Smart Media Journal (스마트미디어저널)

THE KOREAN INSTITUTE OF SMART MEDIA (한국스마트미디어학회)
권호 표지
DOI QR코드

DOI QR Code

Recommendations for the Construction of a Quslity-Controlled Stress Measurement Dataset

품질이 관리된 스트레스 측정용 테이터셋 구축을 위한 제언

  • 김태훈 (전남대학교 전기컴퓨터공학부) ;
  • 나인섭 (전남대학교 문화콘텐츠학부/데이터사이언스대학원)
  • Received : 2023.12.04
  • Accepted : 2023.12.21
  • Published : 2024.02.29
Download PDF
⟨ Previous Next ⟩

Abstract

The construction of a stress measurement detaset plays a curcial role in various modern applications. In particular, for the efficient training of artificial intelligence models for stress measurement, it is essential to compare various biases and construct a quality-controlled dataset. In this paper, we propose the construction of a stress measurement dataset with quality management through the comparison of various biases. To achieve this, we introduce strss definitions and measurement tools, the process of building an artificial intelligence stress dataset, strategies to overcome biases for quality improvement, and considerations for stress data collection. Specifically, to manage dataset quality, we discuss various biases such as selection bias, measurement bias, causal bias, confirmation bias, and artificial intelligence bias that may arise during stress data collection. Through this paper, we aim to systematically understand considerations for stress data collection and various biases that may occur during the construction of a stress dataset, contributing to the construction of a dataset with guaranteed quality by overcoming these biases.

스트레스 측정용 데이터셋의 구축은 건강, 의료분야, 심리향동, 교육분야 등 현대의 다양한 응용 분야에서 핵심적인 역할을 수행하교 있다. 특히, 스트레스 측정용 인공지능 모델의 효율적인 훈련을 위해서는 다양한 편향성을 제거하고 품질 관리된 데이터셋을 구축하는 것이 중요하다. 본 논문에서는 다양한 편향성 제거를 통한 품질의 관리된 스트레스 측정용 데이터셋 구축에 관하여 제안하였다. 이를 위해 스트레스 정의 및 측정도구 소개, 스트레스 인공지능 데이터 셋 구축과정, 품질향상을 위한 편향성 극복 전략 그리고 스트레스 데이터 수집시 고려사항을 제시하였다. 특히, 데이터셋 품질을 관리하기 위해 데이터셋 구축시 고려사항과, 발생할 수 있는 선택편향, 측정편향, 인과관계편향, 확증편향, 인공지능편향과 같은 다양한 편향서에 대해 검토하였다. 본 논문을 통해 스트레스 데이터 수집시 고려사항과 스트레스 데이터셋의 구축에서 발생할 수 있는 다양한 편향성을 체계적으로 이해하고, 이를 극복하여 품질이 보장된 데이터셋을 구축하는데 기여할 것으로 기대된다.

Keywords

Acknowledgement

이 논문은 전남대학교 학술연구비(과제번호: 2023-0933) 지원에 의하여 연구되었음.

References

  1. 김태훈, 나인서, "스트레스 데이터셋 구축 및 품질관리," 한국스마트미디어학회 2023 종합 학술대회, 제주대학교 아라캠퍼스, 26-27쪽, 2023년 4월 27일
  2. 한국지능정보사회진흥원, "인공지능 학습용 데이터 품질관리 가이드라인 및 구축 안내서 v3.0," 2023년 2월
  3. 박현환, 주효진, 정솔, "사회과학 분야의 직무스트레스에 대한 연구 경향 분석," 지방정부연구, 제25권 제2호, 275-303쪽, 2021년 https://doi.org/10.20484/klog.25.2.12
  4. 조남희, 나은영, "우울과 스트레스에 관한 국내연구 분석:치료와 대상자를 중심으로," 융합정보논문지, 제7권 제6호, 53-59쪽, 2017년 https://doi.org/10.22156/CS4SMB.2017.7.6.053
  5. Eman S. Alharbi, Andrew P. Smith, "Review of the Literature on Stress and Wellbeing of International Students in English-Speaking Countries," International Education Studies, vol. 11, no. 6, pp. 22-44, 2018. https://doi.org/10.5539/ies.v11n6p22
  6. Shelley E. Taylor, Annette L. Stanton, "건강 심리학, 제11판," 시스마프레스, 2022년
  7. 신영철, Shin YC. 직무 스트레스와 우울증. J Korean Neuropsychiatr Assoc, vol. 59, no. 2, pp. 88-97, 2020. https://doi.org/10.4306/jknpa.2020.59.2.88
  8. 유수정, 김태석, 채정호, "스트레스의 두뇌 과학적 이해," 가정의학회지, 제26권, 439-450쪽, 2005년
  9. 정상근, "스트레스의 사회 심리적 이해," 정신신체의학, 제9권, 제1호, 66-80쪽, 2001년
  10. 최환석, "스트레스의 정신생리학적 평가," 스트레스硏究, 제14권, 제2호, 57-62쪽, 2006년
  11. William R. Lovallo, "스트레스, 건강, 행동의학," 학지사, 2018년
  12. Havsepian, K., al'Absi, M., Ertin, E., Kamark, T., Nakajima, M., Kumar, S. (2015). cStress: Towards a Gold Standard for Continuous Stess Assessment in the Mobile Environment, Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing(UbiComp '15), pp. 493-504, 2015.
  13. Picard, R. W. Affective Computing. Cambridge, MA: MIT Press, 1997.
  14. Iqbal, T.; Simpkin, A.J.; Roshan, D.; Glynn, N.; Killilea, J.; Walsh, J.; Molloy, G.; Ganly, S.; Ryman, H.; Coen, E.; et al. Stress Monit oring Using Wearable Sensors: A Pilot Study and Stress-Predict Dataset. Sensors 2022, 22, 8135. https://doi.org/10.3390/s22218135
  15. Chen J, Abbod M, Shieh JS. Pain and Stress Detection Using Wearable Sensors and Devices-A Review. Sensors (Basel). 2021 Feb 3;21(4):1030. doi: 10.3390/s21041030. PMID: 33546235; PMCID: PMC7913347.
  16. S Vaikole, S. Mulajkar, A. More, P. Jayaswal, S. Dhas, "Stress Detection through Speech Analysis using Machine Learning," International Journal of Creative Research Thoughts, vol. 8, no. 5, pp. 2239-2245, 2020.