KR20210067827A - 감정 노동자를 위한 스트레스 관리 장치의 동작 방법 - Google Patents
감정 노동자를 위한 스트레스 관리 장치의 동작 방법 Download PDFInfo
- Publication number
- KR20210067827A KR20210067827A KR1020200024523A KR20200024523A KR20210067827A KR 20210067827 A KR20210067827 A KR 20210067827A KR 1020200024523 A KR1020200024523 A KR 1020200024523A KR 20200024523 A KR20200024523 A KR 20200024523A KR 20210067827 A KR20210067827 A KR 20210067827A
- Authority
- KR
- South Korea
- Prior art keywords
- stress
- information
- user
- index
- management apparatus
- Prior art date
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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Psychology (AREA)
- Educational Technology (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Developmental Disabilities (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명에 따른 스트레스 관리 장치의 동작 방법은, 사용자로부터 생체 정보, 수면 정보, 및 입력 정보를 획득하는 단계, 사용자가 위치한 장소에 대한 환경 정보를 획득하는 단계, 생체 정보, 수면 정보, 입력 정보, 및 환경 정보를 기반으로, 스트레스 요인을 추출하는 단계, 추출된 스트레스 요인을 기반으로, 스트레스 지수 평가 모델을 생성하는 단계, 생성된 지수 평가 모델을 기반으로, 사용자에 대한 스트레스 지수를 산출하는 단계, 및 사용자 프로파일을 기반으로 스트레스 지수에 대응하는 동작을 수행하는 단계를 포함할 수 있다.
Description
본 발명은 스트레스 관리 장치의 동작 방법에 관한 것으로, 좀 더 상세하게는 감정 노동자를 위한 스트레스 관리 장치의 동작 방법에 관한 것이다.
현대인들에게서 나타나는 심혈관 질환, 고혈압, 우울증 등 수많은 습관적 질병의 주요원인이 스트레스인 것으로 보여지고 있다. 특히, 스트레스를 많이 받는 것으로 분류되고 있는 직업 군이 콜센터 상담원과 같은 감정 노동자들이다. 종래 기술은 이러한 콜센터 상담원과 같은 감정 노동자들의 받는 스트레스를 단순한 생체 신호 데이터만을 가지고 분석하기 때문에 현실적인 오차를 극복하지 못하였다. 또한, 콜센터 상담원이 겪는 수많은 스트레스 요소들을 고려하지 않는다.
본 발명은 상술한 기술적 과제를 해결하기 위한 것으로, 감정 노동자의 스트레스를 효율적으로 관리하는 감정 노동자를 위한 스트레스 관리 장치의 동작 방법을 제공할 수 있다.
본 발명에 따른 스트레스 관리 장치의 동작 방법은, 사용자로부터 생체 정보, 수면 정보, 및 입력 정보를 획득하는 단계, 상기 사용자가 위치한 장소에 대한 환경 정보를 획득하는 단계, 상기 생체 정보, 상기 수면 정보, 상기 입력 정보, 및 상기 환경 정보를 기반으로, 스트레스 요인을 추출하는 단계, 상기 추출된 스트레스 요인을 기반으로, 스트레스 지수 평가 모델을 생성하는 단계, 상기 생성된 지수 평가 모델을 기반으로, 상기 사용자에 대한 스트레스 지수를 산출하는 단계, 및 사용자 프로파일을 기반으로 상기 스트레스 지수에 대응하는 동작을 수행하는 단계를 포함할 수 있다.
본 발명에 따르면, 감정 노동자를 위한 스트레스 관리장치의 동작방법은 복합적인 스트레스 상황인지를 수행하여 감정 노동자들의 스트레스 지수를 추론할 수 있다. 감정 노동자를 위한 스트레스 관리 장치의 동작 방법은 추론된 스트레스 지수를 기반하여, 스트레스 지수가 높은 상담원에게 스트레스 완화할 수 있는 서비스 및 동작을 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 스트레스 관리 장치를 예시적으로 보여주는 블록도이다.
도 2는 도 1의 스트레스 관리장치의 정보처리부를 예시적으로 보여주는 블록도이다.
도 3은 도 2의 모델 생성부를 예시적으로 보여주는 블록도이다.
도 4는 도 1의 스트레스 관리장치의 동작을 예시적으로 보여주는 순서도이다.
도 5는 도 4의 순서도의 S200 단계의 동작을 좀 더 상세하게 보여주는 순서도이다.
도 6은 도 4의 순서도의 S300 단계의 동작을 좀 더 상세하게 보여주는 순서도이다.
도 2는 도 1의 스트레스 관리장치의 정보처리부를 예시적으로 보여주는 블록도이다.
도 3은 도 2의 모델 생성부를 예시적으로 보여주는 블록도이다.
도 4는 도 1의 스트레스 관리장치의 동작을 예시적으로 보여주는 순서도이다.
도 5는 도 4의 순서도의 S200 단계의 동작을 좀 더 상세하게 보여주는 순서도이다.
