WO2020138712A1 - 공존 정신과 증상 기반 스마트폰 과의존 예측 방법 - Google Patents

공존 정신과 증상 기반 스마트폰 과의존 예측 방법 Download PDF

Info

Publication number
WO2020138712A1
WO2020138712A1 PCT/KR2019/015325 KR2019015325W WO2020138712A1 WO 2020138712 A1 WO2020138712 A1 WO 2020138712A1 KR 2019015325 W KR2019015325 W KR 2019015325W WO 2020138712 A1 WO2020138712 A1 WO 2020138712A1
Authority
WO
WIPO (PCT)
Prior art keywords
smartphone
rule
anxiety
score
bscs
Prior art date
Application number
PCT/KR2019/015325
Other languages
English (en)
French (fr)
Inventor
김대진
최인영
노미정
Original Assignee
가톨릭대학교 산학협력단
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 가톨릭대학교 산학협력단 filed Critical 가톨릭대학교 산학협력단
Publication of WO2020138712A1 publication Critical patent/WO2020138712A1/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

Definitions

  • the present invention relates to prediction of smartphone over-dependence, and in particular, it is possible to predict the risk of smartphone over-dependence through rules derived as a decision tree by inputting comorbid psychiatric symptoms,
  • the present invention relates to a method for predicting smartphone dependence based on coorbid psychiatric symptoms.
  • Smartphones are useful for business and social relationships and are not just another device supported by Information Technology (IT).
  • IT Information Technology
  • the global smartphone penetration rate is rapidly increasing to more than 71.5% in 2017 in Korea, and in many countries, it is reported that the smartphone penetration rate is higher than that of desktop computers.
  • the problematic use of smartphones is considered behavioral addiction, like internet games, social media and gambling.
  • Some researchers report behavioral addiction as being able to coexist with mental health problems such as anxiety, depression, fatigue, loneliness, negative self-esteem and impulsive-type attention deficit hyperactivity disorder (ADHD).
  • ADHD impulsive-type attention deficit hyperactivity disorder
  • some researchers report that mental health problems lead to problematic use of smart phones. Therefore, it is necessary to find a problem type of use of the smartphone based on a psychiatric symptoms and a predictor of the problem use of the smartphone.
  • the problem to be solved by the present invention was created to solve the above-mentioned necessity, and the risk of smartphone over-dependence through rules derived from a decision tree using input data as comorbid psychiatric symptoms. It is to provide a method for predicting coexistence psychiatric symptom-based smartphone overdependence that can predict.
  • Phase-based smartphone over-dependence prediction methods include: Self-Control Scale (BSCS), Generalized Anxiety Disorder (GAD), Depression (Patient Health Questionnaire, PHQ), and Dysfunctional Impulsivities (DII) Inputting as a predictor variable; And finding a plurality of rules through a decision tree. And using the plurality of rules to classify the problem smartphone usage into five hyper-dependent prediction types.
  • BSCS Self-Control Scale
  • GAD Generalized Anxiety Disorder
  • PHQ Patient Health Questionnaire
  • DIII Dysfunctional Impulsivities
  • the plurality of rules include rule #1 in which the BSCS score is equal to or less than the first reference value; Rule #2 where the BSCS score exceeds the second reference value, BSCS score between the first reference value and the second reference value, Rule #3 corresponding to no anxiety or slight anxiety, and the BSCS score is between the first reference value and the second reference value, Rule #4 for moderate anxiety and moderate depression, mild depression or moderate depression, rule #5 for BSCS scores between the first and second baseline values, and rule #5 for serious anxiety, BSCS scores for the first baseline and second depression.
  • Rule #6 between baseline and moderate anxiety and moderate depression and DII score below threshold
  • Rule #7 with BSCS score between first and second baseline and moderate anxiety and severe depression And rule #8 in which the BSCS score is between the first reference value and the second reference value, and the anxiety and moderately severe depression as well as the dysfunctional DII score exceed the threshold
  • the five types of smartphone over-dependence prediction are: A non-comorbid type that corresponds to Rule #1 and is independent of psychiatric symptoms, SC type following Rule #2 and Rule #3, SC + Anx type following Rule 4 and 5, SC + Anx + following Rule 6 and 7 Includes Dep type, SC + Anx + Dep + Imp type according to rule 8.
  • the method for predicting coexistence psychiatric symptom-based smartphone overdependence it can be used to develop an appropriate service for controlling adult smartphone overuse or preventing overuse by identifying the overuse type of the smartphone.
  • the present invention by predicting the type of overuse of the smartphone, it can be usefully used to develop an effective treatment method for smartphone addiction due to overuse of the smartphone.
  • 1 is a block diagram showing the technical idea of the present invention.
  • FIG. 2 is a flowchart illustrating an embodiment of a method for predicting coexistence psychiatric symptom-based smartphone over-dependence according to the present invention.
  • FIG. 3 shows a research process in a flow chart.
  • FIG. 4 shows a predictor of smartphone dependence defined in an embodiment of the present invention.
  • Figure 5 shows the predicted rate according to the decision tree analysis.
  • FIG. 6 shows the result of a decision tree according to an embodiment of the present invention.
  • Figure 7 shows the classifier of the problem smartphone use (problematic smartphone use).
  • FIG. 1 is a block diagram showing the technical idea of the present invention, receiving input data of the input unit 110 having self-regulating power, anxiety, depression, and impulsivity as input variables, and classifying unit 120 based on a decision tree It is classified into 5 types of smartphone dependence through and provides the type of smartphone dependence related to the user's psychiatric symptoms and the risk of smartphone dependence through the output unit 130.
  • FIG. 2 is a flowchart illustrating an embodiment of a method for predicting smartphone over-dependence based on coorbid psychiatric symptoms according to the present invention.
  • data on a plurality of input variables including demographic factors and psychological factors for a smartphone-dependent group and a normal group are processed to determine smartphone-dependent predictor variables for adults through a decision tree.
  • the selected predictors are Self-Control Scale (BSCS), Generalized Anxiety Disorder (GAD), Depression (Patient Health Questionnaire, PHQ), Dysfunctional Impulsivities, DII).
  • BSCS Self-Control Scale
  • GAD Generalized Anxiety Disorder
  • PHQ Patient Health Questionnaire
  • DII Dysfunctional Impulsivities
  • the five over-dependent prediction types are non-comorbid type independent of psychiatric symptoms, self-control type, SC+Anx type in which self-control and anxiety are mixed, self-control and anxiety and depression ( Depress) of SC + Anx + Dep type, self control and anxiety, depression and impulsiveness of mixed SC + Anx + Dep + Imp type.
  • Step S220 Classify the use of the smartphone in question through the decision tree into five types of smartphone dependency dependence, and calculate the risk of smartphone dependency (step S230). It can be classified using the Korean smartphone addictive scale, S-scale.
  • the step S230 includes the step of finding a plurality of rules through the decision tree and the step of defining five smartphone dependency prediction types through the plurality of rules, wherein the plurality of rules are rules #1 to rule Include #8.
  • the BSCS score is below the first reference value (e.g., 38 points)
  • the BSCS score exceeds the second reference value (e.g., 51 points)
  • the BSCS score is not equal to the first reference value.
  • Rule #5 indicates that the BSCS score is between the first reference value and the second reference value, which is a serious anxiety
  • Rule #6 is that the BSCS score is between the first reference value and the second reference value, and suffers moderate anxiety, moderate depression, and a DII score.
  • Rule #7 has a BSCS score between the 1st and 2nd reference values and moderate anxiety and severe depression.
  • Rule #8 has a BSCS score with the 1st reference value. Between the second reference values, the anxiety and moderately severe depression as well as dysfunction DII scores exceed the above thresholds.
  • the five smartphone over-dependence prediction types are non-comorbid types irrelevant to psychiatric symptoms for users corresponding to rule #1
  • SC types for users following rule #2 and rule #3 Users following rules 4 and 5 may be defined as SC + Anx type
  • users following rules 6 and 7 may be defined as SC + Anx + Dep type
  • users following rule 8 may be defined as SC + Anx + Dep + Imp type.
  • An embodiment of the method for predicting coexistence psychiatric symptom-based smartphone overdependence according to the present invention will be described in more detail.
  • An embodiment of the present invention recruited 5,372 smartphone users in an online survey. Based on S-Scale, the Korean Smartphone Addiction Proneness Scale for Adults, 974 smartphone users are assigned to the smartphone dependent group, and 4,398 users are assigned to the general group. Assigned.
  • a C5.0 decision tree is applied, and 15 variables including demographic and psychological factors are used as input variables.
  • the embodiments of the present invention are five types of problematic smartphone use (non-comorbid type, self-control type, Sc + Anx type, Sc + Anx + Dep type and Sc +) Anx + Dep + Imp was defined. According to the present invention, 74% of smartphone dependent users have psychiatric symptoms. The ratio of non-comorbid type and self-control type is 64%.
  • Embodiments of the present invention can be used to develop appropriate services for adults to control or prevent the use of problematic smartphones by defining the type of problematic smartphone use. In addition, the present invention will also help develop effective treatments for the use of problematic smartphones.
  • the decision tree analysis used in the present invention is a useful method for discovering patterns and regularities in various data.
  • the decision tree divides complex decisions into several decisions. Therefore, decision tree analysis easily expresses the results. Representing data in a tree form simplifies understanding, explanation and application.
  • the decision tree can be an appropriate method for predicting the use of the smartphone in question and classifying psychiatric symptoms.
  • the target variable is a problematic smartphone use based on S-Scale, an adult Korean smartphone addictive measure.
  • the S-Scale consists of 15 items on a 4-point Likert scale, from 1 point (not at all, 4 points). It consists of four categories: daily life disturbance (5 items), virtual world orientation (2 items), withdrawal (4 items) and tolerance (4 items). Is done.
  • the overall score is divided into three subgroups (0-39: none, 40-43: potential risk group and 44 or higher: risk group).
  • a smartphone user having an S-score of 40 or more is evaluated as a smartphone-dependent group.
  • the smartphone subgroup includes both risk groups and potential risk groups.
  • the BSCS evaluates dispositional self-control.
  • the BSCS is composed of 13 items, and each BSCS item is evaluated on a 5-point scale from 1 point (very disagree) to 5 points (very agree). There is no official cut-off criterion for BSCS.
  • the GAD-7 scale is a tool used to assess the severity of GAD symptoms. GAD is an excessive and inappropriate concern that persists, not limited to a particular situation.
  • the GAD-7 scale consists of 7 items, and each question is answered on a 0-3 Likert scale. The higher the score, the higher the severity. The total score is divided into 4 subgroups (0-4: none, 5-9: mild, 10-14: moderate, 15-21: severe).
  • PHQ-9 assesses the severity of depression.
  • the PHQ-9 consists of 9 items, and each question is answered on a 0-3 Likert scale, where the score increases from (not at all) to 3 (almost every day). It consists of 5 subgroups: (0-4: none, 5-9: mild, 10-14: moderate, 15-19: moderately severe 20-27: severe).
  • DII is a useful tool for measuring impulse propensity.
  • the response option for each item is true (1) or false (0).
  • the DII-short consists of 23 items of self-report questionnaire that evaluate functional (11 items) impulses and dysfunction (12 items) impulses.
  • the present invention used all 23 items of functional and dysfunctional impulse. Dysfunctional impulse tends to act without thinking ahead of time, resulting in inadequate performance and negative consequences. There is no official cutoff criterion in DII.
  • the decision tree analysis model is effective in classifying the types of problematic use of smartphones.
  • the C5.0 algorithm is used.
  • the C5.0 algorithm is a variant of the C4.5 algorithm developed by J. Ross Quinlanin 1993.
  • C5.0 is a tree structure composed of an iterative Divide-and-Conquer algorithm.
  • the C5.0 decision tree is useful for binary variables for output.
  • rules can be created using numerical data and nominal data as input data.
  • C5.0 has a significantly lower error rate, faster speed than C4.5, and high memory efficiency.
