경쟁과 협력을 인식하는 것은 일하는 공간에서 상호작용 디자인을 하는 데에 필요한 요소이다. 본 연구는 타인과의 상호작용에서 유발되는 경쟁과 협력의 사회 감성을 심장의 생리 반응 패턴으로 객관적이고 정량적으로 인식하는 방법을 개발하는 것이 목적이다. 피험자 60명은 패턴 게임으로 구성된 과제로 경쟁-협력 실험에 참여하였고 심전도를 측정하였다. 심전도로부터 시간 영역 지표인 RRI와 SDNN, pNN50, rMSSD를 추출하였고, 주파수 영역 지표인 VLF와 LF, HF, VLF/HF, LF/HF, lnVLF, lnLF, lnHF, lnVLF/lnHF를 추출하였다. 독립 표본 t검정으로 사회 감성에 따라 추출한 지표들의 통계적 유의성을 확인하였다. 통계적으로 유의한 지표들로 단계적 판별 분석을 진행하여 선정된 SDNN, VLF, lnVLF/lnHF 지표로 경쟁-협력 규칙을 정의하고 검증하였다. 검증 결과 85%의 인식 정확도를 보였다. 본 연구에서 제안한 감성 인식 방법은 다양한 분야에 접목되어 사용자 맞춤형 서비스 제공에 활용될 수 있을 것이라 생각된다.
경쟁과 협력을 인식하는 것은 일하는 공간에서 상호작용 디자인을 하는 데에 필요한 요소이다. 본 연구는 타인과의 상호작용에서 유발되는 경쟁과 협력의 사회 감성을 심장의 생리 반응 패턴으로 객관적이고 정량적으로 인식하는 방법을 개발하는 것이 목적이다. 피험자 60명은 패턴 게임으로 구성된 과제로 경쟁-협력 실험에 참여하였고 심전도를 측정하였다. 심전도로부터 시간 영역 지표인 RRI와 SDNN, pNN50, rMSSD를 추출하였고, 주파수 영역 지표인 VLF와 LF, HF, VLF/HF, LF/HF, lnVLF, lnLF, lnHF, lnVLF/lnHF를 추출하였다. 독립 표본 t검정으로 사회 감성에 따라 추출한 지표들의 통계적 유의성을 확인하였다. 통계적으로 유의한 지표들로 단계적 판별 분석을 진행하여 선정된 SDNN, VLF, lnVLF/lnHF 지표로 경쟁-협력 규칙을 정의하고 검증하였다. 검증 결과 85%의 인식 정확도를 보였다. 본 연구에서 제안한 감성 인식 방법은 다양한 분야에 접목되어 사용자 맞춤형 서비스 제공에 활용될 수 있을 것이라 생각된다.
Attempts have been made to recognize social emotion, including competition-cooperation, while designing interaction in work places. This study aimed to determine the cardiac response associated with classifying competition-cooperation of social emotion. Sixty students from Sangmyung University parti...
Attempts have been made to recognize social emotion, including competition-cooperation, while designing interaction in work places. This study aimed to determine the cardiac response associated with classifying competition-cooperation of social emotion. Sixty students from Sangmyung University participated in the study and were asked to play a pattern game to experience the social emotion associated with competition and cooperation. Electrocardiograms were measured during the task and were analyzed to obtain time domain indicators, such as RRI, SDNN, and pNN50, and frequency domain indicators, such as VLF, LF, HF, VLF/HF, LF/HF, lnVLF, lnLF, lnHF, and lnVLF/lnHF. The significance of classifying social emotions was assessed using an independent t-test. The rule-base for the classification was determined using significant parameters of 30 participants and verified from data obtained from another 30 participants. As a result, 91.67% participants were correctly classified. This study proposes a new method of classifying social emotions of competition and cooperation and provides objective data for designing social interaction.
