「베리슨」의 행동연구에 도움이 되는 블로그

태블릿 vs 종이책, 우리 아이의 진짜 문해력은 어디서 나올까요?

베리슨 — Wed, 11 Mar 2026 14:22:42 +0900

최근 초·중·고 교실에 태블릿 PC 혹은 스마트패드가 빠르게 보급되면서, 학부모님들과 교육 현장의 실무자들 사이에서 공통된 고민이 떠오르고 있습니다. “화면으로 글을 읽는 것이 종이책으로 읽는 것과 정말 똑같은 학습 효과를 낼까요?”

실제로 우리 아이들은 스마트 기기를 다루는 데 매우 능숙합니다. 하지만 긴 글을 읽고 맥락을 깊이 파악하는 ‘문해력(Reading Comprehension)’ 평가는 또 다른 문제인데요. 학계에서는 이를 ‘화면 열등 효과(Screen Inferiority Effect)’라고 부르며, 종이 매체에 비해 디지털 매체에서 깊은 사고와 내용 이해도가 떨어지는 현상을 꾸준히 지적해 왔습니다.

이러한 현상을 뇌과학적 관점에서는 어떻게 증명할 수 있을까요? 본 포스트에서는 뇌파(EEG) 장비를 활용해 매체에 따른 문해력과 인지 상태의 차이를 검증한 최신 연구 동향을 함께 살펴보겠습니다.

뇌파가 말해주는 불편한 진실

이스라엘 테크니온(Technion) 공과대학의 Zivan 연구팀이 2023년 PLOS ONE에 발표한 연구는 교육 및 인지과학 분야에 중요한 시사점을 남겼습니다. 8~12세 아동들이 동일한 텍스트를 스크린과 종이로 각각 읽는 동안 EEG를 측정한 결과, 매체에 따라 뇌의 반응이 명확하게 달랐습니다.

이 실험에서 핵심적인 부분은 스크롤 · 알림 · 멀티미디어를 모두 제거하고 단순 텍스트 화면만 사용함으로써 UI 복잡성이 아니라, 화면이라는 매체 자체가 아동 뇌의 주의(attention) 자원 배분 방식을 변화시킨다는 것을 의미합니다.

조건	뇌파 변화	의미
스크린 읽기	세타(Theta), 알파(Alpha) 파워 ↑, TBR 높음	인지 부하 증가, 집중력 저하
종이 읽기	베타(Beta), 감마(Gamma) 파워 유지	안정적이고 깊은 집중 상태 지속

연구의 다음 단계, 현장 검증이 필요합니다

Zivan 연구팀의 연구는 통제된 실험실 환경에서 이루어졌습니다. 하지만 실제 교실, 도서관, 학습 클리닉에서는 어떨까요? 더 다양한 연령대, 더 다양한 학습 조건에서도 같은 결과가 나올까요?

바로 이 지점에서 연구자와 교육 전문가에게 현실적인 도구를 생각해 볼 필요가 있습니다.

Mindtooth Bundle: 실험실 밖에서도 가능한 EEG 연구 플랫폼

Mindtooth Bundle (링크)은 EEG 기반 뇌파 측정 장비로, 기존 임상·연구용 장비의 높은 진입 장벽을 낮추면서도 안정적이고, 신뢰할 수 있는 데이터를 제공합니다. 교육 현장, 학습 클리닉, 아동 발달 연구소 등 실제 환경이 중요한 연구에 매우 적합합니다.

♣ 연구자·전문가에게 Mindtooth Bundle이 편리한 이유

1. 현장 적용이 가능한 설계
기존의 전통적인 EEG 장비는 방음 부스나 고정된 실험 환경을 요구합니다. Mindtooth Bundle은 교실, 도서관, 상담실 등 실제 학습 현장에서 바로 착용하고 측정할 수 있어, 생태학적 타당도(ecological validity)가 높은 데이터를 얻을 수 있습니다.

2. 피험자 부담 최소화
아동을 대상으로 한 연구에서 가장 큰 걸림돌 중 하나는 장시간 측정에 대한 피험자의 거부감입니다. Mindtooth의 간편한 착용 방식은 아동 피험자의 순응도(compliance)를 높여 더 자연스러운 행동 데이터를 확보할 수 있습니다.

3. Workload 지표로 인지 부하 실시간 포착
Zivan 논문에서 스크린 읽기 시 증가한 세타 파워, 즉 인지 부하 상승 패턴을 Mindtooth의 Workload 지표로 실시간 모니터링할 수 있습니다. 즉, 특정 학습 과제나 매체가 인지 자원에 미치는 영향을 즉각적으로 시각화할 수 있습니다.

4. Vigilance 지표로 주의력 변화 추적
세타-베타 비율(TBR)과 연관된 Vigilance 지표는 피험자의 주의력이 과제 수행 중 어떻게 변화하는지를 시계열로 보여줍니다. 즉, 집중력이 저하되는 정확한 시점을 기록하여, 학습 설계나 중재(intervention) 연구에 활용할 수 있습니다.

5. 다수 피험자 비교 연구에 효율적
개별 피험자마다 복잡한 장비 세팅을 반복할 필요 없이, 표준화된 프로토콜로 다수의 피험자를 빠르게 측정할 수 있습니다. 학교 단위, 학급 단위의 집단 연구도 현실적으로 가능합니다.

6. 누적 데이터 기반 종단 연구 가능
단일 시점 측정을 넘어, 동일 피험자를 반복 측정하는 종단 연구(longitudinal study)에도 적합합니다. 학습 환경 변화에 따른 뇌파 패턴의 장기적 변화를 추적하는 데 활용할 수 있습니다.

활용 사례 - 동영상

<<전문 보기>>

숲이 주는 치유의 힘, 이제 ‘뇌파’로 실시간 증명하세요 (feat. Mindtooth)

베리슨 — Thu, 19 Feb 2026 09:49:24 +0900

복잡한 도심의 소음을 뒤로하고 숲을 거닐 때 전해지는 평온한 기운, 다들 느껴보셨을 겁니다. 우리는 이미 몸으로 산림의 치유 효과를 알고 있지만, 산림환경 연구자들은 이 ‘기분 좋은 느낌’을 fNIRS 같은 무거운 장비를 메거나 타액을 채취하는 방식과 같이 숫자가 증명하는 ‘과학적 데이터’로 바꾸기 위해 끊임없이 노력해 왔습니다. 하지만 이와 같은 방식은 산행이나 산책 같은 동적인 활동(Active Task) 중 시시각각 변하는 스트레스 반응을 세밀하게 담아내기 어려운 한계를 갖고 있습니다.

본 포스트는 연구실 환경에서 벗어나, 장소의 제약 없이 뇌파를 측정하고 실시간 스트레스 지수를 분석하는 간편한 EEG 웨어러블 헤드셋인 Mindtooth의 소개와 활용에 대한 글입니다.

숲 속 산책 중에도 가볍게! (High Comfort & Wireless)

산림 치유 프로그램의 핵심은 ‘자연스러운 체험’입니다. 연구를 위해 피험자가 무거운 백팩을 메거나 복잡한 선(Wire)을 주렁주렁 달고 숲을 걷는다면, 그 자체로 스트레스가 되어 정확한 데이터를 얻기 힘듭니다. Mindtooth는 이러한 현장 연구(Field Study)에 최적화되어 있습니다. 예를 들어, 도시의 빌딩 숲과 실제 숲길을 걸을 때 피험자의 뇌파 변화를 동일한 장비로 끊김 없이 측정하여 비교 분석하는데 매우 유용합니다.

완벽한 무선 환경: 블루투스 연결을 통해 데이터를 전송하므로, 피험자는 자유롭게 숲길을 걷거나 경관을 감상할 수 있습니다.
깃털 같은 가벼움: 약 130g의 초경량 헤드셋과 30g의 소형 증폭기(Amplifier)로 구성되어 있어, 장시간 착용해도 피험자가 장비의 존재를 거의 잊고 산림 치유 활동에 몰입할 수 있습니다.

‘느낌’이 아닌 ‘수치’로 보는 힐링 (Real-time Stress Monitoring)

설문조사(기분상태검사 등)는 활동이 끝난 후의 기억에 의존하며, 타액의 코티솔 농도는 실시간 변화를 보기 어렵습니다. Mindtooth는 뇌파(EEG)를 분석하여 스트레스(Stress), 작업 부하(Workload), 각성도(Vigilance)라는 3가지 핵심 지표를 실시간(Real-time)으로 산출합니다.

Stress Level: 숲 초입에서 깊은 숲으로 들어갈 때, 혹은 숲 내음(피톤치드)을 맡는 순간 스트레스 수치가 어떻게 떨어지는지 ms 단위로 추적할 수 있습니다.
Vigilance (각성/주의력): 복잡한 도심에서는 위험 회피를 위해 과도하게 높았던 긴장성 각성이, 숲에서는 어떻게 안정적인 주의력 상태로 변화하는지 관찰 가능합니다.

숲 속에는 세면대가 없습니다 (Gel-Free & Easy Setup)

기존 뇌파 장비(EEG)는 전도성 젤(Gel)을 두피에 발라야 해서, 야외 실험 후 머리를 감을 곳이 마땅치 않은 산림 환경에서는 사용이 불가능에 가까웠습니다. 이에 반해 Mindtooth는 물(식염수)을 적신 스펀지 센서를 사용하여 사용 편의성이 매우 우수합니다.

준비 시간 단축: 젤을 바르고 임피던스를 낮추느라 소비하던 시간을 획기적으로 줄여, 3~5분이면 측정 준비가 끝납니다.
깔끔한 마무리: 측정이 끝나면 헤드셋을 벗기만 하면 됩니다. 머리에 끈적이는 젤이 남지 않아 피험자들의 거부감이 없습니다.

다양한 생체 데이터와의 연동 (LSL 지원)

산림환경 연구에서는 심박변이도(HRV), 혈압 등 자율신경 지표도 중요하게 다루고 있습니다. Mindtooth는 LSL(Lab Streaming Layer) 프로토콜을 지원하여 기존에 연구실에서 사용 중인 심전도(ECG) 센서나 GPS 트래커, 모션 캡처 장비 등의 데이터와 뇌파 데이터를 정확한 타임스탬프(Time-stamp)로 동기화할 수 있습니다.

산림 치유의 과학화, Mindtooth가 지원합니다

“숲에 가면 마음이 편해진다”는 막연한 믿음을, “숲 산책 10분 경과 시 뇌파 기반 스트레스 지수가 평균 20% 감소했다”는 명확한 데이터로 증명해 보세요. Mindtooth는 실험실을 벗어나 살아있는 자연 속에서 인간의 생리적 반응을 탐구하는 여러분의 연구를 지원합니다.

Mindtooth : 뉴로메트릭스 측정 시스템

왜 우리는 여전히 현장에서 사고를 막지 못하는가?

베리슨 — Mon, 5 Jan 2026 15:38:37 +0900

수십 년간 산업 현장은 눈부시게 발전했습니다. 장비는 더 견고해졌고, 안전 규정은 책장을 가득 채울 만큼 촘촘해졌으며, 현장 곳곳에는 최첨단 센서가 설치되어 있습니다. 기업들은 천문학적인 비용을 안전 관리에 쏟아붓습니다. 그런데도, 우리는 매일 아침 뉴스에서 안타까운 산업재해 소식을 마주합니다. 도대체 무엇이 문제일까요? 더 강력한 규제가 필요한 걸까요, 아니면 더 비싼 보호구가 필요한 걸까요?

이제 우리는 불편한 진실을 마주해야 합니다. 기존의 안전공학적 접근 방식이 '한계'에 봉착했다는 사실을 말입니다. 지금까지의 산업안전은 눈에 보이는 물리적 환경과 시스템을 통제하는 데 집중해 왔습니다. 위험한 기계에 방호 울타리를 치고, 작업자에게 안전모와 안전화를 지급하는 것이 전부였습니다. 하지만 가장 중요하고도 변덕스러운 변수, 바로 '사람'을 놓치고 있었습니다.

'휴먼 에러'라는 블랙박스

현장에서 발생하는 사고의 상당수는 이른바 '휴먼 에러(Human Error)'로 결론지어집니다. 하지만 "작업자의 부주의"라는 한 줄의 보고서로 넘어가기엔 그 이면에 숨겨진 원인들이 너무나 복잡합니다. 작업자는 기계가 아니기에 그날의 컨디션, 업무의 난이도, 심리적 압박감, 심지어 동료와의 관계에 따라서도 작업자의 인지 능력은 널뛰기를 합니다. 베테랑 작업자도 순간적인 집중력 저하로 치명적인 실수를 할 수 있고, 신입 작업자는 과도한 긴장감 때문에 패닉에 빠질 수 있습니다. 이처럼 뇌 속에서 일어나는 인지적 변화는 CCTV, 기존의 안전 센세로도 감지할 수가 없었기 때문에 '보이지 않는 위험'으로 작용합니다.

뇌과학, 보이지 않는 위험을 데이터로 읽다.

그동안 대학 및 연구소 실험실에 갇혀 있던 뇌과학이 웨어러블 기술과 만나 산업 현장으로 나오고 있습니다. 이제 우리는 작업자가 느끼는 인지적 상태를 실시간 생체 신호, 즉 '뉴로메트릭스(Neurometrics)'로 측정할 수 있는 시대에 살고 있습니다.

뇌과학 기반의 접근(예: Mindtooth 뉴로메트릭스 측정 시스템)이 제시하는 핵심은 간단합니다. 현장 안전 관리에 있어 가장 핵심적인 3가지 신경 지표를 통해 "사고가 나기 직전의 뇌 상태를 미리 포착하자"는 것입니다.

인지 부하 (Workload) - 복잡한 제어실에서 수많은 경고음이 동시에 울리거나, 익숙지 않은 고난도 작업을 수행할 때 작업자의 뇌는 과부하 상태가 됩니다. 'Workload'가 임계치를 넘어서면 뇌의 정보 처리 능력은 급격히 떨어지고, 중요한 위험 신호를 놓치는 '인지적 터널링' 현상이 발생합니다. 뇌파 분석은 작업자가 감당할 수 있는 인지 용량을 초과하는 순간을 포착해 냅니다.
스트레스 (Stress) - 고소 작업, 위험물 취급 등 고위험 환경은 작업자에게 극심한 심리적 압박을 줍니다. 적당한 긴장은 도움이 되지만, 과도한 'Stress'는 판단력을 마비시키고 신체를 경직시켜 오작동을 유발합니다. 뇌과학은 작업자가 겉으로는 태연해 보여도 내면에서 위험 수준의 스트레스를 받고 있는지 객관적으로 보여줍니다.
경계 및 주의력 (Vigilance) - 반대로 너무 단조롭고 반복적인 작업 역시 위험합니다. 야간 감시나 단순 반복 공정에서는 뇌의 'Vigilance'가 떨어지며 소위 '멍 때리는' 상태나 미세 수면(Microsleep)에 빠지기 쉽습니다. 사고는 바로 이 짧은 찰나의 방심 사이로 파고듭니다.

뉴로메트릭스 앱 (Neurometircs App) : 뇌파 분석에 전문적인 지식이나 스킬이 없이 3가지 신경 지표 'Workload, Stress, Vigilance'를 실시간으로 자동 분석합니다.

사후 분석에서 '사전 예방' 으로의 패러다임 전환

지금까지의 안전 관리는 사고가 발생한 후 원인을 분석하고 재발 방지 대책을 세우는 '사후 대응적(Reactive)' 방식이 주를 이뤘습니다. 하지만 뇌과학 기술의 도입은 이를 사고가 발생하기 전 위험 징후를 포착하는 '선제적(Proactive)' 예방 시스템으로 전환시킵니다. 예를 들면, 작업자의 인지 부하가 위험 수위에 도달하면 자동으로 휴식을 권고하거나, 스트레스 지수가 높으면 위험 작업 투입을 잠시 미루는 식의 능동적인 관리가 가능해집니다. 이는 단순히 사고율을 낮추는 것을 넘어, 작업 공정 자체를 인간 중심적이고 효율적으로 재설계하는 근거가 됩니다.

결국, 안전의 열쇠는 '사람의 뇌'를 이해하는 것

가장 완벽한 안전장치는 무엇일까요? 그것은 위험을 인지하고 판단하여 행동을 결정하는 작업자의 '건강한 뇌' 그 자체입니다.

진정한 산업안전은 물리적 방호벽을 넘어, 인간의 인지적 한계를 이해하고 이를 기술적으로 보완하는 데서 완성됩니다. 안전모 너머, 작업자의 머릿속에서 일어나는 '보이지 않는 위험'을 들여다보는 것. 그것이 바로 뇌과학이 산업안전의 미래가 될 수밖에 없는 이유입니다. 이제는 사람의 뇌를 이해하는 것이 곧 현장의 안전을 지키는 길입니다.

구체적인 연구 사례 제안

안전 공학 분야, 특히 공장이나 건설 현장과 같은 산업 현장에서 '휴먼 에러(Human Error)'는 사고의 주요 원인입니다. Mindtooth를 활용하면 작업자의 '보이지 않는 뇌 상태'를 데이터화하여 사고를 사전에 예방하는 연구를 수행할 수 있습니다. 산업 현장 및 공장에 특화된 5가지 구체적인 연구 사례를 제안해 드립니다.

① 교대 근무자의 시간대별 인지 피로도(Fatigue) 및 사고 위험 예측 연구
- 장시간 반복 작업을 하거나 교대 근무를 하는 작업자의 뇌파 변화를 추적하여, "사고가 발생하기 쉬운 마의 시간대"를 과학적으로 규명합니다.

ⓐ 실험 설정: 3교대 근무자를 대상으로 근무 시작 시점, 중간 시점, 종료 1시간 전의 뇌파를 측정합니다.

ⓑ 분석 포인트:

Vigilance (주의력): 단순 반복 작업 중 주의력이 급격히 떨어지는 'Micro-sleep(미세 수면)'이나 '멍 때림' 구간의 빈도를 측정합니다.
Workload (인지 부하): 작업은 익숙해서 쉬운데 뇌의 부하가 올라간다면(뇌 효율성 저하), 이는 극심한 피로 상태를 의미하며 사고 위험이 가장 높은 상태입니다.

② 협동 로봇(Cobot)과 작업자 간의 '심리적 안전거리' 설정 연구
- 스마트 팩토리에서 로봇과 인간이 함께 일할 때, 로봇의 속도나 움직임이 인간에게 주는 위협감을 측정합니다.

ⓐ 실험 설정: 협동 로봇의 작동 속도를 3단계(저속, 중속, 고속)로 조절하며 공동 작업을 수행하게 합니다.

ⓑ 분석 포인트:

Stress (스트레스): 로봇이 작업자에게 다가올 때 스트레스 수치가 급증한다면, 물리적으로는 안전해도 심리적으로는 위험한 상태입니다.
Workload (인지 부하): 로봇의 속도를 맞추기 위해 작업자가 허둥지둥하며 인지 부하가 치솟는 임계 속도를 찾습니다.

③ 중앙 제어실(Control Room)의 비상 상황 대응 및 HMI 평가
- 화학 공장이나 발전소 제어실에서 수많은 경고 알람이 울릴 때, 운영자가 당황하지 않고 정확히 판단하는지 평가합니다.

ⓐ 실험 설정: 시뮬레이터를 통해 일반적인 상황과 비상 상황(알람 다수 발생)을 연출합니다.

ⓑ 분석 포인트:

Workload (인지 부하): 정보가 쏟아질 때 인지 부하가 처리 용량을 초과(Overload)하여 '인지적 터널링(시야가 좁아짐)' 현상이 발생하는지 봅니다.
Stress (스트레스): 스트레스가 너무 높아 판단력이 마비되는지(Panic), 아니면 적절한 긴장감을 유지하는지 측정합니다.

④ 고위험 작업(고소 작업, 중장비 운전) 시 '상황 인식(Situation Awareness)' 평가
- 크레인 운전이나 높은 곳에서의 작업 시, 작업자가 위험 요소를 제대로 인지하고 있는지 확인합니다.

ⓐ 실험 설정: 실제 현장 또는 VR 환경에서 사각지대에 장애물이나 보행자가 나타나는 상황을 제시합니다.

ⓑ 분석 포인트:

Vigilance (주의력) & Stress (스트레스): 위험 요소를 발견했을 때 즉각적인 주의력 상승과 스트레스(경각심) 반응이 나타나는지 봅니다. (반응이 없다면 위험을 못 본 것입니다.)

⑤ 개인 보호구(PPE) 착용에 따른 작업 효율성 및 스트레스 비교 연구
- 안전모, 보안경, 방독면 등 안전 장비가 작업자에게 주는 불편함과 그로 인한 집중력 저하를 연구합니다.

ⓐ 실험 설정: 기존 안전 장비 vs. 신형(경량화/통기성 개선) 안전 장비를 착용하고 동일 작업을 수행합니다.

ⓑ 분석 포인트:

Stress (스트레스) : 답답함이나 열기로 인해 작업 중 스트레스 베이스라인이 얼마나 높은지 비교합니다.
Vigilance (주의력): 불편함이 작업 집중력을 얼마나 분산시키는지 측정합니다.

Mindtooth : 뉴로메트릭스 측정 시스템

진짜 미소(뒤센 미소) 와 가짜 미소(팬암 미소)

베리슨 — Thu, 30 Oct 2025 12:30:27 +0900

인간의 표정 중 '미소'는 가장 보편적인 표현이라고 합니다. 미소에는 놀라운 힘이 있으며, 심지어 자신의 주관적 상태까지 변화시킬 수 있습니다. 예를 들어, 원래 기분이 좋지 않더라도 미소 짓는 것만으로도 주관적으로 느끼는 행복감이 증가한다고 합니다. 즉 '기분이 좋아서 웃는 게 아니라 웃어서 기분이 좋아지는' 거죠. 그런데 여러분은 여느 대중가요의 '내가 웃는 게 웃는 게 아니야~'라는 가사말처럼 '미소가 미소가 아닐 때'에 대해 생각해 본 적이 있었나요? 그렇다면 진짜 미소와 가짜 미소는 어떻게 다를까요?

자동화된 얼굴 표정 분석

1980년대 초 표정 연구의 대가 폴 에크먼(Pual Ekman)과 윌리스 프리즌(Wallace Friesen)은 미소에는 두 가지 종류가 있다고 제안했습니다. 바로 진짜 미소(real/felt smile)와 가짜 미소(false smile)입니다.

진짜 미소는 뒤셴 미소(Duchenne smile)라고 불리며, 이는 프랑스 생리학자 기욤 뒤셴(Guilaume Duchenne)이 처음으로 이 표정을 만드는 데 관여하는 얼굴 근육을 밝혀낸 데서 비롯되었습니다. 그들의 연구에 따르면, 진짜 미소는 눈 주변의 근육까지 활성화되지만, 가짜 미소는 입 주위의 근육만 작동한다고 합니다. 반면에 가짜 미소는 한쪽으로 더 치우치는 경향(unilateral)이 있으며, 입이 한쪽으로 살짝 올라가는 것이 특징입니다. 그러면 상기 내용을 바탕으로 아래의 사진 속 두 명의 '폴 에크먼' 중에서 여러분은 어느 쪽 미소가 진짜인지 구분하실 수 있을까요?

얼굴 부호화 시스템(Facial Action Coding System)

얼굴에는 총 28개의 주요 Action Units(이하 AUs)이 있으며 FaceReader는 이중 20개를 분류할 수 있습니다. 이 가운데 AU6(광대근, cheek raiser), AU7(눈꺼풀 당김, lidtightener), AU12(입꼬리 당김, lip corner puller)는 '행복(happy)'을 표현하는 핵심 근육입니다. 반면 AU14(입꼬리 한쪽 당김, dimpler)은 비대칭 미소(unilateral smile)와 관련이 되어 있습니다.

얼굴표정 자동 분석 소프트웨어 FaceReader는 얼굴 표정으로부터 단순히 'Happy'나 'Sad' 등을 감지하는데 그치지 않고, 각각의 AUs의 사용 여부와 사용 강도를 5단계(A~E) 등급으로 세부적으로 분류합니다. 이러한 분석 툴을 보유하고 있는 FaceReader를 이용하여 사람들이 진짜로 웃고 있는지, 아니면 가짜로 웃고 있는지를 살펴보는 실험을 진행했습니다.

유튜브에서 '실패 영상(fails)'을 모은 유머 영상을 찾아, 온라인 플랫폼인 FaceReader Online을 통해 지원자들에게 보냈습니다. 참가자들의 표정 데이터는 FaceReader 7.1에서 분석되었고, 각각의 액션 유닛이 얼마나 활성화되었는지를 분류했습니다. 그 후 데이터는 The Observer XT로 내보내어 세부 분석 및 구간화(segmentation)를 진행했습니다. 참가자들의 영상을 '중립' '진짜 미소' '가짜 미소'로 분류했으며, 분석은 블라인드 방식으로 수행되었습니다. 이후, 각 액션 유닛의 데이터는 활성화된 시간의 비율(%)로 산출되었습니다.

진짜 미소 vs 가짜 미소

액션 유닛을 활용하여 진짜 미소와 가짜 미소를 판별하기 위한 가설은 아래와 같습니다.

진짜 미소 (REAL Smile) → AU6, AU7이 더 강하게 나타난다.
가짜 미소 (False Smile) → AU14가 더 자주 나타난다.

결과는 예상대로였습니다. 진짜 미소에서는 AU6과 AU7이 활발히 나타났고, 가짜 미소에서는 AU14가 두드러졌습니다. 또한 각각의 미소 유형에서 해당 근육의 활성 강도 역시 뚜렷하게 차이가 발생했습니다. 결국, 진짜 미소는 "눈으로 웃는다"라는 말이 사실이었습니다.

액션 유닛의 활성화된 시간 비율(%)

가짜 미소(False)에 비해 진짜 미소(Real)가 AU6, AU7, AU12의 활성화된 시간 비율이 상대적으로 높고, AU14는 적은 것을 확인

액션 유닛의 활성 강도 비율(%) : AU6 & AU7

'A:가 가장 적은 활성 강도, D: 가장 높은 활성 강도'를 의미 :

AU6 및 AU7 모두 진짜 미소(Real)에서 활성 강도가 높은(C~D)것으로 나타남

액션 유닛의 활성 강도 비율(%) : AU12 & AU14

AU12는 진짜 미소(Real)에서 활성 강도가 높고, AU14는 가짜 미소(False)에서 활성 강도가 높은 것으로 나타남

아래 이미지는 미소를 짓고 있는 도미닉(Dominic)입니다. 상기의 액션 유닛의 결과를 고려하여 , 어느 쪽이 진짜 미소(Real)인지 구별해 보세요.

정답은 무엇일까요? 오른쪽 사진이 진짜 미소(Real)입니다. 아래의 액션 유닛 사진을 보면 좀 더 쉽게 이해하실 수 있습니다.

흥미로운 부분은 FaceReader로 분석한 결과, 두 이미지 모두에서 감정은 'Happy'라고 판별했지만 진짜 미소는 오직 오른쪽 사진뿐이었습니다.

FaceReader 분석 화면

아래 이미지는 실제 어느 한국 사람의 웃는 모습을 FaceReader에서 분석한 화면입니다. (*실제 얼굴 표정을 분석하였으며 아래 분석 화면에서는 초상권을 위해 메쉬처리 하였습니다.)

Action Unit 분석 화면: 실험 참가자가 웃는 시점에서 행복(HAPPY) 감정이 강하게 나타났으며 이 때 AU6, AU12가 동시에 강하게 활성화 된 것을 쉽게 확인 할 수 있습니다. 이러한 데이터를 통해 진짜 미소를 나타냈음을 알 수 있습니다.

미소 관련 주요 근육의 활용 분야 : AU6, AU7, AU12, AU14

① 소비자 감정 분석 (Consumer Emotion Research)

제품 광고나 브랜드 영상 시청 시 나타나는 진짜 미소(AU6·AU7)와 가짜 미소(AU14)를 구분하여, 소비자의 진정한 호감도와 만족도를 평가할 수 있습니다. 설문 응답의 한계를 보완하고 감정 기반 마케팅 전략 수립에 활용됩니다.

② 사용자 경험(UX) 평가(User Experience Evaluation)

디지털 서비스나 인터페이스를 사용하는 동안의 표정을 분석해, 이용자의 긍정적·부정적 경험을 실시간으로 파악합니다. AU12와 AU6의 활성도를 통해 즐거움·몰입도를 측정하고 UI개선이나 서비스 만족도 향상에 반영할 수 있습니다.

③ 임상심리 및 정신건강 연구 (Clinical Psychology & Mental Health)

우울증, 불안장애, 사회적 위축 등 정서적 상태를 평가할 때 진짜 웃음의 빈도 (AU6·AU7)를 정량화해 정서 표현의 감소를 객관적으로 측정합니다. 감정 표현 결핍이나 정서 회복 과정을 생리·행동 지표로 추적할 수 있습니다.

④ 면접·교육 평가(Interview & Education Assessment)

면접 응답자나 학습자의 표정을 분석해 진심 어린 반응(AU6·AU7)과 형식적 반응(AU14)을 구분합니다. 이를 통해 면접 태도, 몰입도, 학습 동기를 정성적이 아닌 객관적 지표로 평가할 수 있습니다.

⑤ 휴먼-로봇 상호작용(Human-Robot Interaction)

로봇이 인간의 표정을 인식해 진짜 미소(AU6·AU12)와 가짜 미소(AU14)를 구분함으로써, 정서적 공감 및 반응 알고리즘을 개선합니다. 이를 통해 인간과 로봇 간의 상호작용을 보다 자연스럽고 감정 친화적으로 발전시킬 수 있습니다.

원문

https://noldus.com/blog/automated-facial-expression-analysis

References

https://www.psychologytoday.com/us/blog/prefrontal-nudity/201208/smile-powerful-tool

Ekman, P. & Friesen, W.V. J Nonverbal Behav (1982) 6: 238. https://doi.org/10.1007/BF00987191

https://www.psychologytoday.com/us/blog/thriving101/201001/what-science-has-to-say-about-genuine-vs-fake-smiles

https://sonnemann.wordpress.com/wp-content/uploads/2012/05/paul-ekman1.png

FaceReader

https://en.wikipedia.org/wiki/Facial_Action_Coding_System

https://www.youtube.com/watch?v=yRB_UBef-sA&t=124s

FaceReader Online

The Observer XT

Patronus Charm By J.K. Rowling on Pottermore

Portable Lab 및 FaceReader 사용자 교육 진행

베리슨 — Wed, 15 Oct 2025 09:39:34 +0900

2025년 9월 26일, Noldus사 행동 관찰 분석 시스템 유저인 서울대학병원 소아정신과 연구원분들을 대상으로 Portable Lab : 현장형 행동관찰 분석 시스템 및 FaceReader : 얼굴표정 자동분석 소프트웨어 사용자 교육을 진행했습니다.

행동 관찰 연구를 수행하는 데 기초가 되는 네트워크 카메라 세팅을 시작으로 멀티채널 레코딩 과정을 설명하고, 얼굴표정 변화로부터 기본 6개 감정 및 정서 태도를 분석 및 핸들링하는 방법을 소개하였습니다.

