“DeepStress: Supporting Stressful Context Sensemaking in Personal Informatics Systems Using a Quasi-experimental Approach”

저자: Gyuwon Jung, Sangjun Park, Uichin Lee (KAIST)
출처: CHI 2024

1. Abstract & Introduction

DeepStress는 개인 정보학(Personal Informatics, PI) 시스템으로, 사용자가 자신의 스트레스와 관련된 맥락을 분석하도록 돕는다. 기존 PI 시스템은 주로 상관관계(correlation) 분석을 제공했지만, DeepStress는 준실험(quasi-experimental) 접근법을 활용하여 스트레스와 특정 맥락(Context) 간의 인과관계(causality) 를 분석한다.

연구 목적
• 개인이 자신의 스트레스를 유발하는 맥락을 탐색하고 의미를 부여할 수 있도록 지원.
• 준실험 접근법을 통해 혼란 변수(confounding factors)를 통제하여 보다 정확한 인과관계 분석을 수행.
• 6주간의 사용자 연구를 통해 DeepStress의 효과를 검증.

2. Related Work

DeepStress가 기존 연구와 차별화되는 점은 단순한 데이터 시각화나 상관관계 분석을 넘어, 인과관계를 분석할 수 있도록 설계되었다는 점이다.

관련 연구 분야
1. 개인 정보학 (PI) 시스템
• 사용자들이 자신의 건강과 생활 습관을 추적하며 데이터를 분석하는 도구.
• 하지만 대부분 상관관계 분석에 초점을 맞추며, 인과관계 분석을 지원하지 않음.
2. 스트레스 관리 시스템
• 웨어러블 장치와 스마트폰을 통해 스트레스 지수를 측정.
• 스트레스 원인을 탐색하는 기능이 부족함.
3. 준실험적 접근법 (Quasi-experimental Approach)
• 무작위 대조 실험(Randomized Controlled Trial, RCT) 과 달리, 현실적인 상황에서 데이터를 수집하여 인과관계를 분석.
• 특정 맥락에서 실험을 진행하기 어려운 경우에 적합한 방법.
• DeepStress는 매칭(Matching) 기법을 활용하여 비교 가능한 데이터를 구성함으로써 인과관계 분석을 수행.

3. DeepStress System Design

DeepStress는 사용자가 자신의 스트레스와 관련된 맥락을 탐색하고, 이를 바탕으로 스트레스 관리를 할 수 있도록 설계되었다.

핵심 기능

1.	과거 스트레스 패턴 탐색
•	사용자 데이터(스트레스 지수, 시간, 장소, 활동, 사회적 관계)를 기반으로 시각화된 스트레스 변화 제공.
•	스트레스가 증가하거나 감소하는 주요 맥락을 자동 분석하여 제시.
2.	스트레스 맥락 탐색 (Context Exploration)
•	특정 활동(Activity), 장소(Place), 사회적 관계(Social Setting) 가 스트레스에 미치는 영향을 분석.
•	사용자가 자신의 패턴을 이해하고, 스트레스가 발생하는 맥락을 인식할 수 있도록 함.
3.	인과관계 분석 (Causal Analysis)
•	매칭(Matching) 기법을 활용하여 비교 가능한 그룹을 구성하고, 맥락이 스트레스에 미치는 영향을 분석.
•	단순한 상관관계 분석이 아닌, 혼란 변수를 통제한 인과관계 분석을 제공.
4.	스트레스 관리 전략 지원
•	특정 맥락에서 스트레스가 증가하는 경우, 이를 피하거나 완화할 수 있는 방법을 제안.

4. 사용자 연구 (User Study)

DeepStress의 효과를 평가하기 위해 6주간의 사용자 연구와 추적 조사(diary study) 가 진행되었다.

연구 방법

•	24명의 대학생(평균 연령 21.3세) 모집
•	Perceived Stress Scale(PSS) 점수가 13 이상(중간~높은 스트레스 수준) 인 참가자 선별.
•	6주 동안 스트레스 데이터 및 맥락 수집
•	모바일 앱을 통해 경험 샘플링(Experience Sampling Method, ESM) 설문 수행.
•	하루 평균 4.9회 스트레스 및 맥락 기록.
•	실험실 기반 사용자 연구
•	DeepStress를 활용하여 데이터를 탐색하고, 주요 기능 및 UX 평가.
•	1주간의 일기 연구(Diary Study)
•	실생활에서 DeepStress를 활용하는 방식 관찰.

5. Findings

1. 스트레스 탐색 및 맥락 이해
   • 사용자들은 DeepStress를 통해 자신의 스트레스 패턴을 더 잘 이해하게 됨.
   • 특정 요일, 시간대, 장소에서 스트레스가 더 높아지는 경향을 발견.

2. 단순 상관관계가 아닌 인과관계 분석이 중요
   • 기존의 PI 시스템은 단순히 “이 장소에서 스트레스가 높았다”고 보여줬다면, DeepStress는 해당 장소가 실제로 스트레스의 원인이 되는지 분석.
   • 사용자는 DeepStress를 통해 기존에 인식하지 못했던 스트레스 유발 요인을 발견할 수 있었음.

3. 스트레스 관리 전략 수립
   • DeepStress를 사용한 후, 참가자들은 스트레스를 줄이기 위한 행동을 계획하는 경향이 높아짐.
   • 예: 특정 장소에서 공부할 때 스트레스가 높은 경우, 카페로 장소를 바꾸는 등 대안 탐색.

4. 데이터 신뢰성과 활용 가능성
   • 일부 참가자들은 데이터 신뢰성 문제를 지적: “내가 직접 스트레스 점수를 매기다 보니 주관적인 오류가 있을 수 있다.”
   • 하지만 대다수의 참가자들은 DeepStress의 분석이 자신의 경험과 대체로 일치한다고 평가.

6. Conclusion

DeepStress의 주요 기여점

1.	개인 정보학 시스템에서 인과관계 분석 적용
•	기존 시스템과 달리, 단순한 상관관계 분석을 넘어 인과관계를 분석하는 기능 제공.
2.	사용자가 자기 스트레스의 맥락을 더 잘 이해하도록 지원
•	특정 상황이 실제로 스트레스의 원인인지 검증 가능.
3.	데이터 기반 스트레스 관리 전략 제공
•	개인이 스트레스를 줄이기 위해 실질적인 행동 변화 계획을 세울 수 있도록 도움.

향후 연구 방향

•	데이터 정확성 향상: 사용자가 보다 정교하게 데이터를 입력할 수 있도록 설계 개선.
•	개인화된 인사이트 제공: 개별 사용자의 행동 패턴을 학습하여 맞춤형 피드백 제공.
•	실제 행동 변화 유도: DeepStress의 인사이트가 실제 행동 변화로 이어지는지 추가 연구 필요.

---

인사이트 & 느낀점

1.	단순한 “데이터 제공”을 넘어, “의미 있는 해석”을 제공해야 한다.
•	기존의 헬스케어 앱들은 단순한 수치 제공에 그쳤다면, DeepStress는 사용자가 직접 의미를 해석할 수 있도록 설계됨.
2.	인과관계 분석이 중요한 이유
•	“공부할 때 스트레스가 높았다” vs. “공부가 스트레스의 원인이다”는 다름.
•	DeepStress는 다양한 요인을 통제하고, 진짜 원인을 파악하는 데 집중.
3.	스트레스 관리를 위한 실질적인 행동 변화 유도
•	DeepStress의 가장 큰 강점은 **“데이터 기반 행동 변화”**를 유도하는 것.
•	단순한 정보 제공에서 끝나지 않고, 실제 생활에서 적용 가능한 인사이트 제공.