Attempts have been made to recognize social emotion, including competition-cooperation, while designing interaction in work places. This study aimed to determine the cardiac response associated with classifying competition-cooperation of social emotion. Sixty students from Sangmyung University participated in the study and were asked to play a pattern game to experience the social emotion associated with competition and cooperation. Electrocardiograms were measured during the task and were analyzed to obtain time domain indicators, such as RRI, SDNN, and pNN50, and frequency domain indicators, such as VLF, LF, HF, VLF/HF, LF/HF, lnVLF, lnLF, lnHF, and lnVLF/lnHF. The significance of classifying social emotions was assessed using an independent t-test. The rule-base for the classification was determined using significant parameters of 30 participants and verified from data obtained from another 30 participants. As a result, 91.67% participants were correctly classified. This study proposes a new method of classifying social emotions of competition and cooperation and provides objective data for designing social interaction.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
경쟁과 협력은 회사나 학교 등 공간에서 업무, 공부, 운동 등 행위와 결부되어 나타나며, 특히 이익을 추구하는 회사에서 경쟁과 협력은 중요한 사회 감성으로 작용한다. 따라서 본 연구는 심장의 생리 반응 패턴으로 타인과의 상호작용 속에서 유발되는 경쟁과 협력의 사회 감성을 객관적이고 정량적으로 인식할 수 있음을 확인하고자 하였다.
하지만 대부분의 기존 연구들은 생리 반응을 통해 기본 감성 및 차원 감성만을 인식하고 있다. 따라서 본 연구에서는 타인과의 상호작용 맥락 속에서 유발되는 사회 감성 중 경쟁과 협력에 대해 연구하고자 하며, 심장 반응의 패턴으로 객관적이고 정량적으로 인식하는 방법을 개발하고자 한다.
본 연구는 경쟁과 협력 과제를 수행하는 동안 경쟁 및 협력 피험자 간 심장 정보 지표를 비교하도록 설계되었다. 사회 감성에 따른 시간 영역 지표의 통계적 유의성 검증은 독립 표본 t검정으로 진행하였다.
, 2004). 본 연구에서는 측정이 용이하고 다양한 분석 지표가 개발되어 있는 심장 반응 정보를 활용하고자 한다.
제안 방법
60명의 피험자 데이터 중 규칙 도출에 활용되지 않은 30명의 피험자 데이터로 단계적 판별분석을 통해 도출한 규칙을 검증하였다. 검증 결과 경쟁일 경우 전체 30개의 샘플 중 27개의 샘플이 경쟁으로 정확히 구분되어 경쟁의 인식 정확도는 (27/30)×100 = 90%로 확인되었다.
RRI로 심장박동의 변화를 확인할 수 있는 SDNN(standard deviation of NN intervals), 부교감 신경의 활동 평가에 활용되는 rMSSD (root mean square ofsuccessive differences), 심장박동 간격의 안정성을 확인할 수 있는 pNN50 (proportion of NN50 divided bytotal number of NNs)과 같은 시계열 지표를 추출하였고, HRV (heart rate variability) 스펙트럼을 추출하기위해 2Hz로 리샘플링하여 FFT (fast fourier transform)분석을 진행하였다. HRV 스펙트럼은 교감신경의 활동 지표인 VLF (very low frequency, 0.0033-0.04 Hz),LF (low frequency, 0.04-0.15 Hz)와 부교감 신경의 활동 지표인 HF (high frequency, 0.15-0.4 Hz) 대역으로 구분하여 교감과 부교감 신경의 균형의 지표인 VLF/HF, LF/HF와 자연로그를 취한 lnVLF, lnLF,lnHF, lnVLF/lnHF와 같은 주파수계열 지표를 추출하였다. 경쟁-협력을 인식하기 위해 심전도에서 추출한 지표는 총 13개이다.
RRI로 심장박동의 변화를 확인할 수 있는 SDNN(standard deviation of NN intervals), 부교감 신경의 활동 평가에 활용되는 rMSSD (root mean square ofsuccessive differences), 심장박동 간격의 안정성을 확인할 수 있는 pNN50 (proportion of NN50 divided bytotal number of NNs)과 같은 시계열 지표를 추출하였고, HRV (heart rate variability) 스펙트럼을 추출하기위해 2Hz로 리샘플링하여 FFT (fast fourier transform)분석을 진행하였다. HRV 스펙트럼은 교감신경의 활동 지표인 VLF (very low frequency, 0.
