KR102381088B1 - 인공지능에 기반한 심리검사 시스템 및 그 동작 방법 - Google Patents

인공지능에 기반한 심리검사 시스템 및 그 동작 방법 Download PDF

Info

Publication number
KR102381088B1
KR102381088B1 KR1020210094604A KR20210094604A KR102381088B1 KR 102381088 B1 KR102381088 B1 KR 102381088B1 KR 1020210094604 A KR1020210094604 A KR 1020210094604A KR 20210094604 A KR20210094604 A KR 20210094604A KR 102381088 B1 KR102381088 B1 KR 102381088B1
Authority
KR
South Korea
Prior art keywords
personality
psychological
task
eye movement
measured according
Prior art date
Application number
KR1020210094604A
Other languages
English (en)
Inventor
양영준
Original Assignee
양영준
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 양영준 filed Critical 양영준
Priority to KR1020210094604A priority Critical patent/KR102381088B1/ko
Application granted granted Critical
Publication of KR102381088B1 publication Critical patent/KR102381088B1/ko
Priority to PCT/KR2022/010345 priority patent/WO2023003284A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/167—Personality evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Computer Networks & Wireless Communication (AREA)

Abstract

인공지능에 기반한 심리검사 시스템의 동작 방법이 개시된다. 본 발명의 동작 방법은 복수의 성격요인 별로 검출 민감도가 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하는 단계, 획득된 시선 추적 데이터에 기초하여, 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하는 단계 및, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여, 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하고, 출력된 복수의 성격요인 별 특성 데이터가 융합된 심리검사 결과 데이터를 제공하는 단계를 포함한다.