도 6은 도 4의 순서도의 S300 단계의 동작을 좀 더 상세하게 보여주는 순서도이다.
이하에서, 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로, 본 발명의 실시 예들이 명확하고 상세하게 기재될 것이다.
본 발명에 따른 스트레스 관리 장치 및 그것의 동작 방법은 감정 노동자를 포함하는 사용자(10)로부터 생체신호, 환경정보, 표정, 음성 등의 데이터를 센싱(sensing)하고, 이를 기반으로 학습을 통해 정확도를 개선하고, 개인별 성향과 선호도에 따른 상황인지를 통해 스트레스를 지수화하고, 그리고 이를 기반으로 스트레스를 완화할 수 있는 서비스를 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 스트레스 관리 장치를 예시적으로 보여주는 블록도이다. 도 1을 참조하면, 스트레스 관리 장치(100)는 학습 정보 제공자(110), 정보처리부(120), 및 스트레스 완화 서비스 제공자(130)을 포함할 수 있다. 스트레스 관리 장치(100)는 사용자(10)와 통신할 수 있다. 여기서, 사용자(10)는 스트레스를 많이 받는 것으로 분류되는 직업 군에 속하는 감정 노동자일 수 있다. 예를 들어, 사용자(10)는 콜센터에서 근무하는 상담원일 수 있다.
학습 정보 제공자(110)는 사용자(10)의 스트레스를 지수화하는데 사용되는 정보를 수집 또는 생성할 수 있다. 예를 들어 스트레스를 지수화하는데 사용되는 정보는 생체신호 정보, 환경 정보, 수면정보, 얼굴표정 정보, 및 음성 정보를 포함할 수 있다. 학습 정보 제공자(110)는 사용자(10) 또는 사용자(10)가 위치한 환경으로부터 PPG, ECG, 온도, 습도, 소음, 조도, 얼굴 이미지, 음성, 움직임 정보, 체온 등에 대한 정보를 수집 또는 생성할 수 있다. 학습 정보 제공자(110)는 상술된 정보를 수집 또는 측정하도록 구성된 생체신호 감지기(111), 환경 측정기(112), 모션 감지기(113), 카메라(114), 마이크(115), 입력장치(116), 수면정보 감지기(117)을 포함할 수 있다.
생체신호 감지기(111)는 사용자(10)로부터 생체 정보를 감지할 수 있다. 예를 들어, 생체신호 감지기(111)는 사용자(10)의 심장 수축 및 심장 팽창을 조절하는 생체전위(bio-potential)에 의하여 생성되는 전기적 신호를 감지함으로써 사용자(10)의 심박수(heart rate), 호흡수(respiration rate), 및 심박수 변이도(heart rate variability; HRV)를 측정할 수 있다. 생체신호 감지기(111)에 의해 감지되는 전기적 신호는 ECG(electrocardiogram) 신호 및 PPG(photoplethysmography) 신호 중 적어도 하나 이상을 포함할 수 있다. 예시적인 실시 예에서, 생체신호 감지기(111)는 사용자(10)에 의하여 착용되는 웨어러블(wearable) 형태로 구현될 수 있다. 예를 들어, 사용자(10)는 생체신호 감지기(111)를 가슴, 손가락, 손목, 팔뚝, 귀 등을 포함하는 다양한 신체 부위에 착용하거나 부착할 수 있다.
환경 측정기(112)는 사용자(10)가 위치하는 장소의 환경 변수들을 측정할 수 있다. 예를 들어, 환경 변수들은 온도, 습도, 조도, 및 소음을 포함할 수 있다. 예시적인 실시 예에서, 환경 측정기(112)는 온도계, 습도계, 조도계, 소음 측정기 등을 포함하는 다양한 형태로 구현될 수 있다.
모션 감지기(113)는 사용자(10)의 활동에 기초하는 움직임을 감지할 수 있다. 예를 들어, 모션 감지기(113)는 자이로 센서(gyro sensor), 가속도 센서 중 적어도 하나를 포함 할 수 있다. 예시적인 실시 예에서, 모션 감지기(113)는 사용자(10)에 의하여 착용되는 다양한 웨어러블 형태로 구현될 수 있다.
카메라(114)는 사용자(10)의 이미지 신호를 획득할 수 있다. 예를 들어, 카메라(114)는 사용자(10)의 얼굴 이미지 신호를 획득할 수 있다. 예시적인 실시 예에서, 사용자(10)가 콜센터 상담원인 경우, 카메라(114)는 사용자(10) 앞에 설치되는 PC 모니터 상단에 장착될 수 있고 그리고 고객과의 상담의 내용 및 과정에 따라 변화하는 얼굴 이미지를 실시간으로 획득할 수 있다.