  • FIG. 3 shows a research process in a flow chart.
  • 5,372 smart phone users over-dependence group: 974, normal group: 4,398
  • the smartphone over-dependence group classification criteria were based on S-scale, and data were partitioned using partition nodes.
  • Six training data sets were compared to four test data sets.
  • predictors of smartphone dependence were defined for adults.
  • the self-regulating power means that the number of items is 13, and the higher the score, the weaker the self-control power.
  • Anxiety (GAD) consists of 7 items, and the higher the score, the higher the level of anxiety.
  • Depression (PHQ) has 9 items and the higher the score, the higher the level of depression.
  • Dysfunctional impulsivity consists of 12 items, and the higher the score, the higher the dysfunctional impulse.
  • the embodiment of the present invention analyzed 5,372 smart phone users using IBM SPSS Modeler 16.0 for decision tree analysis.
  • An embodiment of the present invention applied the C5.0 algorithm and performed explanatory analysis and two independent sample t-tests using IBM SPSS Statistics version 18.0.
  • the characteristics of the participants, which are the targets of the embodiments of the present invention are from 19 to 39 years of age, and most of the participants are from 20 to 29 years of age (62.6%).
  • 54.5% of all respondents are women and 48.2% of respondents live in the metropolitan area.
  • 82.3% of respondents are single and 47.0% of respondents belong to the group of office workers, administrators, service industry positions, professional technicians and production workers.
  • 39.5% of respondents were students and 47.8% of respondents received sub-graduate education.
  • According to the survey 45.9% of respondents reported fair income levels, and 69.8% of respondents usually played games.
  • 18.1% of the participants belong to the smartphone use group in question.
  • Table 3 shows the smartphone use and psychological characteristics in the embodiment of the present invention.
  • the smartphone dependence group spends an average of 5.88 hours on weekdays and 5.80 hours on weekends and holidays. However, there is no significant difference between the normal group and the smartphone-dependent group in terms of smartphone usage time.
  • Embodiments of the present invention derive rules from a decision tree. Using a decision-making algorithm, a promising type of smartphone use is extracted. As shown in Fig. 5, the total predicted rate that is considered to be reasonably accurate is 83%. The specificity is 85% and the sensitivity is 60%. Therefore, the present invention has accepted the results. Set the parent node value to 50 and the child node to 20 samples.
  • FIG. 6 shows the result of a decision tree according to an embodiment of the present invention.
  • a problematic smartphone use types may be defined through a decision algorithm. Referring to Figure 6, the initial risk of using the smartphone in question is 18.43% (node 0).
  • Rule #1 indicates that the BSCS score is 38 or less (risk rate: 8.07%, node 1).
  • Rule #2 indicates that the BSCS score exceeds 51 points (69.23% risk, node 12).
  • Rule #3 indicates that the BSCS score is between 39 and 51, and there is no anxiety or mild anxiety (risk rate 24.41%, node 4).
  • Rule #4 has a BSCS score between 39 and 51, with moderate anxiety and no depression, mild or moderate depression (risk 39.25%, node 6) State.
  • Rule #5 has a BSCS score between 39 and 51, indicating severe anxiety (severe anxiety, 56.04%, node 11).
  • Rule #6 indicates that the BSCS score is between 39 and 51, suffers moderate anxiety and moderately severe depression, and the dysfunctional DII score is less than 4 (32.26%, node 8).
  • Rule #7 has a BSCS score between 39 and 51, with moderate anxiety and severe depression (58.33%, node 10).
  • Rule #8 has BSCS scores between 39 and 51, with moderate anxiety and moderately severe depression as well as dysfunctional DII scores greater than 4 (68.24%, node 9).
  • the present invention determines five types of problematic smartphone usage based on serious mental health problems.
  • the types of smartphones in question are defined as five types.
  • Users following rule 1 are of comorbid type (node 1)
  • users following rules 2 and 3 are of self-control type (nodes 4 and 12)
  • users of rules 4 and 5 are of Sc + Anx type (nodes 6 and 11)
  • Sc + Anx + Dep type (nodes 8 and 10)
  • users who follow rule 8 are defined as Sc + Anx + Dep + Imp type (node 9).
  • FIG. 7 shows a classifier for the use of a smartphone in question, and derives 8 rules using a decision tree, and classifies the use of the smartphone in question into 5 types using 8 rules.
  • the SC + Anx + Dep + Imp type accounts for 10% of smartphone users.
  • the SC + Anx + Dep type makes up 3% of smartphone-dependent users.
  • the present invention uses a decision tree method to grasp the type of smartphone use in question based on psychiatric symptoms.
  • the following conclusions can be drawn based on the results of the present invention.
  • Four mental health problems 1) self-control (66%), 2) anxiety (25%), 3) depression (7%), and 4) dysfunctional urge (3%) are linked to the use of the smartphone in question You can see that there is In addition, there are significant differences between the normal group and the smartphone dependent group for the four variables. Among the predictors, self-control and anxiety can be predicted to account for 81% of the group members.
  • the present invention identifies the poor Self-Control type as an organic (property) element of the use of the smartphone in question, and according to the previous research results, the poor Self-Control was an important feature of using the smartphone in question.
  • anxiety is related to the problematic use of smartphones. And it is known that anxiety is consistently related to the use of the smartphone in question, but the effect is not great. However, the present invention shows that anxiety (25%) is a more important predictor of the use of a smartphone in question than depression (7%).
  • the present invention has 5 problems: 1) non-comorbid type, 2) self-control (SC) type, 3) SC + Anx type, 4) SC + Anx + Dep type, 5) SC + Anx + Dep + Imp type Define the type of smartphone use.
  • the first interesting result is the non-comorbid type. 26% of users who rely on smartphones do not have mental health problems and self-control problems, but they still have problems using smartphones.
  • the non-comorbid type is an interesting group. In order to overcome the problem of using the smartphone, it is necessary to adjust the smartphone usage time. It is useful to use a mobile application to manage smartphone usage time.
  • the mixed types will be described.
  • the smartphone-dependent user has a low self-control score. They also have some anxiety problems. That is, according to a conventional study, Sc + Anx type users have both characteristics of an excessively safe route and an impulsive-antisocial route in the use of the smartphone in question. Therefore, in order to solve the problem of the use of a smartphone, a multifaceted treatment is required. However, because the anxiety problem is more serious than anything, anxiety treatment is needed.
  • the percentage of SC + Anx + Dep type and SC + Anx + Dep + Imp type is lower than other types.
  • the above two types have three or more psychiatric symptoms in the use of the smartphone in question. This type can be viewed as a mixed symptom type. Therefore, a multifaceted treatment is needed to use the smartphone in question.
  • SC + Anx + Dep type there is severe depression and primary intervention for depression is required.
  • the risk ratio of SC + Anx + Dep + Imp type is 68.24%, and this type is also serious.
  • the Ac + Anx + Dep + Imp type has the characteristics of excessive relief path and impulsive-antisocial path.
  • This type of user has several psychiatric symptoms such as low self-control, moderate anxiety, moderate depression and dysfunctional urges. Therefore, they need comprehensive treatment for the use of the smartphone in question.
  • the dysfunctional shock represents 3% in the relative importance between variables in the results of the present invention.
  • the present invention regards dysfunctional impulse as a risk factor in the impulsive group. Therefore, the two types of users need various treatments not only for management of smartphone use, but also for psychotherapy including drugs.
  • the present invention defines four variables that are important psychological predictors: self-control, 2) anxiety, 3) depression, and 4) dysfunction impulses.
  • self-esteem, aggression, and ADHD may be useful as psychological symptoms of the use of the smartphone in question.
  • the present invention contemplates mental health issues from psychiatrists and psychological consultants.
  • the present invention does not consider pride and ADHD as the psychological symptoms of smartphone use from psychiatrists and psychological consultants, but explores self-esteem, aggression and ADHD as psychological symptoms of smartphone use in question.
  • a decision tree using a data mining method is used to identify and define five types of problematic smartphone usage, but it is possible to develop problematic smartphone management services such as smartphone apps. It is also desirable to verify the type of smartphone use that is problematic in a clinical setting.
  • the present invention collects the smartphone usage time in a self-reported question, and there may be a difference between the actual usage time and the self-reported usage time. Therefore, collecting the actual usage time can be useful to determine the role of usage time in the use of the smartphone in question.
  • the present invention has several important meanings.
  • First, the present invention can confirm the ratio of non-comorbid type and comorbid type of smartphone use in question (26% to 74%). The results derived from the present invention can be used to develop a service for managing the use of the smartphone in question.
  • Second, the present invention proposes five problematic types of smartphone use that are useful for classifying users (addicts) depending on the smartphone.
  • the present invention can develop a mobile application that intervenes in the use of a smartphone and provides a service for personalized treatment according to the five types classified above.
  • Third, the focus is on adults who use smartphones in question. The use of smartphones in question is not limited to children and adolescents. Therefore, the present invention helps to develop an effective treatment for adults.
  • the concepts of internalizing and externalizing are used to group behavioral or emotional problems.
  • the problematic smartphone based on the three route models for the problematic smartphone usage.
  • some smartphone-dependent users suffer from a number of psychiatric symptoms with the use of the smartphone in question.
  • the present invention reveals that the psychiatric symptoms of the use of the smartphone in question are not separated and the problem pattern is mixed.
  • Some studies have analyzed the problem of internalization and externalization together, and hypothesized that externalization behavior is related to internalization behavior, which is proved by the results of the present invention.
  • the ratio of non-comorbid type to self-control type is 64%. For both types, the user must manage the smartphone usage time.
  • the mixed type (SC + Anx, SC + Anx + Dep, SC + Anx + Dep + Imp) was 36%.
  • These users need multiple treatments for the problematic smartphone use. They need multiple treatments for psychiatric treatment, including medication, as well as managing smartphone use. Therefore, the type of smartphone use in question can be helpful in the clinical decision regarding the use of smartphones in question in adults.
  • the results of the present invention are derived from a decision tree analysis model. There are many analytical models for classifying patterns. It is necessary to clarify the direction of comorbidity (coexistence of the disease) between the use of the smartphone in question and mental health problems.
  • the present invention can be embodied as computer readable code on a computer readable recording medium (including all devices having information processing functions).
  • the computer-readable recording medium includes any kind of recording device in which data readable by a computer system is stored. Examples of computer-readable recording devices include ROM, RAM, CD-ROM, magnetic tape, floppy disks, and optical data storage devices.
  • the “unit” may be a hardware component such as a processor or circuit, and/or a software component executed by a hardware component such as a processor.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Pathology (AREA)
  • Developmental Disabilities (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Educational Technology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 공존(comorbid) 정신과 증상(Psychiatric symptoms) 기반 스마트폰 과의존 예측 방법에 관한 것으로서, 그 공존(comorbid) 정신과 증상(Psychiatric symptoms) 기반 스마트폰 과의존 예측 방법은, 스마트폰 의존 그룹과 정상적인 그룹에 대해 인구학적 요인과 심리적 요인을 포함하는 다수의 입력변수를 데이터 처리하여 의사결정나무(decision tree)를 통해 성인에 대한 스마트폰 의존 예측변수들을 선택하는 단계; 선택된 예측변수를 입력변수로 하여 의사결정나무를 통해 스마트폰 과의존 여부를 판단하는 단계; 및 의사결정나무를 통해 문제되는 스마트폰 사용을 5가지 스마트폰 과의존 예측 유형으로 분류하고, 스마트폰 과의존 위험률을 계산하는 단계를 포함한다.