Description

인공지능에 기반한 심리검사 시스템 및 그 동작 방법 {PSYCHOLOGICAL TEST SYSTEM BASED ON ARTIFICIAL INTELLIGENCE AND OPERATION METHOD THEREOF}
본 발명은 인공지능에 기반한 심리검사 시스템 및 그 동작 방법에 관한 것으로, 보다 구체적으로 사용자 시선을 추적하여 인공지능에 기반한 심리검사를 수행하는 시스템 및 그 동작 방법에 관한 것이다.
심리학에서는 전통적으로 성격 측정과 평가를 위해 주로 자기보고식 질문지(Self-Report Questionnaire), 투사적 검사(로르샤 잉크반점 검사, 주제통각검사, 그림 그리기검사, 문장완성 검사 등)가 사용되어 왔으나 자기 보고식 질문지는 피검사자의 '응답 왜곡(faking)'이라는 근원적 한계에 노출되어 있고, 투사적 검사는 신뢰도와 타당도가 낮으며, 응답이 상황적 요인에 강한 영향을 받는 단점이 존재하였다.
이러한 기존 성격검사의 근본적 한계를 극복하기 위해서 적어도 정서와 관련된 성격 요인은 신경 수준에서 신경전달물질로 환원하여 해석해야 하고, 이로써 설명되지 않는 창발적(emergent)인 성격요인은 자기 보고식 질문지나 투사적 검사로 설명을 해야 한다는 신경과학, 진화생물학 기반 이론이 등장하였으며 위와 같은 신경과학적 발전에 더해, 인공지능, 기계학습, 빅데이터로 대변되는 4차 산업 혁명 기술이 심리 평가와 심리 치료에 본격적으로 도입되고 있다.
그러나, 성격을 분자생물학, 유전학 수준까지 환원하여 평가하고 설명하기 위하여는 유전자 분석 장비와 같은 고가의 장비와 시설이 필요하며 비대면 상황에서 대규모로 실시할 수 없는 한계가 존재하였다.
KR 10-2021-0085270 A
본 발명의 목적은 접근성이 높고 시선의 움직임이라는 인지적이고 신경구조적 결과로 성격을 평가하여 타당도와 신뢰도를 높일 수 있는 심리검사 시스템 및 그 동작 방법을 제공하는 데에 있다.
일 실시 예에 따른 인공지능에 기반한 심리검사 시스템의 동작 방법은 복수의 성격요인 별로 검출 민감도(detection sensitivity)가 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 상기 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하는 단계, 상기 획득된 시선 추적 데이터에 기초하여, 상기 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하는 단계 및, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여 상기 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하고, 상기 출력된 복수의 성격요인 별 특성 데이터가 융합된 심리검사 결과 데이터를 제공하는 단계를 포함한다.
이때, 상기 복수의 성격요인은 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인, 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인 및 역 신속안구운동(anti saccade) 과제에 따라 상대적으로 민감하게 측정되는 성격요인을 포함할 수 있다.
또한, 상기 시선 추적 데이터를 획득하는 단계는 상기 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠를 제공하고, 상기 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠를 제공하며, 상기 역 신속안구운동 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 안구의 움직임을 유도하기 위한 표적 이미지 기반의 심리검사용 콘텐츠를 제공할 수 있다.
또한, 상기 정서자극 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 신경성(neuroticism), 외향성(extraversion) 및 친화성(agreeableness) 을 포함하고, 상기 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 외향성(extraversion), 개방성(openness), 친화성(agreeableness) 및 성실성(conscientiousness)을 포함하며, 상기 역 신속안구운동 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 정직성(honesty)을 포함할 수 있다.
또한, 상기 동작 방법은 질문지를 통하여 기 실시된 심리검사에 의해 획득된 상기 성격요인 별 특성 데이터 및 상기 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습하는 단계를 더 포함할 수 있다.
한편, 일 실시 예에 따른 심리검사 시스템은 심리검사를 위한 프로그램을 저장하는 적어도 하나 이상의 메모리 및, 상기 프로그램을 실행함으로써, 복수의 성격요인 별로 검출 민감도가 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 상기 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하며, 상기 획득된 시선 추적 데이터에 기초하여, 상기 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하고, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여 상기 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하며, 상기 출력된 복수의 성격요인 별 특성 데이터가 융합된 심리검사 결과 데이터를 제공하도록 제어하는 적어도 하나 이상의 프로세서를 포함한다.
이때, 상기 복수의 성격요인은 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인, 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인 및 역 신속안구운동(anti saccade) 과제에 따라 상대적으로 민감하게 측정되는 성격요인을 포함할 수 있다.
또한, 상기 적어도 하나 이상의 프로세서는 상기 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠를 제공하고, 상기 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠를 제공하며, 상기 역 신속안구운동 과제에 따라 상대적으로 민감하게 측정되는 성격요인에 대하여는 안구의 움직임을 유도하기 위한 표적 이미지 기반의 심리검사용 콘텐츠를 제공하도록 제어할 수 있다.
또한, 상기 정서자극 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 신경성(neuroticism), 외향성(extraversion) 및 친화성(agreeableness)을 포함하고, 상기 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 외향성(extraversion), 개방성(openness), 친화성(agreeableness) 및 성실성(conscientiousness)을 포함하며, 상기 역 신속안구운동 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 정직성(honesty)을 포함할 수 있다.
또한, 상기 적어도 하나 이상의 프로세서는 질문지를 통하여 기 실시된 심리검사에 의해 획득된 상기 성격요인 별 특성 데이터 및 상기 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습하도록 제어할 수 있다.
일 실시 예에 따른 컴퓨터 프로그램 제품은 심리검사 시스템의 동작 방법을 실행하도록 하는 프로그램이 저장된 기록매체를 포함할 수 있다.