마이크(115)는 사용자(10)로부터 음성 신호를 획득하거나 수신할 수 있다. 예를 들어, 마이크(115)는 사용자(10)에 의해 착용된 이어폰 또는 헤드셋과 결합된 형태, 다른 구성요소와 독립적으로 구별되고 그리고 사용자(10)의 정면에 배치된 형태 등 다양한 형태로 구현될 수 있다. 구체적인 실시 예에서, 마이크(115)는 헤드셋에 정합되어 있는 마이크로폰 센서일 수 있다. 이 경우, 음성 신호는 마이크로 폰 센서를 통해 입력되는 신호일 수 있다.
입력장치(116)는 사용자(10)가 입력한 스스로 본인이 느끼는 스트레스 레벨에 대한 정보를 수신할 수 있다. 예를 들어, 사용자(10)가 콜센터 상담원인 경우, 사용자(10)는 고객과 상담을 하는 상황, 자리를 이탈하거나 복귀하는 상황을 포함하는 여러 상황들에서 현재의 자신이 느끼고 있는 스트레스의 레벨을 입력할 수 있다. 또한, 사용자(10)가 입력한 정보는 사용자(10)가 활동하는 내역을 포함할 수 있다. 예시적인 실시 예에서, 사용자(10)가 콜센터 상담원이 경우, 사용자(10)의 입력 정보는, 관리자에게 보고하는 행위, 화장실에 다녀오는 행위, 물이나 커피를 마시는 행위에 대한 기록들을 포함할 수 있다.
수면정보 감지기(117)는 사용자(10)의 가정에서의 수면상태를 수신할 수 있다. 예를 들어, 수면정보 감지기(117)은 사용자(10)가 수면 기간 동안의 취침 시작시간, 수면시간, 깨어난 횟수, 뒤척인 시간 등과 같은 수면 정보를 획득할 수 있다. 예시적인 실시 예에서, 수면정보 감지기(117)는 자이로 센서, 가속도 센서 또는 비접촉용 UWB(Ultra-WideBand) 센서들 중 적어도 하나를 포함할 수 있다. 예시적인 실시 예에서, 수면정보 감지기(117)은 UWB 임펄스 신호를 사용자(10)의 심장 및 폐를 향하여 조사시켜 반사되는 무선신호를 수신 할 수 있고, 수신한 무선신호를 심박신호 및 호흡신호로 변환할 수 있다. 수면정보 감지기(117)는 심박신호 및 호흡신호를 사용하여 수면시간, 깨어난 횟수, 뒤척인 시간 등과 같은 수면정보를 수집할 수 있다.
예시적인 실시 예에서, 학습 정보 제공자(110)는 수집된 정보를 기반으로 복합 센서 데이터를 생성할 수 있다. 예를 들어, 복합 센서 데이터는 상술된 센서들 및 감지기들에 의해 수집된 생체신호 정보, 환경 정보, 수면 정보, 얼굴표정 정보, 및 음성정보와 같은 다양한 정보들에 기초할 수 있다. 학습 정보 제공자(110)의 다양한 센서들 및 감지기들 및 감지기들 각각을 통해 수집된 신호의 세기, 모양, 패턴은 다양한 주변 환경(예를 들어, 사용자(10)의 피부와의 접촉상태, 건강상태, 주변 환경 상태)등에 따라 달라질 수 있다. 스트레스 지수를 산출하기 위한 스트레스 요인은 한 개의 감지기에서 수집된 각각의 데이터일 수 있다. 또는 상관관계가 있는 복수의 데이터를 조합하여 새로운 데이터 즉, 복합 센서 데이터를 생성할 수 있다. 예를 들어, 모션 감지기(113)에 의해 감지된 사용자(10)의 움직임은 생체신호 감지기(111)에 의해 감지된 신호들에 영향을 미칠 수 있다. 따라서, 모션 감지기(113)에 의해 감지된 사용자(10)의 움직임은 생체신호 감지기(111)에 의해 감지된 신호들의 오차를 줄이는 데 사용하여 복합 센서 데이터를 생성할 수 있다.
정보처리부(120)는 학습 정보 제공자(110)로부터 다양한 정보 또는 복합 센서 데이터를 기반으로 사용자(10)에 대한 복합적인 스트레스 상황인지를 수행함으로써, 사용자(10)에 대한 스트레스 지수를 추론할 수 있다. 여기서, 스트레스 지수는 현재 사용자(10)가 받고 있는 스트레스에 대한 정보를 가리키는 인자(factor)일 수 있다. 정보처리부(120)는 생체신호 정보, 환경 정보, 수면정보, 얼굴표정 정보 및 음성 정보에 기초하여 스트레스 지수를 계산할 수 있다. 정보처리부(120)는 스트레스 지수를 계산하기 위해 정보 제공자(110)로부터 생성된 생체신호 정보, 환경 정보, 수면정보, 얼굴표정 정보 및 음성 정보에 대한 상관 분석을 수행할 수 있다. 상관 분석은 상관관계에 대한 분석 또는 상관관계를 분석하는 것일 수 있다. 정보처리부(120)는 스트레스 상황 인지 엔진부로 지칭될 수 있다. 정보처리부 (120)는, 예를 들어, CPU(Central Processing Unit), GPU(Graphics Processing Unit), VPU(Vision Processing Unit), 및 NPU(Neural Processing Unit), DSP (Digital Signal Processor), SoC(System on Chip), FPGA(Field Programmable Gate Array), ASIC(Application Specific Integrated Circuit) 등과 같은 다양한 반도체 장치들을 이용하여 구현될 수 있다. 정보처리부(120)는 스트레스 요인 추출부(121), 모델 생성부(122), 스트레스 지수 산출부(123)를 포함할 수 있다. 정보처리부(120)의 구성 및 동작은 이하의 도면들을 참조하여 더욱 상세하게 설명된다.
