감정노동자 집단의 대표격인 콜 에이전트(call agents)는 제한된 자율성 아래에서 감정을 관리해야 하지만, 직장 내 스트레스 감지(workplace stress sensing)는 주로 지식 노동(knowledge work)에 초점이 맞춰져 왔다. 본 연구는 감정노동의 과업-정렬(task-aligned) 순환, 즉 고객 상호작용(customer interaction, CI)과 비(非)고객 상호작용(non-customer interaction, nCI)을 교대로 수행하는 과정이 스트레스를 어떻게 형성하며, 그 양상이 데이터에서는 어떻게 나타나는지를 질문한다. 우리는 전문 콜 에이전트를 대상으로 한 한 달간의 현장(in-the-wild) 기반 형성적(formative) 혼합방법 연구를 수행하여, 구조화된 작업 로그(task logs), 환경 및 행동 신호, 통화(call)별 스트레스에 대한 자기보고(per-call stress self-reports)를 수집하였고, 이후 반구조화 인터뷰를 진행하였다. 새 센서 양식으로서 작업 로그를 주요 감지 신호로 포함하였으며, 모델링에서는 CI 경계를 존중하여 작업 관련 특성을 추출하였다. 그 결과, 단 5분 윈도잉(windowing) 접근은 멀티모달 센서를 이용한 과업-정렬 윈도잉(task-aligned windowing)과 비교 가능했으며, 작업 관련 특성(task-related features)은 모든 일반화된 모델에서 가장 중요한 요소로 간주되었다. 개인화 모델은 더 나아가 성능을 개선했고, 중요성이 다양한 데이터 출처로 이동함으로써 준비(preparation) 패턴에서의 개인차를 드러냈다. 인터뷰는 이러한 결과를 지지하면서, 핵심 모델링 과제들을 밝혀내고, 반자동화된 자기추적(semi-automated self-tracking)의 잠재적 이점을 부각하였다. 우리는 업무 패턴에 적합한 전환점(breakpoints)에서 개입 타이밍을 조정하는 데 대한 시사점과, 감정노동자를 위한 스트레스 지원을 윤리적으로 제공하는 방안에 대해 논의한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.