연구원분들의 적극적인 참여로 뜻깊은 시간이었으며, 향후 행동 분석 고급 과정이 예정되어 있으니 지속적인 관심과 참여 부탁드립니다.

교육 대상 : 서울대학병원 소아정신과 연구원분
소프트웨어 : Portable Lab 현장형 행동관찰 분석 시스템 및 얼굴표정 자동분석 소프트웨어 FaceReader
교육 : 약 3시간
진행 장소 : 서울대학교병원 의학연구혁신센터
교육 내용 :
– 행동관찰 레코딩에 기초가 되는 멀티 채널 카메라 세팅과 레코딩
– 얼굴표정으로부터 다양한 감정 데이터 및 지표 분석
– 심도 있는 분석을 위한 이벤트 마커 설정과 데이터 핸들링
– 질의응답
향후 진행될 행동분석 고급 과정 교육에 대한 안내

SMI 아이트래킹 소프트웨어 사용자 교육 진행

베리슨 — Wed, 15 Oct 2025 09:34:46 +0900

2025년 8월 14일, 독일 SMI사 아이트래킹 시스템 유저인 이화여자대학교 대학원 언어병리학과로부터 아이트래킹 소프트웨어 사용자 교육 진행을 요청받아 진행하였습니다. 연구실 구성원들이 아이트래커를 활용한 학술 연구를 원활하게 수행할 수 있도록 기초부터 ~ 데이터 활용까지 실제 측정한 데이터를 중심으로 진행한 본 교육에서는 약 4시간의 긴 진행 시간에도 불구하고, 심도 있는 질문과 열정적인 참여로 무더운 여름을 더욱 뜨겁게 보낸 시간이었습니다.

모쪼록 본 교육을 통해 보다 체계적이고 수준 높은 연구를 진행하시길 진심으로 기원하겠습니다.

교육 대상 : 이화여자대학교 대학원 언어병리학과
소프트웨어 : SMI Experiment Center™ & BeGaze™, iViewRED
교육 : 약 4시간
진행 장소 : 베리슨 오피스
교육 내용 :– 우수한 품질의 시선 데이터 측정을 위한 세팅과 팁– 효율적인 아이트래킹 실험 디자인 방법– 실험 참가자의 특성에 따른 레코딩 세팅– 결과 데이터 분석 설명 : Gaze Replay, BeeSwarm, Scan Path, Heat Map, Focus Map, Key Performance Indicators, … , Metrics Export 등..
– 질의 응답

7채널 뇌파(EEG) 측정기기 : X.on

베리슨 — Tue, 5 Aug 2025 13:34:40 +0900

X.on은 뛰어난 사용 편의성과 높은 품질은 갖춘 7 채널 뇌파(EEG) 헤드셋으로 아름다운 디자인 뿐만 아니라 편안한 착용감을 제공합니다. Android™ 및 Windows® PC 전용 앱(Apps)이 기본 포함되어 있으며, iOS 기기에서 ‘ERPs’ 기능을 사용하고 싶을 경우, PEER 앱을 추가로 구매하여 이동 중에도 측정할 수 있는 것이 특징입니다.

독일 Brain Products GmbH가 개발한 7채널 EEG 헤드셋 (스폰지 기반)

X.on EEG 헤드셋은 뇌파 연구를 처음 접하는 초보 연구자도 손쉽게 측정 할 수 있는 사용 편의성 뿐 아니라 우수한 EEG 데이터 품질을 제공하여 산업 분야에서 간단하고 직관적인 EEG 측정을 위한 목적과 높은 수준을 필요로 하는 연구 목적 모두를 충족시킬 수 있는 제품입니다.

교육 (Academia) : 학생들에게 뇌파(EEG)의 기본 개념 및 신경 생리학 원리를 교육하고, 뇌파 신호 획득 및 신호 처리 과정에 대한 실습에 사용할 수 있습니다.
산업 (Industry) : 소비자의 뇌파 데이터를 기반으로 광고나 제품 디자인이 소비자에게 미치는 영향을 분석하여 효과적인 마케팅 전략을 수립하는 뉴로 마케팅, 사용자 관심, 감정 상태, 이완 정도를 측정하여 인터페이스 디자인 개선 및 사용자 경험(UX) 향상, 사용자의 생체 신호를 실시간으로 제공하여 스트레스 관리 및 심리적 안정에 도움을 주는 바이오 피드백 등 다양한 산업 분야에 활용할 수 있습니다.
뉴로테크놀로지 (Neurotechnology) : 뇌파를 활용하여 기기 제어, 음악 제작, 그림 그리기 등 다양한 창작 활동을 지원하는 뇌-컴퓨터 인터페이스 (BCI), 증강현실(AR) 및 가상현실(VR) 환경에서 뇌파를 활용하여 몰입감을 높이고 현실감을 더할 수 있습니다.

7개 EEG 채널

X.on의 7개 전극 위치

국제 뇌파 10 20 전극 배치 체계를 반영하여 F3, F4, C3, Cz, C4, P3, P4 와 같이 총 7개의 전극 위치로부터 EEG 신호를 기록하여 아래와 같이 다양한 뇌 기능 지표를 측정하고 분석할 수 있습니다.

집중력, 인지 기능: 주의력, 기억력, 문제 해결 능력
정서: 기분, 감정 조절
스트레스: 정신적 스트레스 반응
운동 피질: 신체 움직임 관련
감각 피질: 신체 감각 정보 처리
공간 지각: 주변 환경 인식 및 공간 정보 처리
주의: 특정 자극에 대한 주의력 반응

증폭기 내장

증폭기가 내장되어 최대 500Hz 샘플링 속도, 최대 24비트 A/D 변환, 0.1~131Hz 대역폭 등과 같이 우수한 신호 품질과 사용 편의성을 동시에 제공하여 뇌파 초보 연구자부터 전문 연구자까지 누구나 쉽고 정확하게 뇌 데이터를 수집할 수 있도록 지원합니다.

사용자 편의를 위한 다양한 Apps

안드로이드용 App

X.on은 Android™ 및 Windows® PC용 애플리케이션을 기본 구성으로 제공하여 뇌파 신호에 쉽고 간편하게 접근할 수 있습니다. 즉, EEG 헤드셋을 착용하고, 전원을 켜고, 휴대폰이나 PC를 사용하는 일련의 과정은 초보 뇌파 연구자도 손쉽게 뇌파 데이터를 얻을 수 있습니다.

이에 더하여 iOS 플랫폼에서 사용 가능한 PEER 애플리케이션을 사용하면 누구나 쉽고 간편하게 사건 관련 전위(ERPs) 기능을 사용할 수 있습니다.

무선 데이터 전송

무선 작동 방식으로 측정 환경과 피험자의 움직임에 대한 제약을 극복하여 일상생활 환경에서의 자연스러운 뇌 활동 연구가 가능토록 합니다. 뿐만 아니라, 복잡한 케이블을 연결하고 정리할 필요가 없어 설치 시간이 단축되어 여러 피험자를 대상으로 데이터를 수집할 때 큰 도움이 됩니다.
무엇보다 케이블에 대한 불편함이 없어 피험자의 심리적 안정성을 높여 데이터의 품질을 향상시키는데 긍정적인 영향을 제공합니다.

The Observer XT를 활용한 생리신호 · 행동 데이터 통합 분석 : Stroop Test

베리슨 — Mon, 14 Jul 2025 16:35:59 +0900

다양한 생리적 신호와 행동 데이터를 통합하여 분석하는 것은 인간의 인지 및 감정 반응을 이해하는 데 중요한 접근 방식입니다. 특히, 여러 장비를 동시에 사용해야 하는 멀티 모달 리서치에서는 데이터 동기화 및 통합 분석은 핵심 과제가 됩니다.

이번 포스트에서는 Noldus사의 The Observer XT 소프트웨어를 활용하여, FaceReader, BIOPAC, Tobii 측정기기에서 수집된 데이터를 하나의 타임라인에 통합 및 분석 사례를 소개하는 것으로 실험은 인지 부하와 감정 반응을 측정할 수 있는 대표적인 심리검사인 Stroop Test를 기반으로 설계되었습니다.

Stroop Test란 화면에 단어가 제시되었을 때 제시된 단어의 인쇄된 색상(color)를 말하는 것으로 과제의 난이도는 단어와 색상의 일치 여부 및 감정 표현의 혼란 정도에 따라 구분됩니다. 구체적인 실험은 3개의 Task로 구성되었습니다.

Task 1 (쉬운 난도): 단어의 의미와 색상이 동일한 화면이 제시될 때, '단어의 색상'을 발화
Task 2 (중간 난도): '색상'이 포함된 '감정'을 나타내는 단어가 제시할 때, '단어의 색상'을 발화
Task 3 (상위 난도): 단어의 의미와 색상이 동일하지 않은 화면이 제시될 때, '단어의 색상'을 발화

이것은 전형적인 Stroop 효과를 유도하기 위한 구조로 단어의 의미와 시각적 속성이 서로 충돌할 때, 인지 처리에 소요되는 시간과 이에 따른 생리 반응을 측정할 수 있도록 설계된 실험입니다.

실험 절차 및 데이터 수집 방식

측정 기기 및 소프트웨어는 Noldus사에서 제공하는 N-Link 프로토콜을 통해 The Observer XT를 통해 제어하였으며 각 측정 기기로부터 다음과 같은 신호 혹은 데이터가 수집됩니다.

The Observer XT : 실험 이벤트(Task 시작, 반응 시간 등)를 수동 코딩 및 시각화
Media Recorder : 2개의 IP 카메라로부터의 영상 및 Tobii Studio의 Gaze Path 동영상
FaceReader : 실험 참가자의 표정으로부터 기본 감정 및 감정 상태 데이터
Tobii Stuido : 아이트래커로 측정된 동공 데이터
BIOPAC AcqKnowledge : 피부전도도(EDA), 피부전도반응(SCR) 데이터

데이터 분석

Task별 구간 분석

: 실험이 Task 1, 2, 3으로 나뉘어 있기 때문에 각 Task에 해당하는 시간 구간을 기준으로 데이터가 분할됩니다.

행동 분석

자극 제시 시점과 참가자의 반응 사이의 시간 간격(Word-Answer Interval Duration)을 분석하여 인지 반응 속도를 비교합니다

Task별 구간 및 행 실험 참가자의 인지 반응 시간 기록

수집된 데이터 그래프

FaceReader: 중립, 행복, 슬픔, 분노, 놀람, 공포, 혐오 등의 감정별 추이를 시각화하고, valence와 arousal 값도 함께 분석합니다.
Tobii Studio: 좌·우 동공 크기의 시간별 변화를 시각화하여 인지 부하가 반영된 생리적 반응을 살펴봅니다.
BIOPAC 데이터 : SCR(피부전도반응)의 진폭과 tonic EDA 값을 통해 스트레스 반응을 확인할 수 있습니다.

수치 분석

The Observer XT의 Numerical Analysis을 사용하여 Task 구간별 수치 데이터를 정리하였습니다.

Tobii 데이터: Task별 동공 크기(PupilLeft, PupilRight)의 평균값 변화
BIOPAC 데이터: Tonic EDA 값 및 SCR Amplitude 변화 분석
FaceReader 데이터: 감정별 표현 강도, valence/arousal 지표 수치 비교
반응 시간: 각 Task의 평균 응답 시간 및 분산 비교

Task의 난도가 높을수록 동공 크기와 SCR(피부전도반응)이 증가하고, 반응 시간이 지연되는 양상을 확인할 수 있었습니다

결론

The Observer XT를 사용하여 FaceReader, BIOPAC, Tobii 측정기기에서 수집된 데이터를 하나의 동일한 타임라인 상에서 통합하고, 시각화 및 데이터 분석을 진행하였습니다. Task 구간별로 생리적 반응을 정량적으로 분석 및 비교함으로써 인지 부하와 생리적 반응 간의 상관관계를 규명하고자 하였으며, 결과적으로 Stroop 효과에 의해 유발되는 인지 부하 및 정서 반응을 생리·행동 지표를 통해 객관적으로 입증하는 데 효과적인 접근이었습니다.

※ The Observer XT 소프트웨어는 행동 이벤트 코딩 분석이라는 기본적인 기능 이외에 서로 다른 측정 기기에서 수집된 신호 및 데이터(EDA, SCR, Pupil Size, Facial expressions...)를 통합하여 분석하는 멀티모달 리서치 플랫폼으로 활용할 수 있음을 다시 한 번 확인하는 실험이었습니다.

포터블 아이트래커 Lite의 '정확도(accuracy)' 및 '정밀도(precision)' 에 대하여..

베리슨 — Wed, 2 Jul 2025 16:37:30 +0900

Lite 아이트래커 제품 시연 시, 빈번하게 질문받는 내용인 'Lite가 얼마나 정확하게 측정하는지, 안경 착용자의 눈 움직임도 얼마나 오차 없이 잘 인식하는지'에 대한 내용을 소개하고자 합니다. 실제로, 이러한 질문은 아이트래킹 테크놀로지에서 '정확도(accuracy)' & '정밀도(precision)'의 개념과 '강건성(Robustness)'에 대한 것으로 아이트래커 제품 스펙의 수치만을 참고하여 판단하는데는 한계가 있습니다.

내용에 앞서, 아래는 Chat GPT에서 '아이트래커의 성능을 좌우하는 요소와 상위 3가지 순위'에 대해 질의한 결과 답변 내용입니다.

아이트래커(eye tracker)의 성능을 좌우하는 요소는 여러 가지가 있지만, 일반적으로 다음과 같은 요소들이 핵심적인 역할을 합니다. 이 중에서 성능에 가장 큰 영향을 미치는 상위 3가지를 순위로 나열하면 다음과 같습니다.

아이트래커 성능을 좌우하는 주요 요소들

정확도(Accuracy) – 시선의 실제 위치와 측정된 위치 간의 오차 정도
정밀도(Precision) – 시선 위치 측정값들의 일관성
샘플링 속도(Sampling Rate) – 초당 시선 데이터를 몇 회 측정하는지 (Hz)
시야 추적 범위(Tracking Range) – 사용자의 머리 움직임에 대한 허용 범위
캘리브레이션 품질 및 절차
조명 환경에 대한 내성
사용자 인터페이스 및 소프트웨어 알고리즘
안구 및 안면 인식 정확도

성능에 가장 중요한 요소 TOP 3

1위: 정확도 (Accuracy)

시선 추적의 가장 기본이 되는 요소로, 시선 위치의 실제 좌표와 얼마나 가까운지를 나타냅니다. 오차가 크면 다른 모든 기능도 의미가 없어짐.

2위: 정밀도 (Precision)

동일한 지점을 볼 때 시선 데이터가 얼마나 일관되게 측정되는지를 뜻합니다. 분석의 신뢰도를 높이기 위해 필수적인 요소.

3위: 샘플링 속도 (Sampling Rate)

빠르게 움직이는 눈의 움직임(예: 서캐드, 마이크로서캐드 등)을 정확하게 포착하려면 높은 주사율이 필요합니다. 특히 동적 시선 분석에서 중요.

상기 내용과 같이, 아이트래커의 성능을 좌우하는 요소 중에 '정확도(accuracy)' & '정밀도(precision)'가 매우 중요한 것을 알 수 있는데요. 본론으로 돌아와서 저희 포터블 아이트래커 Lite에 대해 미팅을 진행할 때, 매우 빈번하게 받는 질문이 'Lite가 얼마나 (한국인의) 눈 움직임(eye movements)를 정확하게 측정하는지'에 대한 것이었습니다. 답변은 매우 간단합니다. (구구절절한 설명보단 직접 체험해 보고 확인해 보는 것이 확실하지 않겠습니까? ^^)

"직접 체험해 보세요.!!"

노트북 스크린 위에 아이트래커 Lite를 위치시키고, 테스트 참가자에게 캘리브레이션(calibration) 과정을 진행하고, Live Gaze를 통해 테스트 참가자가 노트북 스크린 모니터 상의 임의의 지점을 응시하는 것을 현장에서 직접 자신의 눈으로 확인합니다.

테스트 다운 테스트를 위해, 아래와 같이 캘리브레이션 개수(calibration points) 별로 순차적으로 진행합니다.

캘리브레이션 개수를 5 포인트로 진행 후, Live Gaze 기능을 켜서 정확도 및 정밀도 확인
캘리브레이션 개수를 2 포인트로 진행 후, Live Gaze 기능을 켜서 정확도 및 정밀도 확인
캘리브레이션 개수를 1 포인트로 진행 후, Live Gaze 기능을 켜서 정확도 및 정밀도 확인

테스트 환경의 이해를 돕기 위해 Youtube 동영상을 준비했습니다.

포터블 아이트래커 Lite 120의 Calibration Points에 따른 정확도(Accuracy) 및 정밀도(Precision) 테스트 (feat. 측정 동영상)

https://www.youtube.com/watch?v=ygY6VudH35o

영상에서는 크게 2개의 화면이 있습니다.

화면 1 : 중앙의 검정 스크린에 여러 아이콘이 산재되어 있는 화면
화면 2 : 우측 상단의 테스트가 진행되는 모습이 담긴 화면

이 2개의 화면은 시간 동기화하여 레코딩한 것으로 테스트가 진행되는 상황과 테스트 참가자의 시점을 동시에 확인할 수 있습니다.

화면 1에서 볼 수 있는 것처럼, 테스트 참가자는 안경 착용자로 캘리브레이션 개수를 5개 진행 후, Live Gaze 커서를 노트북 검정 스크린에 산재되어 있는 아이콘을 임의의 순서로 응시합니다.

(**아이트래킹 연구에 경험이 있는 분은 눈치채셨으리라 생각합니다만, 산재된 아이콘의 위치를 가만히 보시면 중앙 영역 뿐 아니라, 상-하-좌-우 모서리에 위치한 것을 확인할 수 있습니다. 일반적으로 아이트래커 기기는 스크린 가장자리(상-하-좌-우 모서리)로 갈수록 응시 정확도가 떨어집니다. Lite가 이런 경우에도 얼마나 정확성을 보여주는지 확인하기 위해 아이콘을 가장자리에 배치하였습니다.)

추가로, 테스트 참가자는 아이콘을 1회 응시하는 것에 그치지 않고, 재차 반복해서 응시합니다. 그것도 임의의 순서로 반복해서 응시합니다. 이때 Live Gaze 커서를 통해 최초 응시 정확도와 재차 응시 정확도의 오차를 눈으로 직접 확인합니다. 또한 테스트가 진행되는 도중에, 테스트 참가자는 고개를 돌려서 시선 측정이 안되게 하거나, 앉은 자리에서 일어나 측정 위치를 벗어난 후, 다시 착석하는 등 아이트래킹 측정 위치를 벗어나는 행동을 합니다(우측 화면 2를 통해서 확인 가능).

이러한 테스트 시나리오에서 Lite는 어느 정도의 정확도와 정밀도를 보여주었을까요? 그리고, 어느 정도의 강건성과 지연시간을 보여줬을까요? 직접 영상으로 확인하시기 바랍니다. ^^

인지 부하 연구-인간 행동 연구의 핵심 요소

베리슨 — Fri, 7 Mar 2025 11:31:58 +0900

우리는 어떤 작업은 쉽게 느껴지는 반면, 어떤 작업은 정신적으로 지치게 만드는데 이는 인지 부하(cognitive load) 때문입니다. 인지 부하는 우리가 정보를 처리하고, 감정을 다루며, 의사결정을 내리는 데 필요한 정신적 노력의 정도를 의미합니다. 연구자들은 이를 측정해 사람들이 언제 과부하 상태에 이르는지 분석할 수 있습니다.

동공 확장을 활용한 인지 부하 측정

그렇다면 인지 부하는 어떻게 측정할 수 있을까요? 그중에서도 가장 신뢰할 수 있는 방법 중 하나가 **동공 확장(pupil dilation)**입니다. 동공 확장은 정신적 노력이 증가할 때 자동으로 커지는 현상으로, 이를 이용하면 비침습적(non-invasive) 방식으로 인지 부하를 실시간 측정할 수 있습니다. 아이 트래킹 장치는 적외선 스펙트럼을 이용하여 동공 크기의 변화를 감지하며, 연구자들은 이를 통해 인지 및 감정 반응을 분석할 수 있습니다.

동공 확장이 연구에 중요한 이유

인지적 요구 분석: 어려운 과제에 집중할수록 동공이 확장되며, 이는 인지 부하의 신호로 활용될 수 있습니다.
감정 반응 파악: 스트레스, 흥분, 좌절감과 같은 감정도 동공 크기에 영향을 미칩니다. 따라서 동공 확장은 단순한 정신적 노력뿐만 아니라 감정적 반응을 구분하는 데에도 유용합니다.
의사결정 과정 이해: 어려운 선택을 해야 할 때 동공 확장이 증가합니다. 연구자들은 이를 통해 사람들이 특정 의사결정을 내리는 데 필요한 정신적 부담을 평가할 수 있습니다.

멀티모달 연구: 더욱 정확한 분석

하나의 측정 방법만으로는 인간 행동의 모든 요소를 포착하기 어렵습니다. **멀티모달 연구(multimodal research)**는 다양한 데이터를 결합하여 인지적, 감정적, 신체적 반응을 더욱 정밀하게 분석하는 방법입니다.

예를 들어, 다음과 같은 생리적 데이터를 동공 확장과 함께 측정할 수 있습니다:

심전도(ECG): 심박수 변화를 통해 신체적 스트레스나 각성 상태 분석
피부전도반응(EDA): 피부 전도율 변화를 감지하여 감정적 또는 인지적 몰입도 측정
안면 표정 분석: 특정 자극에 대한 감정적 반응 확인

이러한 데이터를 종합하면, 사람들이 어떻게 정보를 받아들이고, 감정적으로 반응하며, 의사결정을 내리는지를 더욱 명확하게 파악할 수 있습니다.

멀티모달 연구를 위한 최적의 솔루션: NoldusHub

여러 측정 도구를 동시에 활용하는 멀티모달 연구는 데이터 동기화 및 관리의 어려움이 따릅니다. NoldusHub는 이러한 연구 과정을 간소화하고, 연구자들이 보다 효율적으로 데이터를 수집하고 분석할 수 있도록 도와주는 통합 솔루션입니다. 다양한 데이터 스트림 통합: 아이 트래킹(시선 이동, 응시, 동공 확장), 심박수, 피부 전도율 등의 데이터를 동기화하여 종합적인 인지 부하 분석 가능
자동 인지 부하 측정: 빛의 영향을 자동으로 보정하여 정확한 동공 확장 데이터를 제공하며, 연구자의 분석 시간을 절약
정확한 데이터 동기화: 여러 생리 데이터 스트림을 정밀하게 동기화하여 연구 결과의 신뢰성을 향상
간편한 데이터 관리: 직관적인 인터페이스로 연구 설계, 데이터 수집 및 분석 과정을 단순화
데이터 내보내기 기능: 실험 후 정밀한 분석을 위해 각 데이터 모달리티별로 파일 제공

인지 부하 연구가 중요한 이유

인지 부하 연구를 통해 우리는 사람들이 정보를 어떻게 처리하고, 감정을 어떻게 다루며, 어떤 방식으로 의사결정을 내리는지를 이해할 수 있습니다. 이를 통해 다양한 분야에서 유용한 인사이트를 얻을 수 있습니다.

교육 및 학습 환경 개선: 학생들이 학습 과정에서 얼마나 많은 정신적 부담을 느끼는지 분석하여 효과적인 교육 방법 개발
사용자 경험(UX) 향상: 앱 또는 웹사이트 사용 중 어느 부분에서 인지 부하가 증가하는지를 파악하여 디자인 최적화
의료 및 심리학 연구: 정신 건강 및 스트레스 관리 연구에 활용하여 개인 맞춤형 치료 방법 개발
의사결정 과정 분석: 비즈니스, 마케팅, 스포츠 등 다양한 분야에서 사람들이 어떻게 결정을 내리는지 연구

인지 부하 연구의 새로운 가능성

인지 부하는 단순한 정신적 피로 이상의 의미를 가집니다. 이는 우리가 정보를 어떻게 처리하고, 감정을 조절하며, 결정을 내리는지에 대한 중요한 단서를 제공합니다. 동공 확장과 같은 비침습적 측정 방법을 활용하고, 이를 멀티 모달 데이터와 결합하면 인간 행동을 더욱 정밀하게 탐색할 수 있습니다.

NoldusHub를 활용한 멀티모달 연구를 통해 새로운 연구의 지평을 열어드립니다.

NoldusHub 자세히 보기

원문

https://noldus.com/blog/cognitive-load-human-behavior

FaceReader-Project Analysis모듈 무료 증정 프로모션

베리슨 — Thu, 27 Feb 2025 11:12:13 +0900

Project Analysis 모듈은 FaceReader의 확장 모듈 중 하나로 다양한 참가자 그룹 비교, 개인화된 데이터 선택 및 개요, 녹화 중에도 얼굴 표정 분석 등 사용자가 보다 편리하게 표정 데이터를 처리하고 분석할 수 있도록 해주는 고급 분석에 필요한 모듈입니다.

지금 FaceReader를 구매하시는 분들께 Project Analysis 모듈을 무료로 드리는 프로모션을 2025년 6월 30일까지 진행합니다.

자세한 내용은 베리슨 홈페이지에서 확인하세요!

프로모션 더 알아보기

뉴로메트릭스(Neurometrics) 측정 시스템-Mindtooth

베리슨 — Wed, 26 Feb 2025 10:04:24 +0900

Mindtooth는 뉴로메트릭스 측정 시스템으로 신경 과학이나 뇌-컴퓨터 인터페이스(BCI)에 대한 전문 지식이나 별도의 훈련 없이도 누구나 쉽고 간편하게 사용할 수 있도록 설계 · 개발되었습니다.

편안한 착용감과 직관적인 인터페이스를 갖춘 Mindtooth 시스템은 EEG 데이터를 신속하게 측정 · 분석할 수 있을 뿐만 아니라, 신경 지표(Neurometrics)를 손쉽게 활용할 수 있도록 지원합니다.

제품 특징

8개의 EEG 채널
직관적인 인터페이스
가벼운 무게, 스펀지 기반 센서의 편안한 착용감
무선 방식 하드웨어
신경 지표의 검증된 알고리즘
높은 사용성과 낮은 침습성
데이터 통합 사용 지원
신경 지표 측정을 위한 Neurometrics 앱

Nuerometrics 앱

Mindtooth의 Neurometrics 앱을 사용하면, 사용자가 일상 활동 중 경험하는 작업 부하(workload), 스트레스(stress), 주의력(vigilance)을 실시간으로 시각화 및 스트리밍 하여 정신 상태를 측정할 수 있으며, 이 데이터를 오프라인에서 쉽게 이해할 수 있는 방식으로 검토할 수 있습니다.

Mindtooth 자세히 보기

치매 환자의 식사 시간 문제-어려움과 해결책

베리슨 — Mon, 10 Feb 2025 14:05:45 +0900

치매 환자에게 식사 시간은 일상적인 도전 과제가 될 수 있지만, 그들이 겪는 어려움을 이해하고 비언어적 의사소통의 중요성을 인식하는 것이 큰 차이를 만들 수 있습니다.

치매 환자의 식사 관련 어려움

영양은 성장과 건강 유지에 필수적인 요소로, 치매 환자에게도 매우 중요합니다. 그러나 인지 기능이 저하되면 음식 찾기, 씹기, 삼키기와 같은 기본적인 식사 과정에서도 어려움을 겪을 수 있습니다.

또한, 식사 시간 동안 음식을 거부하거나 공격적인 반응을 보이는 등의 행동 증상이 나타날 수 있으며, 이는 영양 부족, 체중 감소, 탈수 위험을 증가시킵니다.

식사 시간 어려움 줄이기

요양원에서는 직접적인 돌봄을 제공하는 직원들이 식사 지원을 담당하며, 환자가 적극적으로 식사에 참여할 수 있도록 돕는 역할을 합니다. 식사 시간의 어려움을 줄이면 환자의 식사량이 증가하고, 이는 영양 상태 개선으로 이어질 수 있습니다.

치매 환자를 위한 환자 중심 돌봄

치매 환자는 순간순간을 살아가기 때문에, 연구자들은 환자 중심(person-centered) 접근법이 효과적이라고 주장합니다. 환자의 입장에서 생각하고 존중하며, 개별성을 고려한 돌봄이 중요합니다.

환자와 보호자는 파트너로서 협력해야 하며, 단순히 환자를 돌보는 것이 아니라 그들의 존엄성과 신뢰를 유지하고 의미 있는 관계를 형성하는 것이 핵심입니다.

비디오 관찰을 통한 행동 연구

치매 환자의 행동을 연구하는 데 효과적인 방법 중 하나는 비디오 관찰입니다. 비디오를 통해 연구자는 다양한 각도에서 행동을 세밀하게 분석하고, 필요할 때마다 다시 확인할 수 있습니다.

이러한 방식은 연구자가 환자의 행동을 방해하지 않으면서도 환자와 돌봄 제공자 간의 상호작용을 자세히 분석할 수 있도록 합니다. 다만, 연구에 참여하는 환자가 직접 동의할 수 없는 경우, 법적 대리인의 동의를 받아야 합니다.

식사 시간의 상호작용 분석

연구자 Andrea Gilmore-Bykovskyi는 요양원에서 거주하는 치매 환자와 돌봄 제공자의 식사 시간 동안의 상호작용을 분석하였습니다. 연구팀은 환자 중심 행동과 작업 중심 행동을 측정하는 코딩 체계를 개발하여, 이들의 행동을 정량적으로 평가하였습니다.

연구를 위해 모든 비디오 및 오디오 데이터를 정리하고, 코딩 체계의 타당성과 신뢰도를 평가한 후, 네 명의 훈련된 관찰자가 The Observer XT를 사용하여 데이터를 분석하였습니다.

비디오 데이터를 체계적인 정보로 변환

Liu 연구팀은 비디오 관찰 데이터를 체계적으로 분석하는 데 있어 코딩 체계가 필수적이라고 설명합니다. 연구팀은 요양원 직원과 치매 환자가 식사 시간 동안 보이는 비언어적 상호작용을 분석하였으며, 개인적 특성이 이러한 행동에 어떤 영향을 미치는지를 조사하였습니다.

연구진은 9개 요양원에서 25명의 치매 환자와 29명의 직원(총 42개의 고유한 직원-환자 쌍)이 참여한 110개의 비디오 영상을 분석하였습니다. 이를 위해 '치매 식사 시간 비디오 코딩 체계(Cue Utilization and Engagement in Dementia Mealtime Video-Coding Scheme)'를 활용하여 상호작용을 체계적으로 평가하였습니다.

행동 증상의 원인 분석

Gilmore-Bykovskyi 연구에서는 요양보호사들의 행동 중 95%가 환자 중심적(person-centered)이라는 사실이 밝혀졌습니다. 이들이 주로 활용한 행동은 다음과 같습니다:

방향 안내 및 관심 표현
선택권 제공 및 반응 유도
환자의 속도에 맞춘 상호작용
편안함을 평가하는 행동

이 연구는 환자 중심적 돌봄이 행동 증상과 어떤 관계가 있는지를 평가하는 데 유용한 코딩 기법을 제공하며, 치매 환자와의 긍정적인 상호작용을 위한 가이드를 제시합니다.