스트레스 완화 서비스 제공자(130)는 일정 수준 이상의 스트레스 지수를 나타내는 사용자(10)에게 사용자(10)의 스트레스를 완화할 수 있는 서비스 및 동작, 즉, 스트레스 완화 서비스를 제공할 수 있다. 스트레스 완화 서비스 제공자(130)는 서비스 데이터베이스(131), 사용자 프로파일(132), 및 서비스 결정기(133)를 포함할 수 있다.
서비스 데이터베이스(131)는 사용자(10)에게 제공되는 서비스 및 동작을 저장할 수 있다. 예시적인 실시 예에서, 서비스 및 동작은 사용자(10)에게 백색소음, 잔잔한 음악 등을 들려주는 동작, 사용자(10)에게 음식을 제공하는 동작, 및 사용자(10)가 수행하는 업무의 강도 및 양을 줄이는 동작(예를 들어, 콜센터 상담원에게 컨택되는 콜을 임시적으로 콜차단 하는 행위)을 포함할 수 있다. 다만, 서비스 및 동작이 실시 예에 한정되는 것은 아니다.
사용자 프로파일(132)은 사용자(10)의 스트레스 완화를 위한 서비스를 제공하기 위하여 사용자(10)의 과거 정보를 저장 및 제공할 수 있다. 예를 들어, 사용자(10)의 과거 정보는 사용자(10)의 과거 스트레스 지수의 내역 및 사용자(10)에게 제공된 서비스의 내역을 포함할 수 있다. 또한, 사용자(10)에게 제공된 서비스에 대응하는 피드백을 포함할 수 있다.
서비스 결정기(133)는 서비스 데이터베이스(131) 및 사용자 프로파일(132)을 참조하여 사용자(10)를 위한 서비스 및 동작을 결정할 수 있다. 이 때, 서비스 결정기(133)는 관리자의 선택을 참조할 수 있다. 실시 예에 있어서, 먼저, 서비스 결정기(133)는 복수의 서비스들을 제시할 수 있고 그리고 제시된 결과 중 관리자의 선택에 따라 하나의 서비스를 결정할 수 있다.
예시적인 실시 예에서, 스트레스 완화 서비스 제공자(130)는 사용자(10)의 스트레스 지수를 관리하기 위한 관리자에 의해 모니터 될 수 있다. 여기서, 관리자는 사용자(10)를 감독하는 자를 지칭할 수 있다. 예를 들어, 관리자는 콜센터 상담원인 사용자(10)가 근무하는 콜센터의 감독자일 수 있다. 관리자는 프로세서(120)의 의해 진행된 스트레스에 대한 수치화에 기초하여 개인별 및 그룹별 수치화된 데이터를 모니터 할 수 있다. 스트레스 완화 서비스 제공자(130)는 관리자에 의해 선택을 참조하여 결정된 서비스 및 동작을 실행할 수 있다.
도 2는 도 1의 스트레스 관리장치의 정보처리부(120)를 예시적으로 보여주는 블록도이다. 도 1 및 도 2를 참조하면, 정보처리부(120)는 스트레스 요인 추출부(121), 모델 생성부(122), 스트레스 지수 산출부(123)를 포함할 수 있다.
스트레스 요인 추출부(121)는 학습 정보 제공자(110)에 의해 수집된 데이터를 기반으로 스트레스에 영향을 주는 요인을 추출할 수 있다. 예를 들어, 스트레스 요인 추출부(121)는 학습 정보 제공자(110)에 의해 수집된 데이터 각각에 대하여, 스트레스 유발 요인에 대한 중요도를 판별할 수 있다. 스트레스 요인 추출부(121)는 판별 결과를 기반으로, 스트레스 영향을 주는 주요 요인을 추출 할 수 있다.
모델 생성부(122)는 스트레스 요인 추출부(121)로부터 추출된 데이터 또는 요인을 기반으로 스트레스 지수를 산출하기 위한 모델을 생성할 수 있다. 예를 들어, 모델 생성부(122)는 스트레스 지수를 종속변수로 하고, 스트레스를 주는 요인을 독립변수로 하는 다중회귀모델을 생성할 수 있다.
스트레스 지수 산출부는(123)은 모델 생성부(122)에 의해 생성된 모델을 사용하여 사용자(10)의 스트레스 지수를 산출할 수 있다. 산출된 사용자(10)의 스트레스 지수는 스트레스 완화 서비스 제공자(130)로 제공될 수 있다.