심전도 측정 전극을 착용 후 과제를 수행하기 전 피험자에게 실험의 목적을 제외한 실험 방법에 대한 설명을 하였고 원활한 과제 수행을 위한 연습을 진행하였다. 연습은 피험자들이 조작 방법(이동과 채색)을 익숙하다고 느낄 때까지 진행하였다.
05세)이 참여하였다. 자율신경계에 영향을 줄 수 있는 알코올 및 카페인 섭취는 실험 시작 24시간 전부터 금하였고, 충분한 수면을 요청하여 피로도를 낮추었다. 실험 참가에 대한 피험자 비를 지급하여 실험 참여도를 높였다.
, USA)로 전원 공급을 하고 ECG 100C 증폭기로 심전도 측정 전극으로부터 취득하는 신호를 증폭하였다. 증폭된 신호는 NI-DAQ-Pad9205(NationalInstrument Inc., USA)로 디지털화하여 500 Hz 샘플링으로 취득하였고, LabVIEW 2015 (National InstrumentInc., USA)을 통해 신호처리 하였다. 과제 수행하는 3분 동안 측정한 심전도는 QRS 검출 알고리즘으로 R피크를 검출하였고 R 피크들과의 간격 차이로 RRI(R-peak to R-peak interval)를 계산하였다(Pan &Tomkins, 1985).
초기의 게임 판의 동전은 모두 회색으로 제시되었으며 두 명의 피험자는 각자 키보드의 방향키(상하좌우 이동)와 지정된 채색키(노란색 → 주황색 → 회색)로게임 판을 조작하였다.
피험자는 무작위로 선정된 경쟁과 협력 과제 중 하나의 과제를 3분 동안 2번씩 수행하면서 심전도(electrocardiogram, ECG)를 측정하였다. 자세한 실험절차는 Fig.
대상 데이터
본 연구는 자율신경계 병력 및 가족력이 없는 상명대학교 학생 60명(남녀 각각 30명, 평균 나이 23.33 ±2.05세)이 참여하였다.
데이터처리
경쟁-협력의 차이가 통계적으로 유의한 SDNN,VLF, VLF/HF, LF/HF, lnVLF, lnHF, lnVLF/lnHF 7개의 지표로 단계적 판별분석(stepwise discriminantanalysis)을 진행하였다. 단계적 판별분석의 결과,SDNN, VLF, lnVLF/lnHF 지표가 규칙의 변수로 선정되었으며, 판별분석을 통해 도출한 경쟁-협력을 인식하는 규칙은 아래의 수식, 분석 결과 및 데이터 패턴은 Table 2와 Fig.
경쟁과 협력의 사회 감성에 따른 주파수 영역 지표의 통계적 유의성 검증은 독립 t표본 검정으로 진행하였다.
과제 수행하는 3분 동안 측정한 심전도는 QRS 검출 알고리즘으로 R피크를 검출하였고 R 피크들과의 간격 차이로 RRI(R-peak to R-peak interval)를 계산하였다(Pan &Tomkins, 1985).
8과 같다. 단계적 판별 분석은 SPSS21을 사용해 분석하였다.
본 연구는 경쟁과 협력 과제를 수행하는 동안 경쟁 및 협력 피험자 간 심장 정보 지표를 비교하도록 설계되었다. 사회 감성에 따른 시간 영역 지표의 통계적 유의성 검증은 독립 표본 t검정으로 진행하였다. 모든 통계 분석은 SPSS 21 (IBM, USA)을 사용해 분석하였다.
이론/모형
심전도는 표준사지유도법(Lead I)에 따라 측정하였다. 심전도 장비는 MP 100 전원 공급기(BiopacSystem Inc.
성능/효과
경쟁이 협력보다 RRI, rMSSD와 pNN50 값이 작은패턴을 보였지만 통계적으로 유의미한 결과를 보이지않았다. SDNN 값은 경쟁이 협력보다 큰 패턴을 보였으며 통계적으로 유의미한 결과를 보였다. 통계 분석결과 및 통계적으로 유의미한 결과를 보인 지표의 데이터 패턴은 Table 1, Fig.