Description

공존 정신과 증상 기반 스마트폰 과의존 예측 방법
본 발명은 스마트폰 과의존 예측에 관한 것으로서, 특히 공존(comorbid) 정신과 증상(psychiatric symptoms)을 입력으로 하여 의사결정나무(decision tree)로 도출된 규칙을 통해 스마트폰 과의존 위험을 예측할 수 있는, 공존(comorbid) 정신과 증상(psychiatric symptoms) 기반 스마트폰 과의존 예측 방법에 관한 것이다.
스마트 폰은 업무 및 사회적 관계를 위해 유용하게 사용되며 단순히 정보통신기술(IT, Information Technology)이 서포트 하는 또 하나의 장치가 아니다. 10 억 명의 글로벌 사용자가 스마트 폰 또는 태블릿과 같은 모바일 세계에서 시간의 거의 절반을 소비하고 있다. 글로벌 스마트 폰 보급률은 한국의 경우 2017 년에 71.5 % 이상으로 빠르게 증가하고 있으며, 특히 많은 국가에서 스마트 폰 보급률이 데스크 탑(desktop) 컴퓨터 보급률보다 높다는 보고가 있다.
그러나 스마트 폰 사용이 급속히 증가함에 따라 스마트 폰의 문제 있는 사용(problematic smartphone use)에 따른 부정적인 결과도 증가하고 많은 사회적 문제를 야기하고 있다. 스마트 폰의 문제 있는 사용에 대한 해결책을 찾는 것이 필요하다. 그렇게 하기 위해서는 스마트 폰의 문제 있는 사용 유형들(types)을 밝혀내고, 다양한 요인들 중에서 스마트폰의 문제있는 사용 유형과 정신과 증상(psychiatric symptoms)과의 관계를 이해할 필요가 있다.
스마트 폰의 문제있는 사용은 인터넷 게임, 소셜 미디어 및 도박과 마찬가지로 행동 중독(behavioral addiction)으로 간주된다. 일부 연구자들은 행동 중독이 불안, 우울증, 피로, 외로움, 부정적인 자긍심 및 충동 유형(implusivity-type)의 주의력 결핍 과잉 행동 장애 (ADHD)와 같은 정신 건강 문제와 공존 할 수 있는 것으로 보고하고 있다. 또한 일부 연구자들은 정신 건강 문제가 스마트 폰의 문제 있는 사용을 유도하는 것으로 보고하고 있다. 따라서 정신과 증상(psychiatric symptoms)과 스마트 폰의 문제 있는 사용의 예측변수(predictor)를 기반으로 스마트 폰의 문제 있는 사용 유형을 찾는 것이 필요하다.
본 발명이 해결하고자 하는 과제는 상술한 필요성을 해결하기 위해 창출된 것으로서, 공존 정신과 증상(comorbid psychiatric symptoms)을 입력 데이터로 하여 의사결정나무(decision tree)로 도출된 규칙을 통해 스마트폰 과의존 위험을 예측할 수 있는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법을 제공하는 것이다.
상 기반 스마트폰 과의존 예측 방법은, 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII)을 예측변수로 입력하는 단계; 및 의사결정나무를 통해 복수의 규칙을 찾는 단계; 및 상기 복수의 규칙을 이용하여 상기 문제되는 스마트폰 사용을 5개의 과의존 예측 유형으로 분류하는 단계를 포함한다.
상기 복수의 규칙은 BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하고, 상기 5가지의 스마트폰 과의존 예측 유형은 상기 규칙 #1에 해당하며 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 SC 유형, 규칙 4 및 5를 따르는 SC + Anx 유형, 규칙 6 및 7을 따르는 SC + Anx + Dep 유형, 규칙 8을 따르는 SC + Anx + Dep + Imp 유형을 포함한다.
본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 의하면, 스마트폰의 과사용 유형을 밝힘으로써 성인들의 스마트폰 과사용을 절제하거나 과사용을 방지하기 위한 적절한 서비스 개발에 이용될 수 있다.
또한 본 발명에 따르면, 스마트폰 과사용의 유형을 예측함으로써 스마트폰 과사용으로 인한 스마트폰 중독에 대한 효과적인 치료법 개발에도 유용하게 이용될 수 있다.
도 1은 본 발명의 기술적 사상을 블록도로 나타낸 것이다.
도 2는 본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다.
도 3은 연구 프로세스(research process)를 흐름도로 나타낸 것이다.
도 4는 본 발명의 실시예에서 정의된 스마트폰 의존의 예측변수를 나타내고 있다.
도 5는 의사결정나무 분석에 따른 예측율을 나타낸 것이다.
도 6은 본 발명의 실시예에 따른 의사결정 나무(decision tree)의 결과를 나타낸 것이다.
도 7은 문제되는 스마트폰 사용(problematic smartphone use)의 분류기를 나타낸 것이다.
이하, 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 기술적 사상을 블록도로 나타낸 것으로서, 자기조절력, 불안, 우울 및 충동성을 입력변수로 하는 입력부(110)의 입력데이터를 받아, 의사결정나무를 기반으로 하는 분류부(120)를 통해 5개의 스마트폰 의존 유형으로 분류하여 사용자의 정신과 증상과 관련된 스마트폰 의존의 유형과 스마트폰 과의존 위험율을 출력부(130)를 통해 제공한다.
도 2는 본 발명에 따른 공존(comorbid) 정신과 증상(psychiatric symptoms) 기반 스마트폰 과의존 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다. 도 2를 참조하면, 스마트폰 의존 그룹과 정상적인 그룹에 대해 인구학적 요인과 심리적 요인을 포함하는 다수의 입력변수를 데이터 처리하여 의사결정나무(decision tree)를 통해 성인에 대한 스마트폰 의존 예측변수들을 선택한다.(S210단계) 상기 선택된 예측변수는 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII) 를 포함한다. 그리고 상기 5개의 과의존 예측 유형은 정신과 증상과 무관한 non-comorbid 유형, 자기통제력(Self-Control) 유형, 자기통제력과 불안(Anxiety)이 혼합된 SC+Anx 유형, 자기통제력과 불안 및 우울(Depress)의 혼합된 SC+Anx+Dep 유형, 자기통제력과 불안과 우울과 충동성이 혼합된 SC + Anx + Dep + Imp 유형으로 이루어질 수 있다.
상기 선택된 예측변수를 입력변수로 하여 의사결정나무를 통해 스마트폰 과의존 여부를 판단한다. (S220단계) 상기 의사결정나무를 통해 문제되는 스마트폰 사용을 5가지 스마트폰 과의존 예측 유형으로 분류하고, 스마트폰 과의존 위험률을 계산한다.(S230단계) 상기 문제되는 스마트폰 사용 여부는 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 분류될 수 있다.
그리고 상기 S230 단계는 의사결정나무를 통해 복수의 규칙을 찾는 단계 및 상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계를 포함하고, 상기 복수의 규칙은 규칙 #1 내지 규칙 #8을 포함한다. 규칙 #1은 BSCS 점수가 제1기준값(예: 38점) 이하이고, 규칙#2는 BSCS 점수가 제2기준값(예:51점) 초과이고, 규칙#3은 BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하고, 규칙#4는 BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당한다.
규칙#5는 BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하고, 규칙 #6는 BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값(예: 4) 미만에 해당하고, 규칙#7은 BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하며, 규칙 #8은 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 상기 임계값을 초과한다.
상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형은 상기 규칙 #1에 해당하는 사용자는 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 사용자는 SC 유형, 규칙 4 및 5를 따르는 사용자는 SC + Anx 유형, 규칙 6 및 7을 따르는 사용자는 SC + Anx + Dep 유형, 규칙 8을 따르는 사용자는 SC + Anx + Dep + Imp 유형으로 정의할 수 있다.
