AWARE-Light: a smartphone tool for experience sampling and digital phenotyping

AWARE-Light: a smartphone tool for experience sampling and digital phenotyping

AWARE-Light는 연구자들이 스마트폰을 이용해 경험 표집(Experience Sampling) 및 디지털 표현형(Digital Phenotyping) 연구를 수행할 수 있도록 돕는 도구입니다. 이 도구는 기술적 배경이 없는 연구자들도 쉽게 연구를 설계할 수 있도록 웹사이트와 안드로이드 앱으로 구성되어 있습니다.

특징 및 목적:

• AWARE-Light는 스마트폰 센서와 경험 표집 데이터를 수집해 참가자의 행동과 심리 상태를 연구하는 데 활용됩니다.
• 기존의 AWARE 플랫폼에 기반해, 웹 애플리케이션을 통해 연구자가 연구를 설정하고, 안드로이드 앱이 데이터를 수집하도록 설계되었습니다.
• 이 플랫폼은 비기술 분야의 연구자도 사용할 수 있으며, 센서 데이터 수집 및 설문 구성에 대한 다양한 설정 옵션을 제공합니다.

연구 시나리오:

• 이 도구는 정신 건강 연구에 유용하게 활용될 수 있습니다. 예를 들어, 스마트폰을 통해 수집한 위치 정보, 가속도 데이터, 통신 활동 등을 분석해 우울증 등 정신 건강 상태를 예측할 수 있습니다.
• 연구자들은 이러한 데이터를 활용해 심리 평가 설문과 센서 데이터를 결합해 행동 패턴을 분석하고, 기계 학습 모델을 구축하여 심리 상태를 예측할 수 있습니다.

보안 및 유지관리:

• 연구 참여자의 데이터는 연구자가 자체 서버에 저장해야 하며, AWARE-Light는 데이터를 제3자 서버로 전송하지 않아 개인정보 보호를 강화합니다.
• 지속적인 유지관리 및 업데이트는 기존 AWARE 플랫폼의 개방형 구조 덕분에 용이합니다.

Abstract

Aware-Light는 간편하고 경제적으로 효율적인 디지털 페노타이핑 연구를 위해 개발된 스마트폰 어플 및 웹사이트입니다. 이 도구는 연구자가 쉽게 연구를 설계할 수 있도록 지원하며, 정신 건강에 관한 디지털 표현형 연구 시나리오를 통해 그 가능성을 입증합니다. AWARE-Light는 연구자들에게 센서 데이터 수집과 경험 표집 연구를 용이하게 수행할 수 있는 방법을 제공합니다.

1. Introduction

스마트폰은 광범위한 샘플, 고품질 저비용 센서로 '실제 환경(in the wild)' 데이터 수집을 가능하게 했습니다. 스마트폰은 GPS나 가속도계 같은 센서의 연속 데이터 수집과 경험 표집법(ESM) 또는 생태학적 순간 평가(EMA)로 알려진 반복적인 참가자 입력 수집을 지원합니다. 이는 연구자들이 기존의 심리학 연구 방식보다 더욱 깊이 있는 분석을 수행할 수 있도록 도와줍니다.

스마트폰용 ESM을 위한 도구는 많이 있지만, 이들은 일반적으로 센서 데이터를 수집하지 않으며 설문지 샘플링 구성에 제한이 있습니다.

AWARE-Light는 2가지 요소로 구성됩니다:
1. 연구를 설정하고 구성할 수 있는 웹사이트
2. 참가자들이 설치하는 안드로이드 어플

ESM: 경험표집법은 휴대전화와 같은 통신기기를 통해 응답신호가 전달되면 참가자는 즉시 현재의 행위, 환경, 정서 상태 등을 기록하여 응답하는 방법이다.
EMA (Ecological momentary assessment): 생태순간평가(EMA)는 무선호출기, 개인단말기(PDA)를 비
롯한 다양한 형태의 전자기기를 통해 신호를 받은 후 연구참여자에게 현재 경험하고 있는 상황과 심리적 상태를 기록하도록 요구

