우리가 일상을 함께하는 '스마트폰' 속 일상 행동을 분석, 이용자 스트레스 상황을 파악하는 기술이 국내에서 개발됐다.
한국과학기술원(KAIST·총장 배충식)은 이의진 AI컴퓨팅학과 교수팀이 스마트폰에서 반복 행동을 자동으로 찾아내고 행동별 수행 시간과 빈도, 문자 입력 패턴 등을 활용해 일일 스트레스 상태를 판별하는 기술 'SHIRBT-MMF'를 개발했다고 15일 밝혔다.
기존 스마트폰 기반 스트레스 연구는 화면 사용 시간이나 앱 실행 횟수, 앱 종류별 사용 시간·빈도·타이핑 행동 등을 주로 분석했다. 사용 앱이나 앱 화면이 바뀌면 분석 데이터도 달라져, 스트레스 추적 모델 안정성이 떨어질 수 있다.
연구팀은 '어떤 앱을 사용했는가'보다 '무엇을 했는가'에 주목했다. 일례로 카카오톡에서 라인으로 사용 앱을 바꿔도 하는 일은 여전히 '채팅'이다. 앱 이름 대신 행동 목적을 기준으로 분석했다.
연구팀은 이런 반복 행동을 '스마트폰 상호작용 기반 일상 행동 과업(SHIRBT)'으로 정의했다. 자체 개발한 '멀티 레벨 순차 패턴 마이닝(ML-SPM)' 기법으로 여러 날에 걸쳐 반복되는 화면 전환 패턴을 찾아낸 뒤, 대규모 언어모델(LLM)을 활용해 '메신저 채팅' '웹 탐색' '금융 결제' '이메일 읽기·작성' 등 행동 이름을 붙였다. 서로 다른 앱에서도 같은 행동을 일관되게 분류하는 평가에서 95% 이상의 정확도를 보였다.
개인정보 보호를 위해 실제 입력한 문자나 메시지 내용은 저장하지 않고, 입력 여부와 횟수, 화면 전환 등 행동 정보만 기록했다. 메시지나 통화 상대 정보도 원래 정보를 직접 드러내지 않는 값으로 바꾸는 '해시 처리'를 적용했다.
연구팀은 20~30대 대학생과 직장인 26명의 실제 생활 데이터를 분석, 참가자가 매일 기록한 자기평가를 기준으로 스트레스가 있는 날과 없는 날을 구분하는 개인 맞춤형 모델을 만들었다.
확인된 참가자 반복 행동은 모두 29종이었으며, 한 사람은 평균 약 7가지 행동을 반복했다. 이런 행동 패턴을 학습한 개인 맞춤형 AI로 하루 스트레스 여부를 판별한 결과 가장 좋은 성능을 보인 모델 평균 정확도는 단기 참여자 75.9%, 장기 참여자 73.8%였다. 기존 방식보다 각각 5.5%p, 3.5%p 높았다.
이의진 교수는 “이번 연구는 복잡한 스마트폰 기록을 사람이 이해할 수 있는 행동 단위로 바꿔 장기간 정신건강 변화를 보다 안정적으로 분석할 수 있는 기반을 제시한 것”이라고 말했다.
다만 이번 연구는 행동·스트레스 연관성을 활용한 것으로, 특정 행동이 스트레스를 유발하거나 낮춘다는 인과관계를 입증한 것은 아니다.
이번 연구에는 이한수 박사가 제1저자로, 이의진 교수가 교신저자로 참여했으며 박태현·고영지 연구원과 전산학부 이재길 교수가 공동저자로 참여했다. 연구 결과는 'Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies'에 게재됐다. 13~15일 중국 상하이에서 개최되는 ACM UbiComp/ISWC 2026 발표 대상이다.
김영준 기자 kyj85@etnews.com