비언어적 의사소통이 식사 시간 참여에 미치는 영향

Liu 연구팀의 연구 결과, 비언어적 행동은 요양원 직원과 치매 환자 간의 식사 시간 상호작용에서 중요한 역할을 한다는 점이 확인되었습니다.

특히 환자의 인지 및 신체적 능력이 직원의 신호에 대한 반응성과 참여도를 결정하는 데 영향을 미치는 것으로 나타났습니다. 반대로 직원들의 비언어적 의사소통 방식(제스처, 얼굴 표정, 신체 접촉 등)도 환자의 식사 참여도를 높이는 데 중요한 요소로 작용하였습니다.

이러한 연구 결과는 비언어적 의사소통이 치매 환자의 긍정적인 식사 경험을 유도하고, 돌봄 전략을 개선하는 데 있어 필수적인 요소임을 시사합니다.

요양원에서의 치매 환자 돌봄은 단순한 신체적 지원을 넘어, 정서적 교류와 효과적인 의사소통을 포함해야 합니다. 특히 비언어적 의사소통은 환자의 식사 참여도를 높이고, 행동 증상을 줄이며, 궁극적으로 전반적인 삶의 질을 향상시키는 데 중요한 역할을 합니다. 이러한 연구들을 바탕으로 요양원에서의 돌봄 방식이 더욱 개선되길 기대해 봅니다.

원본

https://www.noldus.com/blog/research-area/human-behavior-research

References

1.Gilmore-Bykovski, A.L. (2015). Caregiver person-centeredness and behavioral symptoms during mealtime interactions: Development and feasibility of a coding scheme. Geriatric Nursing, (36). https://doi.org/10.1016/j.gerinurse.2015.02.018

2.Gilmore-Bykovski, A.L., Roberts, T.J., Bowers, B.J. & Brown, R.L. (2015). Caregiver Person-Centeredness and Behavioral Symptoms in Nursing Home Residents With Dementia: A Timed-Event Sequential Analysis. Gerontologist, (55). https://doi.org/10.1093/geront/gnu164

3.Liu, W.; Perkhounkova, Y.; Williams, K.; Batchelor, M. & Hein, M. (2022). Mealtime nonverbal behaviors in nursing home staff and residents with dementia: Behavioral analyses of videotaped observations. Geriatric Nursing, (44), 112-124. https://doi.org/10.1016/j.gerinurse.2022.01.009

ADHD진단에 FaceReader와 아이트래킹 데이터의 활용

베리슨 — Thu, 23 Jan 2025 14:54:04 +0900

최근 몇 년 간 인공지능과 생체인식 기술이 정신 건강 분야에 빠르게 적용되고 있습니다. 특히, 얼굴 표정 분석 소프트웨어인 FaceReader와 아이트래킹(Eye Tracking) 기술은 ADHD(주의력결핍 과잉행동장애)의 진단 및 치료에서 중요한 역할을 할 수 있는 도구로 주목받고 있습니다. 이 두 가지 기술을 결합하면, 환자의 비언어적 행동과 주의력, 정서 반응을 더욱 정확하게 분석할 수 있습니다. 본 글에서는 이들 기술이 어떻게 ADHD의 진단과 치료에 활용될 수 있는지에 대해 살펴보겠습니다.

진단에서의 활용

(1) 주의 집중 및 산만함 분석

ADHD 환자는 주의 집중 시간이 짧고, 자극에 쉽게 산만해지는 경향을 보입니다. 아이트래킹 기술은 시선의 고정 시간과 빈도를 측정하여 주의력 결핍 여부를 진단하는 데 도움을 줄 수 있습니다. 시선이 쉽게 분산되는지, 그리고 특정 자극에 얼마나 집중하는지를 평가할 수 있습니다. 또한, FaceReader는 환자의 표정을 분석해 자극에 대한 정서적 반응을 파악합니다. 주의 집중 상태에서 나타나는 감정 변화를 함께 분석하면 ADHD의 특성을 더욱 명확하게 이해할 수 있습니다.

(2) 충동성과 감정 조절 문제 확인

ADHD 환자는 종종 충동적으로 감정을 표현하거나 주의를 산만하게 합니다. FaceReader는 실시간으로 감정 표정을 분석하여 충동적 행동의 정도를 평가할 수 있습니다. 또한, 아이트래킹은 시선이 충동적으로 이동하는 패턴을 추적하여, 환자의 충동성 수준을 파악하는 데 유용합니다. 두 기술의 결합을 통해 ADHD 환자의 행동적 특성을 더 정밀하게 진단할 수 있습니다.

치료에서의 활용

FaceReader와 아이트래킹 기술은 행동과 정서적 반응을 실시간으로 모니터링하여 맞춤형 치료를 가능하게 합니다.

(1) 주의력 향상 훈련

ADHD 치료에서 가장 중요한 목표는 환자의 주의력을 향상시키는 것입니다.

아이트래킹: 주의력 강화 훈련 중 시선 이동 데이터를 분석하여 환자가 특정 자극에 얼마나 오랫동안 집중하는지를 측정합니다.
FaceReader: 훈련 도중 나타나는 감정(예: 지루함, 좌절 등)을 분석하여 훈련의 난이도를 조정하거나 즉각적인 피드백을 제공하는 데 활용할 수 있습니다.

(2) 충동 조절 훈련

아이트래킹: 충동적으로 시선이 움직이는 패턴을 분석하여 환자가 충동적 행동을 조절하도록 돕습니다.
FaceReader: 충동적인 감정 표현(예: 분노, 초조함)을 실시간으로 감지하고, 이를 조절하는 훈련에 활용합니다.
이를 통해 환자가 충동적 행동을 스스로 인식하고 조절할 수 있도록 지원합니다.

FaceReader와 아이트래킹 기술의 결합은 ADHD의 진단 및 치료 방법을 혁신적으로 바꿀 잠재력을 가지고 있습니다. 이 기술을 활용하면 환자의 행동과 정서를 더욱 심층적으로 분석하여 보다 개인화된 치료 접근법을 제시할 수 있습니다. 다만, 이러한 기술은 임상 전문가의 해석과 통찰을 기반으로 활용될 때 최상의 효과를 낼 수 있습니다.

ADHD보다 효과적으로 진단하고 치료하기 위한 기술적 접근법에 관심이 있다면, FaceReader와 아이트래킹 기술의 결합은 매우 유망한 선택지가 될 것입니다.

reference

OpenAI. (2025). ChatGPT (Jan 22 version) https://chatgpt.com/

Viso & NoldusHub 세미나 진행 소식(2024년 11월 14일)

베리슨 — Fri, 1 Nov 2024 09:05:15 +0900

세계적인 행동연구장비 제조업체인 Noldus(Netherlands) 사의 Channel Manager인 Tom Pudil이 한국을 방문하여 세미나를 진행하고자 합니다. 본 행사에서는 사용성평가(Usability Test) 및 디브리핑(Debriefing)에 유용한 솔루션인 Viso와 멀티모달 리서치 플랫폼인 NoldusHub를 소개하고 의견을 나누는 시간을 마련하였습니다.

사용성평가, 디프리핑, 멀티모달 리서치 뿐만 아니라 행동연구 전반에 관심 있는 분들의 많은 참여 바랍니다.

자세한 사항은 아래 베리슨 웹사이트를 참고해 주세요.

세미나 참가 신청

아이트래킹 장비 및 분석 소프트웨어 사용자 교육

베리슨 — Wed, 2 Oct 2024 10:02:50 +0900

베리슨에서는 아래와 같이 베리슨 제품 유저를 대상으로 아이트래킹 사용자 교육을 실시합니다. SMI 아이트래커 및 EyeLogic社 아이트래커와 Experiment Center, BeGaze를 사용하고 계신 유저들을 대상으로 진행하는 본 행사에 아이트래킹 연구자 분들의 많은 관심과 참여 부탁드립니다.

1. 교육대상: 아래 제품을 사용하는 연구자 및 실무자

-SMI eye tracker

-EyeLogic eye tracker

-Experiment Center, BeGaze

2. 교육일자: 2024년 10월 18일 금요일 (14:00~17:00, 3시간 내외)

3. 장 소: 서울특별시 중랑구 신내역로 40-36 (참석자 별도 안내 예정)

4. 참석인원: 12명 (한정된 좌석으로 인하여 신청서 작성 및 교육 금액 입금 순으로 진행)

등록자가 5인 미만 시, 행사가 취소될 수 있습니다.

5. 교육 금액: 장비 Warranty 기간 내 2인까지 무료 신청 가능

그 외 1인당 35만원 (VAT별도, 현금영수증 혹은 전자세금계산서 발행)

자세한 사항은 아래 베리슨 웹사이트를 참고해 주세요.

아이트래킹 교육 참가 신청

사용성 테스트(Usability Test) 및 사용성 테스트 측정 장비 추천

베리슨 — Tue, 10 Sep 2024 16:18:39 +0900

Usability Test(사용성 테스트)는 제품이나 서비스가 사용자에게 얼마나 사용하기 쉬운지를 평가하는 과정으로 주로 웹사이트, 애플리케이션, 소프트웨어, 물리적 제품 등의 사용성과 효율성을 개선하기 위해 진행됩니다. 사용성 테스트는 사용자가 실제로 사용하면서 직면하는 문제점을 파악하고 이러한 피드백을 기반으로 제품의 인터페이스, 기능성, 전반적인 사용자 경험(User Experience)을 향상시키는 것이 주된 목적입니다.

사용성 테스트의 다양한 사례들을 살펴보면 먼저 국내 카카오톡의 UI/UX 개선, 네이버(NAVER)의 검색 서비스 개선, 삼성전자 스마트폰 갤럭시 UX 개선, 서울시 교통카드시스템 개선, LG전자 가전제품 기획, 한국 보건 산업 진흥원의 고령친화 제품의 사용성 테스트 등이 있으며 해외 사례로는 구글(Google) 검색 페이지 개선, 아마존(Amazon) 결제 프로세스 간소화, 애플(Apple)의 아이폰 초기 사용성 테스트, 에어비앤비(Airbnb)의 예약 시스템 개선, 넷플릭스(Netflix)의 개인화 추천 시스템 개선을 위한 사용성 테스트 등이 있습니다.

사용성 테스트 진행을 위한 추천 제품(장비)

Viso Lab : 영상 레코딩 & 디브리핑 플랫폼

Viso Lab : 비디오 및 오디오 레코딩 시스템 - 베리슨

"비디오 & 오디오 레코딩 시스템". 확장 용이, 측정 장소(공간) 개수의 제한 없으며 녹화 세션을 즉시 재생합니다. 마커(marker) 및 주석(annotation) 입력으로 ‘디브리핑(Debriefing) 시스템’으로의 활

varison.co.kr

Viso Lab은 영상 레코딩 & 디브리핑(Debriefing) 플랫폼으로 한 공간 및 여러 공간에서 발생하는 사람들의 행동 양상 혹은 상호 작용을 레코딩 하기 위한 솔루션입니다. 1개의 공간에 최대 4대까지의 IP 카메라를 연결할 수 있고, 이와 같은 공간의 개수는 제한 없이 세팅할 수 있으며 단순히 비디오 및 오디오 레코딩만 하는 것이 아닌 레코딩이 진행되는 동안, 특정 행동이 발생하는 시점에 마커(marker event) 및 주석(annotation)을 입력하여 마킹/주석된 지점을 선택 시, 해당 비디오(오디오 포함)를 즉시 재생하고 확인할 수 있는 것이 가장 큰 특징입니다.

뿐만 아니라 시선추적 화면, 얼굴 표정을 분석한 감정분석 화면을 Viso 플랫폼으로 불러들여 다양한 인지 반응을 종합적으로 관찰 및 모니터링 할 수 있습니다.

Viso Lab 인터페이스 : 실험 참가자 화면, 주변 환경 화면, 얼굴 표정 분석 화면, 뇌파 화면을 종합적으로 모니터링

The Observer XT : 행동 이벤트 코딩 및 분석 소프트웨어

The Observer XT : 행동 이벤트 코딩 & 분석 소프트웨어 : 베리슨

The Observer XT는 행동분석, 수치분석, 신뢰도분석(Reliablity analysis), Lag 순차분석(Lag sequencial analysis)을 지원 합니다. 아울러 EEG, GSR 등 외부 데이터를 불러들여 행동 데이터와 통합 연계 분석을 지원

varison.co.kr

The Observer XT는 행동 이벤트 코딩 및 데이터 분석 소프트웨어로 표적 행동을 설정, 행동 이벤트 코딩, 결과 분석과 같은 프로젝트 전 과정을 하나의 플랫폼에서 지원합니다. 뿐만 아니라 외부 기기 및 데이터 연동을 통해 The Observer XT에서 비디오 레코딩을 제어하고, 시선 추적, 생리신호 및 감정 데이터를 The Observer XT 플랫폼으로 불러들여 동일한 타임라인에서 데이터를 통합적으로 분석할 수 있습니다.

영상 레코딩 및 디브리핑 플랫폼인 Viso Lab과 The Observer XT의 구성하면 사용성 평가 레코딩 부터 행동 분석 전과정을 All-in-One 방식으로 완벽하게 진행 가능합니다.

FaceReader : 얼굴표정 자동 분석 소프트웨어

FaceReader : 얼굴표정 자동 분석 소프트웨어

FaceReader는 동영상, 라이브 스트리킹, 이미지 상에서 표정을 자동 분석하여 중립, 행복, 슬픔, 분노, 놀라움, 두려움, 혐오감, 경멸 등의 기본적인 7가지 감정으로 분류하고, Arousal 및 Valence와 같은

varison.co.kr

FaceReader 는 얼굴 표정이 담긴 이미지, 동영상, 라이브 스트리밍에서 약 500개의 얼굴 특징점을 자동으로 인식하여 관심 대상자의 중립, 행복, 슬픔, 분노, 놀라움, 두려움, 혐오감, 경멸 등 기본 7가지 감정 분석 및 각성도(Arousal, 적극 – 소극),정서가(Valence, 긍정 – 부정)의 감정 태도를 분석합니다 (특히 제품/상품의 만족도를 평가하는데 각성도와 정서가를 사용).

뿐만 아니라 Custom Expressions을 통해 Interest, Boredom, Attention, Confusion 등 복합 감정을 분석 가능함으로써 소비자가 컨텐츠를 소비하고 사용하는데 있어서 흥미, 관심, 사용상 어려움 등을 평가 측정하는데 활용할 수 있습니다.

제품이나 서비스를 사용하는 사용자의 직접적인 반응을 모니터링 함으로써 얼마나 빠르고 정확하게 사용할 수 있는지를 평가하는 효율성과 사용자가 원하는 목표를 달성하는데 제품이 얼마나 적합한지를 평가하는 효과성, 그리고 사용자가 제품 사용과정에서 얼마나 만족하고 편리함을 느끼는지를 평가하는 만족도를 평가할 수 있습니다.

FaceReader의 Reporting Disaply 화면으로 사용자가 원하는 데이터를 선택하여 한 눈에 모니터링

포터블 아이트래커 : 60Hz, 120Hz 모니터 고정형 시선추적기

스크린용 시선추적기 - Lite : 포터블 아이트래커

스크린용 아이트래커 Lite(독일 EyeLogic社) 122 그램의 가벼운 무게와 60Hz, 120Hz 주사율을 지원합니다. 응시 고정(fixation) 및 응시 도약(saccade) 데이터를 중심으로 연구하는 다양한 시선추적 연구에 활

varison.co.kr

예전부터 사용성 테스트에 널리 활용되는 제품으로는 아이트래커(시선추적기, eye tracker)가 빠질 수 없습니다. 아이트래커는 사용자의 동공 및 각막반사의 위상차를 측정하여 눈 움직임(eye movements)를 측정하는 장비입니다. 데이터 분석은 주로 Scan Path, Heat Map, Focus Map 등과 같은 시각적인 분석과 Fixation Time, Fixation Count, Saccade Duration, Entry Time, Dwell Time, Revisits 등을 대상으로 하는 정량적인 분석을 사용합니다.

모니터(스크린)형 아이트래커 인터페이스로 모니터 하단에 아이트래커 장비가 부착된 모습

사용성 테스트 진행을 위한 제품 구입 문의는 아래 링크를 통해 문의 남겨 주시면 전문 담당자가 확인 후 연락드리겠습니다.

제품 구입 문의

「베리슨」의 사용성 테스트 진행 사례 - 아이트래킹 리서치 사례

11번가 모바일 웹사이트 UX 테스트

11번가 모바일 웹사이트를 대상으로 사용자의 상품 서치 및 구매 과정을 측정한 과제 입니다. 진행과정에서 소비자가 상품을 선택하는 과정에서 주목하는 부분과 결제 과정에서 시행착오를 겪게 하는 장애 부분을 측정하여 원활한 온라인 쇼핑을 할 수 있도록 메뉴, 항목, 메시지 등을 변경 및 개선하여 사용 편의성을 증가시킨 사례 입니다.

KT올레샵 PC 웹사이트

KT올레샵 PC 웹사이트를 대상으로 상품 및 서비스를 구매 과정을 측정한 사례 입니다. 웹사이트에서 안내하는 상품 및 서비스를 대상으로 소비자의 탐색 과정과 구매 화면 이동 및 주문 과정을 아이트래커로 측정 분석하여 웹사이트 메인 페이지의 레이아웃 평가, 세부 페이지의 컨텐츠 구성, 구매 결제 과정을 원활하게 수행할 수 있도록 웹사이트 인터페이스를 개선하는데 활용하였습니다.

안드로이드 앱 Oncar 사용성 평가

안드로이드 앱 oncar 3.0 의 사용성 개선을 측정 평가한 사례 입니다. 기존 oncar 2.0에서 불편한 점을 개선하고, 신규 기능을 추가한 oncar 3.0 출시를 앞두로 일반인과 전문가 집단을 대상으로 usability test를 통해 메뉴 선택, 세부 기능 실행, 메시지 확인 등에 대한 테스크를 수행하고 각 세부 메뉴 및 항목에 대한 시인성과 정보 전달성에 대해 평가 분석하였습니다.

이 외에도 「베리슨」에서는 다양한 분야의 아이트래킹 리서치 사례를 수행하고 있습니다. 아이트래킹 리서치에 대한 보다 자세한 내용은 아래 링크를 통해 참고하시기 바랍니다.

시선추적 리서치 및 실험 대행 서비스

The ObserverXT 사용법 교육 진행 : 한국철도기술연구원

베리슨 — Tue, 3 Sep 2024 14:03:05 +0900

2024년 8월 29일 한국철도기술연구원에서 The ObserverXT 사용법 교육을 진행하였습니다.

약 2시간 동안 진행된 본 교육에서는 The ObserverXT 기본 개념에서 행동 코딩과 행동 분석에 이르기까지의 전반적인 프로세스를 설명드리고 FaceReader와 Diadem(EEG)와의 연동 시연을 진행하였습니다.

모쪼록 이번 교육이 연구에 도움이 되셨기를 바라며 바쁜 시간 내주셔서 참석해 주신 박사님들께 감사 말씀드립니다.

효과적인 디브리핑(debriefing)방법

베리슨 — Wed, 28 Aug 2024 16:11:48 +0900

훈련 세션 후 디브리핑(debriefing) 방법을 구글에서 검색해 보며 다양한 분야에서 디브리핑이 사용된다는 것을 알 수 있습니다. 디브리핑은 원래 군사적 목적으로 엄격하게 사용되어 왔으나 요즘은 의료, 교육, 심리학 등 여러 분야에서도 매우 일반적으로 사용되고 있습니다.

디브리핑(debriefing)이란?

시뮬레이션 세션이나 모의 인터뷰, 또는 훈련 연습 등과 같은 특정 활동이 끝난 후에 활동 중에 발생한 모든 이벤트를 탐구하고 배운 것을 정리하며 추가 정보를 제공하는 회의를 말합니다. 디브리핑은 참가자들이 세션 중에 무슨 이벤트가 일어났는지, 왜 그런 일이 일어났는지를 생각해 볼 수 있게 해주는 간단하지만 강력한 도구입니다. 디브리핑은 활동 직후에 바로 진행이 되므로 세션에서 사용된 지식, 기술, 태도를 성찰하고 인식함과 동시에 지식과 수행의 격차를 확인하여 참가자들을 한 단계 더 발전할 수 있도록 합니다.

그렇다면 디브리핑에서 무엇을 기대할 수 있을까요?

-세션에서의 경험을 되새겨 통찰력을 얻을 수 있습니다.

-학습 포인트를 명확하게 합니다.

-신뢰와 자신감을 형성합니다.

-팀의 성과를 향상시킵니다.

-행동의 긍정적인 변화를 촉진합니다.

비디오 피드백 도구의 사용-Viso

Viso는 오디오와 비디오 레코딩 및 재생하는 데 사용되는 올인원 시스템입니다. 트레이너는 교육 세션을 실시간으로 보거나 녹화된 비디오를 검토할 수 있습니다. 또한 실시간 혹은 녹화된 비디오에 마커를 설정하거나 주석기능을 이용하여 코멘트를 추가할 수도 있습니다. 이는 시뮬레이션 중 어떤 행동 이벤트에 표시가 되었는지, 어떤 순간에 마커가 입력되었는지를 알 수 있게 하여 참가자 스스로 실제로 일어난 행동 이벤트에 대해 바로 확인이 가능하며 논의를 통해 좀 더 깊은 통찰력을 얻을 수 있게 합니다.

왜 Viso를 사용해야 할까요?

Secta Medical의 구급대원이자 소유자인 Dennie Wulterkens는 디브리핑 시스템인 Viso를 사용하며 자신과 팀원들 서로의 성과를 돌아보고 상호작용이 무엇인지를 확인하여 많은 것을 배우고 있다고 말합니다.

[아래 비디오를 확인해보세요]

https://youtube.com/embed/rx8FmCzM-TY?autoplay=1

YouTube

www.youtube.com

주요 학습 포인트를 요약합니다.

또한 효과적인 디브리핑을 위해서는 트레이닝 세션에서 얻은 내용들을 요약한 주요 학습포인트가 향후 실무에 어떻게 통합될 수 있는지 고려하는 것이 중요합니다. 학습 포인트를 강화하기 위해서는 무엇을 잘했고, 무엇이 어려웠으며 그 이유는 무엇인지와 같은 질문을 던지고 참가자들은 이러한 점을 어떻게 개선할 수 있는지를 결정합니다.

디브리핑에서 Viso를 사용하는 방법

교육에서의 예: Marie Bocquillon은 미래의 교사들에게 교사의 관행을 개선을 하기 위해 그녀와 그녀의 연구팀이 개발한 도구를 사용하도록 훈련합니다. 교사훈련생들이 동료 훈련생들에게 수업을 한 영상을 레코딩하고 그 영상을 가지고 디브리핑 시 감독관과 교사훈련생은 수업 중에 어떻게 행동했는지에 대해 보고 토론을 합니다.

임상 심리학의 예: 델라웨어 밸리 대학(Delaware Valley University)은 학생들을 위한 여러 방의 완벽한 공간을 갖추고 학생들이 전문 상담가가 되도록 훈련합니다. Viso는 교수진과 트레이너가 모든 세션, 특히 모의 상담 세션을 녹화할 수 있도록 하였고 교수진과 학생들이 인터뷰가 끝날 때마다 세션에 대해 빠르게 설명할 수 있도록 했습니다.

의료 분야의 예: 로테르담 에라스무스 MC 소피아 어린이 병원의 어린이 외과 중환자실에서 시나리오 교육과 함께 CRM(Crew Resoure Management) 교육이 시행되었습니다. 시나리오는 병동에서 간호사가 평소처럼 “교대”를 하는 것으로 시작합니다. 그러는 동안 트레이너들은 고통 때문에 우는 아기, 빠른 심장 반응. 출혈 후 충격으로 혈압이 낮아지는 것과 같은 사건을 시뮬레이션합니다. 시나리오는 미리 정해진 학습지점(기술, 지식, 그리고 팀워크)에 달성된 15~20분 후에 끝납니다. 끝난 후 디브리핑 세션동안 어떤 부분을 다시 재생하여 논의할지를 확인하고 학습지점을 평가합니다.

References

Debriefing for clinical learning

Debriefing in Healthcare Simulation Basic Skills | Youtube.com

Debriefing: A Simple Tool to Help Your Team Tackle Tough Problems

원문

https://www.noldus.com/blog/how-to-debrief

Viso 랩 시스템이 당신의 연구 생산성을 향상 시킬 수 있는 이유-5

베리슨 — Wed, 14 Aug 2024 15:05:35 +0900

Viso 랩 시스템이 여러분의 행동 관찰 연구 및 디브리핑 리서치 연구에 생산성을 향상시킬 수 있는 5가지 이유에 대해 설명하고자 합니다.

1. 멀티 룸

2. Scheduler

3. 마커와 주석(annotation), 빠른 피드백

4. 올인원 시스템

5. 데이터의 안전 보관

이번 글에서는 5가지 이유 중『5. 데이터의 안전 보관』에 대해 말씀드리겠습니다.

Viso랩 시스템은 사용자 로그인, 감사 추적 방식(audit trail)을 채택하여 당신의 연구를 보다 안전하게 관리할 수 있도록 합니다. 사용자 별로 4가지의 계정을 부여하고 이에 따라 데이터에 접근할 수 있는 권한을 제한할 수 있으며 사용자 계정의 접속 로그는 모두 기록됩니다.

4개의 사용자 계정은 Technician, Administrator, Trainer, Trainee로 구분되며 각 사용자에 대한 권한은 다음과 같은 권한을 부여, 높은 수준의 보안을 약속합니다.

예를 들어 보컬 트레이닝 및 테스트를 진행한다고 할 때

교수자-Trainer

학생-Trainee 로 권한을 부여하여 레코딩을 진행합니다.

교수자는 레코딩 세션을 만들어 레코딩을 컨트롤할 수 있으며 이벤트 마커를 설정하여 주석과 코멘트를 달 수 있고 교수자가 만든 세션에 레코딩된 모든 파일을 볼 수 있습니다.

그러나 Trainee로 설정된 학생의 경우 Trainer인 교수자의 허용, 초대 가 있어야만 레코딩 된 파일을 볼 수 있어서 개개인의 프라이버시가 보장되고 데이터의 불법 사용을 방지할 수 있습니다.

Viso 랩 시스템의 이러한 데이터 보호 및 개인 정보 보호 기능은 사용성 평가 테스트, 심리카운슬링, 의료 시뮬레이션, 과학수사 시뮬레이션, 항공 운항 시뮬레이션, 교육 등의 다양한 분야에서 중요한 솔루션이 될 것입니다.

행동 관찰 레코딩 및 분석에 최적인 Viso 랩 시스템, 지금 바로 만나보세요.

문의하기

Viso 랩 시스템이 당신의 연구 생산성을 향상 시킬 수 있는 이유-4

베리슨 — Mon, 12 Aug 2024 14:12:15 +0900

Viso 랩 시스템이 여러분의 행동 관찰 연구 및 디브리핑 리서치 연구에 생산성을 향상시킬 수 있는 5가지 이유에 대해 설명하고자 합니다.

1. 멀티 룸

2. Scheduler

3. 마커와 주석(annotation), 빠른 피드백

4. 올인원 시스템

5. 데이터의 안전 보관

이번 글에서는 5가지 이유 중『4. 올인원 시스템』에 대해 말씀드리겠습니다.

Viso 랩 시스템의 레코딩 데이터를 The ObserverXT에서 분석하면 좀 더 정밀한 데이터 분석이 가능합니다. 이벤트 마커 및 주석이 포함된 Viso 랩 시스템의 레코딩 데이터 파일을 The ObserverXT에서 분석하면 얼굴 표정 및 생리적 반응, Eyetracking 등의 다양한 시각적 데이터로 추출이 가능하며 다양한 데이터는 정성적 데이터를 정량적 결과로 바꿀 수 있으며 통계를 계산할 수도 있습니다.

예를 들어 새로 개발한 웹사이트의 사용성 평가(Usability Testing)를 실시한다고 할 때 Viso랩 시스템을 통해 테스트 참가자들의 화면을 레코딩하고 그들의 반응에 이벤트 마커와 주석을 다는 것으로도 평가할 수 있지만 The ObserverXT와 결합하면 웹사이트가 테스트 참가자들에게 어떤 얼굴 표정을 유발하는지 또는 어떤 생리적 반응을 유발하는지에 대한 데이터를 통합할 수 있어 구체적이고 자세한 분석이 가능하게 합니다.

아래 이미지로 예를 들어보겠습니다.

의료 실습 시뮬레이션을 진행한다고 했을 때

환자와 의료진의 상호작용을 Viso 랩 시스템으로 레코딩을 하고 레코딩 파일을 The ObserverXT에서 다양한 행동 코딩으로 분석하면 아래 화면과 같이 데이터를 시각적 자료로 보여주어 레코딩 데이터에 대한 상세한 행동 분석을 수행할 수 있습니다.

Viso 랩 시스템과 The ObserverXT의 결합은 행동 관찰 레코딩은 물론 얼굴 표정 분석, 생리적 반응 및 eyetracking 등의 다양한 데이터를 안정적으로 통합하여 당신의 연구의 질을 향상시켜 줄 것입니다.

행동 관찰 레코딩 및 분석에 최적인 Viso 랩 시스템, 지금 바로 만나보세요.

문의하기

Viso 랩 시스템이 당신의 연구 생산성을 향상 시킬 수 있는 이유-3

베리슨 — Mon, 5 Aug 2024 16:02:49 +0900

Viso 랩 시스템이 여러분의 행동 관찰 연구 및 디브리핑 리서치 연구에 생산성을 향상시킬 수 있는 5가지 이유에 대해 설명하고자 합니다.

1. 멀티 룸

2. Scheduler

3. 마커와 주석(annotation), 빠른 피드백

4. 올인원 시스템

5. 데이터의 안전 보관

이번 글에서는 5가지 이유 중『3. 마커와 주석(annotation), 빠른 피드백』에 대해 말씀드리겠습니다.

간호 및 의료 교육 시뮬레이션, 승무원들의 안전교육, 경찰학교의 전문적인 훈련 등 전문적인 시뮬레이션 훈련이 필요한 곳에 Viso 랩 시스템과 함께 하세요. Viso 랩 시스템의 마커와 주석 기능이 보다 빠른 피드백 전달로 참가자들의 수행 능력을 향상시켜 줄 것입니다.

Viso 랩 시스템은 시뮬레이션이 진행되는 동안 발생되는 상호작용을 시뮬레이션 시작 전 미리 설정하여 시뮬레이션 진행 시 단축키 만으로 행동 이벤트를 표시할 수 있으며 레코딩 진행하면서 앞에 레코딩 된 부분으로 돌아가 모니터링할 수도 있습니다. 또한 주석 기능을 이용하여 레코딩이 진행되는 동안이나 레코딩 직후 행동 이벤트에 대한 코멘트를 기재가 가능하여 시뮬레이션 실습이 끝난 후에 즉각적인 피드백이 가능합니다.

