를 측정하였고 이후 3 분은 집중 태스크를 수행하였다.
집중 실험 콘텐츠는 화살로 타겟을 맞추는 게임으로 유니티 게임 엔진 (Unity Technologies, USA)을 통해 낮은 집중과 높은 집중 단계로 제작되었다. 태스크의 수준에 따라 집중 유발의 차이가 존재한다는 연구 결과를 반영하여 수준의 차이를 두어 실험 콘텐츠를 제작하였다[3][15]. 낮은 집중 단계는 화살의 파워 게이지만을 맞추면 되지만, 높은 집중 단계는 파워 게이지와 타겟 위치를 동시에 맞춰야 되는 난이도 차이를 주어 제작되었다.
통합 인디케이터의 값을 플로팅하여 낮은 집중과 높은 집중에 따른 데이터 패턴을 확인하였고 선형 SVM (linear support vector machine)으로 두 집중을 구분하는 룰베이스를 도출하였다. 도출된 룰베이스 및 데이터 패턴은 [그림 9]과 같다.
낮은 집중 단계는 화살의 파워 게이지만을 맞추면 되지만, 높은 집중 단계는 파워 게이지와 타겟 위치를 동시에 맞춰야 되는 난이도 차이를 주어 제작되었다. 화살은 두 피험자가 한 번씩 번갈아 가면서 쏘았고 화면 왼쪽 상단에 명중률을 나타내어 집중을 유도하였다. 또한 태스크를 수행하는 동안 공동이 달성해야 되는 목표를 제시하여 두 피험자 사이에 사회적 관계를 형성시켰다.
대상 데이터
룰베이스 도출하는데 활용되지 않은 30명의 데이터로 통합 인디케이터 룰베이스를 검증하였다. 높은 집중의 경우 30개의 샘플 모두 정확히 구분하여 인식 정확도는 (30/30)×100 = 100%로 확인되었다.
본 연구에 참여한 피험자는 자율신경계 병력이 없는 신체 건강한 60명 (남녀 각각 30명, 평균 나이 23.88 ± 2.09세)을 대상으로 하였다.
시간 및 주파수 영역 인디케이터의 통계 분석 결과, 통계적 유의미한 결과를 확인했고 낮은 집중과 높은 집중의 패턴 차이가 큰 RRI와 rMSSD, lnHF를 선정하였다. 선정된 인디케이터들은 값의 단위 차이가 존재하기에 단위를 비슷한 수준으로 맞춰주는 사전 작업을 진행하였다.
심전도(Electrocardiogram, ECG)는 표준사지유도법의 Lead I으로 측정하였다. 신호는 MP 100 power supply(Biopac System Inc., USA)와 ECG 100C amplifier, NI-DAQ-Pad9205(National Instrument Inc., USA)로 증폭하고 디지털화하여 500 Hz로 취득하였다. 심전도는 QRS 검출 알고리즘을 통해 R 피크를 구하여 RRI(R-peak to R-peak interval)을 계산하였다[20].
집중 실험 콘텐츠는 화살로 타겟을 맞추는 게임으로 유니티 게임 엔진 (Unity Technologies, USA)을 통해 낮은 집중과 높은 집중 단계로 제작되었다. 태스크의 수준에 따라 집중 유발의 차이가 존재한다는 연구 결과를 반영하여 수준의 차이를 두어 실험 콘텐츠를 제작하였다[3][15].
데이터처리
집중도에 따른 통계적 유의성 검증은 SPSS 21(IBM, USA)를 이용하여 독립 표본 t검정으로 분석하였다.
이론/모형
심전도(Electrocardiogram, ECG)는 표준사지유도법의 Lead I으로 측정하였다. 신호는 MP 100 power supply(Biopac System Inc.
심전도를 통해 추출한 파라미터는 총 12개이다. 위 과정들은 LabVIEW 2015(National Instrument Inc., USA)를 통해 신호처리 하였다.
성능/효과
낮은 집중보다 높은 집중이 LF, HF 값에서 큰 패턴을 보였으며(낮은 집중: M = 222.29±121.77, 높은 집중: M = 467.76±289.83 / 낮은 집중: M = 161.80±166.76, 높은 집중: M = 309.57±211.25) 통계적으로 유의미한 결과를 확인하였다(t(58) = -4.284, p = .000/ t(58) = -3.007, p = .004).
낮은 집중의 경우 30개의 샘플 중 3개의 샘플이 높은 집중으로 구분되는 에러를 보여 인식 정확도는 (27/30)×100 = 90%로 확인되었다.
높은 집중의 경우 30개의 샘플 모두 정확히 구분하여 인식 정확도는 (30/30)×100 = 100%로 확인되었다.