상술한 본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 대한 실시예를 보다 상세히 설명하기로 한다. 본 발명의 실시예는 온라인 설문 조사에서 5,372 명의 스마트폰 사용자를 모집했다. 성인을 대상으로 한 한국 스마트 폰 중독성 척도(Smartphone Addiction Proneness Scale for Adults)인 S-Scale을 기반으로 스마트폰 의존(smartphone dependent) 그룹에 974 명의 스마트 폰 사용자를 배정하고, 4,398 명의 사용자는 일반 그룹에 배정하였다. 데이터 마이닝 기술 중에서 C5.0 의사결정트리(decision tree)가 적용되고, 인구학적 요인과 심리적 요인을 포함한 15 가지 변수를 입력 변수로 사용했다.
4 개의 정신과적(psychiatric) 변수, 즉 자기 통제(66%), 불안(anxiety, 25%), 우울증(depression, 7 %), 역기능적 충동성(dysfunctional impulsivities, 3%)이 가장 중요한 예측변수(predictors)로 선택되었다. 본 발명의 실시예는 5 가지의 문제 있는 스마트폰 사용(problematic smartphone use) 유형 즉, non-comorbid 유형, 자기통제(self-control) 유형, Sc + Anx 유형, Sc + Anx + Dep 유형 및 Sc + Anx + Dep + Imp을 정의하였다. 본 발명에 따르면 스마트폰에 지나치게 의존하는(smartphone dependent) 사용자의 74 %가 정신과 증상(psychiatric symptoms)을 가지고 있다. non-comorbid 유형과 self-control 유형의 비율은 64 % 이다. 본 발명의 실시예는 문제되는 스마트 폰 사용(problematic smartphone use)의 유형을 정의함으로써 성인들이 문제 있는 스마트 폰 사용을 절제하거나 방지하기 위한 적절한 서비스 개발에 사용될 수 있다. 또한, 본 발명은 문제있는 스마트 폰 사용을 위한 효과적인 치료법 개발에도 도움이 될 것이다.
본 발명에서 사용되는 의사 결정 트리(decision tree) 분석은 다양한 데이터에서 패턴과 규칙성을 발견하는 데 유용한 방법이다. 결정 트리는 복잡한 결정을 몇 가지의 결정으로 나눈다. 따라서, 의사 결정 트리 분석은 결과를 쉽게 표현한다. 데이터를 트리 형태로 표현함으로써 이해하고, 설명하고 적용하는 것을 간단하게 한다. 결정 트리는 문제되는 스마트폰 사용의 예측과 정신과 증상의 분류를 위한 적절한 방법이 될 수 있다.
본 발명의 실시예에서는 온라인 설문 조사를 통해 5,372 명의 스마트 폰 사용자를 모집했다. 스마트 폰 사용자는 여론조사 전문회사의 온라인 패널에서 모집 될 수 있었다. 총 974 명의 참가자가 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 문제되는 스마트 폰 사용 그룹에 대한 기준을 충족했다. 마지막으로 4,398 명의 참가자가 정상적인(normal) 그룹으로 구성되었다.
본 발명의 실시예에서는 총 16 개의 변수를 사용한다. 첫째, 타겟 변수(target variable)는 성인용 한국 스마트 폰 중독성 척도인 S-Scale에 기반한 문제되는 스마트 폰 사용(problematic smartphone use)이다. S-Scale은 1 점에서 (not at all, 전혀) 4 점 (always, 항상) 까지 4 점 리커트 척도(Likert scale)의 15 개 항목으로 구성된다. 그것은 네 가지 카테고리 즉, 일상생활 교란(daily life disturbance, 5 개 항목), 가상세계 지향(virtual world orientation, 2 개 항목), 철회(withdrawal, 4 개 항목) 및 포용력(tolerance, 4 개 항목)으로 이루어진다. 전체 점수는 3 개의 서브그룹(0-39 : none, 40-43 : 잠재 위험 그룹 및 44 이상 : 위험 그룹)으로 분류된다. 본 발명의 실시예에서는 40 이상의 S-score를 가진 스마트 폰 사용자는 스마트 폰 종속(smartphone-dependent) 그룹으로 평가된다. 스마트 폰 종속 그룹에는 위험 그룹과 잠재적인 위험 그룹이 모두 포함되어 있다.
둘째, 표 1과 같이 인구 통계, 스마트 폰 사용 및 심리적 요인을 포함한 15 가지 입력 변수를 사용한다. 4 가지 요소인 BSCS (Brief Self-Control Scale), GAD (Generalized Anxiety Disorder) -7, PHQ-9 (Patient Health Questionnaire), DII (Dickman Impulsivity Inventory-Short Version) 가 정신과 증상(psychiatric symptoms)이다
Figure PCTKR2019015325-appb-T000001
BSCS는 성향적(기질적) 자기 통제(dispositional self-control)를 평가한다.
본 발명의 실시예에서는 BSCS는 13 개의 항목으로 구성되며 각 BSCS 항목은 1 점 (매우 동의하지 않음)에서 5 점 (매우 동의 함)까지의 5 점 척도로 평가된다. BSCS에 대한 공식적인 cut off 기준은 아직 없다.GAD-7 scale은 GAD 증상의 심각성(severity)을 평가하는 데 사용되는 도구이다. GAD는 특정 상황에 국한되지 않고 지속되는, 지나치고 부적절한 걱정이다. GAD-7 척도는 7 개 항목으로 구성되어 있으며 각 질문은 0-3 Likert scale로 응답된다. 점수가 높을수록 심각도(severity)가 높아진다. 총 점수는 4 개의 서브 그룹 (0-4 : 없음, 5-9 : 약함(mild), 10-14 : 보통(moderate), 15-21 : 심각(severe))으로 분류된다.
PHQ-9는 우울증의 심각성(severity)를 평가한다. PHQ-9는 9 개의 항목으로 구성되어 있으며 각 질문은 점수가 0(not at all)에서 3으로 (거의 매일) 심각도가 높아지는 0-3 리커트 척도로 응답된다. 5 개의 서브그룹 : (0-4 : 없음, 5-9 : mild, 10-14 : moderate, 15-19 : moderately severe 20-27 : severe)로 구성된다.
DII는 충동 성향을 측정하는 데 유용한 도구이다. 각 항목에 대한 응답 옵션은 true (1) 또는 false (0) 이다. DII-short는 기능적 (11 개 항목) 충동과 기능장애 (12 개 항목) 충동을 평가하는 23 개 항목의 자기보고 설문지로 구성된다. 본 발명은 기능적 및 역기능적 충동성의 23개 항목 모두를 사용했다. 역기능 충동성은 미리 생각하지 않고 행동하는 경향으로 부적응적인 성과(performance)와 부정적 결과(negative consequences)를 초래한다. DII 에는 아직 공식적으로 사용되는 cutoff 기준(criterion)이 없다.
의사 결정 트리 분석 모델은 스마트폰의 문제 있는 사용 유형을 분류하는 데 효과적이다. 의사 결정 트리 방법 중에서 C5.0 알고리즘을 사용한다. C5.0 알고리즘은 J. Ross Quinlanin 1993에 의해 개발된 C4.5 알고리즘의 변형이다. C5.0은 반복적인 Divide-and-Conquer 알고리즘으로 구성된 트리 구조이다. C5.0 의사 결정 트리는 출력을 위한 이진 변수에 유용하다. C5.0은 수치 데이터와 명목 데이터를 입력 데이터로 사용하여 규칙을 생성 할 수 있다. C5.0은 오류률이 눈에 띄게 낮으며 C4.5보다 속도가 빠르며 메모리 효율이 높다.
도 3은 연구 프로세스(research process)를 흐름도로 나타낸 것이다. 도 3을 참조하면, 5,372명의 스마트 폰 사용자(과의존군 : 974, 정상군 : 4,398)을 대상으로 하였으며, 스마트폰 과의존군 분류기준은 S-scale를 따랐으며, 파티션 노드를 사용하여 데이터를 학습 및 테스트 데이터의 두 세트로 나누었다. 6 개의 학습(traning) 데이터 세트를 4 개의 테스트 데이터 세트와 비교했다. 그리고 decision tree를 통해 성인을 대상으로 스마트폰 의존의 예측변수를 정의하였다.
도 4는 본 발명의 실시예에서 정의된 스마트폰 의존의 예측변수를 나타내고 있다. 도 4를 참조하면, 자기조절력(BSCS)는 항목수가 13개이고, 점수가 높을수록 자기통제력이 약함을 의미한다. 불안(GAD)은 7개 항목으로 구성되며, 점수가 높을수록 불안수준이 높다. 우울(PHQ)는 항목수가 9개이고 점수가 높을수록 우울 수준이 높다. 역기능성 충동성은 12개의 항목으로 구성되며, 점수가 높을수록 역기능성 충동성이 높다.
