[논문 리뷰] Affect Control Processes: Probabilistic and Decision Theoretic Affective Control in Human-Computer Interaction.

Jesse Hoey, Tobias Schröder외 1명|arXiv (Cornell University)|2013. 06. 22.

Mental Health Research Topics인용 수 3

한 줄 요약

이 논문은 인간-컴퓨터 상호작용에서 정서적 통제를 유지하기 위해 다수의 행동 및 정체성 가설을 확률 분포로 유지하는 비결정론적이고 의사결정 이론 기반의 확장인 BayesAct를 제안한다. 학습과 예측을 통해 가치 중심의 정서적으로 신뢰할 수 있는 상호작용을 가능하게 하며, 설문 조사에서 유래한 정서 지식을 활용한 프로토타입 연구에서 검증되었다.

ABSTRACT

Affect Control Theory is a mathematical representation of the interactions between two persons, in which it is posited that people behave in a way so as to minimize the amount of deflection between their cultural emotional sentiments and the transient emotional sentiments that are created by each situation. Affect control theory presents a maximum likelihood solution in which optimal behaviours or identities can be predicted based on past interactions. Here, we formulate a probabilistic and decision theoretic model of the same underlying principles, and show this to be a generalization of the basic theory. The new model, called BayesAct is more expressive than the original theory, as it can maintain multiple hypotheses about behaviours and identities simultaneously as a probability distribution, and can make value-directed action choices. This allows the model to generate affectively believable interactions with people by learning about their identity, predicting their behaviours, and taking actions that are simultaneously goal-directed and affect-sensitive. We demonstrate this generalisation with a set of simulations. We then show how our model can be used as an emotional plug-in for systems that interact with humans. We demonstrate human-interactive capability by eliciting knowledge from 37 participants with a survey, and then using this knowledge to build a simple demonstrative intelligent tutoring application. We present results from a pilot study with 20 participants using the application.

연구 동기 및 목표

• 인간 정체성과 행동에 대한 동적 믿음 갱신을 지원하는 비결정론적이고 의사결정 이론 기반의 프레임워크로 고전적 Affect Control Theory를 확장하는 것.
• 목표 지향적 행동와 정서적 민감성을 균형 있게 유지함으로써 정서적으로 신뢰할 수 있는 상호작용을 가능하게 하는 것.
• 인간 참가자들로부터 얻은 정서 지식을 기반으로 일반화 가능한 정서 플러그인을 개발하는 것.
• 모델의 효과성을 시뮬레이션과 인간 상호작용 인텔리전트 튜터링 응용 프로그램을 활용한 프로토타입 연구를 통해 검증하는 것.

제안 방법

• 다양한 정체성과 행동에 대한 분포를 유지하는 베이지안 확률 모델로 Affect Control Theory를 수식화하는 것.
• 시스템 목표를 달성하면서도 정서적 이탈을 최소화하는 행동 선택을 의사결정 이론적 최적화를 통해 수행하는 것.
• 37명의 참가자로부터 확득한 설문 조사 기반 정서 감성 데이터를 활용해 모델의 정서 사전 확률 및 행동 기대를 파rameter화하는 것.
• 정서적 상호작용을 시뮬레이션하여 모델이 정서적 역학을 예측하고 반응할 수 있는 능력을 평가하는 것.
• 실시간 인간 상호작용을 위한 프로토타입 인텔리전트 튜터링 시스템에 모델을 정서 플러그인으로 구현하는 것.
• 20명의 참가자를 대상으로 시스템의 정서적 신뢰성과 효과성을 평가하기 위한 프로토타입 연구를 수행하는 것.

실험 결과

연구 질문

• RQ1 Affect Control Theory의 비결정론적 확장이 상호작용 시스템에서 인간의 정서적 반응을 효과적으로 모델링하고 예측할 수 있는가?
• RQ2 행동 및 정체성 가설을 다수의 확률 분포로 유지함으로써 정서 예측 및 반응 생성 능력이 어떻게 향상되는가?
• RQ3 실제 인간-컴퓨터 환경에서 모델이 정서적으로 신뢰할 수 있고 목표 지향적인 상호작용을 얼마나 잘 생성할 수 있는가?
• RQ4 인간으로부터 확득한 정서 감성 데이터를 통합함으로써 모델의 현실성과 반응성은 어느 정도 향상되는가?

주요 결과

• BayesAct 모델은 다수의 가설과 가치 중심 행동 선택을 지원함으로써 고전적 Affect Control Theory를 성공적으로 일반화하였다.
• 시뮬레이션 결과, 모델이 정서적 믿음을 동적으로 유지하고 갱신함으로써 더 세밀하고 맥락 민감한 반응을 생성할 수 있음을 입증하였다.
• 프로토타입 연구에서 BayesAct를 적용한 인텔리전트 튜터링 시스템은 참가자들로부터 정서적으로 신뢰할 수 있는 것으로 평가받았다.
• 37명의 참가자로부터 확득한 설문 데이터는 모델의 정서 반응 예측 정확도를 향상시키는 신뢰할 수 있는 정서 사전 확률을 제공하였다.
• 20명의 참가자를 대상으로 한 프로토타입 연구를 통해 BayesAct를 상호작용 시스템에 정서 플러그인으로 통합하는 것이 가능함을 확인하였다.
• 모델은 정서 민감성과 목표 지향적 행동 간의 균형을 유지함으로써 인간-컴퓨터 상호작용의 자연스러움을 향상시킬 수 있다.