2. Software design consideration

1. 연구자가 웹앱으로 연구 정의

• 연구에 필요한 설정 구성
• 이를 기반으로 configuration file과 DB configuration 생성

2. configuration file

• 이메일 등의 형태로 연구 참가자에게 전달

3. 참가자 연구 등록 - 스마트폰에 어플 설치

• 연구 enroll

4. 데이터 수집

• 연구 참여 기간동안 어플이 설정된 프로토콜에 따라 데이터 자동으로 수집
• 수집된 데이터는 DB에 자동 업로드

1. 설계 배경과 초기 접근:

• 초기연구: 모바일 기기에서 실험 직접 테스트할 수 있도록 개발, 모바일 기기에서 설문 작성 및 센서 구성 작업이 불편하다는 피드백을 받아, 연구 설정은 웹 애플리케이션을 통해 이루어지고 안드로이드 앱이 이 설정을 불러와 연구를 실행하도록 변경

2. 웹 애플리케이션 설계:

• NodeJS 기반의 MeteorJS 프레임워크 사용
• 웹 애플리케이션을 통해 연구를 설정할 수 있으며, 필요 시 로컬 서버에도 배포할 수 있습니다.

3. 경험 표집 방법(Ecological Momentary Assessment, ESM) 지원:

   • 기존의 AWARE 프레임워크에 알림 만료 시간 설정, 다양한 설문 질문 유형 추가(숫자 입력 등), 질문지 만료 시간 설정 등의 새로운 기능이 추가되었습니다.
   • 이외에도 랜덤 알림 스케줄링과 같은 기능을 통해 설문 알림이 겹치지 않도록 구성할 수 있습니다.

4. 데이터 보안과 프라이버시:

   • 민감한 데이터의 경우 연구자들이 데이터를 제3자 서버로 전송하지 않도록 하고 자체 데이터베이스 서버를 사용할 수 있게 했습니다.
   • 데이터 전송은 SSL 암호화 채널을 통해 안전하게 이루어지며, 참가자들이 데이터 수집 여부를 지속적으로 인지할 수 있도록 안드로이드의 지속 알림 기능을 활용합니다.

3. Research Scenario

1. 연구 배경:

   • 전통적인 정신 건강 치료는 평가의 주관성이나 환자의 기억에 의존해야 한다는 한계가 있습니다.
   • 임상 치료 세션이 완료되면 환자의 일상생활에서의 맥락과 행동 패턴을 모니터링할 간단한 방법이 없습니다.

2. 디지털 표현형의 역할:

• 행동과 정신건강 사이에는 특정한 연관성이 있습니다.
• 이를 이용해 개인의 스마트폰 사용 패턴 및 센서 데이터를 수집하여 그들의 심리 상태와 정신 건강을 감지/예측하기 위해 정량적이고 객관적으로 분석할 수 있습니다.

우울증의 문서화된 증상)

• 신체활동 감소
  • 가속도계
  • GPS
• 정서적 반응성
• 즐거운 사회적 상호작용 감소
  • 수/발신 통신의 양
  • 애플리케이션 사용량

3. 연구 예시:

• 연구 예시로, 16세에서 25세 사이의 임상적 우울증을 겪는 청년을 대상으로 한 디지털 표현형 연구가 설명되었습니다.

• 연구는 8주 동안 참가자의 스마트폰 사용 및 다양한 센서 데이터를 수집하며, 이 데이터는 사전 및 사후 심리 측정과 함께 분석됩니다.

  1) 시험 전후의 정량적 심리측정 척도 세트: Quick Inventory of Depressive Symptomatology (QIDS-SR) 설문지 사용
  2) ESM: 참가자들의 긍정적 및 부정적 정서, 수면의 질, 외로움, 사회적 활동, 불안과 걱정 수준, 물질 사용에 대한 스냅샷 정보를 얻기 위해 AWARE-Light가 표시하는 정오와 저녁의 일일 ESM (참가자들에게 알림을 통해 제공, 참가자 자가보고)
  3) AWARE-Light를 사용하여 스마트폰 센서에서 수집된 데이터: 애플리케이션 사용, 키보드 입력(마스킹 또는 비마스킹 옵션), 통신(통화 및 문자 메시지), 지리적 위치, 주변 조명, 네트워크 트래픽 및 사용량, 화면 이벤트, 화면 상호작용

4. 연구 목적:

• 스마트폰 센싱 데이터 수집의 실행 가능성, 안전성, 수용성을 평가
• 수집된 스마트폰 센싱 데이터와 심리 측정 결과를 결합하여 심리측정 결과 예측하는 머신러닝 모델을 구축
• 이를 통해 전통적인 심리 평가의 필요성을 줄이는 것
• 스마트폰을 통해 수집한 데이터로 사용자에게 맞춤형 디지털 정신 건강 intervention을 적절한 일상의 순간에 실시간으로 추천

4. Study Creation

4.1 연구 및 서버 세부사항 (Study and server details)

• 연구자는 연구 이름, 연구 책임자 정보, 참가자에게 표시될 동의 메시지 등 기본적인 연구 세부사항을 설정해야 합니다.
• 데이터가 저장될 데이터베이스 서버의 세부정보와 적절한 권한을 가진 데이터베이스 사용자 정보도 제공되어야 합니다. 시스템은 서버에 연결하여 이 정보를 확인하고 데이터베이스를 초기화합니다. 연구자는 자체 데이터베이스 서버를 사용해 데이터를 관리하므로, 데이터 보호와 윤리적 요구사항을 충족할 수 있습니다.

4.2 질문 구성 (Questions)

• 연구자는 참가자에게 제시될 질문들을 구성할 수 있습니다. 질문은 질문 제목과 질문 유형(예: 자유 텍스트, 단일 선택, 다중 선택, 척도 등)으로 구성됩니다.
• 질문마다 추가 지침이나 설명을 제공할 수 있으며, 알림의 시간 초과 설정과 질문 만료 시간을 구성할 수 있습니다.

4.3 스케줄 구성 (Schedule configuration)

• 연구자는 질문이 참가자에게 언제 제공될지를 설정할 수 있습니다. AWARE-Light는 세 가지 스케줄링 옵션을 지원합니다:
  • 고정 스케줄: 특정 시간에 알림이 발생하도록 설정.
  • 랜덤 스케줄: 지정된 시간 범위 내에서 무작위로 알림이 발생하도록 설정.
  • 반복 간격 스케줄: 특정 간격마다 반복적으로 알림이 발생하도록 설정.
• 이전 연구에 따르면 알림 빈도는 응답에 영향을 미치지 않았습니다.
• Van Berkel 등의 연구에서는 스마트폰 잠금 해제 시 알림을 보내는 것이 시간 기반 스케줄보다 더 높은 응답률을 보였다고 합니다.
• 무작위 스케줄과 간격 기반 알림 스케줄 간에는 차이가 발견되지 않았습니다.
• 간격 기반 알림의 사용: 시간 관련 통계 분석을 더 간단하게 만들지만, 일반적으로 동일한 맥락(예: 출근, 수업 종료)을 반복적으로 캡처하여 수집된 데이터의 맥락적 풍부성을 감소시킵니다.

4.4 센서 데이터 (Sensor data)

• AWARE-Light는 다양한 스마트폰 센서를 통해 데이터를 수집할 수 있습니다. 소프트웨어 센서(예: 앱 사용 기록, 키보드 입력)와 하드웨어 센서(예: GPS, 가속도계) 등이 포함됩니다.
• 연구자는 센서 데이터 수집 빈도, 데이터 동기화 설정(예: Wi-Fi에서만 동기화), 데이터 정확도 등을 구성하여 데이터의 양과 배터리 소모 사이의 균형을 맞출 수 있습니다.
• 연구 중 최대한 많은 데이터를 수집하려는 욕구가 있을 수 잇지만, 데이터 수집이 스마트폰의 배터리 수명에 미칠 수 있는 잠재적 영향을 신중하게 고려해야 합니다. 연구에 따르면 일반적으로 '소프트웨어' 센서가 하드웨어 센서보다 전력을 덜 소비합니다.

4.5 배포 (Deployment)

• 연구자는 설정된 연구 구성을 검토하고 .JSON 파일 형식으로 다운로드할 수 있습니다. 이 파일은 연구 참여자에게 제공됩니다.
• 참가자는 Android 기기에 클라이언트 앱을 설치하고 구성 파일의 URL을 입력하여 연구에 등록합니다.
• 연구 시작 후 클라이언트 앱은 센서 데이터 수집과 설문 진행을 자동으로 시작합니다. 연구자가 구성 파일을 업데이트하면 앱은 주기적으로 이를 확인하고 업데이트된 구성을 반영하여 연구 조건을 조정할 수 있습니다.