본 발명의 실시예는 의사결정 트리 분석을 위해 IBM SPSS Modeler 16.0을 사용하여 5,372 명의 스마트 폰 사용자를 분석했다. 본 발명의 실시예는 C5.0 알고리즘을 적용하고 IBM SPSS Statistics 버전 18.0을 사용하여 설명 분석 및 2 건의 독립 샘플 t- 테스트를 수행했다.
한편, 본 발명의 실시예의 대상인 참가자의 특성은 표 2에서 볼 수 있듯이 응답자의 연령대는 19 세에서 39 세까지 이며, 대부분의 참가자는 20-29 세 연령층 (62.6 %)이다. 전체 응답자의 54.5 %가 여성이고 응답자의 48.2 %가 수도권에 거주하고 있다. 또한 응답자의 82.3 %는 독신이고 응답자의 47.0 %는 사무직, 행정직, 서비스 업계 직책, 전문 기술자 및 생산직 종사자 그룹에 속해 있다. 응답자의 39.5 %가 학생이고 응답자의 47.8 %가 대학원 이하의 교육을 받았다. 설문 조사에 따르면 응답자의 45.9 %가 fair 소득 수준을 보고 했으며 응답자의 69.8 %는 대개 게임을 하고 있다. 마지막으로, 참가자의 18.1 %는 문제가 되는 스마트 폰 사용 그룹에 속해 있다.
Figure PCTKR2019015325-appb-T000002
그리고, 표 3은 본 발명의 실시예에서 스마트폰 사용 및 심리적 특성을 나타낸 것이다.
Figure PCTKR2019015325-appb-T000003
표 3을 참조하여 스마트폰 사용 및 심리적 특성을 살펴보면, 결과는 정상(normal) 그룹과 스마트폰 의존 그룹 간에는 역기능(dysfunctional) 충동 (t = -17.798, p <0.001), 자기 통제 (t = -26.634, p <0.001), 우울증 (t = -29.361, p <0.001) 및 불안 (t = -28.236, p <0.001)에 있어서 중요한 차이가 있다. 스마트폰 의존 그룹은 스마트 폰을 평균 주중 5.88 시간, 주말 및 공휴일 5.80 시간 사용하며 시간을 보내고 있다. 그러나 스마트 폰 이용 시간에 있어서는 정상 그룹과 스마트폰 의존 그룹간에 의미있는 차이는 없다.
본 발명의 실시예는 의사 결정 트리(decision tree)를 규칙을 유도한다. 의사결정 알고리즘을 이용하여 중요한 스마트폰의 문제있는 사용(problematic smartphone use) 유형이 추출된다. 도 5에 제시된 바와 같이 합리적으로 정확하다고 간주되는 총 예측율은 83 % 이다. 특이도(specificity)는 85 % 이고 민감도(sensitivity)는 60 % 이다. 따라서 본 발명은 결과를 수용했다. 부모 노드 값을 50으로 설정하고 자식 노드를 20 샘플로 설정한다.
자기통제(66 %), 불안(25 %), 우울증(7 %), 역기능 충동(3 %)의 4 가지 변수가 중요한 예측변수이다. 백분율은 변수 간의 상대적 중요성을 나타낸다. 따라서 자기 통제와 불안은 그룹 구성원의 81 %를 예측했다.
도 6는 본 발명의 실시예에 따른 의사결정 나무(decision tree)의 결과를 나타낸 것이다. 본 발명의 실시예에서 의사결정 알고리즘을 통해 문제되는 스마트폰 사용 유형(problematic smartphone use types)을 정의할 수 있다. 도 6를 참조하면, 문제되는 스마트폰 사용의 초기 위험율은 18.43 % (노드 0)이다.
의사결정 알고리즘을 이용하여 8 가지 규칙을 정할 수 있다. 도 6를 참조하면, 규칙 # 1은 BSCS 점수가 38 점 이하 임을 나타낸다 (위험율 : 8.07 %, 노드 1). Rule # 2는 BSCS 점수가 51 점 초과(위험율 69.23 %, 노드 12)임을 나타내고 있다. 규칙 # 3은 BSCS 점수가 39 에서 51 사이이고, 불안이 없거나(no anxiety) 경미한 불안(mild anxiety, 위험율 24.41 %, 노드 4)이 없음을 나타낸다. 규칙 # 4는 BSCS 점수가 39와 51 사이이며, 보통 불안(moderate anxiety)과 우울증이 없거나(no depression), 가벼운(mild) 우울증 또는 보통의(moderate) 우울증 (위험율 39.25 %, 노드 6)이 있음을 명시합니다. Rule # 5는 BSCS 점수가 39와 51 사이이며 심각한 불안(severe anxiety, 56.04 %, 노드 11)을 나타냅니다. 규칙 # 6은 BSCS 점수가 39에서 51 사이이며 보통의(moderate) 불안과 보통의 우울증(moderately severe depression)을 겪고 기능장애(dysfunctional) DII 점수가 4 미만 (32.26 %, 노드 8)임을 나타냅니다. 규칙 # 7은 BSCS 점수가 39에서 51 사이이고 중간 정도의(moderate) 불안과 심한(severe) 우울 (58.33 %, 노드 10)이 있다. 규칙 # 8은 BSCS 점수가 39와 51 사이이고, 보통 불안(moderate anxiety)과 약간 심각한(moderately severe) 우울증 뿐 아니라 기능장애(dysfunctional) DII 점수가 4 점 초과 (68.24 %, 노드 9)이다.
도 6에서 볼 수 있듯이, 본 발명은 심각한 정신 건강 문제를 기반으로 5 가지의 문제되는 스마트폰 사용 유형을 결정한다. 본 발명에서는 문제되는 스마트 폰 사용 유형을 5 가지 유형으로 정의하고 있다. 규칙 1을 따르는 사용자는 comorbid 유형(노드 1), 규칙 2 및 3을 따르는 사용자는 self-control 유형(노드 4 및 12), 규칙 4 및 5를 따르는 사용자는 Sc + Anx 유형(노드 6 및 11), 규칙 6 및 7을 따르는 사용자는 Sc + Anx + Dep 유형(노드 8 및 10), 규칙 8을 따르는 사용자는 Sc + Anx + Dep + Imp 유형(노드 9)으로 정의한다.
도 7은 문제되는 스마트폰 사용의 분류기를 나타낸 것으로서, 의사결정나무를 이용하여 8개의 규칙을 도출하고 8개의 규칙을 이용하여 문제되는 스마트폰 사용을 5개의 유형으로 분류하고 있다.
도 7에서 보듯이 지배적인 표현형(phenotype)은 낮은 Self-Control (n = 222, 38 %)이다. 스마트폰 의존 사용자의 26 %는 non-comorbid 유형으로 보고되고 있고, 스마트폰 의존 사용자의 23 %는 SC + Anx 유형에 속해 있다. SC + Anx + Dep + Imp 유형은 스마트폰 종속 사용자의 10 % 를 이루고 있다. 마지막으로, SC + Anx + Dep 유형은 스마트 폰 종속 사용자의 3 % 를 구성하고 있다.
본 발명은 의사 결정 트리 방법을 사용하여 정신과 증상을 기반으로 문제가 되는 스마트 폰 사용 유형을 파악한다. 본 발명의 결과를 바탕으로 다음과 같은 결론을 도출할 수 있다. 4가지의 정신 건강 문제 즉, 1) 자기 통제 (66 %), 2) 불안 (25 %), 3) 우울증 (7 %), 4) 역기능 충동 (3 % )는 문제되는 스마트폰 사용에 연관되어 있다는 것을 알 수 있다. 또한, 4 가지 변수에 대해 정상적인 그룹과 스마트폰 종속 그룹간에 중요한 차이가 있다. 예측변수들 중에서 자기 통제(Self-Control)와 불안(Anxiety)은 그룹 구성원의 81 %를 차지한다고 예측될 수 있다. 　본 발명은 poor Self-Control 유형을 문제되는 스마트 폰 사용의 기질적(성향적)인 요소로서 확인하고, 이전의 연구 결과에 따르면 poor Self-Control은 문제되는 스마트 폰 사용의 중요한 특징이었다. 또한, 불안, 우울증 및 충동은 중독의 핵심 특징이다. 우울증이 스마트 폰의 문제있는 사용과 관련이 있음을 밝혀져 있다. 그리고 불안은 일관되게 문제되는 스마트 폰 사용과 관련이 있지만 효과는 크지 않다고 알려져 있다. 그러나 본 발명은 불안(25 %)이 우울증(7 %)보다 문제되는 스마트 폰 사용에 더 중요한 예측변수임을 나타내고 있다.
또한 종래의 연구에 따르면 문제되는 휴대폰 사용에는 세 가지 경로 모델 (1) 과도한 안심 경로, (2) 충동적 - 반사회적 경로, (3) 외향(extraversion) 경로가 있다고 알려져 있다. 종래에는 경로에 따라 위험 요소들을 설명하고, 과도한 안심 경로의 경우 사용자는 사용에 있어서 중독성 패턴을 가지고 있다. 그들은 다른 사람들로부터 안심(reassurance)되는 말이나 행동을 위해 그리고 관계성을 유지하기 위해 스마트 폰을 사용한다. 충동적 경로의 경우, 사용자는 사용에 있어서 반사회적인 패턴을 가지고 있다. 그들의 연구에서, 불안은 과도한 안심 경로의 위험 요소들 : 낮은 자부심, 신경증, 애착, 정서적 불안정, 사회적 불안 및 일반적인 불안 중 하나이다. 낮은 자제력과 충동성은 충동적 경로의 위험 요인들 : 충동성, 낮은 자제력, 공격적인 성향, 반사회적 성격, ADHD 이다. 따라서 4 가지 comorbid 증상은 문제되는 스마트 폰 사용에 대한 위험 모델을 구현하는 의미 있는 요소가 된다.