높은 집중이 낮은 집중보다 RRI와 SDNN, rMSSD, pNN50의 모든 시간 영역 인디케이터 값이 높은 패턴을 보였고,(낮은 집중: M = 648.54±47.20, 높은 집중: M = 783.88±73.39 / 낮은 집중: M = 30.66±11.47, 높은 집중: M = 44.41±12.80 / 낮은 집중: M = 25.45±0.92, 높은 집중: M = 27.97±1.32 / 낮은 집중: M = 3.89±5.67, 높은 집중: M = 23.34±14.86) 통계적으로 유의미한 결과를 확인하였다(t(58) = -8.495, p = .000 / t(58) = -4.380, p = .000 / t(58) = -8.587, p = .000 / t(58) = -6.697, p = .000) 시간 영역 인디케이터의 통계 분석 결과 차트는 [그림 4]와 같다.
높은 집중이 낮은 집중보다 lnLF와 lnHF의 값 모두 큰 패턴을 보였으며(낮은 집중: M = 4.67±0.99, 높은 집중: M = 5.49±0.79 / 낮은 집중: M = 5.26±0.57, 높은 집중: M = 6.09±0.51), 통계적으로 유의미한 결과를 확인하였다(t(58) = -3.538, p = .001 / t(58) = -5.937, p = .000).
09세)을 대상으로 하였다. 실험 전날 충분한 수면을 요청하여 피로를 최소화하였으며, 자율신경계에 영향을 줄 수 있는 카페인 및 알코올 섭취를 금하였다. 실험 참여도를 높이기 위해 피험자비를 지급하였으며 모든 실험은 상명대학교 생명윤리심의위원회의 심의를 받아 진행하였다.
연구 결과, 심전도로부터 추출한 시간 영역 인디케이터인 RRI와 SDNN, rMSSD, pNN50에서 집중도 차이에 따라 통계적으로 차이가 유의미하였다. 주파수 영역 인디케이터에서는 LF와 HF, lnLF, lnHF가 집중도 차이에 따라 통계적으로 차이가 유의미하였다.
집중도의 통합 룰베이스 검증 결과 총 60개의 샘플 중 57개의 샘플을 정확히 구분하여 전체 인식 정확도는 (57/60)×100 = 95%로 확인되었다.
통합 인디케이터를 통해 도출한 룰베이스를 낮은 집중과 높은 집중 60개의 데이터 샘플을 통해 검증한 결과, (57/60)×100 = 95%로 높은 인식 정확도를 보였다.
통합 인디케이터의 통계 분석 결과, 높은 집중이 낮은 집중보다 큰 패턴을 보였으며(낮은 집중: M = 16.41±0.65, 높은 집중: M = 18.73±0.85), 통계적으로 유의미한 결과를 확인하였다(t(58) = -11.903, p = .000).
후속연구
한정된 자원을 서로 차지하기 위해 겨루는 경쟁 사회에서 태스크의 효율을 높여주는 집중은 모든 산업 및 서비스 분야에서 중요하게 작용한다. 따라서 본 연구에서 제안한 집중도 인식 방법을 콘텐츠를 비롯한 서비스 분야와 더불어 다양한 분야에 적용한다면 집중도를 높일 수 있는 요소들을 개발하여 효율 및 흥미를 증진시킬 것이라 기대된다. 추후 다른 생리 반응에 대한 연구 및 상호작용을 하는 두 피험자 사이의 생리 반응 동조성 관계에 대해서도 연구를 진행해볼 예정이다.
따라서, 본 연구에서는 상호작용을 하는 상황에서 유발되는 집중도의 차이에 따른 심장 반응의 패턴 분석을 통해 객관적이고 정량적으로 집중도를 인식하는 방법을 개발하고자 한다. 이는 콘텐츠를 비롯한 다양한 산업 분야에 집중도를 높일 수 있는 요소들을 개발하여 높은 효율 및 흥미의 서비스 제공이 가능할 것이다.
따라서 본 연구에서 제안한 집중도 인식 방법을 콘텐츠를 비롯한 서비스 분야와 더불어 다양한 분야에 적용한다면 집중도를 높일 수 있는 요소들을 개발하여 효율 및 흥미를 증진시킬 것이라 기대된다. 추후 다른 생리 반응에 대한 연구 및 상호작용을 하는 두 피험자 사이의 생리 반응 동조성 관계에 대해서도 연구를 진행해볼 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
집중을 측정 및 평가하는 방법은 어떤 게 있는가?
집중을 측정 및 평가하는 방법으로는 설문이나 인터뷰 같은 주관적인 정성적 측정 방법과 생리적인 반응을 이용하는 객관적인 정량적 측정 방법이 있다. 주관적 평가 방법은 해당 태스크가 완료된 후 수행이 되기에 실제로 집중이 발생한 시점과는 시간차가 존재하고[5], 시간의 흐름에 따라 변화하는 인간의 감성을 평가하지 못한다[6].
주관적 평가 방법의 특징은?