하기 이미지로 예를 들어보겠습니다.

의학 실습 시뮬레이션을 실시한다고 했을 때

CODE-Labor simulation

Subject-professor, Emily, Daniel, Aaron, benedict, Cecil, Emily, grace

Marker-watching, asking, pull in out, teaching, explain, responding,

와 같이 마커를 설정해 놓고 실험 레코딩을 진행하면서 행동 이벤트를 단축키로 입력하면 타임라인에 모두 표시가 되고 표시된 이벤트 마커는 클릭만으로 화면 이동이 가능, 레코딩 후 빠른 피드백이 가능하도록 합니다.

이번에는 주석(annotation)에 대한 예를 들어보겠습니다.

하기 이미지처럼 CPR훈련을 진행한다고 할 때

CODE-CPR Simulation

subject-teacher, student

marker-press down, teaching, asking, watching, explaining

와 같이 행동 이벤트 마커를 미리 설정하여 시뮬레이션 진행했을 때 타임 라인에 아래와 같이 표시됩니다.

여기서 Teacher-press down 외의 학생들이 모습 또한 행동 이벤트 마커로 입력하고 싶다면 Add marker에 student watching이라는 행동 이벤트를 입력합니다.

그러면 아래 예시 화면과 같이 No subject-student watching이라는 이벤트 마커가 하나 더 생성되고 동일한 방법으로 주석을 입력할 수 있습니다.

Viso 랩 시스템의 마커와 주석 기능은 전문적인 훈련이나 기술을 학습하고, 이를 고도화하기 위한 디브리핑 사용 목적으로도 활용도가 높은 솔루션으로 사용성평가 테스트, 심리 카운슬링, 의료 시뮬레이션, 과학수사 시뮬레이션, 항공 운항 시뮬레이션 등 다양한 분야에 유용하게 사용할 수 있습니다.

행동 관찰 레코딩 및 분석에 최적인 Viso랩 시스템, 지금 만나보세요.

문의하기

Viso 랩 시스템이 당신의 연구 생산성을 향상 시킬 수 있는 이유-2

베리슨 — Thu, 1 Aug 2024 13:55:35 +0900

Viso 랩 시스템이 여러분의 행동 관찰 연구 및 디브리핑 리서치 연구에 생산성을 향상시킬 수 있는 5가지 이유에 대해 설명하고자 합니다.

1. 멀티 룸

2. Scheduler

3. 마커와 주석(annotation), 빠른 피드백

4. 올인원 시스템

5. 데이터의 안전 보관

이번 글에서는 5가지 이유 중『2. scheduler』에 대해 말씀드리겠습니다.

매주 혹은 매달 주기적으로 반복해서 행동 관찰 레코딩을 진행한다면 Viso 랩 시스템의 sheduler를 만나보세요.

Viso 랩 시스템의 scheduler 기능은 레코딩 시간을 미리 설정하여 자동으로 레코딩을 시작하고 정지합니다. 이 기능은 일정한 날짜에 주기적으로 하는 실험이나 리서치를 진행하는 경우나 멀티 룸에서 동시에 레코딩을 진행해야 경우 매우 유용한 솔루션입니다.

예를 들어,

발달 장애 아동의 미술 치료 시 행동 관찰 분석 레코딩을 함께 진행한다고 할 경우 각 회기 때마다 레코딩 세팅하고 준비하는 것이 아니라 scheduler를 이용, 첫 회기 때 날짜와 시간을 세팅에 놓으면 마지막 회기까지 자동으로 레코딩을 진행할 수 있습니다.

또한, 멀티 룸에서 동시에 레코딩을 진행하는 경우에도 scheduler기능을 이용, separate session, composite session으로 구분하여 레코딩을 진행할 수 있습니다. Room1, Room2, Room3 총 3개의 룸에서 레코딩을 진행한다고 할 경우 두 레코딩 방식 모두 레코딩 진행 시 하나의 모니터에서 각각의 방을 클릭 이동하며 관찰할 수 있습니다. 하지만 레코딩 후 파일 생성의 경우 Separate session은 Room1, Room2, Room3 각각의 파일이 생성, 총 3개의 레코딩 파일이 생성이 되지만 composite session의 경우 Room1, Room2, Room3 3룸의 레코딩 파일이 합쳐져서 1개의 파일로 생성됩니다. composite session의 경우 파일을 각각 열 필요가 없이 한 개의 파일 안에 3룸의 레코딩 파일이 모두 들어있으며 파일 안에서 3개의 룸을 이동하며 분석할 수 있습니다.

sepatate session

composite session

예를 들어 노인을 대상으로 하는 재난 안전 교육을 위한 실험 레코딩을 진행한다면

Test-1: 60대

Test-2: 70대

Test-3: -80대

로 구분한 뒤 동일한 재난 상황 재현, 연령대 별로 재난 상황에 대처하는 인지 행동 관찰 레코딩을 진행하면서 비교 분석하여 추후 재난 안전 교육에 활용할 수 있습니다. 이러한 Viso 랩 시스템의 scheduler 기능은 동일한 환경과 동일한 상황에서 다양한 피험자들의 행동을 관찰, 비교 분석하는 실험이나 리서치에 매우 유용하게 사용할 수 있습니다.

행동 관찰 레코딩 및 분석에 최적인 Viso 랩 시스템, 지금 바로 만나보세요.

문의하기

사용법 교육 VOD 서비스 50% 할인 이벤트

베리슨 — Tue, 30 Jul 2024 14:02:08 +0900

베리슨에서 이번 여름 고객분들을 위해 사용법 교육 VOD서비스 50% 할인 이벤트를 진행합니다.

The Observer XT, FaceReader, Experiment Center/BeGaze 제품을 사용하는 데 있어 필수적인 기본 개념을 포함하여 행동, 표정, 아이트래킹 연구(리서치)에 입문하는 연구자들도 쉽게 이해할 수 있도록 내용을 구성한 VOD 서비스를 8월 한 달간 50% 할인된 가격으로 만나 보실 수 있습니다.

그동안 제품 사용에 어려움을 겪고 있거나 체계적인 사용법을 익히고 싶은 사용자들에게 매우 좋은 기회가 될 것이라 생각되며 사용법 교육과 제품에 대한 정보와 커리큘럼 관련한 상세한 내용은 아래를 클릭해 주세요.

*유의사항*

본 이벤트는 2024년 8월 1일부터 2024년 8월 31일까지 한 달간 진행합니다.

VOD 할인이벤트 바로가기

Viso 랩 시스템이 당신의 연구 생산성을 향상 시킬 수 있는 이유-1

베리슨 — Fri, 26 Jul 2024 15:04:18 +0900

Viso 랩 시스템이 여러분의 행동 관찰 연구 및 디브리핑 리서치 연구에 생산성을 향상시킬 수 있는 5가지 이유에 대해 설명하고자 합니다.

1. 멀티 룸

2. Scheduler

3. 마커와 주석(annotation), 빠른 피드백

4. 올인원 시스템

5. 데이터의 안전 보관

이번 글에서는 5가지 이유 중『1. 멀티 룸』에 대해 말씀드리겠습니다.

여러분이 각각 다른 공간에서 동시에 관찰 실험 레코딩을 진행하고 한 곳에서 컨트롤하고 싶다면 어떤 방법이 있을까요? 여기 그 해답인 Viso 랩 시스템이 있습니다.

각각의 Room1, Room2, Room3 (이하 R1, R2, R3)에서 관찰 실험을 진행 시 기존의 Portable Observation Lab(MediaRecorder)를 보유하고 계신 분이라면 하나의 룸에 최대 4대까지의 카메라를 연결해서 레코딩을 수행할 수 있습니다. 하지만 룸을 이동해야 하는 경우는 어떨까요? 예를 들어 R1에서 레코딩을 하다 R3에서 레코딩을 수행해야 하는 경우에는 시스템을 이동하여 다시 설치해야 해야만 합니다.

하지만 Viso 랩 시스템은 다릅니다. 만일 여러분이 Viso 랩 시스템을 보유하고 계시다면 R1, R2, R3 각각의 공간에 카메라를 세팅해 놓고 필요에 따라 원하는 룸에서 관찰 레코딩을 진행할 수 있습니다. 또한 R1, R2, R3 각각의 룸에 대한 레코딩을 할 수 있을 뿐만 아니라 R1&R2, R2&R3, R1&R3 또는 R1&R2&R3 등 개별 세션 혹은 그룹 세션으로 설정하여 실험이나 리서치 특성에 맞게 관찰 레코딩을 수행할 수 있습니다.

Portable Observation Lab(MediaRecorder)의 경우 R1, R2, R3 각각에 관찰 레코딩에 필요한 시스템을 3대나 보유해야 하지만 Viso 랩 시스템의 경우 하나의 시스템으로 룸의 개수를 무한대로 확장시킬 수 있습니다. (카메라 확장에 따른 최소한의 라이선스 비용만 지불하시면 됩니다.)

위의 이미지를 가지고 예를 들어보겠습니다.

유아의 상호작용에 관한 관찰 레코딩을 진행한다고 가정하면

Room1: 유아의 장난감 놀이방
Room2: 유아와 보호자가 함께 있는 방
Room3: 유아와 또래 친구들이 함께 있는 방

으로 각 상호작용 대상을 구분하여 실험을 진행할 수 있습니다.

위의 예시 사진과 같이 Room1, Room2, Room3에 대한 관찰 레코딩을 진행할 수 있으며 연구자는 Control Room에서 각각의 룸 상황을 관찰하거나 레코딩 할 수도 있고 특정 룸의 행동 상황 만을 레코딩 할 수도 있습니다. 기존 MediaRecorder로 실험을 진행할 경우 방 수에 따라 시스템이 3대가 필요하고 각각의 시스템을 하나씩 제어해야 했지만 Viso 랩 시스템은 하나의 시스템으로 한 사람이 모든 룸의 상황을 모니터링하고 제어할 수 있다는 것이 가장 큰 특징입니다.

이러한 특징은 다양한 대상을 동시에 관찰하고자 실험 혹은 리서치에서 중요하게 활용될 수 있습니다.

또 다른 예를 들어본다면 가족 폭력 상담을 진행한다고 가정할 때 가해자와 피해자 그리고 그들의 자녀를 Room1, Room2, Room3에 분리 시켜 상담을 진행하고 직접적인 폭력을 당한 피해자와 가정 폭력에 노출된 자녀 각각의 특징이나 그들에게서 공통적으로 나타나는 행동 양상을 관찰하거나 동시 레코딩을 진행하여 분석할 수 있으며 이러한 자료는 추후 상담 치료에 활용할 수 있습니다.

행동 관찰 레코딩 및 분석에 최적인 Viso 랩 시스템, 지금 바로 만나보세요.

문의하기

고객이 지루해하는지 어떻게 알 수 있을까요?

베리슨 — Thu, 18 Jul 2024 11:37:09 +0900

감정은 우리의 일상생활에 깊은 영향을 미치고 우리의 기분과 행동을 형성합니다. 사람은 행복감을 느끼면 직장에서 생산적인 하루를 보내고 하는 일들을 즐길 가능성이 더 커지며 출근길에 보게 된 광고판의 광고를 더 잘 받아들이게 만들 수도 있습니다.

다른 한편으로는 만약 여러분이 광고를 보다가 기분이 상하거나 지루해진다면 당신은 그 제품에 그다지 관심이 없을 가능성이 있습니다. 물론 그것을 사는 것은 말할 것도 없구요.

감정이 공부에 중요한 이유는 무엇일까?

연구원, 광고주 및 마케팅 담당자가 이러한 감정을 연구하는데 관심이 있는 것은 당연합니다. 감정은 비언어적 의사소통과 의사결정에서 핵심적인 역할을 하고 인간의 행동을 이해하는데 필수적입니다. 이러한 이유로 많은 마케팅 컨퍼런스들은 광고 효과에 대한 이야기나 포장 디자인을 위한 가장 설득력 있는 텍스트에 대한 이야기로 가득 차 있습니다.

감정에 대한 이러한 일반적인 관심은 얼굴 표정 분석이 소비자 및 행동 연구에서 자주 사용되는 이유 중 하나입니다. 감정 데이터는 연구자들이 복잡한 인간 행동을 더 깊이 있게 설명할 수 있는 중요한 통찰력을 제공합니다.

감정에 대한 자기 보고의 한계

여러분은 어떻게 이 감정 데이터를 얻을 수 있나요? 예를 들어 설문 조사와 같은 직접적인 질문을 할 수도 있습니다. 그러나 정직하고 객관적인 대답을 받을 가능성은 거의 없습니다. 왜냐하면 사람들은 보통 자신의 감정과 마음 상태에 대해 언급하는 것을 어려워하기 때문입니다. 또한 스스로 보고한 감정이 반드시 그 순간에 실제로 느끼는 것만은 아닙니다. 누군가의 감정을 묻는 것은 실시간의 그들의 감정을 알고 싶은 것이겠지만 그것은 ‘그 후(감정이 생기고 난 후)'에 답변을 받는다는 것을 의미하기도 합니다.

실시간 감정 분석

그러기에 FaceReader와 같은 얼굴표정분석 소프트웨어는 실시간으로 객관적인 데이터를 수집하기에 소비자 행동 연구의 연구 도구로서 가치가 있습니다.

Paul Ekman(1)이 정의한 원래의 기본적인 또는 보편적인 감정을 기반으로, FaceReader는 행복, 슬픔, 분노, 놀람, 무서움, 혐오감 등의 감정 상태의 존재와 강도를 자동으로 결정합니다. 또한 이 소프트웨어는 경멸과 중립적인 상태를 인식하며 이를 통해 사람 간의 상호 작용 또는 사람과 기계 또는 제품 간의 상호 작용을 더 잘 이해할 수 있도록 만들어줍니다.

정서적 태도는 행동을 예측합니다.

감정을 연구하는 또 다른 관점은 정서적 태도의 측정을 포함하는 것입니다. 태도는 우리가 사물을 부정적이거나 긍정적인 방식으로 평가하는 방식을 설명합니다. 여기에는 정서적 태도(감정), 인지(생각과 지식), 행동(과거 행동 또는 경험)의 세 가지 요소가 포함됩니다.

정서적 태도의 강도는 종종 행동을 예측하는 좋은 지표가 됩니다. 즉, 태도가 강할수록 행동에 영향을 미칠 가능성이 높습니다. 이는 개인의 정서적 태도를 아는 것이 그 사람의 행동을 예측하는 데 도움이 될 수 있음을 의미합니다. 이것은 또한 사람들이 광고를 본 후 제품을 구매할지 여부를 예측하는 데에도 도움이 될 수 있기에 소비자 행동 연구자와 마케팅 담당자에게 귀중한 정보가 됩니다

FaceReader의 사용자 정의

FaceReader 소프트웨어에서는 관심, 지루함, 혼란이라는 3가지 일반적인 정서적 태도를 사용자 정의 표현으로 측정하여 참가자의 감정을 연구할 수 있으며 사용자 정의 표현을 추정하기 위해 얼굴의 근육 움직임을 나타내는 Action Unit의 강도를 결정합니다. 이러한 강도는 고개를 흔들거나 고개를 끄덕이는 것과 같은 다른 신화와 결합됩니다.

Action Unit Module에서 사용할 수 있는 이러한 2차적인 얼굴 효과는 기본적인 감정보다 더 복잡합니다. 그것은 한가지 경우 안에서 완전히 표현되지는 않지만 일정 기간 동안 계산됩니다.

연구에 정서적 태도를 포함하면 청중이 귀하의 콘텐츠나 광고에 어떻게 참여하는지에 대한 더 나은 통찰력을 얻는데 도움이 됩니다.

테스트 참가자가 신제품 출시에 대한 광고를 보면서 지루해하는지 여부를 아는 것은 출시 성공에 큰 차이를 만들 수 있습니다.

원본

https://www.noldus.com/blog/facereader-affective-attitudes

References

1. Ekman, P. Friesen, W.V. (1971). Constants across cultures in the face and emotion. Journal of Personality and Social Psychology, 17, 124-129.

2. https://en.wikipedia.org/wiki/Attitude_(psychology) (WP:CC BY-SA).

베리슨 SNS 개설 안내

베리슨 — Thu, 11 Jul 2024 16:35:44 +0900

안녕하세요!

베리슨에서는 여러분들과 조금 더 가까운 소통을 위해 SNS를 개설하였습니다. 앞으로는 새로운 소식과 유익한 정보를 SNS를 통해서도 발 빠르게 접해보실 수 있습니다. 많은 관심 부탁드립니다.

감사합니다!

베리슨 페이스북 바로가기

베리슨 링크드인 바로가기

아이트래커 사용법 교육 진행 : 한림대학교동탄성심병원

베리슨 — Tue, 18 Jun 2024 13:44:05 +0900

2024년 6월 14일 한림대학교동탄성심병원 이비인후과 김진 교수님과 재활치료실 선생님들을 대상으로 아이트래킹 실험 및 분석 교육을 진행하였습니다.

약 1시간 30분 동안 진행된 본 교육에서는 정확하고 신뢰도 높은 측정을 위한 세팅 환경뿐만 아니라 아이트래킹의 기본원리, 실험 디자인 및 데이터 추출에 이르기까지 아이트래킹의 전반적인 프로세스를 설명드렸습니다.

연구에 도움이 되셨기를 바라며 바쁜 시간 내주셔서 참석해주신 선생님들께 감사 말씀드립니다.

얼굴 표정 분석에서 사용자 정의 표현(Custom Expression)

베리슨 — Thu, 16 May 2024 16:05:00 +0900

인간 감정의 복잡성을 탐구할 때, 연구자들은 자주 얼굴표정을 Action Unit(AU)이라고 하는 개별적인 구성 요소로 나누는 얼굴 행동 코딩 시스템(FACS-Facial Action Coding System)에 사용하는 경우가 많습니다. 이러한 AU를 다른 지표와 결합하여 사용하면 연구를 위한 사용자 정의 표현을 만드는 것이 가능합니다. 다양한 연구 분야에서 이러한 사용자 정의 표현을 어떻게 사용할 수 있을까요? 그리고 FaceReader와 같은 얼굴 표정 소프트웨어에서는 어떻게 표정을 만들 수 있을까요?

사용자 정의표현(Custom Expression)의 이점

얼굴표정분석에서 사용자 정의 표현을 사용하는 분야가 점점 늘어나고 있습니다. 사용자 정의 표현은 다양한 분야의 연구자들에게 이점을 제공하는데, 이는 기본적인 얼굴 표정이 드러내지 않을 수도 있는 인간 행동에 대한 더 깊은 이해를 얻을 수 있기 때문입니다. 사용자 정의표현이 당신의 연구에 어떻게 도움이 될 수 있는지 궁금한가요? 아래에는 사용자 정의표현이 다양한 분야의 연구를 풍부하게 하는 몇 가지 방법을 나열되어 있습니다.

임상심리학-기본적인 감정을 넘어서

임상 환경에서 사용자 정의 표현이 제공하는 정확성은 매우 귀중할 수 있습니다. 예를 들어, 스탠더드 표현세트는 슬픔과 우울, 또는 진정한 미소와 거짓 미소 사이의 미묘한 차이를 포착하지 못할 수 있지만 사용자 정의 표현을 측정함으로써 연구자들은 이러한 미묘한 부분들을 식별할 수 있고, 더 정확한 진단과 치료 계획을 제공하는 것을 도울 수 있습니다.

발달심리학-감정표현의 형성

발달 심리학자들은 어린아이들의 표현의 형성과 변화를 관찰함으로써 사용자 정의 표현으로부터 큰 이익을 얻을 수 있습니다. 이것은 발달 단계와 사회적, 정서적 기술의 출현을 이해하는데 도움이 될 수 있습니다. 발달 심리학에서 사용자 정의 표현은 공감, 혼란, 집중 또는 좌절의 미묘한 표현이 포함할 수 있습니다.

사용자 경험-피드백 미세 조정

사용자 경험(UX-User Experience) 분야에서 사용자 정의 표현은 사용자 만족도를 더욱 자세히 분석할 있습니다. 단순히 좌절감을 식별하는 대신 사용자 정의 표현은 혼란, 압도 또는 실망을 구별할 수 있습니다. 이것은 제품 또는 웹사이트 개발에 대한 실행 가능한 통찰력을 제공하여 기업이 사용자 요구를 더 잘 충족할 수 있도록 도와줍니다.

신경과학-인지 과정에 대한 더 나은 통찰력

신경과학자들은 사용자 맞춤 표현들을 사용하여 특정 얼굴 움직임과 뇌 활동을 연관시킬 수 있습니다. 예를 들어, 연구자들은 집중력, 좌절 또는 불안의 표현을 연구하여 신경학적 상태에 대한 바이오 마커들을 찾고 기억하는 과정들을 밝히는데 도움을 줄 수 있습니다. 또한 인지 작업과 관련된 정서적 상태에 대한 통찰력도 얻을 수도 있습니다.

인적요소-안전성 및 성능 향상

사용자 지정 표현은 인간과 기계의 상호 작용에서 안전성과 효율성을 최적화하는 데 중요한 역할을 할 수 있습니다. 인지 부하, 지루함, 불안 또는 스트레스를 나타내는 AU의 특정 조합을 분석함으로써 연구자들은 보다 직관적인 인터페이스와 컨트롤을 설계할 수 있습니다. 예를 들어 비행 시뮬레이터에서 조종사의 특정 반응을 측정하여 조종사가 복잡한 의사 결정으로 인해 과부하에 걸리는 시기를 파악하고 실제 사고를 방지하기 이해 조종석 경고를 재설계하도록 유도할 수 있습니다.

뉴로마케팅-소비자 감정이해

뉴로마케팅 연구자들은 소비자들의 잠재의식적 반응을 탐구하기 위해 사용자 정의 표현을 사용할 수 있습니다. 브랜드는 혼란, 회의 또는 기쁨을 나타낼 수 있는 표정의 미묘한 변화를 식별함으로써 브랜드의 제품, 광고 및 쇼핑 경험에 대한 진정한 감정 반응을 측정할 수 있습니다. 이러한 유형의 피드백은 기존 설문 조사가 포착할 수 있는 것 이상을 제공하므로 마케팅 담당자는 타깃 고객을 위한 캠페인을 세부적으로 조정할 수 있습니다.

FaceReader에서 사용자 정의 표현 만들기 및 사용

FaceReader로 작업할 때 Action Unit모듈에서 사용자 지정 표현을 사용할 수 있습니다. 이 소프트웨어를 사용하면 다양한 입력 블록을 추가하여 동작 단위, 기본 감정, 심박수 및 머리 방향과 같은 사용자 정의 표현을 형성할 수 있습니다. 다음으로 이러한 입력 블록을 결합하고 처리하는 방법을 선택합니다. FaceReader는 이 공식을 사용하여 사용자 정의 표현을 실시간으로 계산합니다.

연구에서의 사용자 정의 표현의 힘

성공적인 표정 분석의 핵심은 감정을 인식하는 것뿐만 아니라, 감정의 복잡성과 맥락을 이해하는 것입니다. 사용자 정의 표현을 사용하면 연구자들은 기본적인 표현이 항상 포착할 수 없는 행동이나 감정을 연구할 수 있습니다. 이를 통해 이전에는 얻을 수 없었던 세부적인 수준으로 감정에 대한 통찰력을 얻을 수 있습니다. 이러한 심층 분석을 통해 보다 개인화되고 효과적인 개입, 제품 및 치료법으로 이어질 수 있습니다.

원문
https://www.noldus.com/blog/why-you-should-use-custom-expressions

유아의 감정을 자동 분석하기 위한 Baby FaceReader의 사용

베리슨 — Thu, 2 May 2024 16:04:04 +0900

얼굴표정분석은 인간의 감정과 사회적 상호작용을 이해하는데 매우 중요합니다. 아직 언어적 의사소통 기술이 발달하지 않은 유아를 연구할 때에 이는 더욱 가치가 있을 수 있습니다. 자신의 감정을 전달하기 위해 비언어적 신호에 의존해야 하는 유아들의 무언의 감정과 욕구를 이해할 수 있는 방법이 있다면 어떨까요? 유아의 얼굴 표정을 분석하면 연구자와 보호자가 감정의 초기 발달과 사회적 상호 작용에 대해 더 많이 이해하는데 도움이 됩니다.

자동화된 표정 분석이 더 나은 이유

전통적으로 전문가들은 감정을 연구하기 위해 수동 관찰에 의존했습니다. 이러한 작업 방식의 단점은 일관되지 않은 결과를 낼 수 있고 시간이 많이 걸린다는 것입니다. 자동화된 얼굴 표정 분석의 발전은 감정 측정에 있어서 상당한 도약을 약속했습니다.

Baby FaceReader와 같은 얼굴표정분석 전용 소프트웨어를 사용하면 프로세스 속도가 빨라질 뿐만 아니라 훨씬 더 높은 수준의 일관성과 객관성이 제공되고 대규모 데이터세트를 확보하고 이전 연구를 복제하는 것이 더 쉬워졌습니다.

기술혁신-Baby FaceReader

Baby FaceReader는 자동화된 얼굴 표정 분석의 중요한 이정표를 나타냅니다. 고급 알고리즘과 머신러닝 기술로 개발된 이 제품은 CNN(컨볼루션 신경망(convolutional neural network )을 사용하여 다양한 얼굴 동작 단위(Facial Action Unit(AU))를 식별하고 해석합니다. 이 소프트웨어는 유아 얼굴 표정에 특화되어 있으며 Oster의 Baby Facial Action Coding System(Baby FACS)을 기반으로 합니다.

Baby FaceReader는 AU를 사용하여 전반적인 감정가(Valence)를 계산합니다. 이러한 방식으로 소프트웨어는 얼굴 표정의 미묘한 변화를 감지하여 유아의 감정 상태에 대한 미묘한 통찰력을 제공할 수 있습니다.

주관적으로 해석하기 쉬운 수동 코딩과 달리 Baby FaceReader 는 얼굴 표정을 이해하기 위한 표준화된 접근 방식을 제공합니다. 연구에서 이 소프트웨어를 보다 확실하게 사용하려면 신뢰성과 타당성을 더 자세히 조사하는 것이 중요합니다.

https://youtu.be/qdxgBKoTN_o

[Baby FaceReader는 유아의 얼굴 표정을 자동으로 감지하는 최첨단 시시템입니다.]

Baby FaceReader와 수동 코딩 비교

Zaharieva연구원과 그녀의 팀은 수동 코딩에 비해 Baby FaceReader가 감정을 얼마나 잘 측정했는지 평가했습니다. 그들의 연구에서 그들은 4개월과 8개월 된 58명의 유아들이 다양한 보호자들과 대면하여 자연스러운 상호작용을 하는 것을 관찰했습니다. 인생의 초기 단계에서는 얼굴 표정이 빠르게 발전하므로 정서적 의사소통을 연구하기에 이상적인 시기입니다.

연구원들은 긍정적 표현, 부정적인 표현, 중립적인 표현을 구별하는 소프트웨어의 능력에 세심한 주의를 기울였으며, 이러한 뉘앙스를 정확하게 해석하는 것이 발달 심리학에서 매우 중요하다는 것을 이해했습니다. 수동 코딩에는 The ObserverXT를 사용했습니다.

긍정적인 감정으로 더 나은 결과를 얻으세요

연구 결과는 혼합된 통찰력을 제공했습니다. 수동으로 코딩된 얼굴 표정과 비교했을 때 Baby FaceReader는 긍정적인 표정과 부정적이거나 중립적인 표정을 구별하는 데 있어 합리적인 정확도를 보여주었습니다. 그러나 부정적인 표정과 중립적인 표정을 구별하는 성능은 더 어려웠습니다.

따라서, 연구자들은 긍정적인 표정, 부정적인 표정, 그리고 중립적인 표정을 구별하는 데 있어 특정 행동 단위의 성능을 연구했습니다. 그들은 자동 미소 감지(AU12)가 긍정적인 표정과 부정적이거나 중립적인 표정을 구별하는 데 효과적이라는 것을 발견했습니다. 그리고 소프트웨어에서 눈썹 내리기(AU3+AU4)를 분석함으로써, 부정적인 표정과 중립적인 표정을 확실하게 구별할 수 있었습니다.

Baby FaceReader로 유아 연구 발전

발달 심리학 및 소아과 진료에 자동화된 얼굴 표정 분석을 도입하는 것은 중요한 진전입니다. 이 기술은 유아 정서 표현 발달에 대한 새로운 통찰력을 제공하여 더 나은 정보를 바탕으로 발달 장애를 돌보고 치료할 수 있도록 해줍니다. 기술이 계속 발전함에 따라 인간의 감정과 의사소통의 초기 단계를 더욱 잘 이해하는 데 도움이 될 것입니다.

References

1. Oster, H. (2006). Baby FACS: Facial action coding system for infants and young children. Unpublished monograph and coding manual.

2. Zaharieva, M.; Salvadori, E.; Messinger, D.; Visser, I.; Colonnesi, C. (2024). Automated facial expression measurement in a longitudinal sampleof 4‑ and 8‑month‑olds: Baby FaceReader 9 and manual coding of affective expressions. Behavior Research Methods, doi https://doi.org/10.3758/s13428-023-02301-3

원문

https://www.noldus.com/blog/baby-facereader-automated-facial-expression-analysis

[Demo Day]비디오•오디오 레코딩 시스템(Viso) & 모니터 고정방식 아이트래커(LogicOne,Lite)

베리슨 — Thu, 18 Apr 2024 16:00:39 +0900

[ Viso]

[LogicOne250]

2024년 4월, 행동 관찰 연구, 사용성평가, 디브리핑 목적의 유용한 툴인 ‘멀티채널 비디오•오디오 레코딩 시스템(Viso)’과 사람의 시선을 측정하여 분석하는 ‘모니터 고정방식 아이트래커(LogicOne 250/ Lite)’를 소개하는 데모 데이 행사를 진행하고자 합니다.

세션 1: 비디오 & 오디오 레코딩 시스템 Viso 소개 및 시연 (약 40분)

세션 2: Screen-based 아이트래커 LogicOne 250, Lite 60/120 소개 및 시연 (약 40분)

일시: 2024년 4월 26일 (금) 14:00~16:00 (약 2시간)
장소: 신내데시앙플렉스 지식산업센터 세미나실 (서울특별시 중랑구 신내동 소재, 참석자 확정 시 별도 안내 예정)
참석인원: 15명 (한정된 좌석으로 선착순 등록으로 진행되며, 5명 미만 등록 시 행사가 취소될 수 있습니다.)
참가비: 무료
신청 마감일: 2024년 4월 23일(화) 16:00까지
주관: 베리슨
문의: 베리슨 Tel. 02-336-6769, Email: marcom@varison.co.kr

※ 주차 관련: 본 건물 지하 주차장 (B3~B4) 이용 가능하며, 1시간 무료 주차 지원

관심있는 분들의 많은 참여 바랍니다.