, 1991; Kamath & Fallen,1993). SDNN과 VLF, lnVLF/lnHF 지표는 모두 경쟁이 협력보다 높은 패턴을 보여 두 피험자가 대결하여 승자에게만 보상이 주어지는 경쟁 과제가 컴퓨터를 상대로 진행되는 협력 과제보다 각성 및 교감 신경이 상대적으로 활성화되는 결과를 확인하였다. 교감 신경과 부교감 신경의 균형을 나타내는 Fig.
검증 결과 경쟁일 경우 전체 30개의 샘플 중 27개의 샘플이 경쟁으로 정확히 구분되어 경쟁의 인식 정확도는 (27/30)×100 = 90%로 확인되었다.
경쟁이 협력보다 RRI, rMSSD와 pNN50 값이 작은패턴을 보였지만 통계적으로 유의미한 결과를 보이지않았다. SDNN 값은 경쟁이 협력보다 큰 패턴을 보였으며 통계적으로 유의미한 결과를 보였다.
경쟁이 협력보다 VLF/HF값이 큰 패턴을 보였으며 통계적으로 유의미한 결과를 보였다. LF/HF값은 반대패턴을 보였으며 통계적으로 유의미한 결과를 보였다.
경쟁이 협력보다 lnVLF와 lnLF, lnVLF/lnHF값에서큰 패턴을 보였으며 lnVLF와 lnVLF/lnHF는 통계적으로 유의미한 결과를 보였다. 하지만 lnLF값은 통계적으로 유의미한 결과를 보이지 않았다.
따라서 경쟁-협력은 총 60개의 샘플 중 51개의 샘플을 정확하게 구분하였고 9개의 샘플은 에러를 보여 경쟁-협력의 전체 인식 정확도는 (51/60)×100 = 85%로 확인되었다.
, 2014). 따라서 본 연구에서 제안한 경쟁과 협력의 사회 감성 인식 기술은 생체 반응 패턴으로 인식하므로 객관적이고 정량적이라는 장점이 있다. 또한 기본 및 차원 감성이 아닌 사회적 관계 속에서 발생하는 사회 감성을 인식한다는 점에서 다양한 분야에 접목되어 활용될 수 있을 것으로 생각된다.
11)를 보면 협력은교감 신경과 부교감 신경이 비율이 일치하는 경향을보였지만 경쟁은 교감 신경의 활성화 비율이 더 높은경향을 보였다. 본 연구에서 진행한 경쟁과 협력 과제는 모두 게임으로 진행되었지만 협력 과제의 경우에는 교감 신경과 부교감 신경의 균형을 이뤘음을 확인할 수 있었다. 이는 협력은 공동의 목표를 달성하기 위해 두 사람 이상이 함께 협력하여 과업을 수행하는것으로 목표 달성을 위한 상호의존 및 상호관계 속 협력을 하여 경쟁 과제보다는 심리적인 안정감을 느껴교감 신경과 부교감 신경의 균형을 이루는 결과를 보였다고 해석할 수 있다.
연구 결과, SDNN과 VLF, VLF/HF, LF/HF, lnVLF,lnHF, lnVLF/lnHF 지표에서 경쟁과 협력의 통계적 유의성을 확인할 수 있었으며, 단계적 판별분석을 통해 선정된 SDNN, VLF, lnVLF/lnHF로 규칙을 도출하였다. RRI와 부교감 신경의 활동도를 나타내는 지표들인 rMSSD, LF, HF에서 통계적으로 유의미하지 않은 결과를 보였는데 이는 경쟁 및 협력 과제가 각성을 유발하는 게임으로 구성되었기 때문이라고 해석할 수 있다.
협력일 경우 전체 30개의 샘플 중 24개의샘플이 협력으로 정확히 구분되어 협력의 인식 정확도는 (24/30)×100 = 80%로 확인되었다.
후속연구
따라서 본 연구에서 제안한 경쟁과 협력의 사회 감성 인식 기술은 생체 반응 패턴으로 인식하므로 객관적이고 정량적이라는 장점이 있다. 또한 기본 및 차원 감성이 아닌 사회적 관계 속에서 발생하는 사회 감성을 인식한다는 점에서 다양한 분야에 접목되어 활용될 수 있을 것으로 생각된다. 추후 다른 생리 반응으로 추가 연구를 진행할 예정이다.