집중을 측정 및 평가하는 방법으로는 설문이나 인터뷰 같은 주관적인 정성적 측정 방법과 생리적인 반응을 이용하는 객관적인 정량적 측정 방법이 있다. 주관적 평가 방법은 해당 태스크가 완료된 후 수행이 되기에 실제로 집중이 발생한 시점과는 시간차가 존재하고[5], 시간의 흐름에 따라 변화하는 인간의 감성을 평가하지 못한다[6]. 또한 피험자가 집중이 발생하는 순간을 정확하게 기억하기 힘들다는 단점이 존재한다[7][8].
주관적 평가 방법의 단점은?
주관적 평가 방법은 해당 태스크가 완료된 후 수행이 되기에 실제로 집중이 발생한 시점과는 시간차가 존재하고[5], 시간의 흐름에 따라 변화하는 인간의 감성을 평가하지 못한다[6]. 또한 피험자가 집중이 발생하는 순간을 정확하게 기억하기 힘들다는 단점이 존재한다[7][8]. 따라서 본 연구는 생리적인 반응을 통해 객관적이고 정량적으로 집중도를 평가하고자 한다.
참고문헌 (24)
J. H. Connell, "Diversity and the coevolution of competitors, or the ghost of competition past," Oikos, pp.131-138, 1980.
B. O'regan and M. Grfitzeli, "A low-cost, high-efficiency solar cell based on dye-sensitized," nature, Vol.353, No.6346, pp.737-740, 1991.
M. Csikszentmihalyi, Flow: The psychology of happiness, Random House, 2013.
정순철, 탁계래, 이정한, 민병찬, "심리.생리 평가를 기반으로 한 통합 감성평가 시스템," Journal of the Korean Institute of Industrial Engineers, Vol.31, No.2, pp.127-134, 2005.
S. C. Chung, B. C. Min, B. W. Min, Y. N. Kim, M. K. Sim, and C. J. Kim, "Real-time subjective sensibility assessment system using digitizer," Journal of the Ergonomics Society of Korea, Vol.20, No.1, pp.1-13, 2001.
W. W. Wierwille and F. T. Eggemeier, "Recommendations for mental workload measurement in a test and evaluation environment," Human Factors, Vol.35, No.2, pp.263-281, 1993.
B. C. Min, S. C. Chung, B. W. Min, M. K. Sim, H. K. Chung, and C. J. Kim, "A study on positive and negative visual stimuli using the real-time human sensibility assessment system," Journal of the Ergonomics Society of Korea, Vol.20, No.1, pp.31-43, 2001.
D. T. Lykken and P. H. Venables, "Direct measurement of skin conductance: A proposal for standardization," Psychophysiology, Vol.8, No.5, pp.656-672, 1971.
A. Lang, S. Zhou, N. Schwartz, P. D. Bolls, and R. F. Potter, "The effects of edits on arousal, attention, and memory for television messages: When an edit is an edit can an edit be too much?," Journal of Broadcasting & Electronic Media, Vol.44, No.1, pp.94-109, 2000.
P. D. Bolls, A. Lang, and R. F. Potter, "The effects of message valence and listener arousal on attention, memory, and facial muscular responses to radio advertisements," Communication Research, Vol.28, No.5, pp.627-651, 2001.
J. L. Lacey and B. C. Lacey, Some autonomic-central nervous system interrelationships, Physiological correlates of emotion, pp.205-227, 1970.
D. Palomba, M. Sarlo, A. Angrilli, A. Mini, and L. Stegagno, "Cardiac responses associated with affective processing of unpleasant film stimuli," International Journal of Psychophysiology, Vol.36, No.1, pp.45-57, 2000.
A. Perry, L. Stein, and S. Bentin, "Motor and attentional mechanisms involved in social interaction-Evidence from mu and alpha EEG suppression," Neuroimage, Vol.58, No.3, pp.895-904, 2011.
G. D. Ellis, J. E. Voelkl, and C. Morris, "Measurement and analysis issues with explanation of variance in daily experience using the flow model," Journal of leisure research, Vol.26, No.4, p.337, 1994.
R. J. Davidson, K. R. Sherer, and H. H. Goldsmith, Handbook of affective sciences, Oxford University Press, 2009.
S. Burnett and S. J. Blakemore, "Functional connectivity during a social emotion task in adolescents and in adults," european Journal of Neuroscience, Vol.29, No.6, pp.1294-1301, 2009.
K. M. Prkachin, R. M. Williams-Avery, C. Zwaal, and D. E. Mills, "Cardiovascular changes during induced emotion: An application of Lang's theory of emotional imagery," Journal of Psychosomatic Research, Vol.47, No.3, pp.255-267, 1999.
A. Malliani, M. Pagani, F. Lombardi, and S. Cerutti, "Cardiovascular neural regulation explored in the frequency domain," Circulation, Vol.84, No.2, pp.482-492, 1991.
M. V. Kamath and E. L. Fallen, "Power spectral analysis of heart rate variability: a noninvasive signature of cardiac autonomic function," Critical reviews in biomedical engineering, Vol.21, No.3, pp.245-311, 1993.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.