즉, 정보처리부(120)의 스트레스 요인 추출부(121)는 학습 정보 제공자(110)에 의해 수집된 데이터를 사용하여 복수의 데이터에서 스트레스 유발 요인을 추출하여 모델 생성부(122)에 제공할 수 있다. 모델 생성부(122)는 스트레스 유발 요인을 기반으로 스트레스 지수 평가 모델을 생성하여 스트레스 지수 산출부(123)에게 제공할 수 있다. 스트레스 지수 산출부(123)는 제공받은 스트레스 지수 평가 모델을 사용하여 사용자(10)의 스트레스 지수를 산출하여 스트레스 완화 서비스 제공자(130)에게 제공할 수 있다.
도 3은 도2의 모델 생성부를 예시적으로 보여주는 블록도이다. 도1 내지 도 3을 참조하면, 모델 생성부(122)는 가설 설정 엔진부(122a), 모델 생성 엔진부(122b), 가설 검증 엔진부(122c)를 포함할 수 있다. 가설 설정 엔진부(122a)는 스트레스 영향을 주는 변수와 스트레스 간의 연관성을 나타내는 가설을 설정할 수 있다. 모델 생성 엔진부(122b)는 스트레스 지수를 산출하는 모델을 생성할 수 있다. 가설 검증 엔진부(122c)는 가설 설정 엔진부(122a)에서 설정한 가설을 모델 생성 엔진부(122b)에서 세운 모델을 통해 검증할 수 있다. 예를 들어, 가설 설정 엔진부(122a)는 사용자(10) 근무장소의 습도는 사용자(10)의 스트레스와 연관성을 가진다는 가설을 세울 수 있다. 모델 생성 엔진부(122b)는 스트레스 지수 평가모델을 생성한다. 가설 검증 엔진부(122c)는 스트레스 지수 평가모델을 사용하여, 가설 설정 엔진부(122a)가 세운 가설, 즉, 사용자(10) 근무장소의 습도와 사용자(10)의 스트레스 지수가 연관성을 가지는지 여부를 검증할 수 있다. 정보처리부(120)는 가설 검증 성공 시에는 가설을 기반으로 한 스트레스 지수 평가 모델을 사용하여 스트레스 지수를 산출할 수 있다. 정보처리부(120)는 가설 검증 실패 시에는 가설 설정 단계로 돌아가서 추가적으로 가설 설정 할 수 있다.
도 4는 도 1의 스트레스 관리장치(100)의 동작을 예시적으로 보여주는 순서도이다. 도1 및 도4를 참조하면, S100 단계에서, 스트레스 관리장치(100)는 스트레스 지수 산출을 위한 정보를 수집할 수 있다. 예를 들어, 스트레스 관리 장치(100)는 학습 정보 제공자(110)의 생체 신호 감지기(11)를 통해 생체 정보를 수집하고, 환경 측정기(112)를 통해 환경 정보를 수집하고, 수면정보 감지기(117)를 통해 수면정보를 수집하고, 사용자(10)로부터 입력장치(116)를 통해 입력정보를 수집할 수 있다.
S200 단계에서, 스트레스 관리장치(100)는 학습 정보 제공자(110)에서 수집한 정보를 바탕으로 스트레스 영향을 주는 요인을 추출할 수 있다. 예를 들어, 학습 정보 제공자(110)에 의해 수집된 정보 중에서 이미 가공된 정보로서, 스트레스 지수에 영향을 주는 것이 알려진 상태라면 스트레스 영향을 주는 요인 추출하는 과정을 생략할 수 있다. 가공 되지 않은 정보라면, 복수의 데이터에서 스트레스에 영향을 줄 수 있는 데이터 또는 요인만을 추출할 수 있다. 예시적인 실시 예에서, 스트레스 관리 장치(100)는 데이터의 특성을 기반으로, 데이터를 복수의 그룹들로 분류하고 계층화 할 수 있다. 예를 들어, 스트레스 관리장치(100)는 데이터를 분류하여 트리를 구성하고, 트리의 상위 깊이에 위치한 데이터 및 요인들을 스트레스 영향을 주는 주 요인으로 판별할 수 있다. S200 단계의 동작은 도 5를 참조하면 더욱 상세하게 설명된다.
S300 단계에서, 스트레스 관리장치(100)는 스트레스 지수 평가 모델을 생성할 수 있다. 예를 들어, 스트레스 관리장치(100)는 스트레스 지수를 종속변수로 하고 스트레스 영향을 주는 요인, 예를 들어, S200 단계를 통해 추출된 요인을 독립변수로 하는 다중회귀모델을 생성할 수 있다. S300 단계의 동작은 도 6을 참조하면 더욱 상세하게 설명된다.
S400 단계에서, 스트레스 관리장치(100)는 생성된 평가모델을 사용하여 사용자(10)의 스트레스 지수를 산출할 수 있다. 예를 들어, 스트레스 관리장치(100)는 생성된 스트레스 지수 평가모델에서 회귀계수와 독립변수 값을 넣어서 종속변수인 스트레스 지수를 계산할 수 있다.