또한 기본 및 차원 감성이 아닌 사회적 관계 속에서 발생하는 사회 감성을 인식한다는 점에서 다양한 분야에 접목되어 활용될 수 있을 것으로 생각된다. 추후 다른 생리 반응으로 추가 연구를 진행할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
사회 감성이란?
인간은 사회라는 관계 속에서 다양한 사람들과 감성을 표현하고 공감하며 소통을 하는데, 이처럼 타인과의 상호작용 속에서 유발되는 감성을 사회 감성이라고 한다(Burnett & Blakemore, 2009). 사회 감성에는 타인이 공유하고자 하는 정보의 성격, 상대방의 의식 수준 등과 같이 맥락적 요소에 의해 복합적으로 발생하는 감성으로 기본 및 차원 감성에 비해 많은 연구가 되지 않은 분야이다(Parkinson et al.
감성을 인식하는 방법 중 일반적인 정성적 측정 방법의 한계점은?
감성을 인식하는 방법으로는 설문 및 인터뷰 등의 정성적 측정방법과 행태적, 생리적 반응 등의 정량적 측정방법이 있다. 일반적인 정성적 측정 방법은 실험이 끝난 후 수행되기에 감성이 유발되는 시점과 평가하는 시점의 차이가 존재하기에 피험자의 평가에 의존해야 한다는 한계점이 존재한다. 정량적 측정방법은 측정이 어렵다는 단점이 존재하지만 감성이 유발되는 시점에 객관적인 측정이 가능하다는 장점이 존재한다.
사회 감성의 특징은?
인간은 사회라는 관계 속에서 다양한 사람들과 감성을 표현하고 공감하며 소통을 하는데, 이처럼 타인과의 상호작용 속에서 유발되는 감성을 사회 감성이라고 한다(Burnett & Blakemore, 2009). 사회 감성에는 타인이 공유하고자 하는 정보의 성격, 상대방의 의식 수준 등과 같이 맥락적 요소에 의해 복합적으로 발생하는 감성으로 기본 및 차원 감성에 비해 많은 연구가 되지 않은 분야이다(Parkinson et al., 2005).
참고문헌 (24)
Boucsein, W., & Backs, R. W. (2009). The psychophysiology of emotion, arousal, and personality: Methods and models. Handbook of digital human modeling: Research for applied ergonomics and human factors engineering, 35.
Buck, R. (1980). Nonverbal behavior and the theory of emotion: the facial feedback hypothesis. Journal of Personality and Social Psychology, 38(5), 811. DOI: 10.1037/0022-3514.38.5.811
Burnett, S., & Blakemore, S. J. (2009). Functional connectivity during a social emotion task in adolescents and in adults. European Journal of Neuroscience, 29(6), 1294-1301. DOI: 10.1111/j.1460-9568.2009.06674.x
Cho, J. E., Lee, D. W., Park, M., & Whang, M. (2017). Analysis of Gaze Related to Cooperation, Competition and Focus Levels (협력, 경쟁, 집중 수준에 따른 시선 분석). The Journal of the Korea Contents Association, 17(9), 281-291. DOI: 10.5392/JKCA.2017.17.09.281
Darwin, C., & Prodger, P. (1998). The expression of the emotions in man and animals. Oxford University Press, USA.
Gross, J. J., Fredrickson, B. L., & Levenson, R. W. (1994). The psychophysiology of crying. Psychophysiology, 31(5), 460-468. DOI: 10.1111/j.1469-8986.1994.tb01049.x
Gunes, H., & Piccardi, M. (2007). Bi-modal emotion recognition from expressive face and body gestures. Journal of Network and Computer Applications, 30(4), 1334-1345. DOI: 10.1016/j.jnca.2006.09.007
Hamer, M., Tanaka, G., Okamura, H., Tsuda, A., & Steptoe, A. (2007). The effects of depressive symptoms on cardiovascular and catecholamine responses to the induction of depressive mood. Biological Psychology, 74(1), 20-25. DOI: 10.1016/j.biopsycho.2006.06.003
Jordan, P. J., Ashkanasy, N. M., Hartel, C. E., & Hooper, G. S. (2002). Workgroup emotional intelligence: Scale development and relationship to team process effectiveness and goal focus. Human Resource Management Review, 12(2), 195-214. DOI: 10.1016/S1053-4822(02)00046-3
Kamath, M. V., & Fallen, E. L. (1993). Power spectral analysis of heart rate variability: a noninvasive signature of cardiac autonomic function. Critical Reviews in Biomedical Engineering, 21(3), 245-311.