참가 신청

Viso-오디오 & 비디오 레코딩 시스템

베리슨 — Tue, 5 Mar 2024 16:03:20 +0900

Viso는 오디오 & 비디오 레코딩 시스템으로 한 공간 및 여러 공간에서 발생하는 사람들의 행동 양상 혹은 상호 작용을 레코딩 하기 위한 솔루션입니다. 1개의 공간에 최대 4대까지의 IP 카메라를 연결할 수 있고, 이와 같은 공간의 개수는 제한 없이 세팅할 수 있으며 단순히 비디오 및 오디오 레코딩만 하는 것이 아닌 레코딩이 진행되는 동안, 특정 행동이 발생하는 시점에 마커(marker event) 및 주석(annotation)을 입력하여 마킹/주석된 지점을 선택 시, 해당 비디오(오디포 포함)를 즉시 재생하고 확인할 수 있는 것이 가장 큰 특징입니다.

비디오(오디오 포함) 레코딩, 이벤트 마커 & 주석 입력, 레코딩 비디오(오디오 포함) 재생 과정을 모두 Viso 자체 플랫폼에서 All-in-One 방식으로 제공하여 사용자가 편리하고 효율적으로 행동 연구를 진행할 수 있는 환경을 제공합니다.

제품 특징

All-in-One 시스템
디브리핑(Debriefing) 시스템
3rd Party 비디오 연동
사용하기 쉬운 인터페이스
유연 확장 가능한 시스템
다양한 사용자 계정 및 권한
우수한 비용 효율성
이동형 Viso Lab 시스템
3가지 레코딩 세션 & 예약 녹화
원격 모니터링 및 스트리밍
데이터 분석
데이터 보호 및 개인정보 보호

다양한 분야에 활용

Viso의 시스템은 전문적인 훈련이나 기술을 학습하고 이를 고도화하기 위한 '디브리핑(Debriefing)' 사용 목적으로도 활용도가 높은 솔루션으로 아래와 같이 다양한 분야에서 활용되고 있습니다.

사용성 평가 테스트 : 제품, 서비스, 시스템 또는 인터페이스의 사용자 경험을 평가하는 프로세스로 사용자가 제품 또는 서비스를 효과적으로 이해하고 사용할 수 있는지, 그리고 사용자들이 제품 또는 서비스를 만족스럽게 사용할 수 있는지 를 확인 및 테스트
심리 카운슬링 : 개인, 가족 관계, 직장, 지역사회 내 발생하는 문제 및 갈등을 해결하는 과정
의료 시뮬레이션 : 의료 관련 상황을 가상으로 시뮬레이션하는 것으로, 의료진들의 훈련, 의사 결정 지원, 새로운 기술 및 절차의 개발과 검증에 활용
과학 수사 시뮬레이션 : 범죄 조사 및 수사 과정을 가상 혹은 시뮬레이션으로 재현하여 수사관들이 현실과 유사한 상황에서 훈련하고 경험을 습득하는데 활용
항공 운항 시뮬레이션 : 실제 비행 조건을 모방하여 항공기 조종 및 운항을 가상으로 연습하고 훈련하는 것으로 비행 안전성을 향상 시키고 비상 상황 대비 능력을 향상하는데 활용 가능하며 이와 같은 종류의 선박, 자동차 운행 등에도 활용이 가능

Viso에 대해 더욱 알고 싶으신가요?

보다 자세한 내용은 아래 웹페이지를 참고하세요!

Viso 웹페이지

FaceReader와 감정에 관한 다양한 과학 이론

베리슨 — Thu, 22 Feb 2024 16:25:20 +0900

감정은 수십 년 동안 인기 있는 연구 주제였습니다. 이것은 해당 주제에 관한 방대한 양의 논문과 이를 둘러싼 여러 과학적 논쟁을 보면 알 수 있습니다. 예를 들어, 잘 알려진 논의는 기본적인 감정 표현의 세트의 존재와 감정이 보편적으로 유사한지 또는 문화적으로 다양한지에 관한 것입니다. (1)

현재 감정에 관해 널리 받아들여지는 단일 이론은 아직 없습니다. 또한 일부 비평가들은 얼굴 표정을 기반으로 감정을 분류한다는 일반적인 아이디어에 의문을 제기합니다. (2) 우리는 이것이 FaceReader의 과학적 기반에 대한 질문으로 이어진다는 것을 이해합니다.

이 게시물에서 우리는 FaceReader가 과학적 엄격함과 책임 있는 AI원칙에 따라 어떻게 설계되었는지 간략하게 설명하며, 이를 통해 모든 연구자는 자신이 속한 과학적 사고방식 내에서 FaceReader를 사용할 수 있음을 알려드리려고 합니다.

감정의 과학적 이론

감정을 연구하기 위한 다양한 접근법이 있습니다. 이것은 Gross & Barrett(2011)(3)이 만든 그림 1에 잘 요약되어 있습니다.

[그림1-감정에 관한 대표적인 이론가들이 4가지 관점 스펙트럼(Gross & Barrett, 2011)]

Ekman(빨간색)과 Russell(녹색) 이론의 스펙트럼에 대한 입장을 주목해 주세요. 그들은 기본 감정 이론과 심리적 구성 이론이라는 서로 다른 사고 학파 출신입니다. 이러한 주요 이론적 관점은 감정을 구성하는 요소, 감정을 유발하는 요소, 그리고 감정을 분류하는 방법 및 연구하는 방법에 대해 서로 다른 관점을 가지고 있습니다.

얼굴 표정과 감정적 반응

이러한 서로 다른 이론들은 더 넓은 관점에서 감정을 다루지만, 우리는 주로 얼굴 표정과의 관계에 중점을 두고 있습니다. 얼굴 표정은 정서적 반응의 두드러진 유형이며 FaceReader의 주요 포인트입니다. 많은 연구자들은 이미 얼굴 표정과 감정 사이의 관계가 확실하지 않고 오히려 확률의 관계 중 하나라고 지적하고 있습니다. (4) 일부 연구자들은 중복되는 정보에 초점을 맞추고 감정의 보편성(개인과 문화 모두)을 보는 반면, 다른 연구자들은 차이점에 초점을 맞추고 감정 반응의 다양성을 강조합니다. 이러한 다양한 감정 관점에서 이론을 세우는 연구자들이 여전히 있습니다. 또한 기본 감정이론은 가장 공개적으로 비판받을 수 있지만 여전히 이를 따르는 연구자들이 있습니다. (5)(6)

일반적으로 얼굴 표정 연구의 타당성은 감정 표정에 대한 다양한 연구에서 나타납니다. (7) 얼굴 표정의 인식과 생성에 대한 연구는 풍부하며 두려움과 행복과 같은 일차적인 감정이 지배적이었습니다. FaceReader가 생성하는 출력을 통해 연구자는 자신이 선택한 이론적 관점에서 감정을 연구할 수 있습니다.

FaceReader에서 자신만의 해석을 구축합니다.

FaceReader는 AFCS(Automaticed Facial Coding System: 자동 얼굴 코딩 시스템)으로 정의됩니다. FaceReader는 얼굴 표정, 눈 움직임, 얼굴빛 흡수 변화(RPG) 및 기타 보조 얼굴 매개 변수를 조합하여 출력을 도출하며, 해당 출력을 네 가지 방식으로 배열하여 표시할 수 있습니다. 처음 두 가지 방식은 이론 중심, 세 번째 방식은 불가지론적 방식, 네 번째 방식은 사용자 정의 방식입니다.

1. 기본 정서 이론(Ekman)

2. 감정의 정서가(Valence)와 감정의 각성(Arousal)을 지닌 감정의 복합 모델(Circumplex model of emotions) (Russell)

3. FACS(Facial Action Coding System)-가장 많이 인용되는 얼굴 표정 측정 도구

4. 사용자 정의 방식-시선추적, 화면까지의 상대 거리 및 RPPG 등의 입력과 함께 사용자는 GUI 기반 모듈에서 자체 출력을 구축할 수 있습니다.

*GUI(A graphic user interface)-사용자가 아이콘, 버튼, 메뉴와 같은 그래픽 구성 요소와 상호 작용하는 디지털 인터페이스입니다. *

사용자 정의 방식의 맞춤형 표현을 생성함으로써 연구자들은 그들 자신만의 결과물을 만들 수 있습니다. 그들은 감정의 다양한 얼굴 표정과 관련된 기존 Action Unit조합에 대한 기존 연구를 사용하여 이를 수행합니다. 또는 추가적인 차원(ex머리 위치에 따른 접근 대 회피) 또는 해석 레이블(ex행복) 없이 웃는 것과 같은 물리적 신호를 생성하도록 선택할 수 있습니다. 결국, 누군가가 웃고 있다는 사실이 반드시 누군가가 행복하다고 느낀다는 것을 의미하는 것은 아닙니다.

사용자는 최종 책임자입니다.

FaceReader를 모듈식으로 구성함으로써 사용자는 자신만의 (감정) 분류 시스템을 구축할 수 있습니다. 예를 들어 누군가가 무언가를 얼마나 사고 싶어 하는지에 대한 감정 열망은 관심과 밀접하게 연결된 감정이지만 약간 다른 것을 측정하고 싶을 수도 있을 것입니다. FaceReader에서는 이런 특정 감정을 구축하는 것이 가능합니다.

소프트웨어가 출력을 해석하는 가장 일반적인 세 가지 방법 (basic emotions, circumplex model, FACS)을 제공하므로 이제 주요 책임은 사용자에게 있습니다. 또한 FaceRader는 구조화된 드래그 앤 드롭 GUI를 제공하여 자신만의 인식 시스템을 만들 수 있습니다.

해석에는 맥락이 필요

실험의 연구 설계를 통해 연구자들은 맥락(ex 자극 또는 상호 작용)에 대해 많이 알 수 있으며 이것은 해석에 도움이 됩니다. 게다가, 연구자들은 참가자들에 대한 추가 측정을 수행하여 생리학 및 눈의 움직임과 같은 경험된 감정을 더욱 밝힐 수 있습니다

FaceRader-책임 있는 과학에서 책임 있는 AI까지

감정을 연구하는 데는 다양한 접근방식이 있습니다. FaceReader를 사용하면 연구자는 자신이 운영하는 이론적 프레임워크를 선택할 수 있으며 이러한 방식은 책임 있는 과학 접근 방식을 바탕으로 구축되었습니다. FaceReader 사용자는 참가자의 얼굴에서 나오는 표현과 신호를 해석하고 레이블을 지정하는 방법을 완전히 제어합니다.

얼굴 표정은 근본적인 감정 과정과 직접적인 관련이 없습니다. 얼굴 표정은 신호이며, 다른 측정 도구와 마찬가지로 신호의 변동성이 클 수 있습니다. 신호가 특정 프로세스, 인구 또는 맥락과 관련이 있는지 여부는 여러 도구를 사용하여 각 특정 연구 분야 내에서 조사하고 검증해야 합니다.

또한 FaceReader는 책임 있는 AI원칙을 염두에 두고 설계되어 개인 정보 보호 설계 및 공정한 알고리즘을 위해 노력합니다. 예를 들어, 민감한 입력(ex인종)을 사용하지 않으며 얼굴 인식(ex사람을 특정인으로 인식)을 실행할 수 없습니다. 또한 성별, 연령 및 민족을 균형 있게 표현한 교육 데이터 세트를 수집하고 편향정도를 반복적으로 테스트하여 편향을 제한하는 데 주의를 기울입니다.

결론적으로 다양한 이론적 관점의 사용과 활발한 토론은 과학에서 매우 정상적이고 중요합니다. FaceReader는 현장을 돕는 유용한 도구가 될 수 있습니다.

References

1. See e.g.:

Ekman, P. (1992). An argument for basic emotions. Cognition & emotion, 6(3-4), 169-200. https://doi.org/10.1080/02699939208411068

Gendron, M., Crivelli, C., & Barrett, L.F. (2018). Universality reconsidered: Diversity in making meaning of facial expressions. Current directions in psychological science, 27(4), 211-219. https://doi.org/10.1177/096372141774679

https://www.paulekman.com/blog/darwins-claim-universals-facial-expression-challenged/

Wallbott, H.G. & Scherer, K.R. (1986). How universal and specific is emotional experience? Evidence from 27 countries on five continents. Social science information, 25(4). https://doi.org/10.1177/053901886025004001

2. Barrett, L.F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S.D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological science in the public interest, 20(1), 1-68. https://doi.org/10.1177/1529100619832930

3. Gross, J. J., & Feldman Barrett, L. (2011). Emotion generation and emotion regulation: One or two depends on your point of view. Emotion review, 3(1), 8-16. https://doi.org/10.1177/1754073910380974

4. Scarantino, A. (2015). Basic emotions, psychological construction, and the problem of variability. In L.F. Barrett & J.A. Russell (Eds.), The psychological construction of emotion (pp. 334–376). The Guilford Press. https://psycnet.apa.org/record/2014-10678-014

5. Hutto, D.D., Robertson, I. & Kirchhoff, M.D. (2018). A new, better BET: rescuing and revising basic emotion theory. Frontiers in psychology, 9, 1217. https://www.frontiersin.org/articles/10.3389/fpsyg.2018.01217/full

6. Keltner, D., Sauter, D., Tracy, J., & Cowen, A. (2019). Emotional expression: Advances in basic emotion theory. Journal of nonverbal behavior, 43(2), 133-160. https://link.springer.com/article/10.1007/s10919-019-00293-3

7. E.g. as indicated by almost 100k papers on facial+expression+emotion on Scopus and ±25k papers on facial+expression+emotion+fear/happiness/anger

원문

https://www.noldus.com/blog/scientific-theories-on-emotion

감정을 측정하는 방법

베리슨 — Thu, 15 Feb 2024 16:01:38 +0900

“감정은 어떻게 만들어지나”라는 제목의 이전 게시물에서 지난 수십 년간 신경과학 연구를 통해 우리의 뇌가 감정과 같은 개념을 통해 우리의 경험/감각에 의미를 부여한다는 사실을 어떻게 보여줬는지 설명하였습니다. 감정은 특정 자극에 반응하여 고정된 뇌 회로에 의해 촉발되는 것이 아니라 뇌에서 생성됩니다. 또한 “왜 그렇게 화가 났나요? 얼굴 표정 분석에서 문맥과 기능의 역할”이라는 게시물에서는 표정을 분석할 때 맥락이 얼마나 중요한지에 대해 설명했습니다.

감정을 측정하는 방법

이번엔 감정을 측정하는 방법에 관한 것입니다. 감정은 어떻게 측정할까요? 예를 들어, 상업 제품이나 또는 다른 제품에 대한 소비자의 감정적 반응을 측정하기 위해 우리가 사용할 수 있는 도구는 무엇일까요? 자체 보고에만 의존할 수 있을까요? 아니면 행동의 측정(몸짓, 신체위치)이나 생리적 반응(심박수, 피부전도도), 그리고 얼굴 표정도 고려해야 할까요? 이번 글에서는 감정을 측정하는 방법과 관련하여 감정의 개념을 개략적으로 설명하겠습니다.

비행기 안에서

저는 암스테르담 스키폴 공항에서 첫 번째 승객 중 한 명으로 비행기를 탔습니다. 비상구 열 중 다리 공간이 더 넓은 자석이 여분으로 남아있어 예약할 수 있어서 기뻤습니다. 아마도 싱가포르 창이 공항으로 가는 12시간 이상의 비행기에서 푹 잘 수 있을 것 같았습니다. 베개, 책, 스마트폰, 소음 방지 헤드폰을 끼고 자리를 잡은 후, 비행기에 탑승하는 다른 승객들을 보기 시작했습니다. 그중 4명의 일행이 눈에 들어왔는데 그중 한 여성은 슬픔에 잠긴듯한 모습을 보이고 있었습니다. 그녀의 얼굴의 매우 슬퍼 보였고, 뺨은 눈물로 젖어 있었으며 휴지로 눈을 닦고 있었습니다. 그때부터 나의 머릿속은 그녀가 왜 괴로워하는지를 설명하기 위해 온갖 시나리오를 짜기 시작했습니다. 그녀는 싱가포르에서 죽은 가족을 만나러 가는 중 이였거나, 아니면 그냥 친구가 불치병에 걸렸다는 말을 들었을지도 모릅니다. 나는 정말 그녀의 마음이 아픈 것 같아서 안타까웠습니다.

내가 그녀에게 동정심을 발산하려 애쓰고 있는 그때, 그녀는 그녀와 마찬가지로 엄숙한 표정을 짓고 있는 친구에게 시선을 돌렸는데 그들은 눈이 마주치자마자 둘 다 웃음을 터트리기 시작했습니다. 슬퍼하던 여자분은 하마터면 웃다가 바닥에 쓰러질 뻔했고 그녀의 친구는 그녀를 붙잡았습니다. 그들은 웃고 비명을 지르며 비행기 뒷좌석에 있는 자신들의 자리로 향했습니다. 저는 재밌다는 생각이 들었지만 동시에 놀랍고 당황스러웠습니다. 제가 어떻게 이 여자분의 감정 상태를 그렇게 잘못 평가할 수 있었을까요?

고전적 견해 VS 건설적인 접근법

대답은 감정의 본질을 어떻게 보는가에 있습니다. 아래 그림들은 심리학 분야의 대표적인 감정 이론 3가지와 연속체를 보여줍니다.

[그림1-여러 시대에 걸쳐 감정 이론이 적용되는 세가지 영역]

기본정서(Basic emotion), 평가(Appraisal) 및 심리적 구성(Psychological construction) 이론입니다. 기본 정서와 심리적 구성에 대한 설명은 다음과 같습니다. 기본 감정 이론(즉, 고전적 관점)에서 감정은 그 자체의 특정 과정에 의해 발생하는 독립적인 능력으로 이해됩니다.

[그림2-고전적 견해: 고정적 감정관 측정 모델]

그림 2의 이 고전적 관점은 결과적인 감정 지문에 대한 인과적 메커니즘(위에 예시에서는 감정의 본질: 분노)을 가정하며, 이는 행동, 얼굴 및 생리적(BP=Blood Pressure혈압) 출력으로 측정할 수 있습니다. 자극물에 대한 분노의 감정이 일어나면 얼굴을 찌푸리거나 소리를 지르고 혈압이 상승하거나 누군가를 때리는 등의 행동으로 이어지면서 분노의 감정을 측정할 수 있습니다.

이와는 상반되는 연속체의 반대쪽에는 구성적 접근 방식 즉, 건설적인 접근법이 있습니다. 아래의 도식화는 이러한 구성된 감정 이론의 측정 모델을 보여줍니다.

[그림3-건설적인 접근법: 감정에 대한 구성적 접근을 나타내는 측정 모델]

감정에 대한 구성적 접근 방식은 감정을 유발하는 메커니즘을 제공하지 않고, 감정의 예를 평가하기 위한 측정 방법을 구성할 수 있는 방법을 설명하려고만 합니다. 뇌는 신체 내부의 정보, 외부 세계의 정보, 과거의 경험을 바탕으로 감정을 구성합니다. 얼굴의 움직임이나 발성 소리의 변화, 자동적으로 변화되는 행동들은 분노라는 감정을 구성하게 됩니다.

[그림 출처: Barret, 2016, Navigating the science of emotion. In: Emotion Measurement, edited by Herbert L. Meiselman, Woodhead publishing.]

가장 가까운 출구는 당신 뒤에 있을지도 모릅니다.

저는 눈물 흘리는 그 여자를 슬퍼하고 있다고 평가하면서 고전적 견해에 빠져들었습니다. 저는 어떤 일이 발생(그림 2 자극적인 일(Stimulus))하여 슬픔의 감정 본질을 초래했다고 가정했고 그 결과 그 감정의 지문은 눈물, 붉은 눈, 슬픈 얼굴이었습니다. 앞서 말했듯이 고전적 견해에 따르면 분노는 감정과 마찬가지로 항상 사람이 소리 지르고 얼굴을 찌푸리고 누군가를 때리게 만듭니다.

하지만 비행기에서 가장 빨리 내리는 방법이 항상 앞으로 달려가는 것이 아닌 것처럼, 이것 역시 실제 생활에서 모두 작동하는 방법은 아닙니다.

감정을 측정하려면 변화가 필요합니다.

감정을 측정하는 데 있어서 다양성은 표준입니다. 행복한 사람이 무릎을 꿇고 기쁨의 눈물을 흘릴 수도 있고(윔블던에서 우승한 시모나 할렙처럼), 또 다른 사람은 그저 웃으며 냉장고에서 맥주를 한 병 더 꺼낼 것처럼 보일 수도 있습니다. (윔블던에서 우승한 노박 조코비치처럼)

분명 이것은 감정을 측정할 때 어려운 일입니다. 개인차와 상황을 고려해야 할 뿐만 아니라 감정을 최적으로 측정하려면 다양한 접근 방식이 필요합니다. 얼굴표정, 행동 및 생리적 반응 평가는 반드시 상관관계가 있는 것은 아니므로 감정 경험을 평가하기 위해서는 모든 것을 측정해야 합니다.

원문

https://www.noldus.com/blog/how-to-measure-emotions

왜 그렇게 화가 났나요? 얼굴 표정 분석에서 문맥과 기능의 역할

베리슨 — Mon, 5 Feb 2024 16:03:18 +0900

“감정은 어떻게 만들어지는가?”라는 제목의 일전 블로그 게시물에서 지난 수십 년간의 신경과학 연구를 통해 우리의 뇌가 감정과 같은 개념을 통해 경험/감각에 의미를 부여한다는 사실이 어떻게 밝혀졌는지에 대해 설명했습니다. 감정은 특정 자극에 대한 반응으로 고정된 뇌 회로에 의해 촉발되는 것이 아니라 뇌에서 생성됩니다.

힌트: 문맥과 기능

얼굴표정은 사회적 의사소통에서 기능을 가지고 있습니다. 인간은 동료 인간의 얼굴을 ‘읽어’서 상대방의 정신상태를 추론할 수 있으며 이로 인해 수신자는 발신자와 같은 감정 상태를 경험하고 공유하게 될 수 있습니다. 결과적으로 이것은 감정 상태와 상황이 요구하는 것에 따라 수신자에게 일종의 행동을 불러일으킬 수 있습니다.

[그림A 인간과 동물의 감정 표현 ( The Expression of the Emotions in Man and Animals)(1)]

찰스 다윈의 ‘감정의 표현’

찰스 다윈이 1872년 자신의 저서 ‘인간과 동물의 감정 표현(The Expression of the Emotions in Man and Animals)에서 이미 제안한 얼굴 표정에는 다르지만 중요한 측면이 있습니다. 다윈은 얼굴 표정이 사회적 의사소통에서 비롯된 것이 아니라 처음에는 유기체의 인식을 수정하고 특정 자극에 반응하여 행동을 준비하기 위한 기능적 적응으로 진화했다고 제안했습니다.

초기 인류가 포식자의 형태로 잠재적인 위험한 상황에 직면했을 때, 그것은 경계와 지각을 강화하기 위해 적응력이 있었습니다. 이것은 바로 두려움의 얼굴 표정에서 일어나는 것입니다. 얼굴은 눈, 코/입을 벌리고 이마를 들어 올리는 일반적인 ‘표현적인 넓힘’을 보여 시각적 자극에 대한 더 나은 지각을 결과로 가져옵니다.

[ 그림A에서 개작, 844페이지, Susskind et al,2008, Nature Neuroscience(2)]

형태의 원리

이러한 기능의 원리 외에도 다윈은 형태의 원리도 제안했습니다. 이 원리에 따르면 반대 기능을 가진 감정 상태도 반대되는 얼굴 동작을 가지고 있습니다. 다윈이 “인간과 동물의 감정 표현”에서 제시한 형태의 원리의 예는 두 가지 반대 상황에 있는 개의 경우입니다.

한 그림에서는 개 한 마리가 지배적이고 적대적인 상태로 묘사되어 있습니다. 몸전체가 똑바로 서있고, 머리는 치켜들고, 귀는 뾰족하고, 꼬리는 높이 들며 특히 목과 등에 따라 털이 솟아납니다. 이와 대조적으로 순종적이고 겸손한 상태의 개는 반대되는 몸 자세를 보여줍니다. 몸과 머리를 낮게 유지하고 귀를 낮추고 꼬리를 낮게 잡고 때로는 몸 아래로 들어갑니다.

두려움과 혐오감을 조사

Susskind et al (2)은 얼굴 표정과 관련하여 이러한 기능과 형태의 원리를 연구했습니다. 그들은 두려움과 혐오를 상반된 감정 상태로 보았습니다. 두려움은 감각적 경계에 관한 것인 반면 혐오는 감각적 거부에 관한 것이기 때문입니다. 그들은 이것이 두려움과 혐오에 관련된 얼굴 표정의 차이에 반영되는지 조사하기 시작했습니다.

Susskind와 동료들은 먼저 얼굴 모양의 컴퓨터 그래픽 모델에서 벡터 표현을 사용하여 얼굴 모양을 살펴보았습니다. 그들은 고전적인 두려움 표현의 반프로토 타입을 만들었을 때 참가자들이 그것을 혐오 표현과 가장 흡사하다고 보고했습니다. 그들이 혐오감의 반프로토 타입을 만들었을 때, 그것은 두려움 표현과 가장 유사했습니다. 이는 또한 두려움(아래사진 A)과 혐오감(아래사진 B)의 반대 벡터 표현에도 표시됩니다. 눈썹을 치켜올리거나 내리고 눈구멍을 높이거나 줄이거나, 입술을 올리거나 내리는 것과 관련된 코의 수직 신장과 압축의 비교와 관련됩니다.

[ 그림 2A&B, 844 쪽 , Susskind et al., 2008, Nature Neuroscience (2)]

다음으로 그들은 참가자들에게 두려움과 혐오감을 동시에 표현하는 얼굴 행동 작업 중에 중립적인 표정을 짓는 것과 관련하여 참가자들에게 시야의 크기를 판단하도록 요청했습니다. 아래 사진을 보면 혐오 표현(중립적인 표정포함)에 비해 두려움 표현에서 주관적 시야가 더 컸음을 알 수 있습니다. 혐오 표현에서 줄어든 눈구멍은 거부 반응 전에 면밀한 검사가 필요한 근접 자극을 더 잘 볼 수 있게 해 줍니다.

[ 그림 3a, 845 쪽 , Susskind et al., 2008, Nature Neuroscience (2)]

그들은 또한 혐오감을 표현하는 얼굴 표정과 관련된 감각 거부가 두려움을 표현하는 얼굴 표정과 다른 후각적 섭취에 반영되는지 여부를 테스트하였습니다. 그들은 실제로 표현 구성이 공기 흡입에 상당한 영향을 미쳐 혐오에서 중립으로, 두려움으로 증가한다는 것을 발견했습니다.

[ 그림5 혐오감과 공포 표현동안의 비강 흡기 능력측정(a,b)시간 경과에 따른 흡입(2.2초흡입) 동안 중립에 대한 공포 및 혐오 표현에 대한 평균 공기 유속 ( 표준화 단위 )]

진짜 분노일까요?

이러한 결과는 웹사이트를 보고 있는 누군가의 얼굴에 나타난 화난 표정의 해석에 어떤 영향을 미칠까요?

첫 번째는 맥락이었습니다. 웹사이트의 맥락에서, 이것이 참가자들에게 강한 감정을 불러일으킬 가능성은 거의 없습니다. (물론 웹사이트의 콘텐츠에 따라 다릅니다.) 따라서 화난 얼굴 표정은 두 번째 힌트인 기능으로 더 잘 설명될 수 있습니다.

화난 표정의 주요 특징 중 하나는 눈을 더 감은 채 눈썹을 낮추는 것입니다. 이것은 혐오 표현의 일부이기도 한데, 우리는 기능적으로 이것이 사람이 가까운 곳에 있는 자극에 더 잘 집중할 수 있게 해 준다는 것을 보았습니다. 웹사이트 맥락에서 눈썹을 내리는 것 + 눈을 감는 기능은 웹사이트 콘텐츠에 더 잘 집중할 수 있도록 하는 것입니다.

내가 왜 이런 표정을 지을까요?

따라서 다음번에 FaceReader의 결과물에 대해 혼란스러울 때 문맥과 기능에 대해 생각해 보십시오. 연구에 맥락에서 감지된 감정이 적절한 것입니까? 아니면 비난받을 가능성이 있는 ‘감정’ 일 수 있는 ‘감정’을 운전할 수 있는 개별 근육과 AU(Action Unit:얼굴 근육의 특정 부분 또는 움직임을 나타내는 코드)가 있습니까? 이를 위해서는 표현식의 기능적 결과를 고려해야 합니다.

직접 해보세요. 여러분이 기록한 것과 같은 얼굴을 만들어 보세요 ‘내가 왜 이런 표정을 지을까?’라고 스스로에게 물어보세요. 그러면 여러분의 뇌가 당신을 위해 방금 만들어 낸 것이 무엇인지 엿볼 수 있을 것입니다.

원문

https://www.noldus.com/blog/how-emotions-are-made-angry-face

아이트래커(LogicOne, Lite) & 감정분석 소프트웨어(FaceReader) 데모 데이

베리슨 — Wed, 10 Jan 2024 16:15:40 +0900

베리슨에서는 아래 일정으로 Screen-based 아이트래커 LogicOne, Lite (EyeLogic社, 독일)와 얼굴 표정으로부터 감정을 분석할 수 있는 소프트웨어인 FaceReader (Noldus社, 네덜란드)를 소개하고 체험해 볼 수 있는 데모 데이를 진행합니다.

세션 1 : Screen-based 아이트래커 소개 및 참가 시연 (약 50분)

LogicOne / Lite 인터페이스 및 정확도, 정밀도 테스트
아이트래킹 분석 플러그인 의미 설명 (ex. Scan Path, Heat Map, AOI Sequence Chart 등..)
참가 시연 : 아이트래킹 실험 진행 및 결과 데이터 설명

세션 2 : 감정분석 소프트웨어 FaceReader 소개 및 참가 시연 (약 50분)

FaceReader 인터페이스 및 결과 데이터
참가 시연 : 실시간 얼굴 표정 분석 및 결과 데이터 설명

일시: 2024년 1월 23일 (화) PM:14:00~16:00(약 2시간)

장소: 신내데시앙플렉스 지식산업센터 세미나실
(서울 중랑구 신내동 소재, 참석자에게 이메일로 안내 예정)

참석 인원: 15명 (선착순 등록 마감, 5명 미만 등록 시 행사가 취소될 수 있습니다.)

참가비: 무료

신청 마감일: 2024년 1월 18일(목) 16:00까지

주관 및 문의 : 베리슨 Tel.02-336-6769, Email : marcom@varison.co.kr

※ 주차 관련 : 본 건물 지하주차장(B3, B4)에 1시간 무료 주차 지원

시선추적 연구 및 감정 분석 연구에 관심 있는 분들의 많은 참여 바랍니다.