이상과 같은 본 발명의 다양한 실시 예에 따르면, 스마트폰이나 PC로 경제적으로 구현 가능하여 접근성이 높고 시선의 움직임이라는 정서적이고 인지적이며 신경구조적 결과로 성격을 평가함으로써, 자기보고식 검사의 응답 왜곡, 투사적 검사의 낮은 타당도, 신뢰도의 문제를 원천적으로 해소할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 심리검사 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 심리검사 시스템의 동작 과정을 나타내는 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 심리검사 시스템 서버의 동작 방법을 나타내는 흐름도이다.
도 4는 본 발명의 일 실시 예에 따른 정서 과제에 따른 성격요인을 측정하기 위한 심리검사용 콘텐츠를 나타낸 도면이다.
도 5는 본 발명의 일 실시 예에 따른 인지양식 과제에 따른 성격요인을 측정하기 위한 심리검사용 콘텐츠를 나타낸 도면이다.
도 6은 본 발명의 일 실시 예에 따른 역 신속안구운동 과제에 따른 성격요인을 측정하기 위한 심리검사용 콘텐츠를 나타낸 도면이다.
도 7은 본 발명의 일 실시 예에 따른 심리검사 시스템의 구성을 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예들을 상세히 설명한다. 이 때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다.
본 발명의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명의 기능 블록들은 하나 이상의 마이크로 프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 발명의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다.
또한, 본 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. "부", "모듈"은 어드레싱될 수 있는 저장 매체에 저장되며 프로세서에 의해 실행될 수 있는 프로그램에 의해 구현될 수도 있다.
예를 들어, “부”, "모듈" 은 소프트웨어 구성 요소들, 객체 지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터 베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들에 의해 구현될 수 있다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 장치를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 즉, 본 발명에서 특정 구성을 “포함”한다고 기술하는 내용은 해당 구성 이외의 구성을 배제하는 것이 아니며, 추가적인 구성이 본 발명의 실시 또는 본 발명의 기술적 사상의 범위에 포함될 수 있음을 의미한다.
본 발명의 일부의 구성 요소는 본 발명에서 본질적인 기능을 수행하는 필수적인 구성 요소는 아니고 단지 성능을 향상시키기 위한 선택적 구성 요소일 수 있다. 본 발명은 단지 성능 향상을 위해 사용되는 구성 요소를 제외한 본 발명의 본질을 구현하는데 필수적인 구성부만을 포함하여 구현될 수 있고, 단지 성능 향상을 위해 사용되는 선택적 구성 요소를 제외한 필수 구성 요소만을 포함한 구조도 본 발명의 권리범위에 포함된다.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 구체적으로 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 심리검사 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시 예에 따른 심리검사 시스템은, 사용자 단말(10~N), 심리검사 시스템 서버(20) 및 네트워크(1000)를 포함하여 동작할 수 있다.
사용자 단말(10~N)은 네트워크(1000)에 접속할 수 있는 모든 장치를 포함할 수 있다. 예를 들어, 사용자 단말(10~N)은 스마트폰, 태블릿, PC, 노트북, 가전 디바이스, 의료 디바이스, 카메라 및 웨어러블 장치 등을 포함할 수 있다. 일 실시 예에서, 사용자 단말(10~N)은 심리검사 시스템 서버(20)로부터 심리검사용 콘텐츠를 제공받을 수 있다.
일 실시 예에서, 사용자 단말(10~N)은 사용자가 자체적으로 심리검사를 진행하기 위해 사용하는 단말로서, 사용자의 시선을 추적하여 심리검사를 진행하기 때문에 카메라 센서가 탑재되거나 외부 카메라가 연결될 수 있는 사용자 단말(10~N)로 구현되는 것이 바람직하다. 이에 따라, 사용자 단말(10~N)에 탑재된 카메라 센서 또는 사용자 단말(10~N)과 연결된 외부 카메라를 통해 사용자의 시선을 센싱하여 시선 추적 데이터를 획득할 수 있다. 또한, 사용자 단말(10~N)은 이렇게 획득한 시선 추적 데이터를 네트워크(1000)를 통해 심리검사 시스템 서버(20)로 전송할 수 있다.
심리검사 시스템 서버(20)는 심리검사가 진행되는 사용자 단말(10~N)에서 사용되는 심리검사용 콘텐츠를 제공하는 구성으로서, 네트워크(1000)를 통해 각 사용자 단말(10~N)에 심리검사용 콘텐츠를 제공한다. 일 실시 예에서, 심리검사 시스템 서버(20)는 애플리케이션 서버, 제어 서버, 데이터 저장 서버, 특정 기능을 제공하기 위한 서버 등 다양한 종류의 서버를 포함할 수 있다. 또한, 심리검사 시스템 서버(20)는 프로세스를 단독으로 처리할 수도 있고, 복수의 서버가 같이 프로세스를 처리할 수도 있다.
데이터 베이스 서버(미도시)는 심리검사 시스템에 필요한 데이터를 저장할 수 있는데, 데이터 베이스 서버는 심리검사 시스템 서버(20)이 일부일 수 있으며, 심리검사 시스템 서버(20)와 분리되어 운용될 수도 있다. 일 실시 예에서 심리검사 시스템 서버(20)는 사용자별 시선 추적 데이터, 심리검사 결과 데이터 등의 정보를 저장할 수 있다.
네트워크(1000)는 인터넷(internet), 인트라넷(intranet), 엑스트라넷(extranet), LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 등 사용자 단말(10~N) 및 심리검사 시스템 서버(20)가 접속할 수 있는 모든 네트워크를 포함할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 심리검사 시스템의 동작 과정을 나타내는 순서도이다.
도 2를 참조하면, 먼저 S210 단계에서, 심리검사 시스템 서버(20)가 사용자 단말(10)로 심리검사용 콘텐츠를 제공할 수 있다. 여기서, 심리검사용 콘텐츠는 적어도 하나의 이미지, 동영상 또는 이들의 결합으로 이루어진 시·청각 콘텐츠일 수 있으며, 예를 들어 복수의 이미지 또는 복수의 동영상 등으로 구현될 수 있다.
심리검사 시스템 서버(20)는 심리검사용 콘텐츠를 시간에 따라 또는 사용자 단말(10)로부터 수신되는 입력 신호에 따라 순차적으로 전송할 수 있다. 다만, 실시 예에 따라 심리검사 시스템 서버(200는 심리검사용 콘텐츠를 사용자 단말(10)에 한꺼번에 전송하고, 사용자 단말(10)에서 시간에 따라 또는 사용자 단말(10)에 수신된 입력 신호에 따라 순차적으로 심리검사용 콘텐츠를 출력할 수도 있다.
사용자 단말(10)에서는 심리검사 시스템 서버(20)로부터 수신된 심리검사용 콘텐츠가 사용자 단말(10)에 탑재되거나 외부 연결된 디스플레이부를 통해 출력될 수 있다.
심리검사용 콘텐츠는 사용자 단말(10)에서 일정 시간 동안 출력된 후 변경되거나, 사용자 단말(10)에 탑재되거나 외부 연결된 사용자 인터페이스부를 통해 사용자로부터 수신된 입력 신호에 따라 변경될 수 있다. 예를 들어, 심리검사용 콘텐츠가 10개의 이미지를 포함하는 경우, 각 이미지가 5초씩 출력된 후 다음 이미지로 변경되거나 사용자가 디스플레이부 상에서 손가락으로 스왑(swipe) 또는 플릭(Flick) 제스처를 수행하면 터치인식을 통해 다음 이미지로 변경될 수 있다.
