모바일 데이터와 날씨·성격으로 일일 스트레스 예측

본 논문은 “Daily Stress Recognition from Mobile Phone Data, Weather Conditions and Individual Traits”라는 제목의 연구를 한국어로 종합 정리한다. 연구 배경은 스트레스가 삶의 질 저하와 다양한 질병을 유발한다는 점에서, 기존에는 심박 변동성, 피부 전도도 등 생리학적 센서를 이용한 스트레스 감지가 주류를 이루었지만, 이러한 방법은 착용 불편함, 일상 생활에서의 데이터 품질 저하, 개인 간 차이 등 실용적 한계가 있다. 이에 저자들은 스마트폰 사용 로그, 기상 정보, 그리고 개인의 성격 특성이라는 세 가지 비침습적 데이터 소스를 결합해 일일 스트레스를 자동으로 인식하는 모델을 제안한다. **데이터 수집** - 기간: 2010년 11월 ~ 2011년 5월, 7개월 동안 진행. - 대상: 미국 한 대학원 기숙사에 거주하는 117명 중 데이터가 충분히 확보된 111명(다양한 국가 출신). - 수집 항목: (a) 통화 로그, (b) SMS 로그, (c) 블루투스 스캔을 통한 근접 디바이스 탐지, (d) 일일 설문(스트레스 수준 1~7점, 빅파이브 성격 점수). - 총 로그량: 33,497통화, 22,587SMS, 1,460,939 블루투스 히트. **스트레스 라벨링** - 설문에서 1=전혀 스트레스 없음, 4=중립, 7=극심 스트레스. - 연구에서는 4점을 기준으로 1~3을 ‘비스트레스’, 5~7을 ‘스트레스’로 이진화. - 최소 2주 연속 데이터가 있는 참가자만 분석에 포함, 데이터 불균형을 최소화하기 위해 샘플링 전략 적용. **특징 설계** 1. **모바일 활동 피처** - 통화·SMS 횟수, 발신·수신 비율, 하루 평균 이벤트 수, 응답 지연(중앙값), 엔트로피 기반 다양성 지표(Shannon, Miller‑Madow) 등. - 블루투스 기반 근접 상호작용: 하루 평균 근접 시간, Q90, Q95 등 시간분포, 고유 디바이스 수, 시간대별 엔트로피 등. 2. **기상 피처** - 평균 온도, 습도, 풍속, 가시거리, 강수량 등 일일 평균값 5개. 3. **성격 피처** - 빅파이브 다섯 요인(외향성, 신경증, 친화성, 성실성, 개방성) 점수. 전체 피처 차원은 32로, 변수 선택 과정에서 불필요한 피처를 제거하고 모델 효율성을 높였다. **모델링 및 실험** - 분류 알고리즘: SVM, 로지스틱 회귀, k‑NN, 랜덤 포레스트 등 다중 모델 비교. - 최종 모델: 랜덤 포레스트 기반 앙상블 (다수 투표 방식). - 평가 지표: 정확도, 정밀도, 재현율, F1‑Score. 5‑fold 교차 검증과 독립 테스트 셋을 사용해 일반화 성능 확인. - 결과: 전체 3가지 데이터 소스를 모두 사용했을 때 정확도 72.28%, F1‑Score 약 0.71. 단일 소스만 사용할 경우 정확도는 55~60% 수준으로 크게 감소. 특히 성격 피처와 기상 피처를 결합했을 때 약간의 향상이 있었지만, 모바일 로그가 가장 큰 기여도를 보였다. **특징 중요도 분석** - Random Forest의 Mean Decrease Accuracy 기준 상위 피처: ‘신경증’, ‘개방성’, ‘온도’, ‘SMS 응답 지연(중앙값)’, ‘습도’, ‘블루투스 Q95 시간’, ‘통화 엔트로피(Outgoing)’ 등. - 이는 개인의 내재적 성향(신경증 등)과 외부 환경(날씨) 그리고 실제 상호작용 패턴이 스트레스 발생에 복합적으로 작용함을 시사한다. **논의 및 한계** - 비침습적 데이터만으로도 스트레스를 일정 수준 이상 정확하게 예측할 수 있음을 입증, 실생활 애플리케이션(예: 스트레스 관리 앱, 스마트 워크플레이스) 적용 가능성 강조. - 설문 기반 라벨링의 주관성, 이진화에 따른 정보 손실, 데이터가 한 대학원 기숙사에 국한된 점은 일반화에 제약을 둔다. - 향후 연구 방향: 다양한 연령·직업군 확대, 연속적인 스트레스 점수 회귀 모델, 딥러닝 기반 시계열 모델 적용, 실시간 피드백 시스템 구축 등. **핵심 기여** 1. 모바일 사용, 기상, 성격을 통합한 다중 요인 스트레스 예측 프레임워크 제시. 2. 7개월, 111명 규모의 실세계 데이터셋 구축 및 공개(가능 시). 3. 각 데이터 소스별·조합별 성능 비교를 통해 다중 소스 결합의 필요성 입증. 4. 변수 중요도 분석을 통해 스트레스와 가장 연관된 행동·환경·성격 요인 도출.