Lee, D. W., Park, S., Won, M. J., Hwang, S. T., & Whang, M. (2016). Recognition of 2D emotion using Acceleration and Amplitude of Electrocardiogram (ECG) (심전도의 가속도와 진폭을 이용한 이차원 감성 인식 기술). Extended Abstracts of Hci Korea, 2016, 59-61.
Malliani, A., Pagani, M., Lombardi, F., & Cerutti, S. (1991). Cardiovascular neural regulation explored in the frequency domain. Circulation, 84(2), 482-492. DOI: 10.1161/01.CIR.84.2.482
McCraty, R., & Watkins, A. (1996). Autonomic assessment report: A comprehensive heart rate variability analysis. Heart math research center reports. Boulder Creek, CA: Institute of Heart Math.
Niu, X., Chen, L., & Chen, Q. (2011, October). Research on genetic algorithm based on emotion recognition using physiological signals. In Computational Problem-Solving (ICCP), 2011 International Conference on (pp. 614-618). IEEE. DOI: 10.1109/ICCPS.2011.6092256
Nyklicek, I., Thayer, J. F., & Van Doornen, L. J. (1997). Cardiorespiratory differentiation of musically-induced emotions. Journal of Psychophysiology.
Pan, J., & Tompkins, W. J. (1985). A real-time QRS detection algorithm. IEEE Transactions on Biomedical Engineering, 3, 230-236.
Prkachin, K. M., Williams-Avery, R. M., Zwaal, C., & Mills, D. E. (1999). Cardiovascular changes during induced emotion: An application of Lang's theory of emotional imagery. Journal of Psychosomatic Research, 47(3), 255-267. DOI: 10.1016/S0022-3999(99)00036-7
Parkinson, B., Fischer, A. H., & Manstead, A. S. (2005). Emotion in social relations: Cultural, group, and interpersonal processes. Psychology Press.
Rainville, P., Bechara, A., Naqvi, N., & Damasio, A. R. (2006). Basic emotions are associated with distinct patterns of cardiorespiratory activity. International Journal of Psychophysiology, 61(1), 5-18. DOI: 10.1016/j.ijpsycho.2005.10.024
Rottenberg, J., Wilhelm, F. H., Gross, J. J., & Gotlib, I. H. (2003). Vagal rebound during resolution of tearful crying among depressed and nondepressed individuals. Psychophysiology, 40(1), 1-6. DOI: 10.1111/1469-8986.00001
Shin, H. S., Hahm, C. Y., Um, N. K., Kim, M. K., Lee, S. H., & Kim, Y. S. (2014). Trends of Emotional Information & Communication Technology (감성 ICT 기술 및 산업동향). Electronics and Telecommunications Trends, 29(5), 30-39.
Stemmler, G., Aue, T., & Wacker, J. (2007). Anger and fear: Separable effects of emotion and motivational direction on somatovisceral responses. International Journal of Psychophysiology, 66(2), 141-153. DOI: 10.1016/j.ijpsycho.2007.03.019
Whang, M., Chang, G., & Kim, S. (2004). Research on Emotion Evaluation using Autonomic Response (자율신경계 반응에 의한 감성 평가 연구). The Korean Society For Emotion & Sensibility, 7(3), 51-56.
Zeng, Z., Pantic, M., Roisman, G., & Huang, T. S. (2009). A survey of affect recognition methods: Audio, visual, and spontaneous expressions. Pattern Analysis and Machine Intelligence, IEEE Transactions, 31(1), 39-58. DOI: 10.1109/TPAMI.2008.52
※ AI-Helper는 부적절한 답변을 할 수 있습니다.