참가 신청

감정은 어떻게 만들어지는가

베리슨 — Thu, 4 Jan 2024 16:01:13 +0900

응답자의 감정을 측정하는 방법

응답자의 감정을 어떻게 측정할 것인가?라는 질문을 고객들로부터 자주 받습니다. 이 시점에서 응답자의 감정 반응을 잘 파악하기 위해서는 The ObserverXT를 이용하여 그들의 행동을 모니터링 하고 FaceReader를 사용하여 얼굴 표정을 측정하고, 정신 생리학적 측정을 통해 그 안에서 어떤 일이 일어나는지 파악할 수 있습니다.

이러한 도구 중 하나를 사용하여 데이터를 획득한 후에 종종 "왜 FaceReader는 이렇게 많은 분노를 측정할까요? 우리의 제품/웹사이트는 분노를 이끌어 내도록 디자인되지 않았는데요?!"라는 질문이 나오기도 합니다.

감정이 어떻게 형성되는지

처음에 이 질문을 받았을 때 정말 혼란스러웠습니다. 응답자들이 진짜로 화가 났을 리가 없는데 왜 화난 표정을 보이는 걸까요? 그 질문에 대한 혼란은 리사 펠트먼 바렛의 책”How Emotions Are Made(The Secret Life of the Brain)”을 읽기 전까지 해결되지 않았습니다.

바렛 박사는 이 책에서 감정과 우리의 뇌가 어떻게 작용하는지에 대한 고전적인 관점은 지난 20년간 신경과학 연구로 입증된 몇 가지 결함 있는 가정에 근거하고 있다고 설득력 있게 주장합니다. 감정과 우리의 뇌에 대한 두 가지 결함 있는 가정은 다음과 같습니다.

1. 각각의 감정은 뇌의 특정한 부분에 위치합니다. 예를 들어, 편도체(감정 반응을 처리하는 역할을 하는 변연계의 한 부분)는 ‘공포 센터’ 로 간주됩니다.

2. 올바른 자극이 제시되면 특정한 감정이 유발되고, 고정된 표정이 동반됩니다.

감정은 뇌에서 생성된다.

지난 수십년 동안신경과학 연구에서 감정이 뇌에 ‘지문’을 가지고 있지 않다는 것을 보여주었습니다. 뇌의 다양한 네트워크가 동일한 감정을 만들어 낼 수 있습니다. 맞습니다. 감정은 우리의 뇌에서 생성됩니다. 뇌는 과거의 경험을 기반으로 몸의 감각에 의미를 부여하는 방식입니다. 여러 핵심 네트워크가 행복, 놀람, 슬픔 및 분노와 같은 감정에 각기 다른 수준에서 기여합니다.

그림1. 분노를 느끼게 하는 레시피의 성분을 형성하는 7개의 핵심 네트워크 사진 원의 둘레의 가까운 선은 이 네트워크가 분노를 느끼는 데 더 높은 활동을 나타냄을 의미합니다. (이 사진은 Houghton Mifflin Harcourt, hmhco.com 가 만든 비디오의 스크린샷입니다.)

지금 일어나고 있는 일: 감지 및 과거 경험

뇌의 상호수용 네트워크는 심장 박동, 폐 채우기/비우기, 창자 작동, 배(약간) 아픈 등의 신체 감각을 지속적으로 모니터링합니다. 뇌는 (우리가 두개골이라고 부르는 어둡고 조용한 상자에 갇혀) 이런 신체 감각을 통해 외부 세계로부터 받은 정보와 과거 경험을 기반으로 무엇을 의미하는지 이해하려고 노력합니다.

그림2. 우리의 뇌 (이 사진은 Houghton Mifflin Harcourt, hmhco.com 가 만든 비디오의 스크린샷입니다.)

우리의 뇌가 현재와 과거의 정보를 사용하여 무슨 일이 일어나고 있는지를 이해하는 방법을 나타내는 그림입니다. 외부 세계의 정보는 감각(공기압, 빛, 화학물질)을 통해 유입되고 내부 세계의 정보(아픔, 떨림, 긴장)는 상호수용 네트워크를 통해 유입됩니다. 과거의 경험은 뇌에 저장됩니다.

뇌의 주된 임무는 당신을 잘 살도록 유지하는 것입니다. 이를 위해 끊임없이 당신의 내면과 외면의 세계를 감시하고 현재 가장 필요로 하는 신체 부위에 에너지를 재분배합니다. 외부 세계를 감시하는 뇌, 결코 수동적인 구경꾼이 아닙니다.

감정은 뇌에서 어떻게 만들어질까요?

신경과학 연구는 뇌가 실제로 바깥 세상을 예측하고 시뮬레이션한다는 것을 보여주었습니다. 이것을 위해 뇌는 ‘개념’을 사용합니다. 예를 들어, ‘사과’라는 단어/개념을 언급하면 여러분의 뇌는 즉시 사과의 모습을 상상합니다. 그것은 빨간색이거나 녹색이 될 수 있으며 손에 닿는 부드러운 표면을 시뮬레이션할 수도 있습니다. 만약 여러분이 이 글을 읽는 동안 배고파서 상상 속에서 사과를 한입 물어본다면 바삭한 감촉한 달콤한/신맛 나는 맛을 시뮬레이션해보세요.

그림3. 세계를 감시하는 뇌의 기본과정의 도식화 (이 사진은 Houghton Mifflin Harcourt, hmhco.com 가 만든 비디오의 스크린샷입니다.)

과거의 경험에 의해 구축된 컨셉에 기초하여 외부 세계를 예측하고 시뮬레이션합니다. 그런 다음 뇌는 시뮬레이션을 감각 입력을 통해 들어오는 실제 상황과 비교합니다. 만약 일치하지 않으면, 개념이 바뀌거나 감각 입력 중 하나입니다.

이것을 감정에 적용해봅시다. 예를 들어, 숲을 산책할 때 갑자기 나뭇잎이 바스락거리는 소리를 듣거나 본다면 당신은 과거 경험을 바탕으로 당신의 뇌는 무슨 일이 일어나고 있는지 예측합니다. 이 경우, 덤불 근처에 뱀에 있을지도 모릅니다. 당신의 뇌는 뱀의 광경과 소리를 흉내 내기 시작하고, 여러분의 몸을 최대한 빨리 도망치는 것과 같은 행동을 준비시킵니다.

이를 위해 심박수가 올라가고, 숨을 더 깊게 쉬기 시작하며 동요하기 시작합니다. 여러분의 뇌가 이 감정에 주는 의미는 ‘공포’ 일 수도 있습니다. (‘사과’, ‘엄마’, ‘개’, ‘의자’, 와 같이 그저 또 다른 뇌 개념으로 간주될 수도 있습니다.

결과적으로 발생할 수 있는 세 가지 행동

이 상황에서 발생할 수 있는 결과는 세 가지입니다. 뱀이 덤불 아래에서 미끄러지듯이 튀어나오면 당신은 그것을 향해 도망칩니다. 공포는 당신의 신체 감각을 유발하는 것에 대한 당신의 뇌의 최고의 추측이었습니다.

두 번째 가능한 결과는 뱀이 없다는 것이고, 그것은 단지 바람이라는 것입니다. 이 경우, 당신의 뇌는 예측(수풀 속의 뱀)을 보정하고, 당신의 몸은 다시 진정되며, 당신은 동요하는 감정을 다른 방식으로 이해하게 됩니다.

가능성이 낮지만 여전히 가능한 세 번째 결과는 실제로 뱀은 없지만 뱀이 보인다는 것입니다. 이 경우, 뇌는 예측을 수정하지 않지만 뇌의 시뮬레이션은 감각 입력을 무시합니다.

뇌가 우리에게 전하는 것

요약하면 리사 바렛에 따르면 우리의 뇌는 지속적으로 예측과 시뮬레이션을 생성하며, 우리는 감각적 세계에 제약을 둔 우리만의 세계를 경험합니다. 우리의 뇌는 감정과 같은 개념을 통해 경험/감각에 의미를 부여합니다. 감정이나 개인의 감정 상태를 어떻게 정량화할 수 있을까요? 이 질문에 대한 대답은 ‘감정을 어떻게 측정하는가’라는 글에서 다시 말씀드리겠습니다.

Reference

Barrett, L. F. (2017). How emotions are made: The secret life of the brain. Boston, MA, Houghton Mifflin Harcourt.

원문

https://www.noldus.com/blog/how-emotions-are-made

얼굴 표정을 측정하는 5가지 팁

베리슨 — Thu, 14 Dec 2023 16:02:31 +0900

얼굴 표정은 인간과 일부 동물들이 사용하는 비언어적 의사소통의 중요한 형태입니다. 얼굴표정은 개인적인 감정을 전달하고 종종 인간의 행동을 연구하는 연구원들에 의해 분석됩니다. 하지만 어떻게 얼굴 표정을 측정할까요?

표정이란 무엇일까요?

우선, 여러분 얼굴 표정이란 무엇일까요? 표정이란 얼굴 피부 밑의 근육 움직임에 의해 만들어진 비언어적 행동입니다. 인간의 행동을 연구하는 연구자들에게 감정은 사람들이 왜 그런 일을 하는지에 대한 중요한 통찰력을 제공할 수 있습니다.

얼굴표정은 여러 가지 방법으로 측정하고 분석할 수 있습니다. 그중 한 가지 방법은 사람을 관찰하고 얼굴 표정을 수동으로 코딩하는 것이고 또 다른 방법으로는 FaceReader와 같은 과학적인 소프트웨어 도구를 사용하여 자동으로 얼굴을 분석하는 방법입니다.

FaceReader는 사람을 식별하는 데 사용할 수는 없지만 얼굴의 특성과 표정을 인식하고 머리의 방향이나 눈을 뜨고 있는지 여부와 같은 얼굴 움직임을 분류할 수 있습니다.

그렇다면 FaceReader와 같은 도구를 사용하여 작업하면서 얼굴 표정을 측정하는 방법을 알고 싶으신가요? 여기, 얼굴표정 자동 측정에 대한 5가지 유용한 팁을 공유합니다.

1. 비디오 녹화하기

아주 간단하지만 영상을 녹화하고 재생하면 얼굴 표정을 더욱 세밀하게 분석할 수 있습니다. 영상을 녹화하지 않고 이벤트와 얼굴 표정에만 라이브로 표시할 경우, 필수 정보를 놓칠 가능성이 높습니다.

예를 들어 Forestell과 Mennella는 수동으로 Action Unit을 코드화하여 유아의 얼굴표정을 객관적으로 정량화하기 위해 어머니가 녹두를 먹이는 모습을 녹화했습니다. 이 연구에서는 수유 기간 동안 아이의 얼굴이 부분적으로 또는 완전히 가려졌기 때문에 16명의 엄마와 아이의 쌍은 제외했습니다. 다행히도 연구자들은 96명 쌍의 최종 샘플을 얻을 수 있었고, 이것은 그들의 연구를 마치기에 충분했습니다.

자폐증과 경계성 인격장애의 얼굴 표정 조사

참가자들의 반응적인 얼굴 표정에 대한 비디오 녹화는 자폐 스펙트럼 장애(autism spectrum disorder-ASD) 나 경계선 인격 장애(borderline personality disorder-BPD)를 가진 사람들에게도 사용되었습니다.

De Mulemeester et al. (2021)의 연구에서는, 경계성 인격 장애 기능이 높거나 낮은 참가자들에게 감정을 자극하는 영화 클립을 제시하고 그들의 반응적인 표정을 촬영하였습니다. 각 영화 클립이 끝난 후에 참가자는 특정 영화 클립을 시청하는 동안 자신의 감정적 경험이 얼마나 투명한지를 평가했습니다. 또한, 참가자의 감정 경험에 대한 관찰 가능한 투명성(즉, 자신의 정신상태가 실제로 다른 사람들에게 얼마나 관찰이 가능한지)은 FaceReader소프트웨어를 통해 측정된 그들의 얼굴 감정 표현의 실제 강도로 정의되었습니다.

2. 고정된 마이크와 의자의 사용

Platt et al. 은 참가자가 머리를 움직이거나 흔들거나 돌리는 것을 방지하기 위한 방법에 대한 훌륭한 팁을 제공하였습니다. 그것은 참가자 앞에 음성 녹음 도구를 놓고 참가자에게 장치의 방향으로 말하도록 요청하는 것이었습니다. 이로 인해 참가자는 연구자들에게 얼굴을 돌리는 것이 제한되었습니다. 또한 Platt et al. 은 회전이 불가능하도록 의자와 테이블을 고정시켰습니다. 이 연구는 비웃음을 받는 것에 대한 두려움을 가진 사람들(Gelotophobia: 비웃음을 당하는 것에 대한 두려움으로 일종의 사회공포증입니다. )이 일반적으로 즐거운 감정에 대해 표면적으로 드러나는 기쁨(Duchenne display)으로 반응하는지 아니면 웃음을 이끌어내는 감정에만 반응하는지를 확인하기 위한 것이었습니다.

3. 참가자들의 얼굴이 잘 드러나도록 조명 사용

실험실이든 현장에서든 적절한 조명은 매우 중요합니다. 좋은 조명은 결과의 신뢰성을 높일 수 있기 때문에 FaceReader와 같은 소프트웨어를 사용하여 얼굴을 인식하는 경우에 더더욱 그렇습니다.

예를 들어, Danner et al. 은 과일 주스를 마시는 참가자의 얼굴 표정을 FaceReader를 사용하여 자동으로 분석하였습니다. 그들의 설정은 서로 다른 오렌지 주스 샘플에서 나타나는 얼굴 표정의 중요한 차이를 감지할 수 있을 만큼 충분히 정확한 데이터를 제공하였습니다. 포토 램프를 사용하여 설정을 최적화할 수 있으나 이로 인해 테스트 참가자의 정면 조명이 확산되나 강한 반사나 그림자는 피해야 합니다.

4. 분석을 위한 더 낮은 프레임 속도 선택

비디오를 분석하기 위한 소프트웨어를 사용할 때는 반드시 연구 요구 사항에 맞는 프레임 속도를 선택해야 합니다. 프레임 속도가 낮을수록 더 빠른 분석이 가능하면서도 필요한 결과를 얻을 수 있습니다.

Gorbunov는 FaceReader를 사용하여 비디오의 3번째 프레임마다 분석을 하였습니다. 그들은 얼굴 표정을 정량적으로 설명하는 데이터를 생성하는데 필요한 계산 시간과 이러한 데이터를 분석하는데 필요한 계산 시간을 줄이기 위해 이 프레임 속도를 선택했다고 했습니다. 이 특별한 경우에는 Mars-500 격리 실험에서 얼굴 표정이 측정되었습니다.

5. 상황기록

이제 얼굴 표정 측정 방법을 알고 있으므로 행동의 맥락을 살펴보는 것이 중요합니다. 당신은 Eye Tracking(시선추적), 생리학적 측정, 화면 캡처 기술 등 더 많은 측정을 연구에 포함하도록 선택할 수 있습니다.

예를 들어 아래 질문에 대답해 보세요

테스트 참가자는 어떤 사용자 인터페이스를 보고 있나요? 또는 ‘행복하다’고 인식된 얼굴 표정이 기록되는 동안 룸에서 발생한 이벤트는 무엇입니까?

상황을 고려하면 얼굴 표정과 감정을 형성하는 환경적 단서와 맥락을 밝혀 얼굴 표정 분석의 강점을 보완할 수 있습니다.

References

■ Danner, L.; Sidorkina, L.; Joechl, M.; Duerrschmid, K. (2013) Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Quality and Preference, 32, 167-172. doi:10.1016/j.foodqual.2013.01.004

■ De Meulemeester, C., Lowyck, B., Boets, B., Van der Donck, S. & Luyten, P. (2021). Do my emotions show or not? Problems with transparency estimation in women with borderline personality disorder features. Personality Disorders: Theory, Research, and Treatment, 13(3), 288-299. doi.org/10.1037/per0000504.

■ Forestell, C.A.; Mennella, J.A. (2012). More than just a pretty face. The relationship between infant’s temperament, food acceptance, and mothers’ perceptions of their enjoyment of food. Appetite, 58, 1136-1142.

■ Gorbunov, R. (2013). Monitoring emotions and cooperative behavior. Eindhoven: Technische Universiteit Eindhoven. ((Co-)promot.: prof.dr. G.W.M. Rauterberg, dr.ir. E.I. Barakova & dr. K.P. Tuyls).

■ Platt, T.; Hofmann, J.; Ruch, W.; Proyer, R.T. (2013). Duchenne display responses towards sixteen enjoyable emotions: Individual differences between no and fear of being laughed at. Motivation and Emotion, 37, 776-786. doi.org/10.1007/s11031-013-9342-9.

원문

https://www.noldus.com/blog/how-to-measure-facial-expressions

반 사회적이고 정신병 적인 특성을 가진 사람들은 어떻게 감정을 처리하는가?

베리슨 — Wed, 6 Dec 2023 16:10:53 +0900

다른 사람들에게 당신의 기분을 보여줄 수 없거나 당신이 다른 사람들의 감정을 이해할 수 없을 때 무슨 일이 일어날까요? 우리는 사회와 일, 그리고 학교에서 활동하고 대인관계를 형성하기 위해 이러한 사회적 기술이 필요합니다. 하지만 안타깝게도 바로 이것이 반사회적 인격 장애(APD-Antisocial Personality Disorder)와 정신병적 특성을 가진 사람들이 겪는 문제입니다. 개인의 감정을 처리하는 방법과 기술을 강화하는 방법에 대해 더 많이 이해하고 개입을 한다면 이러한 문제 개선에 도움이 될 수 있습니다.

사이코패스와 반사회성 인격장애란?

반사회성 인격장애와 사이코패스는 상당히 오버랩되지만 몇 가지 중요한 차이점이 있습니다.

반사회성 인격장애를 가진 사람들은 일반적으로 다른 사람들의 권리나 감정에 관심을 보이지 않고, 충동적이고 무책임하며 심지어 폭력적으로 행동할 수도 있습니다. 반사회성 인격장애를 가진 사람들의 일부는 사이코패스적인 특성을 가지고 있는데 이것은 그들이 공감능력이 부족하고 다른 사람들을 조종하는 경향을 가지고 있다는 것을 의미합니다. 또한 그들은 감정을 표현하고 해석하는데 어려움을 겪습니다. 그러나 반사회성 인격장애를 가진 모든 사람이 이런 종류의 사이코패스적 특성을 가지고 있는 것은 아닙니다.

감정처리의 중요성

우리의 얼굴표정은 대인관계에서 중요한 역할을 합니다. 미묘한 비언어적 신호는 다른 사람의 감정에 대해 알려주거나, 당신이 생각하고 있거나 느끼고 있는 것을 다른 사람에게 보여줍니다. 이것은 사람들이 서로에게 기대하는 바를 알리는데 도움이 됩니다. 누군가가 질문에 답하거나 말을 할 차례를 기다리거나, 다른 사람이 미소를 짓거나, 자신이 슬퍼하고 있다는 것을 이해하고 위로가 필요하다는 것을 기대하기를 바랄 수도 있습니다. 연구 결과에 따르면 정신병증이 있는 사람들에게 이것은 매우 어렵습니다. 이러한 어려움은 반사회성 인격장애 사람들도 같이 겪는 어려움인지 아니면 정신병적 특성인지는 아직 불분명합니다.

정신병적 특성을 가진 사람과 가지지 않은 사람 사이의 차이와 감정 처리를 향상시킬 수 있는 방법에 대해 더 많이 알게 된다면 반사회성 인격장애에 대한 개입이 향상될 수 있습니다.

감정 처리에서 주의(Attention)의 역할

전문가들은 정신병적 특성을 가진 사람들의 감정 처리 장애가 주의력 편향을 반영한다고 생각합니다. 특히 전문가들은 이들이 매우 목표 지향적이고 그들의 목표와 관련이 없는 정보에 주의를 기울이는 데 어려움을 겪는다고 말하고 있으며 여기에는 사회적 상호작용도 포함한다고 말하고 있습니다.

그렇다면 만약 주의력이 문제의 일부라면 감정 정보에 대한 사람들의 주의력을 조절한다는 것은 어떨까요? 정신병리학적인 특징과 반사회적 인격장애를 가진 사람들의 감정 처리에 대한 연구의 일환으로 연구원 Kyrandes와 그녀의 팀은 참가자들에게 그들이 감정 인식 작업에서 본 얼굴 표정을 흉내 내도록 요청하였고 반사회적 인격 장애 증상 혹은 정신병적 특성이 높은 사람들이 얼마나 감정을 잘 표현하고 인식하는지를 연구하였습니다.

연구에 따르면 얼굴표정 흉내내기와 공감이 서로 관련되어 있으므로 이 지시는 사람들에게 감정적인 신호를 지시할 뿐만 아니라, 공감을 강화할 수도 있다고 말하고 있습니다.

얼굴표정 분석

연구는 107명의 젊은이들을 4개의 다른 그룹으로 나누어 진행되었습니다.

-저위험군

-정신병리적 특성군

-반사회적 인격장애증상군

-정신병리적 특성 + 반사회적 인격장애 증상군

모든 참가자들은 감정 인식 과제를 마쳤으며, 그들은 무작위 순서로 세가지 다른 종류의 지시를 받았습니다.

-얼굴 표정 모방하기

-자신의 얼굴 반응을 억제하기

-단순히 테스트 항목에 반응하기(다른 지시 사항은 없음)

감정 인식 과제를 수행하는 동안 참가자들의 표정은 FaceReader를 사용하여 기록하였으며, 이러한 방식으로 연구팀은 다양한 지시에 대한 반응을 평가하고 그들의 감정 표현을 분석할 수 있었습니다.

감정 인식 및 표현 분석

연구팀은 그룹간 감정 인식의 차이를 조사했습니다. 이전의 연구와 유사하게, 그들은 반사회성 인격장애 증상을 가진 참가자들과 반사회성 인격장애증상 + 정신병적 특성을 모두 가진 집단이 저 위험 집단보다 감정을 덜 정확하게 인식한다는 것을 발견했습니다. 흥미롭게도 정신병적 특성만을 가진 집단은 대조군과 유사한 행동을 했습니다.

연구팀은 FaceReader를 사용하여 또한 다른 그룹들이 어떻게 긍정적인 감정과 부정적인 감정을 표현하는지 분석했습니다. 그들은 반사회성 인격장애와 정신병적인 특성이 결합한 그룹의 사람들이 정신병적인 특성만을 가진 그룹에 비해 더 많은 분노를 표현한다는 것을 발견했습니다. 놀랍게도 반사회성 인격장애 그룹은 결합된 증상을 가진 그룹보다 더 많은 슬픔을 표현했습니다.

이러한 결과는 단독 또는 동시에 발행하는 반사회성 인격장애 증상 및 정신병적 특성을 가진 집단을 고려하는 것이 중요하다는 것을 강조합니다. 그들은 또한 분노 관리와 같은 감정 조절 개입이 반사회성 인격장애 및 정신병적 특성이 결합한 개인에게 도움이 될 수 있다고 제안합니다.

모방은 감정 인식을 향상시킵니다.

그렇다면 다른 지시의 효과는 무엇일까요? 그 결과는 참가자들이 모방 중 감정 인식 작업에서 가장 정확했다는 것을 보여줍니다. 추가적인 분석에 따르면 반사회성 인격장애 그룹과 반사회성 인격장애 + 정신병적 증상이 결합된 그룹에서 이러한 결과가 가장 두드러졌다는 것을 보여줍니다.

따라서 전반적으로 이러한 결과는 얼굴 표정의 모방이 감정 인식의 정확성을 향상시키는 데 도움이 되고 개입 설계 또는 개선에 귀중한 정보를 제공한다는 것을 나타냅니다.

Reference

Kyranides, M.; Petridou, M.; Gokani, H.; Hill, S.; Fanti, K. (2022). Reading and reacting to faces, the effect of facial mimicry in improving facial emotion recognition in individuals with antisocial behavior and psychopathic traits. Current Psychology, https://doi.org/10.1007/s12144-022-02749-0

원문

https://www.noldus.com/blog/emotion-processing-antisocial-psychopathic

시선 추적(Eyetracking) 연구를 위한 아이트래커(LogicOne & Lite) 데모 데이

베리슨 — Thu, 30 Nov 2023 14:00:29 +0900

시선추적(Eyetracking) 연구를 위한 아이트래커(LogicOne & Lite) 데모데이

포터블 아이트래커 (Lite)

250Hz 고성능 포터블 아이트래커 (LogicOne 250)  모니터 세팅 모습

베리슨에서는 시선 추적(eyetracking) 연구에 관심 있는 분들을 위한 아이트래커(LogicOne & Lite) 데모데이를 진행하고자 합니다.

일시: 2023년 12월 15일(금) PM14:00~16:00
장소: 신내데시앙플렉스 지식산업센터 세미나실
(서울 중랑구 신내동 소재, 참석자 별도 안내 예정)
참가인원: 15명(한정된 좌석으로 선착순 등록 마감)
참가비: 무료
신청 마감일: 2023년 12월 11일(월) 18:00까지
주관: 베리슨(독일 EyeLogic社 한국 총판)
문의: 베리슨 Tel.02-336-6769, Email: marcom@varison.co.kr

*건물 지하 주차장(B3~B4)에 주차 가능하며, 1시간 무료 주차 지원*

이번 행사에서는 EyeLogic社의 아이트래커 제품 LogicOne & 및 Lite를 소개하고, 참가자분들이 직접 체험해 보는 시간으로 진행될 예정입니다. 시선 추적 연구 및 행동 연구 분야에 관심있는 분들의 많은 참여 바랍니다.

참가 신청

거래 웹 사이트 평가에 대한 감정의 관련성

베리슨 — Mon, 20 Nov 2023 15:46:06 +0900

마케팅 유지 의무화

고객 유지는 기업이 고객을 유지하는 능력, 즉 고객이 일정 기간 동안 서비스를 지속적으로 이용할 수 있도록 충성도를 높이는 능력으로 정의됩니다. 따라서 고객유지는 마케팅의 전략적인 목표입니다.

사용성 테스트(Usability testing -UX Test)

라이프스타일 기업의 디지털 환경에 대한 유지 및 품질 분석을 수행하기 위해 웹사이트, 인스타그램, 소셜 네트워크, 홍보 이메일을 평가하였습니다. 12명의 지원자를 무작위로 선정하여 기업의 디지털 미디어에 대한 사용자 경험을 개선하기 위한 리서치(UX research)를 진행하였습니다. 사용성 테스트(Usability Testing)는 실제 사용자가 작업을 완료하려고 할 때 이를 관찰하여 웹사이트, 앱 또는 기타 디지털 제품의 기능을 테스트하는 방법입니다.

자원 봉사자들은 회사의 페이스북 페이지에 홍보된 가입서를 작성하였습니다.

우리의 사용성 테스트는 4가지 작업으로 구성되었습니다.

1. 회사의 웹사이트 계정 만들기

2. 장바구니에 이불커버와 퍼즐을 추가하고 결제 단계로 이동합니다.

3. 프로모션 이메일 메시지를 읽고 웹사이트 링크를 클릭하세요.

4. 회사 인스타그램 페이지에서 프로모션 홍보 게시물을 확인하고 웹사이트에서 찾아보세요.

테스트는 일주일에 걸쳐 진행되었으며, 사용성 테스트가 완료되면 사용자 경험에 대해 자세히 알아보기 위해 일대일 인터뷰를 진행하였습니다. 모든 테스트와 인터뷰는 Teams플랫폼을 사용하여 화상회의를 통해 진행, 녹화되었습니다. 그런 다음 FaceReader소프트웨어를 사용하여 사용성 테스트 녹화에 대한 감정 분석을 진행하였습니다.

FaceReader는 관찰을 심화하는데 어떻게 도움이 되었을까요?

비언어적 행동은 우리의 잠재의식이 어떻게 작용하는지를 보여주는 강력한 지표입니다. 비언어적 의사소통은 참가자가 스스로 인식하는 것 그 이상입니다. 따라서 이는 자신도 모르게 민감한 지점을 타겟팅 하는 효과적인 방법이 될 수 있습니다. (1)

예를 들어 이메일 사용성테스트의 감정을 분석한 결과, 소비자들이 웹사이트를 접속하기 위해 회사 로고를 클릭하는 경향이 있다는 것을 여러 번 발견했습니다. 우리의 경우, 로고에 회사 웹사이트로 연결되는 기능을 제공하지 않아 사용자들에게 불만을 안겨주었습니다. 개별 인터뷰에서 이 요소가 자신에게 영향을 미치는 것 같다고 언급한 참가자는 없었습니다. 그러나 클릭 한 번으로 모든 것을 얻을 수 있기를 기대하므로 이런 작은 부분은 디지털 마케팅에서 매우 중요합니다. (2) 그들은 선택의 세계에 빠져있기에 조금이라도 문제가 생기면 주저하지 않고 바로 다른 곳을 찾아볼 것입니다.

이메일 마케팅이 효과적이기 위해서는 소비자의 눈에 인지된 즐거움이 필요합니다.(3) FaceReader와 같은 소프트웨어를 사용한 자동 얼굴 표정 분석은 디지털 커뮤니케이션 채널의 ‘조용한’ 장점과 단점을 목표로 삼아 효율성을 향상시키는데 특히 유용합니다.

그림 1-개념적 프레임워크

그림 2-로고를 클릭하려고 할 때 좌절감을 느끼는 순간

그림 3-인스타그램 게시물을 통해 조사 중 슬픈 순간

감정 소프트웨어 사용의 이점

감정을 분석할 때, 연구자들은 항상 감정 측정과 관련된 동일한 문제에 직면합니다. 주관적 자기 보고 방법은 매우 편향적이며 참여자가 말하는 것을 확인하기 어렵다는 것입니다. 반면, 안면근전도검사와 같은 감정을 측정하는 객관적인 방법에는 값비싼 도구와 잘 정의된 맥락을 필요하므로 데이터 수집과 해석이 어렵습니다.

오늘날 소프트웨어를 사용한 감정 측정은 상당히 저렴한 비용으로 수행할 수 있으며 구현하기 매우 쉽습니다. 휴대폰, 웹캠, 태블릿 또는 컴퓨터와 같은 일상적인 도구를 사용하여 원격으로나 대면으로 감정을 불러일으키는 표정을 기록할 수 있습니다. 더욱이 상당한 장점은 이 기술이 소비자에게 전혀 방해가 되지 않아 현실에 더 가까운 데이터를 수집할 수 있다는 것입니다.

-이 글은 캐나다 퀘벡주 셔브룩 대학교 마케팅학 석사과정 학생인 가브리엘 버거론-프룰록스(Gabriel Bergeron-Poulx)가 작성한 것으로, 기업의 디지털 환경(디지털 마케팅)에 대한 고객 유지 의무와 관련하여 얼굴 표정 분석 소프트웨어의 유용성을 설명하고 있습니다.-

References

1. Stewart, D.W.; Hecker, S. & Graham, J.L. (1987). It's more than what you say: Assessing the influence of nonverbal communication in marketing: ABSTRACT.Psychology & Marketing (1986-1998), 4(4), 303.

2. Solis, B. (2017). Impatience Is A Virtue: How The On-Demand Economy Is Making Mobile Consumers Impatient. Forbes, accessed at 23 October 2021.