본 발명은 1) non-comorbid 유형, 2) 자기 통제(SC) 유형, 3) SC + Anx 유형, 4) SC + Anx + Dep 유형, 5) SC + Anx + Dep + Imp 유형의 5 가지 문제 있는 스마트 폰 사용 유형을 정의한다.
첫 번째 흥미로운 결과는 non-comorbid 유형이다. 스마트 폰에 의존하는 사용자 중 26 %는 정신 건강 문제가 없고 자기 통제에 문제가 없지만 여전히 스마트 폰 사용에 문제가 있다. non-comorbid 유형은 흥미로운 그룹이다. 문제되는 스마트 폰 사용을 극복하기 위해서는 스마트 폰 사용 시간을 조절할 필요가 있다. 스마트 폰 사용 시간을 관리하기 위해서는 모바일 응용 프로그램을 사용하는 것이 유용하다.
둘째, 스마트 폰 의존 사용자의 74 %는 자기 통제, SC + Anx, SC + Anx + Dep, SC + Anx + Dep + Imp 등의 정신과 증상이 있다. 다른 말로 하면 규칙 #2(node 12)를 제외한 나머지 형태들은, 문제되는 스마트폰 사용에는 정신과 증상이 혼합되어 있다.
이전의 연구에서는 문제되는 스마트폰 사용과 정신 건강 문제 간의 공존성(comorbidity)의 방향성을 명확히 밝히지 못했다. 따라서, 문제되는 스마트 폰 사용은 정신 건강 문제와 공존할 수 있다. 또한 정신 건강 문제로 인해 스마트 폰 사용에 문제가 발생할 수도 있다. 정신과 증상이 혼합되어 있는 사용자들은 문제되는 스마트 폰 사용에 대해 여러 가지 치료 방법을 사용해야 한다. 따라서 스마트 폰 사용에 대한 관리 뿐만 아니라 약물을 포함한 정신과 치료를 필요로 한다.
혼합 유형들(mixed types)에 대해 설명하기로 한다. 지배적인 유형은 Self-Control 유형에 초점이 맞추어져 있다. (n = 222, 38 %). 스마트폰 의존적 사용자가 BSCS 점수가 더 높은 경우, 이 유형의 위험 비율은 문제되는 스마트 폰 사용 유형 (69.23 %) 중에서 가장 높다. 이는 poor Self-Control 이 문제되는 스마트 폰 사용에 있어서 가장 큰 위험 요소임을 의미한다. 따라서 Self-Control 유형의 사용자는 self-control을 위한 임상적 치료가 필요하다.
스마트 폰 종속 사용자 중 총 23 %가 Sc + Anx 유형에 속한다. 이 경우 스마트 폰 종속 사용자는 낮은(low) self-control 점수를 갖는다. 그들은 또한 약간의 불안 문제가 있다. 즉, 종래의 연구에 의하면 Sc + Anx 유형의 사용자들은 문제되는 스마트폰 사용에 있어서 과도한 안심 경로와 충동적-반사회적 경로의 특성 둘다 가지고 있다. 따라서 문제되는 스마트 폰 사용을 해결하기 위해서는 다방면의 치료가 필요하다. 그러나 무엇보다 불안 문제가 더 심각하기 때문에 불안 치료가 필요하다.
SC + Anx + Dep 유형과 SC + Anx + Dep + Imp 유형의 백분율은 다른 유형보다 낮다. 그러나 상기 두 가지 유형은 문제되는 스마트 폰 사용에 정신과 증상이 3 가지 이상 있다. 이 유형은 혼합 증상 유형으로 볼 수 있다. 　따라서 문제되는 스마트 폰 사용을 위해 다방면의 치료가 필요하다. SC + Anx + Dep 유형의 경우, 심한 우울증이 있으며 일차적으로 우울증에 대한 개입이 필요하다. 또한, SC + Anx + Dep + Imp 유형의 위험 비는 68.24 % 이고, 이 유형도 심각하다. Ac + Anx + Dep + Imp 유형은 과도한 안심 경로와 충동적 - 반사회적 경로의 특성을 가지고 있다. 이 유형의 사용자는 낮은 자기 통제, 중등도(moderate) 불안, 중등도(moderate) 우울증 및 역기능 충동과 같은 여러 정신과 증상이 있다. 따라서 그들은 문제되는 스마트 폰 사용에 대한 종합적인 치료가 필요하다. 또한 역기능 충격은 본 발명의 결과에서 변수 간의 상대적 중요성에서 3 %를 나타낸다. 그러나 본 발명은 충동성 그룹에서 역기능 충동을 위험 인자(factor)로 보고 있다. 따라서 두 가지 유형의 사용자는 스마트 폰 사용 관리뿐만 아니라 약물을 포함한 정신 치료를 위해 여러 가지 치료가 필요하다.
본 발명은 중요한 심리 예측 변수인 4 가지 변수, 즉 자기 통제, 2) 불안, 3) 우울증, 4) 역기능 충동을 정의하고 있다. 그러나 문제되는 스마트 폰 사용의 심리적(psychological) 증상으로 자부심, 공격성(aggression) 및 ADHD이 유용하게 사용될 수 있다. 본 발명은 정신과 의사와 심리 컨설턴트로부터 정신 건강 문제를 고려한다. 본 발명은 정신과 의사와 심리 컨설턴트로부터 문제되는 스마트 폰 사용의 심리적(psychological) 증상으로 자부심과 ADHD를 고려하지 않았지만, 문제되는 스마트 폰 사용의 심리적 증상으로서 자기 존중감, 공격성(aggression) 및 ADHD를 탐구할 필요가 있다. 또한, 데이터 마이닝 방식을 사용하는 의사 결정 트리를 사용하여 5 가지의 문제 되는 스마트 폰 사용 유형을 확인하고 정의하고 있지만 스마트 폰 앱과 같이 문제되는 스마트 폰 관리 서비스를 개발할 수 있다. 또한, 임상 상황에서 문제되는 스마트 폰 사용 유형을 검증하면 바람직하다. 또한, 정상적인 그룹과 문제되는 스마트 폰 사용 그룹 간에 스마트폰 사용 시간에 중요한 차이가 없다는 것을 본 발명을 통해 알게 되었다. 본 발명은 자체보고(self-reported) 질문에서 스마트폰 사용 시간을 수집하고, 실제 사용 시간과 자체보고된 사용 시간간에 차이가 있을 수 있다. 따라서 문제되는 스마트 폰 사용에서 사용 시간의 역할을 결정하기 위해 실제 사용 시간을 수집하면 유용하게 사용될 수 있다.
본 발명은 몇 가지 중요한 의미를 가지고 있다. 첫째, 본 발명은 문제가 되는 스마트 폰 사용의 non-comorbid 유형과 comorbid 유형의 비율을 확인할 수 있다 (26 % 대 74 %). 본 발명에서 도출된 결과는 문제가 되는 스마트폰 사용을 관리하기 위한 서비스를 개발하는 데 요긴하게 사용될 수 있다. 둘째, 본 발명에서는 스마트폰에 의존하는 사용자(중독자)를 분류하는 데 유용한 5 가지 문제되는 스마트폰 사용 유형을 제안하고 있다. 본 발명은 상기 분류된 5가지 유형에 따라 스마트폰 사용에 개입하고 맞춤 치료를 위한 서비스를 제공하는 모바일 애플리케이션을 개발할 수 있다. 셋째, 문제가 되는 스마트 폰 사용을 하는 성인에게 초점을 맞추었다. 문제가 되는 스마트 폰 사용은 어린이 및 청소년에게만 국한되지 않는다. 따라서 본 발명은 성인에게 효과적인 치료법을 개발하는 데 도움이 된다. 넷째, 내면화(internalizing)와 외면화(externalizing) 개념이 행동적 또는 정서적(emotional) 문제를 그루핑하는데 사용되고 있다. 상술한 것처럼 문제가 되는 스마트 폰 사용에 대한 세 가지 경로 모델을 기반으로 문제가 되는 스마트 폰 사용을 설명할 수 있다. 그러나 일부 스마트 폰 종속 사용자는 문제가 되는 스마트 폰 사용과 함께 여러 정신과 증상을 겪고 있다. 본 발명은 문제가 되는 스마트 폰 사용의 정신과 증상이 분리되어 나타나지 않고, 문제 패턴이 혼합되어 있다는 것을 밝히고 있다. 일부 연구는 내면화와 외면화 문제를 함께 분석하여 외면화 행동이 내면화 행동과 관련이 있다는 가설을 세웠는데, 본 발명의 결과에 의해 입증된 셈이다. 다섯째, 자기통제 유형 대비 non-comorbid 유형의 비율은 64 % 이다. 이 두 가지 유형의 경우, 사용자는 스마트폰 사용 시간을 관리해야 한다. 또한 혼합형(SC + Anx, SC + Anx + Dep, SC + Anx + Dep + Imp)은 36 %였다. 이 사용자들은 문제가 되는 스마트 폰 사용에 대해 여러 가지 치료법을 필요로 한다. 그들은 스마트 폰 사용 관리뿐만 아니라 약물 치료를 포함한 정신과 치료에도 여러 치료법이 필요하다. 따라서 문제가 되는 스마트 폰 사용 유형은 성인의 문제가 되는 스마트 폰 사용에 대한 임상 결정에 도움이 될 수 있다. 여섯째, 본 발명의 결과는 의사 결정 트리 분석 모델에서 도출된다. 패턴을 분류하는 많은 분석 모델이 있다. 문제가 되는 스마트 폰 사용과 정신 건강 문제 사이의 comorbidity(질병의 공존성)의 방향성을 명확하게 하는 것이 필요하다.
본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터(정보 처리 기능을 갖는 장치를 모두 포함한다)가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (8)