한편, 심리검사용 콘텐츠가 사용자 단말(10)에 출력되는 동안, 사용자 단말(10)은 출력되는 각각의 심리검사용 콘텐츠에 대한 사용자의 시선을 카메라 센서를 통해 센싱할 수 있다. 여기서, 카메라 센서는 사용자 단말(10)에 탑재되거나, 사용자 단말(10)과 외부 연결된 카메라 장치로 구현되어 사용자 얼굴 방향을 촬영함으로써 사용자의 시선을 센싱할 수 있다.
S220 단계에서, 사용자 단말(10)은 각각의 심리검사용 콘텐츠가 출력되는 동안 카메라 센서를 통해 사용자 안구의 응시 방향, 움직임, 응시 지속 시간 등의 안구 운동을 센싱함으로써 각 심리검사용 콘텐츠에 대한 사용자의 시선 추적 데이터를 획득할 수 있다.
이후, S230 단계에서, 사용자 단말(10)은 획득한 시선 추적 데이터를 심리검사 시스템 서버(20)로 전송할 수 있다. 이때, 사용자 단말(10)은 심리검사가 진행되는 동안 획득한 시선 추적 데이터를 실시간으로 전송하거나, 심리검사가 완료된 후 획득한 시선 추적 데이터를 한꺼번에 전송할 수도 있다.
S240 단계에서, 심리검사 시스템 서버(20)가 사용자 단말(10)로부터 사용자의 시선 추적 데이터를 수신하면, 각 심리검사 콘텐츠에 대한 사용자 안구운동 특징(feature)을 추출한다. 여기서 추출되는 안구운동 특징은 심리검사 이론을 구성하는 복수의 성격요인 검출에 유용한 안구운동을 기반으로 추출되는 것임이 바람직하다.
이후, S250 단계에서, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여, 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하고, 이를 융합한 심리검사 결과 데이터를 생성한다.
S260 단계에서, 생성된 심리검사 결과 데이터는 사용자 단말(10)에 제공될 수 있다. 다만, 심리검사 결과 데이터는 사용자 단말(10)에 제공되지 않고, 심리검사 시스템 서버(20)에서 자체적으로 제공될 수도 있다.
도 3은 본 발명의 일 실시 예에 따른 심리검사 시스템 서버의 동작 방법을 나타내는 흐름도이다.
먼저, 복수의 성격요인 별로 검출민감도가 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 카메라를 통해 획득한다(S310).
여기서, 복수의 성격요인은 6개의 성격요인에 기반한 대표적 성격이론인 HEXACO 모델을 구성하는 성격요인으로서, 외향성(extraversion), 신경성(neuroticism), 개방성(openness), 친화성(agreeableness), 성실성(conscientiousness) 및 정직성(honesty)를 포함한다.
다만, 여기서 복수의 성격요인은 HEXACO 모델에 따른 성격요인에 한정되는 것은 아니며, MBTI(Myers-Briggs Type Indicator) 모델, HEXACO 모델에서 정직성이 제외된 기존 Big 5 모델에 따른 성격 요인 등으로 다양하게 구현 가능하다.
한편, 복수의 성격요인은 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인, 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인 및 역 신속안구운동(anti saccade) 과제에 따라 상대적으로 민감하게 측정되는 성격요인으로 구분될 수 있는데, 정서 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 신경성(neuroticism), 외향성(extraversion) 및 친화성(agreeableness)을 포함하고, 인지양식 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 외향성, 개방성, 친화성 및 성실성을 포함하며, 역 신속안구운동 과제에 따라 상대적으로 민감하게 측정되는 성격요인은 정직성을 포함한다.
여기서, 인지양식 과제 및 역 신속안구운동 과제는 정서 과제에 따라 상대적으로 잘 측정되지 않는 인지적 성격요인인 정직성, 성실성 및 개방성을 보다 정확히 측정하기 위하여 추가적으로 보완 실시되는 형태로 구현될 수 있다.
정서 과제에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠가 제공될 수 있다.
구체적으로, 정서 과제에 따라 HEXACO 모델을 구성하는 성격요인을 측정하기 위하여, 정서 차원 이론에 근거한 정서 이미지를 심리검사용 콘텐츠로 제공할 수 있다. 이때, 정서 이미지는 감정가(valence)와 각성도(arousal)의 두 차원을 기준으로 5개의 유형(high valence, high arousal/ high valence, low arousal/ low valence, high arousal/ low valence, low arousal/ neutral)에 속하는 이미지가 선별된 것이거나(표 1 및 도 4 참조), 기본 정서 이론의 분노(anger), 공포(fear), 슬픔(sadness), 기쁨(happiness), 혐오(disgust) 및 놀람(surprise)에 해당하는 이미지 또는 동영상일 수 있다.
성격요인 High Low
신경성(neuroticism) 반려동물, 단색(특히 회색)으로 표현된 빈 공간이 많으며 사람이 포함되어 있으나 초점이 흐리고 그림자가 진 사진 풍경, 일몰, 물이 있는 풍경, 따뜻한 색감의 굴곡이 많은 시각 패턴
성실성(conscientiousness) 운동하는 사람, 질서정연한 이미지, 건강식품, 채소, 자연 경관, 빌딩 사진, 봉우리가 날카로운 산, 줌인한 사진, 따뜻한 색상의 하늘과 강, 바다 풍경 사람, 파스텔톤의 사진
개방성(openness) 달, 하늘, 책, 초상화, 복잡한 모양, 충경, 추상적/초현실적 그림 사랑, 고양이, 꽃
외향성(extraversion) 군중, 식당, 콘서트, 바, 도시 생활 속의 사람을 대상으로 찍은 아마추어 사진 고양이, 책, 뜨개질, 꽃, 식물, 실내 사진
친화성(agreeableness) 꽃, 따뜻하고 채도가 높은 색상 텍스트, 벗은 몸통, 흑백 사진, 적대적 그림, 지저분한 배경
선행 연구에 따르면, 사진의 주제(theme)나 미학적 특성(이미지 속 색상 비중, 모서리의 분포, 엔트로피, 구체성(the level of details) 등)이 성격 요인과 관련성이 있는 것으로 알려져 있으므로, 정서 사진의 선발 시 성격 요인과 연관성이 있는 주제와 미학적 특성을 감정가와 각성도와는 다른 별도의 기준으로 하여 사진을 선발할 수 있다.
한편, 이와 같은 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠가 제공되는 동안 사용자 단말(10)은 사용자의 시선을 추적하여 시선 추적 데이터를 획득할 수 있으며, 심리검사 시스템 서버(20)는 획득한 시선 추적 데이터에 기초하여 안구운동 특징을 추출할 수 있다(S320).
이때, 안구운동 움직임은 특정 시각 ti에서 시선추적 알고리즘으로 추적된 화면상의 안구의 응시점(Gaze point)의 3차원 좌표(Xi, Yi, ti)로 표시되며, 자극 제시 1초당 응시점을 표집(sampling)하는 횟수는 카메라 해상도가 결정하게 된다. 예를 들어, 30Hz의 해상도의 카메라는 초당 30회 안구를 촬영 후 소정의 안구 좌표 알고리즘으로 화면상 응시점 좌표를 결정하게 된다.
이후, 결정된 응시점 좌표를 이용하여 성격요인 별 특성 데이터 검출을 위한 안구 운동 특징(feature)을 산출할 수 있다. 성격요인 별 특성 데이터 검출에 사용되는 대표적인 시선 추적 특징(eye tracking features)은 주시(fixation)과 신속운동(saccade)와 같은 안구운동 측정치(eye movement measures)를 이용할 수 있다.