3. Reimers, V.; Chih-Wei, C., & Gorman, S. (2016). Permission e-mail marketing and its influence on online shopping. Asia Pacific Journal of Marketing and Logistics, 28(2), 308-322. https://doi.org/10.1108/APJML-03-2015-0037

원문

https://www.noldus.com/blog/role-emotions-evaluation-website

투자자 프레젠테이션 중 기업가의 표정과 감정의 전염

베리슨 — Wed, 8 Nov 2023 16:05:48 +0900

대부분의 스타트업이 회사를 성장시키고 성공하기 위해서는 자금 조달이 매우 중요합니다. 지금의 시대는 많은 정보가 비대칭적으로 존재하기에 투자자들에게 스타트업 자금을 지원하도록 설득하는 것은 어려울 수 있습니다. 투자자들은 일반적으로 전문적인 사람들이고 기업가는 보통 자신들의 창업, 동기 부여, 헌신 및 목표 시장에 대해 투자자들보다 더 많이 알고 있습니다. 따라서 투자자들은 이러한 비대칭성을 줄이기 위해 기업가가 제공하는 신호에 부분적으로 의존합니다. 이러한 신호들은 기업가가 개인 재산을 기부하는 것과 같은 구체적인 행동으로도 구성되지만, 문제 해결에 대한 열정이나 기쁨과 같이 기업가가 나타내는 특정 감정들은 투자자를 설득하는 데 도움을 주는 것으로 나타났습니다.

감정 뒤에 숨은 메커니즘 조사

얼마 전, 게시된 "재정적 지원을 얻기 위한 기업가의 표정의 역할"이라는 블로그 게시물에는 기업가가 프레젠테이션 중에 긍정적인 감정을 표현하는 것과 이러한 감정이 자금 유치에 미치는 영향에 대해 쓰였습니다. 해당 블로그는 Jiang, Yin 및 Liu(2019)의 학술 연구를 기반으로 작성되었습니다.

이 게시물은 현재 블로그의 저자인 Werner Liebregts의 감독 하에 Daan Dinkla의 최근의 연구를 설명합니다. 그들은 Jiang et a. 의 연구를 다른 맥락에서 (학생) 기업가와 전문 투자자의 다른 표본을 사용하여 FaceReader를 사용하여 감정적 효과 뒤에 있는 메커니즘을 조사했습니다.

경험한 감정의 정점의 순간

Jiang et al. (2019)처럼 Dinkla와 Liebregts는 긍정적인 감정이 나타나는 특정 순간, 즉 최고 강도를 살펴보았습니다. 왜 최고 강도일까요? 우리는 사건을 회고적으로 평가하고 요약할 때 모든 순간이 똑같이 중요한 것은 아닙니다. 사람들은 그 사건 동안 경험한 감정의 정점, 즉 감정의 최고조의 순간에 가장 의존하는 것으로 나타났습니다.

사람들은 자동적으로 그들이 상호작용하고 있는 다른 사람들의 감정을 모방하고 그 후에 캐치하는 과정인 감정 전염이 이루어지듯 투자자들 또한 기업가가 표현하는 감정이 최고 수준에 있을 때 이와 같은 감정 상태의 도달하는 것으로 생각됩니다. 따라서 기업가는 자신이 표현한 감정으로 청중을 '감염'시키는 것으로 생각됩니다. Jiang et al. (2019)의 연구에서는 표시된 기쁨의 최고 강도와 Kickstarter 기업가가 모금한 자금 규모 사이의 긍정적인 관계에 대한 지지를 보여주었습니다.

그러나 감정 전염 과정은 현대의 창업 연구에서 여전히 블랙박스입니다. 이는 프레젠테이션 중에 발생하는 것으로 추정되지만 실제로 전염이 일어나는지를 검증한 연구는 없습니다. 그러나 Dinkla와 Liebregts는 기쁨을 표현하는 것이 프레젠테이션 성공에 미치는 영향 뒤에 있는 이 메커니즘을 최초로 평가했습니다.

투자자 프레젠테이션 중 감정적 전염

연구자들은 전염 과정의 첫 번째 단계인 감정적 모방을 조사하였습니다. 그들은 기업가들이 표시한 기쁨의 최고 강도 직후에 투자자들의 기쁨 수준 또한 일정 수준 이상으로 상승하는지 여부를 구체적으로 테스트했습니다. 이는 투자자들이 실제로 기업가들이 보여주는 행복을 모방한다는 것을 의미하며 이러한 모방은 잠재적으로 감정적 전염으로 이어질 수 있습니다.

프레젠테이션 중 비디오 녹화 동작

이들의 연구에서 효과는 어떻게 측정되었을까요? 학생 창업가들은 3명의 전문 투자자 앞에서 프레젠테이션 경쟁을 펼치면서 자신의 사업 아이디어를 발표했습니다. 프레젠테이션 성공 측정을 위해 투자자들은 학생들이 프레젠테이션 한 스타트업에 얼마나 투자할 의향이 있는지를 질문받았습니다.

학생들과 투자자 모두 프레젠테이션 하는 동안 비디오로 녹화하였고 FaceReader를 사용하여 그들의 표정을 분석했습니다. FaceReader 는 얼굴 표정을 6가지 기본 감정(기쁨, 슬픔, 분노, 놀람, 무서움, 혐오감) 중 하나 또는 중립 상태로 분류하도록 하였습니다.

얼굴 동작 단위는 표정을 나타냅니다.

얼굴 표정은 얼굴 동작 단위(Facial Action Unit)를 보고 감정으로 분류되는데, 이것은 시각적으로 식별 가능한 가장 작은 얼굴 움직임입니다. 이들 동작 단위 중 일부가 동시에 발생한다는 것은 어떤 특정 감정의 표현을 나타냅니다.

예를 들어 기쁨(Joy)은 립 코너 풀러(lip corner puller)와 볼 상승(cheek raiser)이라는 두 가지 액션 유닛이 있는 것이 특징입니다. FaceReader 소프트웨어 패키지는 가장 과학적으로 검증된 자동화된 얼굴 인식 프로그램 중 하나이며 인간 코더와 유사하거나 더 나은 정확성을 보이는 것으로 나타났습니다.( Lewinski, den Uyl & Butler, 2014 ). FaceReader를 사용하여 Dinkla와 Liebregts는 모든 비디오의 각 프레임에 대한 얼굴 근육(Action Unit))의 움직임을 자동으로 감정으로 분류할 수 있었습니다.

감정적인 모방이 투자로 이어지는가?

그렇다면 기쁨을 표현함으로써 어떤 효과가 발견되었을까요? Dinkla와 Liebregts는 감정적 모방의 발생이 최고의 기쁨과 관련이 있다는 가설에 대한 뒷받침을 찾았습니다. 즉, 기업가가 나타내는 기쁨의 강도가 높을수록 감정적 모방이 발생할 가능성이 더 높았습니다. 하지만 이러한 모방이 투자 의지에 미치는 영향은 없습니다. 즉, 투자자가 기업가의 감정을 모방하는 것과 투자 의지 사이에는 큰 관계가 없습니다.

이러한 결과에 대한 가능한 설명은 투자자들이 자신의 감정 상태를 상쇄할 수 있다는 것과 투자 결정을 내리기 위해 프레젠테이션의 다른 부분, 아마도 더 구체적인 측면에 집중할 수 있다는 것입니다. 또한 투자자들이 무의식적으로 기업가들의 감정을 모방할 수 있지만 이러한 모방이 전염을 초래하는 것은 아니라는 겁니다. 학술적인 연구에 따르면 모방이 항상 감정 전염으로 이어지는 것은 아닙니다.

의사결정 과정에서 감정의 영향

Dinkla와 Liebregts는 또한 이번 연구에서 기쁨을 표현하는 기업가가 청중에 대한 투자자의 투자의 양에 부정적인 영향을 미친다는 사실을 발견하였는데 흥미롭게도 이는 Jiang et al. (2019) 발견한 반대 효과입니다. 그렇다면 이러한 효과 차이의 원인은 무엇일까요? 여기에는 두 연구 사이에는 몇 가지 차이점이 있지만 가장 중요한 것은 Dinkla와 Liebregts가 전문 투자자에게 프레젠테이션 하는 학생들에 초점을 맞춘 반면 Jiang et al. (2019)는 Kickstarter의 1460개 프레젠테이션 비디오에 대한(비라이브) 연구하고 있었다는 것입니다.

다양한 유형의 청중(전문가 대 대부분 소비자)이 의사 결정 과정에서 감정에 얼마나 의존하거나 영향을 받는지에는 차이가 있을 수 있습니다. 따라서 프레젠테이션 중에 감정을 표시하는 효과에 대한 결과는 아직 결정적이지 않습니다. 향후 연구에서는 감정이 프레젠테이션 결과에 정확히 언제, 어떻게 영향을 미치는지 더 자세히 밝혀낼 수 있기를 바랍니다.

-이 블로그 포스트는 네덜란드 틸버그 대학교의 Daan Dinkla와 Werner Liebregts라는 두 명의 객원 블로거에 의해 쓰여졌습니다.-

References

Jiang, L., Yin, D., & Liu, D. (2019). Can joy buy you money? The impact of the strength, duration, and phases of an entrepreneur’s peak displayed joy on funding performance. Academy of Management Journal, 62(6), 1848-1871.

Lewinski, P., den Uyl, T. M., & Butler, C. (2014). Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. Journal of Neuroscience, Psychology, and Economics, 7(4), 227.

원문

https://www.noldus.com/blog/facial-expressions-emotional-mimicry

파킨슨병 환자는 감정을 어떻게 표현하는가

베리슨 — Thu, 2 Nov 2023 16:02:17 +0900

파킨슨병(Parkinson’s desease-PD)은 뇌와 움직임을 제어하는 능력에 영향을 미치는 진행성 질병으로 전 세계 많은 사람들이 앓고 있는 질환 중 하나입니다. 파킨슨병 환자는 걷기, 자기 관리, 의사소통등 일상생활 활동이 많이 힘들어질 뿐만 아니라 얼굴 표정 또한 영향을 받습니다. 실제로 마스크와 같은 얼굴 표정은 파킨슨병의 초기 증상 중 하나입니다. 그렇다면 이러한 표정 변화와 파킨슨병의 심각도 사이에는 어떤 관계가 있을까요?

감정 표정의 역할

얼굴 표정은 의사소통과 사회적 관계에서 필수적인 요소입니다. 우리는 그것을 사용하여 감정을 표현할 뿐만 아니라 얼굴 표정은 감정을 읽고 공유하는 역할도 합니다. 왜냐하면 우리에게는 타인의 표정을 모방하는 미묘한 피드백 메커니즘이 있어 서로를 이해하는데 도움이 되기 때문입니다. 그 결과, 표정 장애가 있는 사람들은 타인에게 오해를 받거나 다른 사람과 자신이 경험을 공유하지 못할 수 있습니다.

파킨슨병이 얼굴에 미치는 영향

파킨슨병의 주요 증상은 운동 능력 장애로 이는 안면 근육과 표정에도 영향을 미칩니다. 연구에 따르면 파킨슨병이 있는 사람들은 얼굴 움직임이 더 느리고 덜 뚜렷한 것으로 나타났으며 또한 그들의 안면 근육은 긍정적인 감정보다 부정적인 감정(화나거나 슬픈)에 더 강하게 반응할 수 있습니다.

발성 테스트 중 얼굴 표정의 분석과 발성테스트

그렇다면 우리는 이러한 얼굴 표정의 변화와 파킨슨병의 중증도 사이의 연관성을 어떻게 더 잘 이해할 수 있을까요?

연구팀은 서로 다른 모음과 자음을 발음하는 발성 테스트 중, 두 그룹의 참가자들을 연구했습니다. 구체적으로 단음절, 두음절, 그리고 다음절 테스트를 포함했습니다. 이 그룹의 이전 연구는 이러한 테스트가 얼굴의 경직을 나타내는 좋은 지표라는 것을 보여주었습니다. 얼굴 표정 분석에는 FaceReader를 사용하여 그들은 중립적인 감정, 행복, 슬픔, 분노, 놀람, 두려움, 혐오, 감정의 정서가(감정의 상태를 나타내는 지표), 감정의 각성도(활성상태를 나타내는 지표)에 대한 근육 집단 움직임과 얼굴 표정을 관찰했습니다.

또한 연구팀은 질병의 중증도와 얼굴 표정 사이의 관계를 연구하기 위해 환자군과 건강한 대조군 사이의 발성테스트 성적을 비교하였습니다. 해당 연구에는 16명의 파킨슨병 환자(평균연령 71.38세)와 대조군 16명(평균연령 66.69세)이 포함되었습니다. 파킨슨병 환자 그룹에 대해 연구자들은 질병 기간과 항파킨슨병약물의 복용기간을 기록하였습니다. 또한 Hoehn-Yahr 척도 (H&Y)와 및 Unified Parkinson's Disease Rating 척도(통합 파킨슨병 평가 척도-UPDRS III)사용하여 신경학적 평가를 통해 질병 심각도를 측정하였습니다.

파킨슨병의 얼굴의 변화와 질병의 중증도

이번 연구에서 이전 연구와 일치하게 파킨슨병 환자가 중립적인 감정, 행복, 놀라움, 감정의 정서가와 감정의 각성정도에 대해 표정이 감소하는 것을 발견하였습니다. 또한 파킨슨병 환자군에서는 슬픔, 분노, 두려움, 혐오의 표정도 증가하였는데 이 결과는 발성 테스트의 모든 변형에 적용되었습니다. 뿐만 아니라, 연구자들은 질병의 심각도와 얼굴 표정 사이의 유의미한 상관관계를 발견하였습니다. 즉, 중증도가 증가할수록 얼굴 표정의 모든 변화가 더 뚜렷해졌습니다. 이러한 결과는 파킨슨병 환자가 질병의 중기 및 말기에 둔한 표정을 보일 수 있음을 시사한다고 연구팀은 말하고 있습니다.

파킨슨병의 연구

질병의 중증도에 따라 특정 증상이 어떻게 진행되는지를 더 많이 알게 되면 파킨슨병을 앓고 있는 사람들을 어떻게 도울 수 있을지 더 잘 알 수 있을 것입니다. 이것이 바로 파킨슨병 연구가 중요한 이유입니다. 아직은 파킨슨병을 위한 치료법이 없기 때문에 우리는 최선의 치료법을 계속해서 개발하고 개선해야 합니다.

Reference

Yang, L.; Chen, X.; Guo, Q.; Zhang, J.; Luo, M.; Chen, Y.; Zou, X.; Xu, F. (2022). Changes in facial expressions in patients with Parkinson’s disease. Computer Speech & Language, 72(3), https://doi.org/10.1016/j.csl.2021.101286.

원문

https://www.noldus.com/blog/parkinsons-disease-facial-expressions

멀티모달 연구를 위한 NoldusHub & Viso 세미나 행사 소식 - 2023년 11월 7일 14:00 ~ 16:00

베리슨 — Mon, 30 Oct 2023 13:36:47 +0900

멀티모달(Multimodal) 연구를 위한 NoldusHub & Viso 세미나

일 시 : 2023년 11월 7일 화요일 14:00~16:00
장 소 : 신내데시앙플랙스 지식산업센터 세미나실
(서울 중랑구 신내동 소재, 참석자 별도 안내 예정)
발표자 : Tom Pudil Channel Manager & Sales Consultant
(Noldus Information Technology社)
참석인원 : 12명 (한정된 좌석으로 선착순 등록 마감)
참가비 : 무료
주 관 : 베리슨 (Noldus사 한국 Distributor)
문 의 : 베리슨 Tel. 02-336-6769, Email : marcom@varison.co.kr

※ 건물 지하 주차장 (B3~B4)에 주차 가능하며, 1시간 무료 주차 지원

세션 1. NoldusHub

행동 연구를 위한 새로운 방식의 올인원 연구 플랫폼으로 멀티모달 연구 과정의 간소화와 고품질 데이터를 제공하여 인간 행동에 대한 통찰력을 얻을 수 있습니다.

NoldusHub는 멀티모달 리서치를 진행하는데 있어서 하드웨어 및 기기의 연결, 세팅, 데이터 수집 및 결과 분석의 전과정을 획기적으로 간소화하고 높은 수준의 데이터 분석을 통해 인사이트를 제공합니다.

여러분은 NoldusHub를 사용하여 아래와 같은 데이터를 손쉽게 동기화된 데이터를 수집 및 분석할 수 있습니다.

Facial Expressions
Heart Rate & Inter-Beat Interval (IBI)
Gaze overlay & Fixations
Skin Conductance Peak Rate
Screen Capture
Audio & Video
Event Marking, Cognitive Load

세션 2. Viso

행동 연구를 위한 비디오 & 오디오 레코딩 툴로 모듈 방식을 채택하여 전문적인 스킬, 교육, 훈련 과정에서 진행되는 디브리핑 및 시뮬레이션 과정에 특화된 솔루션 입니다.

Viso는 모듈 방식을 채택하여 경제적인 비용으로 시스템 확장이 가능한 제품으로 다수의 행동 관찰실을 세팅할 수 있습니다. 또한 동시 혹은 예약 레코딩 세션을 통해 체계적이고 효율적으로 행동 연구를 운영할 수 있습니다.

[Viso 주요 특징]

행동 세션에 관련된 사용자의 수, 관찰실 세팅 개수에 제한 없음
Viso 플랫폼에서 레코딩 및 재생을 지원합니다.
원격으로 레코딩을 시작/중지하며 레코딩된 비디오는 어느 위치, 어느 기기에서나 재생할 수 있습니다.
유연한 확장성으로 제한없이 다수의 관찰실을 세팅할 수 있습니다.
세션에서 일어나는 행동에 대해 즉각적인 피드백을 제공 가능하며 특정 행동에 대해 마커를 입력할 수 있습니다.
전문적인 기술 습득 및 향상을 요구하는 교육 훈련 과정 분야에 특화된 솔루션 입니다.

본 세미나는 Noldus사 Tom Pudil (Channel Manager & Sales Consultant )의 진행 예정으로 행동 연구 및 멀티모달(Multimodal) 연구에 관심있는 분들의 많은 참여 바랍니다.

참가 신청 하기

공동활동에서의 감정 표정의 역할

베리슨 — Mon, 23 Oct 2023 16:03:28 +0900

예텐보리 대학의 Robert Lowe그룹은 인지적으로 까다로운 작업에서 감정 표정의 역할을 연구해 왔으며 그들의 초점은 감정 표정이 다음을 안내하는지 여부와 방법에 있었습니다.

상호적 가치학습, 그리고
상호적 시정 조치 선택

연구자들은 차등적 결과 학습 패러다임과 시정 조치 선택이 필요한 대화형 지도 탐색 작업에 대한 다양한 사회적 상호 작용 기반 연구를 수행했습니다. 연구자들의 더 넓은 관심은 공동 활동에서 감정을 사용하는 것에 관한 것입니다.

차등적 결과 학습

Rittmo et al. (2020)이 최근 발표한 기사에서 연구자들은 기존의 심리학(학습 패러다임)의 반응 지식 전달을 위한 차등적 결과 학습을 적용했습니다. 차등적 결과 훈련은 임의의 자극(예: 컴퓨터 작업의 우산 이미지)에 이어 다른 반응 옵션(예: 누를 좌우 반응 탭)이 이어지는 고전적인 자극-반응 훈련 설정에서 활용되며, 여기서 오직 하나의 반응만이 '올바른' 피드백을 제공합니다. 학습은 시행착오에 의한 것입니다. 참가자들은 보상적이거나 강화된 결과(예: 돈 이미지)를 얻기 위해 다양한 자극을 다양한 반응 옵션과 일치시켜야 합니다.

표준 행동 학습 접근법과 달리, 차등 결과 훈련은 상이한 자극-반응 쌍을 수반하고 차등적인 보상 결과(예: 큰 보상 대 낮은 보상)가 뒤따릅니다. 차등 대 비차등(모든 올바른 반응에 대한 동일한 보상) 결과 훈련 하에서 더 빠른 학습이라는 차등 결과 효과는 이 실험 설정을 사용한 연구(McCormack et al. 2019)에서 안정적으로 발견되었습니다.

표현된 감정으로부터 상호작용적 가치 학습

예테보리 대학(Gothenburg University)의 연구원들은 사회적 환경에서 컴퓨터화된 작업의 형태로 차등적 결과 절차의 새로운 변형을 수행했습니다. 이것은 참가자들이 높거나 낮은 보상을 받은 도구적 반응(각각 큰돈 또는 작은 돈의 이미지)을 따라 긍정적인 감정과 부정적인 감정을 표현하는 여배우(연합)의 비디오를 통해 배워야 하는 것을 요구했습니다.

여기서 부정적 감정은 앞서 제시된 자극에 대한 올바른 반응에 따라 상대적으로 낮은 보상결과에 대한 가벼운 좌절감의 표현하는 역할을 했습니다.

시각적 자극과 반응 옵션 간의 연관성

실험에서 참가자들은 처음에 시각적 자극과 서로 다른 쌍의 다른 가치(보상) 결과(높은 현금 보상과 낮은 현금 보상의 이미지)를 가져온 반응 옵션 사이의 연관성을 학습해야 했습니다. 그런 다음 참가자들은 동일한 작업에 참여하지만 새로운 시각적 자극이 제시된 연맹을 관찰해야 했습니다.

따라서 초기 훈련에서는 자극에 빗자루의 이미지(컴퓨터 화면)를 포함한 반면, 관찰 훈련에서는 버스의 이미지가 제시될 수 있습니다. 아래에서 초기 훈련의 시험 진행도를 볼 수 있습니다.

관찰 훈련에서는 초기 훈련과 마찬가지로 실험이 진행되었지만 , 이제는 실험 내내 여배우의 영상이 재생되는 동안 관찰 참가자의 시야에서 반응 옵션이 가려졌습니다.

결과 발표될때(관찰 참가자의 시야에도 숨겨져 있음) 여배우는 아래와 같이 가벼운 좌절감을 표현하기 위해 미소를 지을 것입니다.

여배우는 자연스럽게 감정을 표현하도록 지시를 받았습니다. FaceReader는 관찰 훈련에 사용된 20개의 연속적인 실험에 대해 평가했을 때 신뢰할 수 있는 것으로 나타난 표현의 정서가에 대한 다루기 쉬한 정도를 평가하는 데 사용되었습니다. 이러한 방식으로 표현된 감정은 참가자가 잠재적으로 배울 수 있는 높고 낮은 가치의 결과에 대한 프록시 역할을 했습니다.

연관성 2-프로세스 이론

Rittmo et al. (2020)의 실험은 초기 훈련, 관찰 훈련부터 실험 단계까지 참가자들의 상호 작용적 가치 학습을 평가했습니다. 이 실험 단계에서는 여배우가 특정한 새로운 자극에 반응하는 것을 본 적이 없음에도 불구하고 (사실 그녀는 반응을 선택하지 않고 비디오 설정에 반응했을 뿐) 여배우가 '선택한' 반응을 선택하는 경향이 있는 참가자들에 대한 반응 옵션이 다시 표시되었습니다.

Lowe et al. (2016)에 기초하여, 참가자 실험 단계 반응 선택은 연관성 2-프로세스 이론(Trapold 1970, Urcuioli 2005)의 수정된 (사회적) 버전에 따라 예측되었습니다. 실험과 관련하여 고전적인 연관성 2-프로세스는 아래에 도식화되어 있습니다.

맨 위 행에는 시행 절차가 표시됩니다. 단계 1에서는 제시된 주어진 자극(예: S1 다음의 R1, 이 실험에서는 R2가 ‘잘못됨')에 대한 올바른 반응과 그에 따른 보상 결과(S1->R1 페어링의 경우 O1)를 볼 수 있으며, 잘못된 반응을 선택했을 때 보상이 없거나 처벌적인 결과가 표시됩니다. (예: S1->R2->처벌).

실험의 각 단계에서는 다양한 자극(S1, S2, S3, S4) 및 반응(R1, R2) 옵션이 여러 번의 시도에 걸쳐 (시도당 하나의 자극)에 걸쳐 제시됩니다. 1단계와 3단계에서는 모두 반응 옵션이 제시되고(위의 스키마와 일치) '올바른' 반응은 보상적인 결과(O1 또는 O2)로 이어지며 그렇지 않으면 보상이 없습니다.

기대 형성

연관 2-프로세스 이론은 참가자들이 각각 높은 보상(O1)과 낮은 보상 (O2)에 대해 서로 다른 결과 (E1, E2)에 대한 기대 (가치)를 형성한다고 예측합니다. 이러한 기대는 (외부) 자극과 반응 모두와 연관될 수 있는 내부 자극의 역할을 합니다. 이러한 방식으로, 참가자들은 예를 들어, E2가 R2 (1단계)와 S4 (2단계)와 연관되었다는 것을 배울 수 있습니다.

따라서, S4가 3단계에서 다시 제시되면 E2의 표현을 연관적으로 신호하고 이는 다시 R2의 표현을 연관적으로 신호해야 합니다. 이와 같이, 참가자들은 S4-R2 페어링으로 동일한 실험에서 제시된 적이 없음에도 불구하고 특정 반응(R2)에 편향됩니다

사회적 연관성 2-프로세스 학습

Lowe et al.(2016)에서는 공동활동에서 다른 사람과 경쟁하지 않는 참가자들은 "다른 사람의 입장에 서서" 마치 자신의 것처럼 다른 사람의 가치기반 결과기대(높은 보상 대 낮은 보상)를 자신의 것처럼 학습할 것이라는 가설이 제시되어 있는데, 이를 대리 가치 학습이라고 합니다.

이는 위에서 언급한 3단계 설정을 적응한 것으로 2단계의 고전적 설정에서, 참가자들은 제시된 각 새로운 자극(파블로브 조건화)에 대한 차등적인 결과를 인식합니다. 대신, Rittmo et al. (2020)의 참가자들은 실제(현재는 보이지 않는) 결과에 대한 대용으로 동맹의 감정 표현을 관찰합니다.

이 사회적 연관성 2-프로세스는 참가자들이 2단계에서 새로운 자극을 마치 연합의 자리에 존재하는 것처럼 평가한다는 가설을 설정합니다. 그런 다음 참가자들은 업데이트된 자극 평가를 사용하여 위에서 논의한 연관 경과 추론을 사용하여 반응을 선택했습니다(그림에서 연관 경과 추론에 의해 S4->E2, E2->R2는 S4->R2를 제공함).

불완전한 정보(즉, 상대방의 반응이 보이지 않음)를 기반으로 하는 이러한 대화형 가치 학습은 상호 작용하는 에이전트가 '빠른 실행' 작업에 대해 협력해야 하는 공동 활동 동안 유용할 수 있습니다. 다른 에이전트의 작업이 어떻게 진행되고 있는지에 대한 정보를 전송하는 감정 신호는 오랜 시행착오 학습 과정을 우회하는 수단을 제공할 수 있습니다.

이것은 특히 차등적 감정 상태(결과 기대)가 작업 관련 자극에 대한 공통 클래스를 구성하는 상황, 즉 특정 자극 그룹이 일반적으로 특정 유형의 반응을 유발하는 상황에서 적용되어야 합니다.

감정은 교정반응을 안내

공동 활동 중에 다른 사람의 수행을 관찰하는 또 다른 측면은 다른 사람을 모니터링하고 시정 대응을 하는 것과 관련이 있습니다. 즉 예상치 못한 일이 발생했을 때 협력 작업 중에 보상적인 대응을 제공하는 것입니다. 그러한 경우 감정은 교정 반응을 안내한다고 합니다. (Oately & Johnson-Laird, 1987, 2014).

Borges et al. (2019)은 예테보리 대학에서 수집한 비디오 데이터 세트를 사용했으며, 지도 탐색 작업에 참여하는 교수자-팔로워 쌍으로 구성되었습니다. 이 작업은 교정 응답(예: 질문, 확인문)에 필요한 교수자와 팔로워 사이의 잘못된 의사소통을 유도하기 위해 설계되었습니다. 아래에는 한 참가자가 다른 참가자를 관찰하고 청각적으로 의사소통할 수 있는 상호 작용의 예가 제시되어 있습니다.(FaceReader8.0을 사용하여 분석하였습니다.)

그러나 DICE 연구소 연구 그룹의 연구의 초점은 비디오에서 혼란스러운 표정 상태를 분류하기 위한 신경망(Long-Short-Term Memory/LSTM) 교육에 있었습니다.

FaceReader 소프트웨어 내에서 혼란은 정서적 태도('지루함', '관심'과 함께)로 간주되지만, 이는 구성 요소가 보편적으로 수용되지 않고 특정 작업에 국한될 수 있는 정서적 상태입니다.

정서적 태도 혼란

감정의 얼굴 표현을 처리하여 혼란스러운 상태를 자동으로 감지하고 상대적으로 빠르게 처리할 수 있다는 이점은 인간-컴퓨터 상호 작용에 대한 연구에서 분명하게 드러납니다. (Lago & Guarin, 2014). 예를 들어, 인간 참가자의 혼란이 소프트웨어 에이전트에 의해 감지되면, 주체가 활동에서 벗어나기 전에 에이전트는 혼란을 해결하기 위한 응답을 수행할 수 있습니다. 이것은 인간-컴퓨터 상호작용 작업의 공동 활동부터 게임 및 인지 작업의 게임화에 이르기까지 잠재적으로 많은 응용 분야를 가지고 있습니다.

Borges et al. (2019)에서, 우리는 FaceReader 분석 비디오에서 액션 단위 입력에 대해 LSTM을 교육하고 긍정적, 부정적, 중립 및 혼란 감정 상태에 대한 기준 진실값(평가자 간 코딩)을 기준으로 상당한 분류 정확도, 정밀성 및 재현율을 도출하였습니다.

이 작업은 로봇이 다른 사람(Rittmo et al., 2020에서와 같이)으로부터 대리 학습하는 동시에 공동 활동에서 벗어날 수 있는 다른 사람의 정서적 상태(예를 들어 ‘혼란’으로 표시됨)에 반응하도록 요구하는 인간-로봇 상호 작용 작업(Lowe et al., 2019)의 맥락에서 유망하다고 생각합니다.

References

Borges, N.; Lindblom, L.; Clarke, B.; Gander, A. & Lowe, R. (2019). Classifying confusion: Autodetection of communicative misunderstandings using facial action units. 2019 8th International Conference on Affective Computing and Intelligent Interaction Workshops and Demos (ACIIW), 401–406. IEEE. https://doi.org/10.1109/ACIIW.2019.8925037.

Lago, P. & Guarin, C.J. (2014). An affective inference model based on facial expression analysis,” IEEE Latin America Transactions, 12(3), 423–429. https://doi.org/10.1109/TLA.2014.6827868.

Lowe, R.; Almér, A.; Gander, P. & Balkenius, C. (2019). Vicarious value learning and inference in human-human and human-robot interaction. 2019 8th International Conference on Affective Computing and Intelligent Interaction Workshops and Demos (ACIIW), 395–400. IEEE. https://doi.org/10.1109/ACIIW.2019.8925235.

