시간 지각의 변화를 예측하는 머신러닝: 인간-컴퓨터 상호작용의 미래를 위한 새로운 시각
본 연구는 머신러닝을 활용하여 개인의 시간 지각 변화를 예측하는 모델을 개발하고, 그 정확도와 일반화 능력을 검증했습니다. 생태학적으로 타당한 실험 설정과 인지 심리학 이론과의 통합을 통해, 인간-컴퓨터 상호작용 분야에서의 응용 가능성을 제시했습니다.

시간 지각 연구는 꾸준히 발전해왔지만, 개인 수준의 정량적 분석과 생태학적 환경에서의 시간 지각 연구는 여전히 미개척 분야였습니다. Amrapali Pednekar를 비롯한 연구진은 이러한 한계를 극복하기 위해 획기적인 연구를 진행했습니다. 바로 머신러닝을 활용하여 개인의 시간 생산 변화 방향을 예측하는 모델을 개발한 것입니다.
연구진은 995명의 참가자를 대상으로 자연스러운 비디오 영상(음향 없음)을 자극으로 사용하는 온라인 실험을 진행했습니다. 이는 기존 연구보다 훨씬 생태학적으로 타당한 설정이라고 할 수 있습니다. 놀랍게도, 개발된 머신러닝 모델은 시간 생산 변화 방향을 61%의 정확도로 예측했습니다. 이는 기존의 인지 심리학 이론에 기반한 모델보다 무려 10%나 높은 수치입니다. 더욱 고무적인 것은, 이 모델이 새로운 데이터에도 동일한 성능을 보였다는 점입니다. 이는 모델의 일반화 능력이 뛰어남을 시사합니다.
흥미롭게도, 모델 분석 결과 시간 생산 변화의 크기에 대한 정보도 포함하고 있음이 밝혀졌습니다. 연구진은 인구 수준과 개인 수준 모두에서 예측 결과를 분석했는데, 참가자의 이전 시간 지각 성과가 시간 생산 변화 방향을 결정하는 데 중요한 역할을 한다는 사실을 발견했습니다. 여기서 한 걸음 더 나아가, 연구진은 머신러닝의 특징 중요도 기법과 시간 지각 연구의 주의 게이트 이론을 통합하여 모델 예측을 인지 심리학 이론으로 설명하는 데 성공했습니다.
이 연구 결과는 인간-컴퓨터 상호작용 시스템에 폭넓은 응용 가능성을 지닙니다. 사용자의 시간 지각 변화를 이해하고 예측함으로써 더 나은 사용자 경험과 작업 성과를 제공할 수 있기 때문입니다. 이 연구는 시간 지각에 대한 우리의 이해를 심화시키는 동시에, 인간 중심 기술 설계의 새로운 지평을 열어줄 것으로 기대됩니다. 앞으로 더욱 발전된 모델을 통해, 사용자 맞춤형 인터페이스 디자인, 게임 디자인, 심지어는 의료 분야에서의 환자 경험 향상에도 기여할 수 있을 것입니다.
Reference
[arxiv] Predicting change in time production -- A machine learning approach to time perception
Published: (Updated: )
Author: Amrapali Pednekar, Alvaro Garrido, Yara Khaluf, Pieter Simoens
http://arxiv.org/abs/2412.12781v1