주시(fixation)는 화면 상의 응시점(gaze point)이 최소 지속 시간(duration) 이상 특정 공간적 범위(discrepancy threshold) 내에 분포하는 안구 운동으로 정의되며, 신속운동(saccade)은 짧은 시간(30ms ~ 80ms) 동안 주시(fixation) 사이를 빠른 속도(30도~500도/초)로 움직이는 안구운동으로 정의될 수 있다.
응시점 좌표에서 주시와 신속운동을 산출하는 대표적 알고리즘은 공간 기반 식별법(Identification by Discrepancy Threshold, I-DT)과 속도기반 식별법(Identification by Velocity Threshold, I-VT)으로 나뉘며, 본 발명에서는 두 알고리즘을 혼용하여 주시와 신속운동을 산출하게 된다.
정서 과제에서의 안구운동 특징은 FR(Fixation Rate), FD(Fixation Duration), SFR(Saccade Fixation Rate), MSA(Mean Saccade Amplitude), MSPV(Mean Saccade Peak Velocity), RLS(Right Large Saccade) 및 LLS(Left Large Saccade)가 포함될 수 있다.
한편, 위와 같은 정서 자극을 제시하는 정서 과제에 따른 안구운동 특징을 추출하는 방법은 정서(emotion)와 관련성이 높고, 신경전달물질의 민감성과 관련성이 높은 일부 성격요인(신경성, 외향성, 친화성)만이 잘 검출되고 정직성, 성실성 등 인지 양식과 관련이 높은 성격요인은 검출이 상대적으로 잘 되지 않아 과적합화(overfitting)에 따른 문제가 발생될 우려가 있다.
따라서, 정서 과제에 따라 잘 측정되는 성격 요인 외 나머지 성격 요인을 측정하기 위하여는 인지양식 과제 및 역 신속안구운동 과제에 따른 심리검사용 콘텐츠가 보조적으로 제공될 수 있다.
인지양식 과제에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠가 제공될 수 있다.
대상, 공간 및 언어 인지양식(Object-Spatial Imagery and Verbal Cognitive Style)과 성격 5요인(Big 5)의 상관관계를 분석한 연구에서는 언어양식 선호는 외향성과 개방성, 대상양식 선호는 성실성과 친화성과의 상관관계가 높은 것으로 연구되었다.
여기서, 대상양식은 대상에 대한 구체적이고 자세한 심상 정보를 처리하는 방식이고, 공간양식은 개념들의 관계를 도식적으로 표현하며 관계의 설명을 위해 공간적 관계를 주로 이용하는 방식이며, 언어양식은 개념을 언어로 표현하는 방식으로 정의될 수 있다.
대상, 공간 및 언어양식 또한 인지양식 과제를 제시하여 이에 대한 안구 운동특징을 측정함으로써 위와 같이 이미 밝혀진 인지 양식과 성격 특성과의 상관 관계에 근거하여 정서 과제에 따라 잘 측정되지 않는 성격 요인의 특성 데이터를 출력할 수 있다.
도 5에 도시된 바와 같이, 인지양식 과제는 학문 영역과 지식 종류에 따라 정해지는 특정 주제의 절차, 과정 또는 원리를 설명하기 위한 그림(51)과 텍스트(52)로 이루어진 시각 자료로서 사전에 시선이 머무를 것으로 예상되는 영역을 관심 영역(Area Of Interesting, AOI)로 지정할 수 있다.
시선 추적 기술로는 AOI와 관련된 2가지 안구 운동 특징을 측정할 수 있다. AOI와 관련된 2가지 안구 운동 특징은 체류시간(Dwell time) 및 재방문횟수(Revisit)를 포함할 수 있다. 체류시간은 AOI를 거쳐가는 모든 주시(fixation) 와 신속운동(saccade)의 경과시간(duration)의 합으로 정의될 수 있으며, 재방문횟수는 AOI를 최초 방문한 이후 재방문한 횟수로 정의될 수 있다.
예를 들어, 텍스트 AOI(Text AOI)의 체류시간과 재방문횟수가 그림 AOI보다 높은(합성 표준 점수가 하위 50%인) 사용자(도 5의 (a))는 언어 인지 양식 보유자로서 외향성과 개방성이 높은 성격특성을 가질 수 있다. 또한, 그림 AOI(Picture AOI)의 체류시간과 재방문횟수가 텍스트 관심영역보다 상당히 높은(합성 표준 점수의 범위가 상위 30%인) 사용자(도 5의 (b))는 대상 인지 양식 보유자로서 성실성과 친화성이 우세한 성격특성을 가질 수 있다.
한편, HEXACO 모델의 성격 요인 중 정직성(honesty)은 정서 과제 및 인지양식 과제의 안구운동특징으로는 상대적으로 정확한 측정이 어렵다는 문제가 있다. 정직성의 신경학적 기반에 대한 기존 연구에서는 두뇌의 DLPFC(Dorsolateral Prefrotal Cortex, 배외측전전두피질)가 경제적 대가가 큰 의사결정에서 정직한 의사결정을 하는 데에 관련되어 있어 정직성의 중추가 될 수 있음이 확인되었으며, DLPFC는 정직성과 관련이 있는 '가치 기반 의사결정(value-based decision making)' 뿐만 아니라 '맥락에 부적절한 반응 억제' 기능도 담당하여, '자기통제(Self-Control)'를 통합적으로 수행하는 것으로 알려져 있다.
이러한 DLPFC의 '맥락에 부적절한 반응 억제' 기능 평가를 위해 신경과학에서는 역 신속운동 과제(Anti Saccade Task)를 사용하여 피험자의 반응시간, 오답율로서 피험자의 DLPFC의 '맥락에 부적절한 반응 억제' 기능의 정도를 측정하고 있다.
역 신속운동 과제는 화면의 중앙에 표시된 응시점(Gaze Point, GP)을 바라보다가, 응시점의 좌우 주변에 다른 시자극(Visual Stimulus, VS)이 나타나면 그 반대편 수평 방향으로 최대한 빠르게 눈을 움직이는 과제로 설명될 수 있다. 여기서, 시자극은 빨간 점 등 안구의 움직임을 유도하기 위한 표적 이미지로 구현될 수 있다.
도 6의 (a)는 역 신속안구운동 과제를, (b)는 순 신속안구운동 과제를 나타낸 것이다. 도 6의 (a)에 도시된 바와 같이, 화면 가운데에 응시점(GP, 51)이 표시되고, 응시점(51)과 물리적으로 분리된 좌우 시야 주변부에 시자극(VS, 52)이 임의 제시되면, 반대편 수평 방향(53)으로 역신속운동을 수행하게 되며, 이를 통해 과제별 신속운동반응시간(Saccade Reaction Time, SRT)과 신속운동 오류율(Express Saccade error, Regular Saccade error)을 안구운동특징으로 산출하게 된다.
한편, 실시예에서, 응시점(51)의 색상에 따라, 역 신속안구운동 과제와 순 신속안구운동 과제가 선택적으로 수행될 수 있다. 예를 들어, 응시점(51)의 색상이 빨간색으로 표시되면, 사용자는 역 신속안구운동 과제의 수행을 준비하고, 응시점(51)의 색상이 파란색으로 표시되면, 사용자가 순 신속안구운동 과제의 수행을 준비하도록 구현될 수 잇다.
역 신속안구운동의 반응시간이 빠르고 오류가 낮을수록, '맥락에 부적절한 행동을 억제'하는 DLPFC의 신경학적 기능이 우수한 것이므로, DLPFC가 수행하는 다른 자기 통제 측면인 '가치기반 의사결정' 기능 또한 자연스레 뛰어날 것으로 예측할 수 있다. '가치기반 의사결정'은 경제적 대가가 크더라도 정직한 행동을 하려는 경향, 즉 탐욕(greed)을 회피하려는 경향이며 이런 경향성을 HEXACO 이론에서 '정직성'으로 분류하고 있다.
한편, 이와 같이 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동특징을 추출함으로써, 외향성, 신경성, 개방성, 친화성, 성실성 및 정직성을 구성요소로 하는 복수의 성격요인을 측정할 수 있다.
구체적으로, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여, 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하고, 출력된 복수의 성격요인 별 특성 데이터가 융합된 심리검사 결과 데이터를 제공할 수 있다(S330).