5. Discussion

1. 스마트폰 연구의 중요성과 기대:

• 연구자들이 인간 행동을 연구하기 위해 스마트폰을 사용하는 것에 대한 높은 수요와 기대가 존재합니다. 스마트폰은 현미경이나 초음파 기기와 같이 연구 도구로 사용될 수 있으며, 연구 참가자들의 실제 생활 환경에서 데이터를 수집할 수 있는 강력한 도구입니다. 하지만 이러한 기기의 설계, 구현, 유지 관리에 대한 책임은 반드시 사용자에게 있는 것은 아닙니다.

2. 스마트폰 센싱 연구의 분류:

• Miller는 스마트폰 센싱 연구를 네 가지 유형으로 분류했습니다:
  (1) 통신사 제공 데이터를 이용하는 연구
  (2) 연구자가 참가자에게 배포한 사전 프로그래밍된 모바일 장치(PDA 등)를 사용하는 연구
  (3) 특정 스마트폰 모델 및 맞춤형 애플리케이션을 참가자에게 배포하는 연구
  (4) 앱 스토어를 통해 배포된 모바일 소프트웨어 애플리케이션을 사용하는 연구.

  이 논문에서는 후자의 두 가지 유형에 초점을 맞추고 있으며, 스마트폰 보급이 널리 퍼져 있고 매년 증가하고 있음을 인식하고 있습니다.

---

정리

주요 내용 관련

AWARE-Light는 특히 정신 건강 연구에서 디지털 표현형에 어떻게 기여하는가?
AWARE-Light는 참가자의 스마트폰에서 센서 데이터를 수집하여 심리 상태와 행동 패턴을 추론할 수 있도록 함으로써 디지털 표현형을 지원합니다. 이 플랫폼은 위치 정보, 신체 활동, 사회적 상호작용과 같은 데이터를 수집하여 우울증과 같은 상태와 관련된 행동을 분석할 수 있습니다. 이러한 데이터 포인트를 생태학적 순간 평가(EMA) 및 심리 평가와 결합하여, 연구자들은 정신 건강 결과를 예측할 수 있는 기계 학습 모델을 구축할 수 있습니다. 이를 통해 연구자들은 참가자의 실제 행동을 모니터링하고 시기적절한 정신 건강 개입에 유용한 정보를 제공할 수 있습니다.

일반화 및 적용 관련

1. AWARE-Light의 프레임워크는 비정신 건강 연구에 어떻게 적용될 수 있는가?
   다양한 센서 데이터 수집과 실시간 참가자 입력을 가능하게 하는 AWARE-Light의 프레임워크는 정신 건강 이외의 다양한 연구 분야에 적용될 수 있습니다. 예를 들어, 공중 보건 연구에서 신체 활동과 좌식 행동을 모니터링하거나 역학 연구에서 환경 노출을 추적하거나, 사회학 연구에서 통신 패턴을 분석하는 데 사용할 수 있습니다. 다양한 유형의 설문 구성과 다양한 센서 입력 통합에 있어 유연성을 제공하기 때문에, AWARE-Light는 광범위한 행동 및 상황 연구 주제에 적용될 수 있습니다.

2. 대규모 장기 연구에 AWARE-Light를 구현하는 데 있어서 주요 도전 과제는 무엇인가요?
   AWARE-Light를 대규모 장기 연구에 구현할 때의 주요 도전 과제는 참가자 참여와 데이터 품질을 유지하는 것입니다. 장기적인 참여는 참가자 피로를 유발할 수 있으며, 이는 응답률과 데이터 신뢰성을 저하시킬 수 있습니다. 또한, 데이터 저장과 프라이버시 문제는 규모가 클수록 중요해지며, 강력한 데이터 관리 전략과 엄격한 프라이버시 규정 준수가 요구됩니다. 플랫폼의 지속적인 기술 지원을 보장하고, 모바일 운영체제 업데이트에 따른 변화를 관리하는 것도 장기 연구의 중요한 과제입니다.