  1. (a) 스마트폰 의존 그룹과 정상적인 그룹에 대해 인구학적 요인과 심리적 요인을 포함하는 다수의 입력변수를 데이터 처리하여 의사결정나무(decision tree)를 통해 성인에 대한 스마트폰 의존 예측변수들을 선택하는 단계;
    (b) 상기 선택된 예측변수를 입력변수로 하여 의사결정나무를 통해 스마트폰 과의존 여부를 판단하는 단계; 및
    (c) 상기 의사결정나무를 통해 문제되는 스마트폰 사용을 5가지 스마트폰 과의존 예측 유형으로 분류하고, 스마트폰 과의존 위험률을 계산하는 단계를 포함하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  2. 제1항에 있어서, 상기 탐색된 예측변수는
    자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII) 인 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  3. 제1항에 있어서, 상기 5개의 과의존 예측 유형은
    정신과 증상과 무관(non-comorbid), 자기통제력(Self-Control), 자기통제력과 불안(Anxiety)의 혼합(SC+Anx), 자기통제력과 불안 및 우울(Depress)의 혼합(SC+Anx+Dep), 자기통제력과 불안과 우울과 충동성의 혼합(SC + Anx + Dep + Imp)으로 이루어지는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  4. 제3항에 있어서, 상기 (c) 단계는
    의사결정나무를 통해 복수의 규칙을 찾는 단계; 및
    상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계를 포함하고,
    상기 복수의 규칙은
    BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하는 것을 특징으로 하는 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  5. 제4항에 있어서, 상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계는,
    상기 규칙 #1에 해당하는 사용자는 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 사용자는 SC 유형, 규칙 4 및 5를 따르는 사용자는 SC + Anx 유형, 규칙 6 및 7을 따르는 사용자는 SC + Anx + Dep 유형, 규칙 8을 따르는 사용자는 SC + Anx + Dep + Imp 유형으로 정의하는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  6. 제1항에 있어서,
    상기 문제되는 스마트폰 사용 여부는 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 분류되는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  7. 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII)을 예측변수로 입력하는 단계; 및
    의사결정나무를 통해 복수의 규칙을 찾는 단계; 및
    상기 복수의 규칙을 이용하여 상기 문제되는 스마트폰 사용을 5개의 과의존 예측 유형으로 분류하는 단계를 포함하는 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
  8. 제7항에 있어서, 상기 복수의 규칙은
    BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하고,
    상기 5가지의 스마트폰 과의존 예측 유형은
    상기 규칙 #1에 해당하며 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 SC 유형, 규칙 4 및 5를 따르는 SC + Anx 유형, 규칙 6 및 7을 따르는 SC + Anx + Dep 유형, 규칙 8을 따르는 SC + Anx + Dep + Imp 유형을 포함하는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
PCT/KR2019/015325 2018-12-24 2019-11-12 공존 정신과 증상 기반 스마트폰 과의존 예측 방법 WO2020138712A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0168150 2018-12-24
KR1020180168150A KR102272751B1 (ko) 2018-12-24 2018-12-24 공존 정신과 증상 기반 스마트폰 과의존 예측 방법