S500 단계에서, 스트레스 관리장치(100)는 추정된 스트레스 지수를 기반으로 스트레스 완화 서비스를 사용자(10)에게 제공할 수 있다. 예를 들어, 스트레스 관리장치(100)는 산출된 스트레스 지수가 일정 수준 이상을 넘으면, 사용자(10)에게 사용자(10)의 스트레스를 완화할 수 있는 서비스 및 동작을 제공할 수 있다. 좀 더 상세한 예로서, 스트레스 관리장치(100)는 서비스 데이터베이스(131)와 사용자 프로파일(132) 참조하여, 사용자(10)에게 백색소음, 잔잔한 음악 등을 들려주는 동작, 사용자(10)에게 음식을 제공하는 동작, 또는 사용자(10)가 수행하는 업무의 강도 및 양을 줄이는 동작 중에서 적어도 어느 하나 사용자에게 제공할 수 있다.
즉, 스트레스 관리장치(100)의 학습 정보 제공자(110)는 사용자(10)로부터 생체 정보, 환경 정보, 수면 정보 및 입력 정보를 수집할 수 있다. 수집된 정보들 중 일부는 생체 신호 감지기(111), 환경 측정기(112), 모션 감지기(113), 카메라(114), 마이크(115), 수면정보 감지기(117) 등에 의해 수집된 정보일 수 있고, 다른 일부는 사용자(10)에 의해 입력장치(116)를 통해서 입력된 정보일 수 있다. 학습 정보 제공자(110)는 수집된 정보를 정보처리부(120)에게 제공할 수 있다. 정보처리부(120)는 제공 받은 정보를 기반으로 스트레스 유발 요인을 추출할 수 있다. 정보처리부(120)는 추출한 스트레스 유발 요인을 독립변수로 하여 스트레스 지수를 종속변수로 하는 스트레스 지수 평가 모델을 생성할 수 있다. 정보처리부(120)는 스트레스 지수 평가 모델을 사용하여 스트레스 지수를 추정할 수 있다. 정보처리부(120)는 추정한 스트레스 지수를 스트레스 완화 서비스 제공자(130)에게 제공할 수 있다. 스트레스 완화 서비스 제공자(130)는 제공받은 스트레스 지수를 사용하여 사용자(10)의 스트레스 완화할 수 있는 서비스 및 동작을 제공할 수 있다. 이를 통해서 감정노동자의 스트레스 완화로 인하여 업무 효율성을 높이고 사용자(10)의 직무 만족도를 높여 이직률을 낮출 수 있다.
도 5는 도4의 순서도의 S200 단계의 동작을 좀 더 상세하게 보여주는 순서도이다. 도 1, 도 2, 도 4 및 도 5를 참조하면, S210 단계에서, 스트레스 요인 추출부(121)는 변수 집단화를 수행할 수 있다. 예를 들어, 스트레스 요인 추출부(121)는 정보제공자(110)에 의해 수집된 생체신호 정보, 환경 정보, 수면정보 및 사용자(10)로부터 입력정보로부터 데이터의 특성을 기반으로, 데이터 또는 정보를 복수의 그룹들로 분류할 수 있다. 예시적인 실시 예에서, 동일한 그룹으로 분류된 변수들은 서로 상대적인 상관 관계를 가질 수 있다. 즉, 스트레스 요인 추출부(121)는 복수의 변수들 중 상관관계가 강한 변수들을 동일한 그룹으로 분류할 수 있다.
S220 단계에서, 스트레스 요인 추출부(121)는 계층화 단계를 수행할 수 있다. 예를 들어, 스트레스 요인 추출부(121)는 데이터의 특성을 기반으로 복수의 그룹들로 분류한 결과를 바탕으로 데이터들 간의 우선순위를 부여하고 동일한 우선순위를 갖는 데이터를 계층화 할 수 있다. 예시적인 실시 예에서, 스트레스 요인 추출부(121)는 데이터를 분류하여 트리를 구성할 수 있다. 스트레스 요인 추출부(121)는 사용자(10)의 스트레스에 영향을 많이 주는 데이터 또는 요인에 대해서는 높은 우선순위를 부여하고 트리상 상위 깊이(Depth)에 위치하도록 할 수 있다. 상대적으로 스트레스 요인 추출부(121)는 사용자(10)의 스트레스에 영향을 적게 주는 데이터 또는 요인에 대해서는 낮은 우선순위를 부여하고 트리상 하위 깊이(Depth) 즉 트리 낮은 끝단 쪽에 위치하도록 할 수 있다.