한편, 질문지를 통하여 기 실시된 심리검사에 의해 획득된 성격요인 별 특성 데이터 및 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습할 수 있다.
이를 위해, 시선 추적을 위한 심리검사용 콘텐츠를 제공하기 전에 HEXACO 성격 질문지를 복수의 피험자를 대상으로 실시하여 복수의 피험자의 성격요인 별 특성을 측정하고 그룹화(High, Middle, Low)할 수 있다. 이후, 질문지를 통해 그룹화된 결과와 이후 본 발명의 심리검사용 콘텐츠를 통해 확보한 피험자의 안구운동특징을 레이블(lable)로 하는 훈련 데이터를 사용하여 분류기(classifier)를 지도학습시킬 수 있다. 본 발명에서 사용되는 분류기는 Support Vector Machine(SVM), Logistic Regression(LR), Naive Bayes(NB) 중 어느 하나를 포함할 수 있다. 또한, 지도학습 방법으로는 교차검증(Cross-Validation)법이 사용될 수 있으며, 피험자를 훈련 집합(a training set) 및 테스트 집합(a test set)으로 구분하고, 훈련 집합을 통해 분류기를 학습할 수 있다.
인지 양식 과제에서는 성격특성의 클래스(High, Middle, Low)를 분류하는 알고리즘 학습 시에, 인지 양식 과제에 따른 안구운동특징을 지도학습 모델에 독립 변수로 추가하여 성격 특성 클래스 분류의 정확도를 더 높힐 수 있다. 예를 들어, 피험자인 사용자가 언어 인지 양식의 안구운동 특징을 가졌다면, 사용자는 외향성과 개방성이 높을 개연성이 있고, 언어 인지 양식의 안구운동특징을 입력 데이터(input), 개방성을 출력 데이터(output)으로 하는 훈련 데이터를 생성하여 성격 특성 분류기를 추가적으로 지도학습시킬 수 있다.
역 신속운동 과제에서는 성격특성의 클래스(High, Middle, Low)를 분류하는 알고리즘 학습 시에 역 신속운동 과제의 안구운동특징(반응시간, 오류율)을 지도학습 모델에 독립변수로 추가하여 정직성에 대한 성격 특성 클래스 분류의 정확도를 더 높일 수 있다.
도 7은 본 발명의 일 실시 예에 따른 심리검사 시스템의 구성을 나타내는 블록도이다.
도 7에 도시된 바와 같이, 일 실시 예에 따른 심리검사 시스템은 통신부(710), 메모리(720) 및 프로세서(730)를 포함할 수 있다. 다만, 심리검사 시스템의 구성요소가 전술한 예에 한정되는 것은 아니다. 예를 들어, 심리검사 시스템은 전술한 구성요소보다 더 많은 구성요소를 포함하거나 더 적은 구성요소를 포함할 수 있다. 뿐만 아니라, 통신부(710), 메모리(720) 및 프로세서(730)가 하나의 칩(chip) 형태로 구현될 수도 있다.
통신부(710)는 외부 장치와 신호를 송수신할 수 있다. 외부 장치와 송수신하는 신호는 제어 정보와 데이터를 포함할 수 있다. 이때, 외부 장치는 사용자 단말(10), 데이터 베이스 서버 등을 포함할 수 있다. 통신부(710)는 유무선 통신부를 모두 포함할 수 있다. 또한, 통신부(710)는 유무선 채널을 통해 신호를 수신하여 프로세서(730)로 출력하고, 프로세서(730)로부터 출력된 신호를 유무선 채널을 통해 전송할 수 있다.
메모리(720)는 심리검사 시스템의 동작에 필요한 프로그램 및 데이터를 저장할 수 있다. 일 실시예에서, 메모리(720)는 심리검사 시스템이 송수신하는 신호에 포함된 제어 정보 또는 데이터를 저장할 수 있다. 메모리(720)는 롬(ROM), 램(RAM), 하드디스크, CD-ROM 및 DVD 등과 같은 저장 매체 또는 저장 매체들의 조합으로 구성될 수 있다. 또한, 메모리(720)는 복수 개일 수 있다. 일 실시예에 따르면, 메모리(720)는 전술한 본 발명의 실시 예들인 심리검사 시스템을 위한 동작을 수행하기 위한 프로그램을 저장할 수 있다.
프로세서(730)는 상술한 본 발명의 실시 예에 따라 심리검사 시스템이 동작하는 일련의 과정을 제어할 수 있다. 예를 들면, 일 실시 예에 따르는 심리검사 시스템의 동작을 수행하도록 심리검사 시스템의 구성요소들을 제어할 수 있다. 프로세서(730)는 복수 개일 수 있으며, 프로세서(730)는 메모리(720)에 저장된 프로그램을 실행함으로써 심리검사 시스템의 동작을 수행할 수 있다.
일 실시 예에서, 프로세서(730)는 복수의 성격요인 별로 검출 민감도가 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하며, 획득된 시선 추적 데이터에 기초하여, 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하고, 머신러닝에 의해 누적된 학습 데이터에 기반하여, 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하며, 출력된 복수의 성격요인 별 특성 데이터가 융합된 심리검사 결과 데이터를 제공하도록 제어할 수 있다.
일 실시 예에 따르면, 적어도 하나 이상의 프로세서는 정서 과제에 따라 측정되는 성격요인에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠를 제공하고, 인지양식 과제에 따라 측정되는 성격요인에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠를 제공하며, 역 신속안구운동 과제에 따라 측정되는 성격요인에 대하여는 안구의 움직임을 유도하기 위한 표적 이미지 기반의 심리검사용 콘텐츠를 제공하도록 제어할 수 있다.
일 실시 예에 따르면, 적어도 하나 이상의 프로세서는 질문지를 통하여 기 실시된 심리검사에 의해 획득된 상기 성격요인 별 특성 데이터 및 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습하도록 제어할 수 있다.
이상과 같은 본 발명의 다양한 실시 예에 따르면, 스마트폰이나 PC로 경제적으로 구현 가능하여 접근성이 높고 시선의 움직임이라는 정서적이며 인지적이고 신경구조적 결과로 성격을 평가함으로써, 자기보고식 검사의 응답 왜곡, 투사적 검사의 낮은 타당도, 신뢰도의 문제를 원천적으로 해소할 수 있다.
한편, 상술한 실시예는, 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터에 의해 판독 가능한 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 실시예에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 또한, 상술한 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 컴퓨터가 읽고 실행할 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 기록 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 포함할 수 있다. 컴퓨터 판독 가능 매체는 마그네틱 저장매체, 예를 들면, 롬, 플로피 디스크, 하드 디스크 등을 포함하고, 광학적 판독 매체, 예를 들면, 시디롬, DVD 등과 같은 저장 매체를 포함할 수 있으나, 이에 제한되지 않는다. 또한, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다.
또한, 컴퓨터가 읽을 수 있는 복수의 기록 매체가 네트워크로 연결된 컴퓨터 시스템들에 분산되어 있을 수 있으며, 분산된 기록 매체들에 저장된 데이터, 예를 들면 프로그램 명령어 및 코드가 적어도 하나의 컴퓨터에 의해 실행될 수 있다.
본 발명에서 설명된 특정 실행들은 일 실시예 일 뿐이며, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 및 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다.
10~N: 사용자 단말 20: 심리검사 시스템 서버
1000: 네트워크 710: 통신부
720: 메모리 730: 프로세서