Publications (1)

Publication Number Publication Date
WO2020138712A1 true WO2020138712A1 (ko) 2020-07-02

Family

ID=71128259

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/015325 WO2020138712A1 (ko) 2018-12-24 2019-11-12 공존 정신과 증상 기반 스마트폰 과의존 예측 방법

Country Status (2)

Country Link
KR (1) KR102272751B1 (ko)
WO (1) WO2020138712A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302764A1 (en) * 2012-08-09 2015-10-22 David Gross Method and system for identify, treatment and weaning from internet and computer addiction
KR20160105286A (ko) * 2015-02-27 2016-09-06 고려대학교 산학협력단 인터넷 과몰입 진단 장치 및 방법
KR20180046431A (ko) * 2016-10-27 2018-05-09 가톨릭대학교 산학협력단 성인의 인터넷중독 스크리닝을 위한 의사결정나무를 활용한 인터넷 과의존 분류 예측 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180046433A (ko) 2016-10-27 2018-05-09 가톨릭대학교 산학협력단 스마트폰 과의존 예측 장치 및 방법
KR102022667B1 (ko) * 2017-02-28 2019-09-18 삼성전자주식회사 환자를 모니터링하는 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302764A1 (en) * 2012-08-09 2015-10-22 David Gross Method and system for identify, treatment and weaning from internet and computer addiction
KR20160105286A (ko) * 2015-02-27 2016-09-06 고려대학교 산학협력단 인터넷 과몰입 진단 장치 및 방법
KR20180046431A (ko) * 2016-10-27 2018-05-09 가톨릭대학교 산학협력단 성인의 인터넷중독 스크리닝을 위한 의사결정나무를 활용한 인터넷 과의존 분류 예측 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KIM, IN-KYOUNG ET AL.: "The Relationship among Smartphone Addiction, Communication Ability, Loneliness and Interpersonal Relationship for University Students", JOURNAL OF THE KOREA ACADEMIA-INDUSTRIAL COOPERATION SOCIETY, vol. 18, no. 1, January 2017 (2017-01-01), pages 637 - 648, XP055721936, ISSN: 1975-4701 *
SEO, MM JAE ET AL.: "Comparative Study of Smartphone and Internet Addiction on Adolescent Psychopathology", JOURNAL OF THE KOREAN SOCIETY OF BIOLOGICAL THERAPIES IN PSYCHIATRY, vol. 19, no. 2, October 2013 (2013-10-01), pages 154 - 162, ISSN: 1225-9454 *

Also Published As

Publication number Publication date
KR20200078872A (ko) 2020-07-02
KR102272751B1 (ko) 2021-07-02

Similar Documents

Publication Publication Date Title
Babvey et al. Using social media data for assessing children’s exposure to violence during the COVID-19 pandemic
Wulczyn et al. Ex machina: Personal attacks seen at scale
Leonardelli et al. Agreeing to disagree: Annotating offensive language datasets with annotators' disagreement
Manning et al. Children's living arrangements in unmarried-mother families
Chow-White et al. Data mining difference in the age of big data: Communication and the social shaping of genome technologies from 1998 to 2007
CN111324789A (zh) 一种网络信息数据热度的计算方法
Riedl et al. Antecedents of support for social media content moderation and platform regulation: the role of presumed effects on self and others
Cenni et al. Twitter vigilance: A multi-user platform for cross-domain Twitter data analytics, NLP and sentiment analysis
WO2021256884A1 (ko) Ai를 이용한 가짜뉴스 판독 방법 및 장치
Custer et al. Comparative analysis of core microbiome assignments: implications for ecological synthesis
WO2009130476A1 (en) Method
Powell Mad cow disease and the stigmatization of British beef
Shevtsov et al. What Tweets and YouTube comments have in common? Sentiment and graph analysis on data related to US elections 2020
Floos Arabic rumours identification by measuring the credibility of Arabic tweet content
Park et al. Measuring the prevalence of anti-social behavior in online communities
Elkin-Koren et al. Speech contestation by design: democratizing speech governance by AI
Al Khalaf et al. CoV2K: a knowledge base of SARS-CoV-2 variant impacts
WO2020138712A1 (ko) 공존 정신과 증상 기반 스마트폰 과의존 예측 방법
Sharif et al. M-bad: A multilabel dataset for detecting aggressive texts and their targets
Chamberlain et al. Optimising crowdsourcing efficiency: Amplifying human computation with validation
Kayes et al. The good, the bad and the deviant in community question answering
Verma et al. Identifying worry in Twitter: Beyond emotion analysis
Tjikhoeri et al. The best ends by the best means: ethical concerns in app reviews
Chen et al. Factors associated with belief or disbelief in false news: From the perspective of elaboration likelihood and moderating effect model
Ahmed et al. A rule mining and Bayesian network analysis to explore the link between depression and digital behavioral markers of games app usage

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19901659

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19901659

Country of ref document: EP

Kind code of ref document: A1