S230 단계에서, 스트레스 요인 추출부(121)는 복수의 데이터 또는 요인 중에서 스트레스 영향을 주는 주 요인을 판별할 수 있다. 예를 들어, 모델 생성부(122)는 스트레스 지수 평가 모델을 생성하기 위해서, 독립변수가 될 수 있는 스트레스 영향을 주는 요인이 필요할 수 있다. 스트레스 요인 추출부(121)는 복수의 데이터 또는 요인 중에서 스트레스 지수 평가 모델의 독립변수가 될 수 있는 데이터 또는 요인을 판별할 수 있다. 예시적인 실시 예에서, 스트레스 요인 추출부(121)는 S210단계에서 생성한 트리를 이용하여 트리상 상위 깊이에 위치한 데이터 및 요인들을 스트레스 영향을 주는 주 요인으로 판별할 수 있다.
S240 단계에서, 스트레스 요인 추출부(121)는 스트레스 요인 중요도를 결정할 수 있다. 스트레스 요인 추출부(121)는 스트레스 요인들 간의 중요도를 최종적으로 선정하는 역할을 수행할 수 있다. 예를 들어, 스트레스 요인 추출부(121)는 S210단계에서 생성한 트리를 이용하여 트리상 상위 깊이에 위치한 데이터 및 요인들은 높은 중요도 값을 부여하고, 트리상 하위 깊이에 위치한 데이터 및 요인들은 낮은 중요도 값을 부여할 수 있다. 스트레스 요인 추출부(121)에 의해 부여된 데이터의 중요도 값은 모델 생성부(122)가 생성하는 다중회귀모델의 회귀계수에 영향을 줄 수 있다.
도 6은 도 4의 순서도의 S300 단계의 동작을 좀 더 상세하게 보여주는 순서도이다. 도1, 도4 및 도6을 참조하면, S310단계에서, 정보처리부(120)는 스트레스 지수 평가 모델을 생성할 수 있다. 스트레스 영향을 주는 요인을 추출단계(S200)를 거쳐 획득한 스트레스 영향을 주는 주요 요인들을 독립변수로 하고, 스트레스 지수를 종속변수로 하여 다중회귀모델을 구축할 수 있다. 구체적으로 다음의 수학식 1과 같은 다중회귀분석식을 구축하여 회귀분석을 수행할 수 있다.
여기서 y는 스트레스 지수에 대한 다중회귀모델을 의미하고 은 회귀계수를 의미하고 그 중에도 는 상수를 의미한다. 는 오차를 의미하고, x1 ~ xn은 스트레스에 영향을 주는 요인을 의미한다. x는 심박수, 심전도, 호흡률, 상담원 입력 스트레스 레벨, 근무실 온도, 근무실 소음, 근무실 조명, 근무실 습도, 수면시간, 수면 중에 깨어난 횟수 등과 같은 요인들 중 적어도 하나를 포함 할 수 있다. 회귀계수 은 최대공산(maximum likelihood) 방법을 이용하여 추정할 수 있다.
S320단계에서, 정보처리부(120)는 로짓모델을 적용할 수 있다. 예를들어, 정보처리부(120)는 다중회귀모델 계산의 간편성을 위한 오즈비(odds ratio)를 산출하기 위해서 로짓모델을 적용할 수 있다. 정보처리부(120)는 생성된 스트레스 지수 평가 모델을 이용하여 회귀계수와 독립변수 값을 넣어 종속변수인 사용자(10)의 스트레스 지수를 추정할 수 있다.
상술된 바와 같이, 본 발명의 실시 예들에 따르면, 스트레스 관리장치(100)는 사용자(10)로부터 생체 정보, 환경 정보, 수면 정보 및 사용자(10)가 입력한 정보를 수집할 수 있다. 스트레스 관리장치(100)는 그 정보를 기반으로 스트레스 유발 요인을 추출하고, 스트레스 유발 요인을 독립변수로 하고 스트레스 지수를 종속변수로 하는 스트레스 지수 평가 모델을 생성하고, 스트레스 지수를 추정할 수 있다. 스트레스 관리장치(100)는 추정된 스트레스 지수와 사용자 프로파일을 기반으로 사용자(10)의 스트레스를 완화 할 수 있는 서비스 및 동작을 제공할 수 있다. 이를 통해서 감정노동자의 스트레스 완화로 인하여 업무 효율성을 높이고 사용자(10)의 직무 만족도를 높여 이직률을 낮출 수 있다.
상술된 내용은 본 발명을 실시하기 위한 구체적인 실시 예들이다. 본 발명은 상술된 실시 예들뿐만 아니라, 단순하게 설계 변경되거나 용이하게 변경할 수 있는 실시 예들 또한 포함할 것이다. 또한, 본 발명은 실시 예들을 이용하여 용이하게 변형하여 실시할 수 있는 기술들도 포함될 것이다. 따라서, 본 발명의 범위는 상술된 실시 예들에 국한되어 정해져서는 안되며 후술하는 특허청구범위뿐만 아니라 이 발명의 특허청구범위와 균등한 것들에 의해 정해져야 할 것이다.
