우리 학교 지식서비스공학과 이의진 교수팀이 사용자 중심의 빅데이터인 퍼스널 빅데이터를 분석해 스마트폰 중독 패턴을 규명했다. 이번 연구는 지난 4월 캐나다 토론토에서 열린 ACM SIGCHI CHI 학회에서 발표되었다.

 

퍼스널 빅데이터는 개인이 온라인과 오프라인에서 활동한 이력에 관한 데이터다. 특정 서비스를 쓰는 사용자들에 대한 데이터인 일반적인 빅데이터와 달리, 퍼스널 빅데이터는 개인이 사용한 다양한 서비스에서 그 사람에 대해 확보한 데이터다. 이 덕분에 퍼스널 빅데이터로 사용자의 행태를 예측할 수 있어 많은 기업이 이를 주목하고 있다.

 

이번 연구는 처음으로 기기 중독 관련 연구에 퍼스널 빅데이터 분석을 적용했다. 기존에는 설문 데이터를 사용해 실시간 데이터 확보가 어려웠으며, 데이터의 질도 좋지 않아 연구의 정확도도 떨어졌다. 이 교수팀은 스마트폰에서 활동 기록을 수집하는 앱인 스마트로거를 이용해 이를 해결했다. 스마트로거는 퍼스널 빅데이터인 스마트폰 사용 기록을 실시간으로 수집한다. 이를 활용해 이번 연구에서 얻은 스마트폰 중독 패턴의 정확도는 80% 이상이었다.

 

이번 연구에서 이 교수팀은 한국정보화진흥원의 성인 스마트폰 중독 자가진단 척도로 대학생을 위험군과 비위험군으로 나눠 분석했다. 먼저 스마트폰 이용 기록의 엔트로피를 분석한 결과 일반적으로 피실험자들은 통신 앱 등 특정 기능을 주로 사용했으며, 위험군이 앱 한두 개를 집중적으로 사용하는 경향이 컸다. 엔트로피는 어떤 앱의 집합에서 각 앱에 사용된 시간 분포의 무질서도이다. 이때 시간 분포가 고를수록 무질서도가 크므로, 특정 앱이 집중적으로 사용되면 엔트로피가 적다.

 

 

이 교수팀은 스마트폰 사용 시간에 대한 퍼스널 빅데이터도 조사했다. 하루 스마트폰 평균 사용 시간은 위험군이 길었는데, 특히 아침(오전 6시에서 정오까지)과 밤(오후 18시에서 자정까지)에 위험군이 비위험군에 비해 스마트폰을 오래 사용했다. 또한, 이 교수팀은 세션이라는 개념을 도입했다. 세션은 화면이 켜진 동안 실행된 기능과 일련의 앱이다. 분석 결과 두 집단은 통신 앱 중에서도 카카오톡 등 모바일 메신저를 많이 사용했으며, 많은 세션이 모바일 메신저의 알림과 같은 외부 자극 때문에 시작되었다. 게다가 모바일 메신저로 시작한 세션들이 차지하는 시간은 위험군에서 특히 컸다. 이는 모바일 메신저의 알림 기능이 외부 자극으로 작용해 스마트폰 중독을 유발할 수 있다는 것을 뜻한다.

 

이 교수팀은 3단계로 구성된 지도 기계 학습(Supervised machine learning)으로 퍼스널 빅데이터 분석의 정확도를 검증했다. 첫 번째 단계는 학습 데이터인 퍼스널 빅데이터와 위험군의 특징을 수집하는 과정이다. 두 번째 단계는 모델 트레이닝으로, 수집한 학습 데이터를 기반으로 표본을 분류하는 함수가 만들어진다. 이번 연구에서 분류 알고리즘으로 위험군과 비위험군을 구분하는 함수를 찾는 것이 이 과정이다. 세 번째 단계에는 모델 검증을 통해 앞서 만든 함수의 정확도를 측정한다. 이 교수팀이 사용한 검증 방법은 10겹 교차 검증으로, 전체 실험 대상 중에서 임의로 고른 90%의 학습 데이터로 만든 분류 함수의 정확도를 나머지 10%로 검증하는 방법이다.

 

정량적인 분석 후 이 교수팀은 실험 대상 중 일부를 인터뷰했다. 인터뷰에서는 위험군이 무의식적으로 스마트폰을 사용하며, 이를 절제하지 못한다는 점이 발견되었다. 이 교수팀은 스마트폰 중독이 심한 스트레스나 낮은 자존감과 같은 심리적 요인과 상관관계가 있다는 결론을 내렸다. 하지만 심리적 요인과 스마트폰 중독 간에 직접적인 관계가 있는지는 아직 밝혀지지 않았다.

 

이 교수는 “이번 연구는 앞으로 기기의 중독적 사용 패턴 연구에 도움이 될 것이며, 기기 중독 예방에도 응용될 수 있다”라고 연구의 의의를 밝혔다. 한편 이 교수는 우리 학교 문화기술대학원, 인문사회과학과, 지식서비스공학과를 주축으로 진행되는 디지털 과몰입 및 중독 예방 기술 연구 프로젝트에도 참여하고 있다.