Lowe, R.; Almér, A.; Lindblad, G.; Gander, P.; Michael, J. & Vesper, C. (2016). Minimalist social-affective value for use in joint action: A neural-computational hypothesis. Frontiers in Computational Neuroscience, 10, 88. https://doi.org/10.3389/fncom.2016.00088.

McCormack, J. C., Elliffe, D. & Virués‐Ortega, J. (2019). Quantifying the effects of the differential outcomes procedure in humans: A systematic review and a meta‐analysis. Journal of applied behavior analysis, 52(3), 870-892. https://doi.org/10.1002/jaba.578.

Noldus. (2019). FaceReader: Tool for automatic analysis of facial expression, Version 8.0 [Software]. Wageningen, The Netherlands: Noldus Information Technology B.V.

Oatley, K. & Johnson-Laird, P.N. (1987). Towards a cognitive theory of emotions. Cognition and emotion, 1(1), 29-50. https://doi.org/10.1080/02699938708408362.

Oatley, K. & Johnson-Laird, P.N. (2014). Cognitive approaches to emotions. Trends in cognitive sciences, 18(3), 134-140. https://doi.org/10.1016/j.tics.2013.12.004.

Rittmo, J.; Carlsson, R.; Gander, P. & Lowe, R. (2020). Vicarious Value Learning: Knowledge transfer through affective processing on a social differential outcomes task. Acta Psychologica, 209, 103134. https://doi.org/10.1016/j.actpsy.2020.103134.

Trapold, M.A. (1970). Are expectancies based upon different positive reinforcing events discriminably different? Learning and Motivation, 1, 129–140. https://doi.org/10.1016/0023-9690(70)90079-2.

Urcuioli, P.J. (2005). Behavioral and associative effects of differential outcomes in discrimination learning. Animal Learning & Behavior, 33, 1–21. https://doi.org/10.3758/BF03196047.

원문

https://www.noldus.com/blog/role-facial-expression-emotion-joint-activities

Usability와 User Experience(UX)

베리슨 — Thu, 19 Oct 2023 16:02:40 +0900

Usability란?

Usability란 사용성 또는 유용성을 뜻하는 말로 이는 어떤 도구나 인간이 만든 물건, 서비스를 어떤 특정 목적을 달성하기 위해 사용할 때에 어느 정도 사용하기 쉬운가를 말합니다. 즉, 사용자가 얼마나 편하고 즐겁게 기능을 사용하는가를 뜻합니다.

인간-기술, 인간-기계 인터페이스를 갖춘 모든 제품에는 usability가 중요합니다. 소프트웨어, 웹사이트, 모바일장치, 의료기기, 복잡한 기계 제어 시스템 등에 모두 usablity가 필요합니다.

usability의 5가지 요소는 다음과 같습니다.

1. Satisfaction(만족성)

-사용자가 사용하는데 즐거움이 있는가

2. Learnability(학습용이성)

-사용자가 처음 접했을 때 얼마나 쉽게 사용할 수 있는가

3.Efficience(효율성)

-사용자가 얼마나 빨리 과제를 수행할 수 있는가

4.Memorability(기억성)

-사용자가 일정 시간 동안 사용하지 않고 다시 접했을 때 얼마나 쉽게 다시 사용할 수 있는가

5.Few error(에러)

-사용자가 얼마나 많은 에러를 만들어 내는가, 얼마나 심각한 에러인가, 얼마나 쉽게 복구할 수 있는가

User Experience(UX)란?

User Experience(UX)는 사용자 경험으로 사용자가 어떤 시스템, 제품, 서비스를 직, 간접적으로 이용하면서 느끼고 생각하게 되는 총체적인 경험을 의미합니다. 사용자가 필요한 것, 가치를 평가하는 것, 능력 및 한계에 대한 깊은 이해에 중점을 두고 있으며 프로젝트를 관리하는 그룹의 비지니스 목표와 목적도 고려하고 있습니다. UX의 모범사례는 제품 및 관련 서비스에 대한 사용자의 상호 작용 및 인식의 품질향상을 촉진시킵니다.

UX의 7가지 요소는 다음과 같습니다.

1.Valuable(가치 있는)

-사용자에게 가치를 제공하고 있는가?

2.Useful(유용한)

-상품의 기본 기능 및 비실용적인 기능도 포함하는 유용성

3.Usable(사용가능한)

-효과적이고 효율적인가?

4.Findable(발견할 수 있는)

-쉽게 찾을 수 있는가?

5.Credible(믿을 수 있는)

-제품이나 서비스를 신뢰할 수 있는가?

6.Accessible(접근할 수 있는)

-모든 영역의 사람들이 접근하기 쉬운가?

7.Desirable(바람직한)

-제품이나 서비스는 바람직한 것인가?

usability(좋은 유용성) 및 UX(사용자 경험)을 통해 이익을 얻는 방법

고객만족-고객 충성도 향상시키고 바운스율 감소시킵니다.
더 나은 제품 품질-사용하기 쉬운 제품 개발하고 오류감소를 감소시킵니다.
매출 및 이익의 증대-전환율의 최적화를 추구합니다.
생산성 향상-직원, 작업효율성, 운영 오류 감소시킵니다.
개발 시간 및 비용 감소-신속한 처리 능력 향상시키고 실패제품 방지합니다.
지원 및 교육 비용 감소-교육이 필요 없는 직관적인 사용이 가능한 제품을 추구합니다.
퇴출률을 줄여 신규 고객 확보-랜딩 페이지 최적화를 통한 바운스 속도 감소시킵니다.
긍정적인 제품 기능으로서의 사용자 경험-경쟁력의 차별화를 만듭니다.

모바일 웹사이트 사용성 평가, 공공디자인, 운전자의 행동측정, 책의 편집디자인, 제품디자인, 공항에서의 키오스크 사용성 평가등 다양한 분야에서 eyetracking(시선추적)을 이용한 실험 및 분석으로 Usability와 UX를 좀 더 효과적으로 향상 시킬수 있습니다.

Reference

https://www.usability.de/en/usability-user-experience.html

https://www.usability.gov/what-and-why/user-experience.html

https://uxdt.nic.in/seven-factors-of-user-experience

아이트래커의 정확도(Accuracy)와 정밀도(Precision) 측정 방법

베리슨 — Mon, 16 Oct 2023 15:56:16 +0900

아이트래커의 정확도(Accuracy)와 정밀도(Precision) 측정을 위한 테스트를 진행하였습니다.

LogicOne 250Hz 주사율로 테스트를 진행하였고 테스트 과정은 다음과 같습니다.

피실험자가 Calibration & Validation을 진행합니다.

Calibration & Validation을 진행 후 자극물을 응시합니다

잠깐의 휴식 시간을 갖습니다.

휴식 시간을 갖은 뒤 다시 동일한 자극물을 같은 시선 경로로 응시합니다.

테스트 종료 후 동일한 자극물에 대한 영상을 비교하여 시선 측정의 정도를 확인합니다.

<휴식 시간 전>

<휴식 시간 후>

이렇듯 Gaze Replay와 Scan Path 화면에서 높은 정확도와 정밀도를 확인할 수 있습니다.

LogicOne 아이트래커는 데이터의 정확도와 정밀도가 매우 우수합니다.

<테스트 영상>

Eye Tracking(시선추적)시, FaceReader를 통한 감정 분석 방법

베리슨 — Thu, 12 Oct 2023 16:05:29 +0900

Eye Tracking시 시선 추적과 동시에 녹화되는 피험자(또는 실험 참가자)의 얼굴 영상에서 FaceReader를 통한 감정을 분석하는 방법입니다.

기본적으로 tobii, smi, eyelogic, Gazepoint사의 모니터 부착 방식의 아이트래커를 사용, Eye Tracking(시선추적) 레코딩 소프트웨어로 피험자의 웹캠을 통해 피험자의 얼굴 표정을 함께 녹화하고 녹화된 얼굴 표정 동영상(이하 user video) 파일 위치를 확인 후 분석을 진행합니다.

분석방법

-FaceReader에서 프로젝트 생성, 이름 설정 후 열어주세요-

-Add video analysis클릭하여 EyeTracking 녹화 영상(user video)을 불러옵니다-

-Start batch analysis를 클릭하여 영상분석 진행합니다-

-분석 완료 후 영상 이름 옆 돋보기 버튼을 클릭하면 해당 분석 내용이 나옵니다-

또한 Event Marker를 이용하여 타임라인을 설정, 타임구간에 대한 감정 분석 값도 확인할 수 있는데 이때 User video에 Calibration 과정부터 녹화된 경우에는 Calibration duration도 포함됩니다. Event Marker를 이용한 타임라인 설정은 다음과 같습니다.

Event Marker를 이용한 타임라인 설정

-Start부터 자극물 개수만큼의 마커를 설정합니다-

-타임라인에서 자극물이 보여진 시간의 시작과 끝지점에 마커 단축키를 눌러 설정합니다-

-설정 후 Edit Analysis-Edit Scored Stimuli Event Maker에 들어가서 세부 시간을 수정합니다-

-타임라인에서 자극물에 따른 마커 설정이 완료되었습니다-

-마커 설정 완료 후 분석 영상-

Eye Tracking(시선추적)시, 피험자의 시선 정보를 측정하고 분석할 뿐 아니라 User Video를 FaceReader로 분석함으로써 아이트래킹이 진행되는 동안의 감정의 변화 및 Arousal, Valence, 자극물에 대한 Attention, Interest, Boredom, Confusion 등 다양한 감정을 분석 가능합니다.

원본 동영상 링크

https://www.youtube.com/watch?v=LE2f59OWzUE

Viso 효율적인 디브리핑 소프트웨어

베리슨 — Thu, 5 Oct 2023 16:03:26 +0900

Viso는 교육 및 훈련 시뮬레이션 참가자들의 행동 및 상호작용을 기록하거나, 참가자들의 교육 및 훈련 스킬의 향상을 목적으로 비디오 및 오디오를 쉽게 제작하기 위한 최적의 툴입니다. 프로젝트 관리자는 Viso를 사용하여 다중 레코딩 룸(multi-rooms)에서 발생하는 다양한 행동 상황을 동시에 개별 녹화하고, 디브리핑 과정을 통해 프로젝트 도중에 발생하는 행동 뿐 아니라 쉽게 간과하기 쉬운 부분을 캐치함으로써 인사이트를 얻는데 활용합니다.

*디브리핑(Debriefing)은 교육 및 훈련의 시뮬레이션 과정 중 하나로, 시뮬레이션 진행 후, 수행 과정에 대하여 정보를 공유하고 의견을 교환하는 과정입니다.

효율적인 Work-flow를 제공하여 누구나 쉽게 사용
동시 녹화 및 재생 지원
레코딩 완료 후, 즉각적인 비디오 재생 및 피드백
우수한 확장성

Record & Play back

Viso를 사용하여 시뮬레이션 참가자를 다양한 각도에서 볼 수 있고, 참가자와 주변 환경을 관찰할 수 있는 하이엔드급 카메라를 여러 개 사용하여 한 번에 여러 방에서 일어나는 행동들을 독립적으로 녹화할 수 있습니다. Viso는 프로세스 개선, 인적 성과 및 커뮤니케이션 분야에서 통찰력을 얻는 데 필요한 비디오 자료를 제공합니다.

Integrated Setup

비디오 & 오디오 레코딩을 한 번에 여러 건물(공간)에서 진행 가능하여 프로젝트 관리자는 필요에 맞게 훈련 시뮬레이션 시설을 자유롭게 설계할 수 있습니다. 단지 여러분은 아래와 같이 3단계를 통해 고객 맞춤식 레코딩 시설을 구축할 수 있습니다.

1단계 : 관리할 건물(공간) 갯수 결정

2단계 : 한 건물(공간) 당 설치할 카메라 개수 (화면 캡처 장치 수)

3단계 : 카메라와 마이크를 원하는 위치에 설치

카메라, 스크린캡쳐, 오디오 레코딩

한 공간에 최대 4대의 Pan-Tilt-Zoom Internet Protocol(IP) 카메라, 혹은 고정 앵글 카메라를 설치, 레코딩합니다. 프로젝트 관리자는 Viso를 사용하여 PTZ 기능을 컨트롤하고, 레코딩의 시작과 종료를 원격으로 진행할 수 있습니다. 모든 저장물은 날짜와 시간별로 자동 정렬되며 레코딩 파일 뿐 아니라 스크린 캡쳐를 지원하여 시뮬레이션 시나리오의 전체적인 진행과정을 빠짐없이 기록할 수 있습니다.

통합 레코딩 구성으로는 전문적인 마이크로폰 및 스피커 시스템을 포함하면 비디오와 동시에 고품질의 오디오 레코딩을 수행할 수 있습니다.

Portable Viso Lab

여러 학교의 서로 다른 특징을 보유한 교실, 보육 시설, 다수의 상담실, 수술실 등과 같이 ‘현장’에서의 행동 및 상황에 대하여 레코딩이 필요한 경우, Portable Viso Lab 사용을 추천합니다.

Portable Viso Lab은 컴팩트한 구성으로 세팅이 간편하며 ‘현장 레코딩’에 필요한 모든 장비를 포함하고 있습니다. 현장에서 도착하여 Lab 케이스를 열어 장비를 연결하고 레코딩를 시작하면 됩니다.

다양한 사용자 권한

공동 작업자를 초대하여 레코딩된 영상을 리뷰하고 학습할 수 있습니다. 관리자는 공동 작업자에게 사용자 접근 권한을 할당하여 라이브 레코딩 및 세션 종료 후 리뷰 과정을 공유하고 협력할 수 있습니다.

아래와 같이 보안 및 제어 수준 별로 4가지 접근 권한이 제공됩니다.

Technician : Viso의 모든 기능을 사용할 수 있는 권한
Administrator : 시스템 설정과 업그레이드 권한을 제외한 Technician과 동일한 권한
Trainer : 레코딩 세션의 시작/종료, 레코딩 결과물에 접속, 마커 리스트 생성 및 다른 참가자를 초대하는 권한
Trainees : 다른 사용자로부터 Trainees 권한을 받은 후에 레코딩 결과물에 접속 가능

다양한 레코딩 옵션

Viso는 아래와 같이 3가지 방식으로 레코딩 세션을 지원합니다.

Single session recording (싱글 세션 레코딩)

기본 레코딩 방식으로 1개의 레코딩 룸에서 1개의 레코딩을 수행합니다.

Separate session recording (분리 세션 레코딩)

다수의 레코딩 룸에서 레코딩을 수행할 수 있으며, 이 때 개별 세션으로 레코딩이 진행됩니다. 관리자는 다수 레코딩 룸에서 정확히 동시에 레코딩을 시작할 수 있습니다.

Composite session recording (복합 세션 레코딩)

다수의 레코딩 룸에서 레코딩을 수행할 수 있으며, 관리자는 서로 다른 레코딩 룸에서 발생하는 행동을 개별적으로 캡처하고, 이를 Viso에서 하나의 세션으로 통합합니다.

행동 이벤트 관리 – Code List

프로젝트 관리자는 관심 행동을 규정하고 단축키를 지정하여 비디오 또는 오디오 레코딩이 진행되는 동안 관심행동을 기록, 마킹함으로써 프로젝트 참가자의 학습 및 수행능력을 객관적으로 입력하게 됩니다. 이러한 과정은 단지 몇 개의 키를 누름으로써 관심행동 발생 지점이 입력되며 레코딩 종료 후, 디브리핑 세션에서 상호논의를 통해 참가자의 미흡했던 행동이나 실수했던 부분을 확인하게 됩니다. 이러한 과정을 통해 참가자들은 전문성을 필요로 하는 기술을 습득하고 수행능력 향상을 도모할 수 있습니다.

(보다 심도 있는 분석이 필요한 경우에는 레코딩 종료 후 세밀한 행동 이벤트 마킹을 진행할 수 있습니다.)

신속한 디브리핑(Debriefing)

현장에서 레코딩 종료 후, 즉시 디브리핑을 수행할 수 있습니다. 그리고 Viso 시스템은 바로 신규 레코딩을 위한 준비 단계로 진입합니다. 여러분은 디브리핑 후, 별도의 준비 시간 없이 신속하게 신규 레코딩 세션을 시작할 수 있습니다.

Viso는 교육과정 세션을 레코딩하고, 디브리핑 동안 교육 참가자들에게 즉각적인 피드백을 제공하며, 레코딩 진행 도중 혹은 레코딩 종료 후 특징적인 행동을 메모하기 위한 마커(markers)를 기입함으로써 많은 수의 교육 참가자들을 대상으로 하는 레코딩 & 디프리핑 과정에 있어서도 매우 유용합니다.

타임라인 주석(Annotations) 표시

Viso에서 관심 이벤트는 이벤트 로그와 그래픽 타임라인에 모두 제시됩니다. 타임라인에서는 주석이 입력된 행동이 무엇이고 어떤 메시지가 기록되었는지 한눈에 살펴볼 수 있으며 시나리오 전체에서 개선이 필요한 부분이 어떤 부분인지 쉽게 파악할 수 있습니다. 아울러 필터 기능을 통해 특정 사용자 또는 관심 이벤트를 선택하여 해당 주석의 시점으로 빠르게 이동할 수 있습니다.

디브리핑 동안 프레젠테이션

디브리핑이 진행되는 동안 프로젝트 관리자는 ‘프레젠테이션 뷰’를 사용하여 녹화된 비디오를 다른 화면에 표시할 수 있습니다. ‘프레젠테이션 뷰’에서는 오직 녹화된 비디오만 표시되어 시뮬레이션 참가자들의 주의를 집중시켜 학습 경험을 향상하는데 도움을 제공합니다.

Viso 앱을 통한 원격 확인 및 컨트롤

Viso 웹 앱을 통해 원격으로 녹화를 시작 및 중지하고, iPhone 및 iPad와 같이 외부 디바이스에서 실시간 비디오 스트림을 확인하고, 레코딩 비디오를 재생할 수 있습니다. 아울러 Viso Lab 외부에서 세션에 접속하고 프로젝트 관계자를 자신들의 책상에서 세션에 참여할 수 있도록 합니다.

Viso와 Observer XT 결합

Viso와 행동 연구 표준 툴인 The Observer XT를 결합하여 사용하면 여러 이점을 제공합니다. 보다 정교한 고급분석과 시각적 프레젠테이션을 위해 이벤트 마커, 비디오 및 오디오를 쉽게 The Observer XT로 불러들여 질적 데이터를 양적 데이터로 변환할 수 있습니다.

아울러 The Observer XT의 신뢰도 분석을 통해 서로 다른 사용자(inter-rater reliability) 또는 한 사용자(intra-rater reliability)가 입력한 주석 상황을 비교할 수 있으며 사용자들 간의 합의 및 불일치 목록과 함께 Cohen’s Kappa를 확인할 수 있습니다.

다양한 add-on 모듈을 추가하여 Viso 툴의 기능을 확장할 수 있습니다.

Annotation module (주석 모듈)

Annotation module(주석 모듈)을 사용하여 시뮬레이션 레코딩 세션에 참여한 동료 연구자, 학생 혹은 전문가 등의 여러 사람과 레코딩 영상에 대해 의견을 나눌 수 있습니다. 레코딩 세션 이전, 레코딩 세션 도중, 레코딩 세션 이후에도 시뮬레이션 참가자 및 마커를 선택하여 입력할 수 있는 유연성을 발휘합니다.

Scheduler Module (예약 모듈)

Scheduler Module (예약 모듈)을 미리 녹화를 설정하고 예약된 시간에 녹화를 자동으로 시작 및 중지할 수 있습니다. 예약 모듈을 사용하면 프로젝트 관리자가 녹음실에 들어가 세션이 자동으로 기록되는 동안 작업을 수행하므로 수동 개입이 필요하지 않기 때문에 매우 편리합니다.

제품 문의하기

감정을 관리하는 능력이 위험에 대한 인식을 어떻게 형성하는가

베리슨 — Mon, 25 Sep 2023 16:04:36 +0900

주식을 사야 할까요, 채권을 사야 할까요? 새로운 일을 추구하기 위해 직장을 그만둬야 할까요? 홍수 보험에 가입하는 것은 어떻습니까? 경보 시스템을 설치해야 할까요? 어떤 식으로든 우리는 매일 이러한 딜레마에 직면합니다. 우리는 스스로를 합리적인 의사결정자라고 생각하고 싶지만(Ariely, 2008), 우리의 선택의 대부분은 감정에 의해 결정되는 것으로 나타났습니다 (Lerner, Valdesolo, & Kassam, 2015). 즉, 우리는 물 피해로 인해 재산을 잃은 부부에 관한 이야기를 읽었기 때문에 서둘러 홍수 보험에 가입했으며 누군가가 친구의 아파트에 침입했다는 이유로 경보 시스템을 설치할 수도 있습니다. 그러나 사실, 우리 지역에서 이러한 위험이 발생할 실제 확률은 거의 0에 가깝습니다.

감정이 위험 인식에 영향을 미치나요?

우리의 감정이 다양한 위험에 대한 반응을 형성한다는 엄청난 증거가 있지만 (Lerner et al., Slovic et al., 2007 참조), 최근에야 우리는 감정을 관리하고 인식하고 통제하는 능력도 중요하다는 사실을 알게 되었습니다. 이 개념을 특성 감성 지능( Trait Emotional Intelligence-Petrides, Pita, & Kokkinaki, 2007)이라고 합니다.

최근 연구에서 연구원들은 부정적인 감정을 느낄 때 특성 감성 지능 점수가 낮은 개인이 자신의 도시에서 테러 공격이 일어날 것이라고 믿을 가능성이 더 높으며(그럴 가능성은 거의 없음) 자신이 속하지 않은 다른 집단의 구성원들을 위험하다고 생각할 가능성이 더 높다는 것을 발견했습니다(Rubaltelli). & Pittarello, 2018; Rubatelli 외, 2020; Scrimin & Rubaltelli, 2021).

그러나 본 연구는 주로 자기보고된 감정에 의존하였는데, 감정이 암묵적으로 실시간으로 기록될 때 어떤 현상이 발생할까요?

얼굴 표정 자동 측정

호프스트라 대학(Hofstra University)과 파도바 대학(University of Padova) 비즈니스 연구소의 행동 연구 연구자들은 이제 막 이 문제를 다루기 시작했습니다. 그들은 참가자들을 연구실로 데려와 다양한 위험에 대한 사진을 보여주었습니다.

FaceReader가 얼굴 표정을 기록하는 동안 각 사진은 5초 동안 화면에 남아 있었습니다 . 각 위험(예: 자동차 사고, 산불, 도난 등 총 17개) 후에 참가자들은 자신이 얼마나 걱정하는지 그리고 각 위험(0~100%)에 노출될 것으로 예상되는 정도를 보고했습니다.

감성지능의 특성

설문 조사가 끝날 때 연구자들은 특성 감성 지능 척도를 관리했습니다. 이 설문지는 특성 감성 지능 의 다양한 측면을 측정하고 이는 감정 세계에 대한 우리의 인식을 설명합니다. 즉, 우리의 감정적 성향이 무엇이며 우리가 자신과 다른 사람의 감정을 인식하고, 이해하고, 관리하고 활용하는 측면에서 우리가 얼마나 잘 믿는지를 설명합니다.

결과는 어땠나요? 더 높은(낮은 것 대비) 특성 감성 지능을 가진 참가자는 위험에 노출될 가능성이 더 낮으며, 심지어 그들이 얼마나 무섭고, 놀라고, 혐오스러워하는지를 통제하기까지 했습니다.

특성 감성 지능의 다양한 측면을 살펴보면, 자기 통제력이 더 높은(낮은 것 대비) 사람들은 위험에 대한 반응으로 슬픔을 느꼈음에도 불구하고 더 낮은 실현 가능성을 보고한 것으로 나타났습니다. 마찬가지로, 웰빙이 높은(낮은 것 대비) 사람들은 분노를 느끼더라도 전반적으로 걱정은 덜 하는 것으로 나타났습니다.

마지막으로 연구자들은 다양한 위험을 그룹화했습니다(예: 경제적 위험, 의료, 통제 가능). 개인적인 의료 위험(예: 자동차 사고, 질병)의 경우 성격적인 감성 지능, 통제력, 사교성이 높은(낮은 것 대비) 특성을 가진 사람들이 화가 나도 전반적으로 덜 걱정하는 것으로 나타났습니다.

감정 관리 능력 강화

요컨대, 이 예비(및 진행 중인) 연구는 다양한 위험에 대한 반응에 있어서 우리의 감정이 중요할 뿐만 아니라 (그리고 아마도 더 중요하게) 우리가 이를 관리하는 방식이 큰 역할을 한다는 것을 알려줍니다. 이 발견은 과거 연구를 반복합니다.

확실히, 데이터의 예비적 특성과 풍부함을 고려할 때 결론을 도출하려면 더 많은 작업이 필요합니다. 분명히 모든 위험이 동일하지는 않습니다. 유망한 미래 단계는 다양한 위험을 분류하고 위험이 사람에 의해 발생하거나 통제할 수 없을 때 다양한 감정이 작용하는지 탐색하는 것입니다. 응용 관점에서 볼 때, 이 연구는 감정 관리 기술을 강화하면 감정을 억제할 필요 없이 냉정함을 유지하고 통제하는 데 도움이 될 수 있음을 시사하는 것 같습니다.

References

Ariely, D. (2008). Predictably irrational: The hidden forces that shape our decisions. HarperCollins Publishers, 68-69.
Lerner, J. S., Li, Y., Valdesolo, P., & Kassam, K. S. (2015). Emotion and decision making. Annual Review of Psychology, 66, 799-823
Lerner, Jennifer S., Roxana M. Gonzalez, Deborah A. Small, and Baruch Fischhoff (2003). Effects of fear and anger on perceived risks of terrorism: A national field experiment. Psychological science, 14 (2), 144-150.
Slovic, P., Finucane, M. L., Peters, E., & MacGregor, D. G. (2007). The affect heuristic. European Journal of Operational Research, 177, 1333-1352.
Petrides, K. V., Pita, R., & Kokkinaki, F. (2007). The location of trait emotional intelligence in personality factor space. British Journal of Psychology, 98, 273-289.
Rubaltelli, E., & Pittarello, A. (2018). Negative emotion and trait emotional intelligence in reaction to terrorist attacks. Personality and Individual Differences, 123, 247-252.
Rubaltelli, E., Priolo, G., Scrimin, S., & Moscardino, U. (2020). Media Exposure to Terrorism and Perception of Immigrants as a Threat: The Role of Emotional Intelligence and Psychophysiological Self‐Regulation. Risk analysis, 40(8), 1666-1676.
Scrimin, S., & Rubaltelli, E. (2021). Dehumanization after terrorism: the role of psychophysiological emotion regulation and trait emotional intelligence. Current Psychology, 40(6), 2707-2714.

원문

https://www.noldus.com/blog/emotions-risk-perception

「베리슨」의 행동연구에 도움이 되는 블로그

태블릿 vs 종이책, 우리 아이의 진짜 문해력은 어디서 나올까요?

뇌파가 말해주는 불편한 진실

연구의 다음 단계, 현장 검증이 필요합니다

Mindtooth Bundle: 실험실 밖에서도 가능한 EEG 연구 플랫폼

♣ 연구자·전문가에게 Mindtooth Bundle이 편리한 이유​​

활용 사례 - 동영상

숲이 주는 치유의 힘, 이제 ‘뇌파’로 실시간 증명하세요 (feat. Mindtooth)

숲 속 산책 중에도 가볍게! (High Comfort & Wireless)

‘느낌’이 아닌 ‘수치’로 보는 힐링 (Real-time Stress Monitoring)

숲 속에는 세면대가 없습니다 (Gel-Free & Easy Setup)

다양한 생체 데이터와의 연동 (LSL 지원)

산림 치유의 과학화, Mindtooth가 지원합니다

왜 우리는 여전히 현장에서 사고를 막지 못하는가?

'휴먼 에러'라는 블랙박스

뇌과학, 보이지 않는 위험을 데이터로 읽다.

사후 분석에서 '사전 예방' 으로의 패러다임 전환

결국, 안전의 열쇠는 '사람의 뇌'를 이해하는 것

구체적인 연구 사례 제안

진짜 미소(뒤센 미소) 와 가짜 미소(팬암 미소)

자동화된 얼굴 표정 분석

얼굴 부호화 시스템(Facial Action Coding System)

진짜 미소 vs 가짜 미소

액션 유닛의 활성화된 시간 비율(%)

액션 유닛의 활성 강도 비율(%) : AU6 & AU7

액션 유닛의 활성 강도 비율(%) : AU12 & AU14

FaceReader 분석 화면

미소 관련 주요 근육의 활용 분야 : AU6, AU7, AU12, AU14

원문

References

Portable Lab 및 FaceReader 사용자 교육 진행

SMI 아이트래킹 소프트웨어 사용자 교육 진행

7채널 뇌파(EEG) 측정기기 : X.on

7개 EEG 채널

증폭기 내장

사용자 편의를 위한 다양한 Apps

무선 데이터 전송

The Observer XT를 활용한 생리신호 · 행동 데이터 통합 분석 : Stroop Test

실험 절차 및 데이터 수집 방식

데이터 분석

수치 분석

결론

포터블 아이트래커 Lite의 '정확도(accuracy)' 및 '정밀도(precision)' 에 대하여..

아이트래커 성능을 좌우하는 주요 요소들

성능에 가장 중요한 요소 TOP 3

"직접 체험해 보세요.!!"

인지 부하 연구-인간 행동 연구의 핵심 요소

동공 확장을 활용한 인지 부하 측정

동공 확장이 연구에 중요한 이유

멀티모달 연구: 더욱 정확한 분석

멀티모달 연구를 위한 최적의 솔루션: NoldusHub

인지 부하 연구가 중요한 이유

인지 부하 연구의 새로운 가능성

원문

FaceReader-Project Analysis모듈 무료 증정 프로모션

뉴로메트릭스(Neurometrics) 측정 시스템-Mindtooth

제품 특징

Nuerometrics 앱

치매 환자의 식사 시간 문제-어려움과 해결책

치매 환자의 식사 관련 어려움

식사 시간 어려움 줄이기

치매 환자를 위한 환자 중심 돌봄

비디오 관찰을 통한 행동 연구

식사 시간의 상호작용 분석

비디오 데이터를 체계적인 정보로 변환

행동 증상의 원인 분석

비언어적 의사소통이 식사 시간 참여에 미치는 영향

원본

References

ADHD진단에 FaceReader와 아이트래킹 데이터의 활용

진단에서의 활용

치료에서의 활용

reference

Viso & NoldusHub 세미나 진행 소식(2024년 11월 14일)

아이트래킹 장비 및 분석 소프트웨어 사용자 교육

사용성 테스트(Usability Test) 및 사용성 테스트 측정 장비 추천

사용성 테스트 진행을 위한 추천 제품(장비)

「베리슨」의 사용성 테스트 진행 사례 - 아이트래킹 리서치 사례

The ObserverXT 사용법 교육 진행 : 한국철도기술연구원

효과적인 디브리핑(debriefing)방법

♣ 연구자·전문가에게 Mindtooth Bundle이 편리한 이유