EMA 기반 감정 예측과 시계열 데이터 모델링을 활용한 데이터드리븐 심리·학습 지원 연구

Data-driven Psychological and Learning Support via EMA Emotion Prediction and Time-Series Modeling

연구 내용

EMA·시계열 기록·OCR 기반 데이터를 이용해 감정 및 예측 변인을 모델링하고 개인화된 지원 기능을 설계하는 연구

본 연구는 감정과 행동을 데이터로 측정하고 예측 모델을 통해 지원 방향을 도출하는 데 목적이 있습니다. 비자살적 자기손상 사고 맥락에서 스마트폰 기반 EMA 데이터를 반복 수집하고, 우울·불안·외로움·공허 등 정서 변인이 사고 가능성에 미치는 영향을 기계학습과 다수준 로지스틱 모델로 분석합니다. 또한 학기별 성취 기록에서 시간 패턴을 반영하기 위해 RNN 계열 모델을 적용하며, OCR 기반 식품·정보 인식과 추천 로직을 결합해 사용자 목적에 맞는 의사결정 보조 앱을 구현합니다.

관련 프로젝트

0건

연구 흐름

초기에는 OCR과 데이터 분석을 활용한 사용자 맞춤형 추천 애플리케이션을 개발하며 인식 정확도와 추천 유틸리티를 함께 검증하는 접근을 수행했습니다. 이후 시계열 데이터를 요약값이 아닌 패턴으로 해석하기 위해 RNN과 어텐션을 적용한 학습·이탈 예측 연구로 확장했습니다. 최근에는 EMA를 통해 일상에서 반복 측정되는 부정 정서 변인을 기반으로 NSSI 사고 예측 변인을 도출하여 감정 중심 개입의 근거를 마련하는 방향으로 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

EMA 기반 정서 위험도 예측
감정 중심 심리개입 설계 근거
비자살적 자기손상 사고 모니터링
학기 기록 기반 이탈 예측 모델
시계열 피처 엔지니어링 도구
어텐션 기반 시계열 분류
OCR 인식·정제 파이프라인
개인화 추천 로직
사용자 의사결정 보조 앱
데이터 기반 UX 개선 지침