Claims (11)

  1. 인공지능에 기반한 심리검사 시스템에 의해 수행되는 동작 방법에 있어서,
    복수의 성격요인 별로 검출 민감도(detection sensitivity)가 다른 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 상기 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하는 단계;
    상기 획득된 시선 추적 데이터에 기초하여, 상기 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하는 단계; 및
    머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여 상기 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하고, 상기 출력된 복수의 성격요인 별 특성 데이터를 포함하는 심리검사 결과 데이터를 제공하는 단계;를 포함하고,
    상기 복수의 성격요인은,
    정서 과제에 따라 민감하게 측정되는 성격요인, 인지양식 과제에 따라 민감하게 측정되는 성격요인 및 역 신속안구운동(anti saccade) 과제에 따라 민감하게 측정되는 성격요인을 포함하며,
    상기 정서 과제에 따라 민감하게 측정되는 성격요인은 신경성(neuroticism), 외향성(extraversion) 및 친화성(agreeableness)을 포함하고, 상기 인지양식 과제에 따라 민감하게 측정되는 성격요인은 외향성(extraversion), 개방성(openness), 친화성(agreeableness) 및 성실성(conscientiousness)을 포함하고, 상기 역 신속안구운동 과제에 따라 민감하게 측정되는 성격요인은 정직성(honesty)을 포함하는 것을 특징으로 하는 심리검사 시스템의 동작 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 시선 추적 데이터를 획득하는 단계는,
    상기 정서 과제에 따라 민감하게 측정되는 성격요인에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠를 제공하고, 상기 인지양식 과제에 따라 민감하게 측정되는 성격요인에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠를 제공하며, 상기 역 신속안구운동 과제에 따라 민감하게 측정되는 성격요인에 대하여는 안구의 움직임을 유도하기 위한 표적 이미지 기반의 심리검사용 콘텐츠를 제공하는 것을 특징으로 하는 심리검사 시스템의 동작 방법.
  4. 삭제
  5. 제 1 항에 있어서,
    질문지를 통하여 기 실시된 심리검사에 의해 획득된 상기 성격요인 별 특성 데이터 및 상기 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습하는 단계;를 더 포함하는 심리검사 시스템의 동작 방법.
  6. 심리검사 시스템에 있어서,
    심리검사를 위한 프로그램을 저장하는 적어도 하나 이상의 메모리; 및
    상기 프로그램을 실행함으로써, 복수의 성격요인 별로 검출 민감도가 다른 서로 다른 자극 양식의 심리검사용 콘텐츠를 순차적으로 제공하고, 카메라를 통해 상기 제공되는 각각의 심리검사용 콘텐츠에 대한 시선 추적 데이터를 획득하며, 상기 획득된 시선 추적 데이터에 기초하여, 상기 서로 다른 자극 양식의 심리검사용 콘텐츠에 대한 안구운동 특징을 각각 추출하고, 머신러닝(machine learning)에 의해 누적된 학습 데이터에 기반하여 상기 각각 추출된 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 출력하며, 상기 출력된 복수의 성격요인 별 특성 데이터를 포함하는 심리검사 결과 데이터를 제공하도록 제어하는 적어도 하나 이상의 프로세서를 포함하고,
    상기 복수의 성격요인은,
    정서 과제에 따라 민감하게 측정되는 성격요인, 인지양식 과제에 따라 민감하게 측정되는 성격요인 및 역 신속안구운동(anti saccade) 과제에 따라 민감하게 측정되는 성격요인을 포함하며,
    상기 정서 과제에 따라 민감하게 측정되는 성격요인은 신경성(neuroticism), 외향성(extraversion) 및 친화성(agreeableness)을 포함하고, 상기 인지양식 과제에 따라 민감하게 측정되는 성격요인은 외향성(extraversion), 개방성(openness), 친화성(agreeableness) 및 성실성(conscientiousness)을 포함하고, 상기 역 신속안구운동 과제에 따라 민감하게 측정되는 성격요인은 정직성(honesty)을 포함하는 것을 특징으로 하는 심리검사 시스템.
  7. 삭제
  8. 제 6 항에 있어서,
    상기 적어도 하나 이상의 프로세서는,
    상기 정서 과제에 따라 민감하게 측정되는 성격요인에 대하여는 정서 자극을 위한 이미지 기반의 심리검사용 콘텐츠를 제공하고, 상기 인지양식 과제에 따라 민감하게 측정되는 성격요인에 대하여는 대상 양식 및 언어 양식의 선호도를 판별하기 위한 정보처리용 이미지 및 텍스트 기반의 심리검사용 콘텐츠를 제공하며, 상기 역 신속안구운동 과제에 따라 민감하게 측정되는 성격요인에 대하여는 안구의 움직임을 유도하기 위한 표적 이미지 기반의 심리검사용 콘텐츠를 제공하도록 제어하는 것을 특징으로 하는 심리검사 시스템.
  9. 삭제
  10. 제 6 항에 있어서,
    상기 적어도 하나 이상의 프로세서는,
    질문지를 통하여 기 실시된 심리검사에 의해 획득된 상기 성격요인 별 특성 데이터 및 상기 추출된 안구운동 특징을 레이블로 하는 훈련 데이터에 기반한 머신러닝에 의해, 안구운동 특징에 따른 복수의 성격요인 별 특성 데이터를 학습하도록 제어하는 것을 특징으로 하는 심리검사 시스템.
  11. 제 1 항, 제 3 항 및 제 5 항 중 어느 한 항의 심리검사 시스템의 동작 방법을 실행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품.
KR1020210094604A 2021-07-20 2021-07-20 인공지능에 기반한 심리검사 시스템 및 그 동작 방법 KR102381088B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210094604A KR102381088B1 (ko) 2021-07-20 2021-07-20 인공지능에 기반한 심리검사 시스템 및 그 동작 방법
PCT/KR2022/010345 WO2023003284A1 (ko) 2021-07-20 2022-07-15 인공지능에 기반한 심리검사 시스템 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210094604A KR102381088B1 (ko) 2021-07-20 2021-07-20 인공지능에 기반한 심리검사 시스템 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR102381088B1 true KR102381088B1 (ko) 2022-03-30