100: 스트레스 관리장치
110: 학습 정보 제공자
120: 정보처리부
130: 스트레스 완화 서비스 제공자
110: 학습 정보 제공자
120: 정보처리부
130: 스트레스 완화 서비스 제공자
Claims (1)
- 스트레스 관리 장치의 동작 방법에 있어서,
사용자로부터 생체 정보, 수면 정보, 및 입력 정보를 획득하는 단계;
상기 사용자가 위치한 장소에 대한 환경 정보를 획득하는 단계;
상기 생체 정보, 상기 수면 정보, 상기 입력 정보, 및 상기 환경 정보를 기반으로, 스트레스 요인을 추출하는 단계;
상기 추출된 스트레스 요인을 기반으로, 스트레스 지수 평가모델을 생성하는 단계;
상기 생성된 지수 평가 모델을 기반으로, 상기 사용자에 대한 스트레스 지수를 산출하는 단계; 및
사용자 프로파일을 기반으로 상기 스트레스 지수에 대응하는 동작을 수행하는 단계를 포함하는 동작 방법.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190155713 | 2019-11-28 | ||
KR20190155713 | 2019-11-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210067827A true KR20210067827A (ko) | 2021-06-08 |
Family
ID=76399907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200024523A KR20210067827A (ko) | 2019-11-28 | 2020-02-27 | 감정 노동자를 위한 스트레스 관리 장치의 동작 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20210067827A (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102421379B1 (ko) | 2022-02-11 | 2022-07-15 | (주)돌봄드림 | 생체 정보에 기반한 심리 상태 케어 방법 및 이를 수행하는 장치 |
WO2023018772A1 (en) * | 2021-08-10 | 2023-02-16 | Vocera Communications, Inc. | Systems and methods for managing caregiver overload |
WO2024053868A1 (en) * | 2022-09-06 | 2024-03-14 | Samsung Electronics Co., Ltd. | System and method for stress profiling and personalized stress intervention recommendation |
-
2020
- 2020-02-27 KR KR1020200024523A patent/KR20210067827A/ko unknown
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023018772A1 (en) * | 2021-08-10 | 2023-02-16 | Vocera Communications, Inc. | Systems and methods for managing caregiver overload |
KR102421379B1 (ko) | 2022-02-11 | 2022-07-15 | (주)돌봄드림 | 생체 정보에 기반한 심리 상태 케어 방법 및 이를 수행하는 장치 |
WO2023153604A1 (ko) * | 2022-02-11 | 2023-08-17 | (주)돌봄드림 | 생체 정보에 기반한 심리 상태 케어 방법 및 이를 수행하는 장치 |
WO2024053868A1 (en) * | 2022-09-06 | 2024-03-14 | Samsung Electronics Co., Ltd. | System and method for stress profiling and personalized stress intervention recommendation |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7261811B2 (ja) | 訓練された予測モデルに基づく血圧降下の非侵襲的決定のためのシステム及び方法 | |
KR20210067827A (ko) | 감정 노동자를 위한 스트레스 관리 장치의 동작 방법 | |
WO2020253558A1 (zh) | 一种基于按摩椅的健康参数检测方法、装置和系统 | |
CN108882870A (zh) | 生物体信息分析装置、系统以及程序 | |
JP4704952B2 (ja) | 心的状態判定装置、およびプログラム | |
JP5958825B2 (ja) | 感性評価システム、感性評価方法、およびプログラム | |
Sarker et al. | From markers to interventions: The case of just-in-time stress intervention | |
KR20130074459A (ko) | 사용자의 상태 적용 게임 장치 및 그 게임 제공 방법 | |
KR102202029B1 (ko) | 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치 | |
US20170316164A1 (en) | Method and device for estimating a condition of a person | |
KR20180119913A (ko) | 생체정보를 이용한 감성 검출 장치 및 감성 검출 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체 | |
US11109809B2 (en) | Methods and systems for adaptable presentation of sensor data | |
KR20200080494A (ko) | 감정 노동자를 위한 스트레스 관리 장치 및 그것의 동작 방법 | |
CN107533365B (zh) | 利用取决于心跳的瞳孔尺寸变化来表达虚拟化身的社会临场感的方法及应用该方法的系统 | |
JP7131904B2 (ja) | 生活習慣管理装置、方法およびプログラム | |
US20210202078A1 (en) | Patient-Observer Monitoring | |
JP2022133922A (ja) | 生体情報演算システム | |
KR102243017B1 (ko) | 얼굴 피부 영상을 이용한 우울증 지수 측정 및 진단 방법 | |
KR101330404B1 (ko) | 맥파를 이용한 건강 상태 판단 장치 및 방법 | |
KR101310500B1 (ko) | 피부 특성을 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법 | |
JP2018038753A (ja) | 歩行分析方法及び歩行分析装置 | |
CN113907733A (zh) | 博纳希ai | |
KR20210005685A (ko) | 행동 영향 활동이 사용자의 건강 수준에 미치는 영향을 판정하는 방법 및 장치 | |
WO2023058200A1 (ja) | 疲労度算出装置、疲労度算出方法及び記憶媒体 | |
WO2022259464A1 (ja) | 情報処理装置、制御方法及び記憶媒体 |