• 과학교육연구지
• /
• 제34권2호
• /
• pp.185-192
• /
• 2010

이 연구의 목적은 생물분류탐구과정에서 나타나는 부정감성을 호르몬 변화로 예측할 수 있는 부정감성 예측모델을 개발하는 것이다. 이를 위해 통합적인 과학 탐구가 가능하도록 깃털 분류 탐구 활동을 개발하였다. 연구대상은 호르몬 변화 측정에 문제가 없는 서울, 안산, 청주 소재 중학교 2학년 47명(남 18, 여 29)으로 하였다. 피험자들은 개인별로 깃털 분류 탐구 활동을 수행하였다. 깃털 분류 탐구 활동 전과 후에 형용사 이모티콘 척도법을 이용하여 부정감성 검사를 하였고, 타액 시료를 채취하여 코르티솔 호르몬 변화를 분석하였다. 연구결과 부정감성 변화량과 타액 코르티솔 변화량 사이에서 유의미한 정적 상관관계(R=0.39, P<0.001)가 나타났으며, 회귀분석을 이용하여 생물분류탐구에서 나타나는 타액 코르티솔 변화량을 이용한 부정감성 예측모델을 개발하였다.

• 대한간호학회지
• /
• 제46권5호
• /
• pp.630-641
• /
• 2016

Purpose: This study was designed to construct a model which explains drug misuse behaviors in community-dwelling older adults. Methods: The design of this research is a cross-sectional study using structure equation modeling. The hypothetical model consisted of two types of variables: the exogenous variables of health status, cognitive ability, and negative emotion, and the endogenous variables of number of drugs, and drug misuse behaviors. The data collection was conducted from September 2 to September 21, 2013 through self-report questionnaires. Participants were 320 community-dwelling adults over the age of 65 living in J city. Data were analyzed with SPSS 21.0 program and Amos 18.0 program. Results: The results of the model fitness analysis were satisfied. The predictor variables for the hypothetical model explained 62.3% of variance regarding drug misuse behaviors. Drug misuse behaviors were directly affected by health status, cognitive ability, negative emotion and number of drugs and indirectly affected by health status, and negative emotion through number of drugs. Conclusion: These findings indicate factors that should be used in developing effective nursing interventions for safe and proper drug use and the prevention of drug misuse behaviors in community-dwelling older adults.

• Journal of Information Technology Applications and Management
• /
• 제21권4호
• /
• pp.203-223
• /
• 2014

This study proposes a novel context-aware recommender system, which is designed to recommend the items according to the customer's responses to the previously recommended item. In specific, our proposed system predicts the user's emotional state from his or her responses (such as facial expressions and movements) to the previous recommended item, and then it recommends the items that are similar to the previous one when his or her emotional state is estimated as positive. If the customer's emotional state on the previously recommended item is regarded as negative, the system recommends the items that have characteristics opposite to the previous item. Our proposed system consists of two sub modules-(1) emotion prediction module, and (2) responsive recommendation module. Emotion prediction module contains the emotion prediction model that predicts a customer's arousal level-a physiological and psychological state of being awake or reactive to stimuli-using the customer's reaction data including facial expressions and body movements, which can be measured using Microsoft's Kinect Sensor. Responsive recommendation module generates a recommendation list by using the results from the first module-emotion prediction module. If a customer shows a high level of arousal on the previously recommended item, the module recommends the items that are most similar to the previous item. Otherwise, it recommends the items that are most dissimilar to the previous one. In order to validate the performance and usefulness of the proposed recommender system, we conducted empirical validation. In total, 30 undergraduate students participated in the experiment. We used 100 trailers of Korean movies that had been released from 2009 to 2012 as the items for recommendation. For the experiment, we manually constructed Korean movie trailer DB which contains the fields such as release date, genre, director, writer, and actors. In order to check if the recommendation using customers' responses outperforms the recommendation using their demographic information, we compared them. The performance of the recommendation was measured using two metrics-satisfaction and arousal levels. Experimental results showed that the recommendation using customers' responses (i.e. our proposed system) outperformed the recommendation using their demographic information with statistical significance.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권8호
• /
• pp.4090-4102
• /
• 2018

After emerging online communications, text mining and sentiment analysis has been frequently applied into analyzing electronic word-of-mouth. This study aims to develop a domain-specific lexicon of sentiment analysis to predict box office success in Korea film market and validate the feasibility of the lexicon. Natural language processing, a machine learning algorithm, and a lexicon-based sentiment classification method are employed. To create a movie domain sentiment lexicon, 233,631 reviews of 147 movies with popularity ratings is collected by a XML crawling package in R program. We accomplished 81.69% accuracy in sentiment classification by the Korean sentiment dictionary including 706 negative words and 617 positive words. The result showed a stronger positive relationship with box office success and consumers' sentiment as well as a significant positive effect in the linear regression for the predicting model. In addition, it reveals emotion in the user-generated content can be a more accurate clue to predict business success.

• 디지털콘텐츠학회 논문지
• /
• 제19권1호
• /
• pp.103-112
• /
• 2018

본 논문에서는 감정에 따라 변화하는 혈류량을 측정하는 PPG 센서를 사용하여 감정을 인식하는 방법을 제안한다. 기존의 PPG 신호로부터 전력스펙트럼밀도(PSD; Power Spectrum Density)를 통해 주파수 영역에서 긍정적인 감정과 부정적인 감정을 판단하는 방법을 활용한다. 제임스 러셀의 이차원 원형 모델에 기반을 두어 감정을 기쁨, 슬픔, 짜증, 평온으로 분류하여 주파수 영역에 따른 에너지의 크기와의 연관성을 살펴본다. 본 연구는 웨어러블 디바이스에서 사용되는 동일한 PPG 센서를 사용하여 상위 네 종류의 감정을 영상 실험을 통해 주파수 영역에서 측정하였다는 것에 의의가 있다. 설문 조사를 통해 정확도와 개인에 따른 몰입 정도와 감정 변화 및 영상에 대한 바이오피드백을 수집하였다. 제안하는 방법은 앞으로 PPG 센서를 사용하는 상용화된 웨어러블 디바이스와 기존에 사용하는 스마트폰의 상황정보와 융합되어 모바일 어플리케이션 예측 서비스 등 다양한 개발이 될 것으로 기대된다.