Family

ID=80947933

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210094604A KR102381088B1 (ko) 2021-07-20 2021-07-20 인공지능에 기반한 심리검사 시스템 및 그 동작 방법

Country Status (2)

Country Link
KR (1) KR102381088B1 (ko)
WO (1) WO2023003284A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023003284A1 (ko) * 2021-07-20 2023-01-26 주식회사 옴니커넥트 인공지능에 기반한 심리검사 시스템 및 그 동작 방법
KR102555968B1 (ko) * 2022-05-25 2023-07-18 주식회사 투바앤 텍스트로부터 디지털 컨텐츠를 생성하는 인공지능 기반 디지털 컨텐츠 생성 방법 및 장치
CN116631446A (zh) * 2023-07-26 2023-08-22 上海迎智正能文化发展有限公司 一种基于言语分析的行为方式分析方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210085270A (ko) 2019-12-30 2021-07-08 한국전자통신연구원 응시 대상 관심도 검출 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102106517B1 (ko) * 2017-11-13 2020-05-06 주식회사 하가 피검자의 감정을 분석하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
KR102254481B1 (ko) * 2021-02-04 2021-05-21 (주) 마인즈에이아이 머신러닝에 기반하여 심리지표 데이터 및 신체지표 데이터를 학습함으로써 정신건강을 예측하고 정신건강 솔루션을 제공하는 방법 및 이를 이용한 정신건강 평가 장치
KR102381088B1 (ko) * 2021-07-20 2022-03-30 양영준 인공지능에 기반한 심리검사 시스템 및 그 동작 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210085270A (ko) 2019-12-30 2021-07-08 한국전자통신연구원 응시 대상 관심도 검출 장치 및 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Berkovsky S, et al.., Detecting Personality Traits Using Eye-Tracking Data. In Proceedings of CHI Conference on Human Factors in Computing Systems Proceedings, Glasgow, Scotland UK. pp.1~12 (May 4~9, 2019) (CHI 2019) *
Berkovsky S, etc., Detecting Personality Traits Using Eye-Tracking Data. In Proceedings of CHI Conference on Human Factors in Computing Systems Proceedings, Glasgow, Scotland UK. pp.1~12 (May 4~9, 2019) (CHI 2019) 1부.*
Magnusdottir B B, et al., Cognitive Measures and Performance on the Antisaccade Eye Movement Task. Journal of Cognition. 2(1): Art.3, pp.1~13 (2019.01.24.) *
Magnusdottir B B, etc., Cognitive Measures and Performance on the Antisaccade Eye Movement Task. Journal of Cognition. 2(1): Art.3, pp.1~13 (2019.01.24.) 1부.*

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023003284A1 (ko) * 2021-07-20 2023-01-26 주식회사 옴니커넥트 인공지능에 기반한 심리검사 시스템 및 그 동작 방법
KR102555968B1 (ko) * 2022-05-25 2023-07-18 주식회사 투바앤 텍스트로부터 디지털 컨텐츠를 생성하는 인공지능 기반 디지털 컨텐츠 생성 방법 및 장치
CN116631446A (zh) * 2023-07-26 2023-08-22 上海迎智正能文化发展有限公司 一种基于言语分析的行为方式分析方法及系统
CN116631446B (zh) * 2023-07-26 2023-11-03 上海迎智正能文化发展有限公司 一种基于言语分析的行为方式分析方法及系统

Also Published As

Publication number Publication date
WO2023003284A1 (ko) 2023-01-26

Similar Documents

Publication Publication Date Title
Pabba et al. An intelligent system for monitoring students' engagement in large classroom teaching through facial expression recognition
Dewan et al. Engagement detection in online learning: a review
KR102381088B1 (ko) 인공지능에 기반한 심리검사 시스템 및 그 동작 방법
Fan et al. Emotional attention: A study of image sentiment and visual attention
Bylinskii et al. Intrinsic and extrinsic effects on image memorability
Kübler et al. SubsMatch 2.0: Scanpath comparison and classification based on subsequence frequencies
Xu et al. Predicting human gaze beyond pixels
Dewan et al. A deep learning approach to detecting engagement of online learners
Ellis et al. Identification of familiar and unfamiliar faces from internal and external features: Some implications for theories of face recognition
Parks et al. Augmented saliency model using automatic 3d head pose detection and learned gaze following in natural scenes
WO2009116043A1 (en) Method and system for determining familiarity with stimuli
US11430561B2 (en) Remote computing analysis for cognitive state data metrics
Abedi et al. Affect-driven ordinal engagement measurement from video
Edughele et al. Eye-tracking assistive technologies for individuals with amyotrophic lateral sclerosis
Dhamija et al. Exploring contextual engagement for trauma recovery
Villegas-Ch et al. Identification of emotions from facial gestures in a teaching environment with the use of machine learning techniques
Asen et al. Discrimination and categorization of actions by pigeons
Xu et al. Wayfinding design in transportation architecture–are saliency models or designer visual attention a good predictor of passenger visual attention?
Uppal et al. Decoding Attention from Gaze: A Benchmark Dataset and End-to-End Models
Wang et al. Towards collaborative and intelligent learning environments based on eye tracking data and learning analytics: A survey
Glowinski et al. Body, space, and emotion: A perceptual study
Azhan et al. Using machine learning for lie detection: classification of human visual morphology
Xu et al. Analyzing students' attention by gaze tracking and object detection in classroom teaching
Boulanger et al. Lightweight and interpretable detection of affective engagement for online learners
Xia et al. An interpretable English reading proficiency detection model in an online learning environment: A study based on eye movement

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant