[논문 리뷰] Does putting your emotions into words make you feel better? Measuring the minute-scale dynamics of emotions from online data

Rui Fan, Ali Varamesh외 5명|arXiv (Cornell University)|2018. 07. 25.

Mental Health Research Topics참고 문헌 29인용 수 15

한 줄 요약

이 연구는 665,081명의 트위터 사용자에서 '나는...를 느낀다'라는 문장으로 감정 표기 이벤트를 탐지하고, 이전과 이후의 정서 변화를 추적함으로써 분석 단위로 감정의 동적 변화를 분석한다. 연구 결과, 부정적 감정은 언어적 표현 이후 몇 분 내로 급격히 감소하는 반면, 긍정적 감정은 더 천천히 감소하며 평균 지속 시간이 각각 1.25시간과 1.5시간으로 나타나, 감정 표기 작용이 암묵적인 정서 조절 메커니즘으로 기능할 수 있음을 뒷받침한다.

ABSTRACT

Studies of affect labeling, i.e. putting your feelings into words, indicate that it can attenuate positive and negative emotions. Here we track the evolution of individual emotions for tens of thousands of Twitter users by analyzing the emotional content of their tweets before and after they explicitly report having a strong emotion. Our results reveal how emotions and their expression evolve at the temporal resolution of one minute. While the expression of positive emotions is preceded by a short but steep increase in positive valence and followed by short decay to normal levels, negative emotions build up more slowly, followed by a sharp reversal to previous levels, matching earlier findings of the attenuating effects of affect labeling. We estimate that positive and negative emotions last approximately 1.25 and 1.5 hours from onset to evanescence. A separate analysis for male and female subjects is suggestive of possible gender-specific differences in emotional dynamics.

연구 동기 및 목표

• 언어로 감정을 표현할 경우 그 감정의 실시간 동적 변화가 자연스러운 온라인 환경에서 어떻게 영향을 받는지 조사하기 위해.
• 트위터에서 개인이 명시적으로 '나는...를 느낀다'고 표현한 이후의 감정 평가의 분석 단위로 변화를 측정하기 위해.
• 실험실 연구에서 관찰된 바와 같이 감정 표기 작용이 실제 세계의 비스토리어스한 맥락에서도 감정 강도 감소를 유도하는지 확인하기 위해.
• 감정 표기 이후 성별 간 정서적 동적 변화의 차이를 평가하기 위해.
• 개인의 성향, 일주기, 생체 시계 및 주간 주기 요소를 고려한 엄격한 근본 모델을 활용해 결과를 검증하기 위해.

제안 방법

• 감정 표기 이벤트를 '나는...', '나는 느끼고 있다', 또는 '나는 느끼고 있어' 다음에 감정 어휘를 수반하는 형식으로 식별하였다.
• 사전에 학습된 정서 분석 도구를 사용하여 각 표기 이벤트 주변 ±6시간 이내의 트윗에 대해 시간에 따른 평가 점수를 계산하였다.
• 주관적 성향, 시간대, 주중, 트윗 빈도를 고려한 무작위 샘플링을 통해 근본 모델을 구축하여 통계적 유의성을 확보하였다.
• 시간에 따른 평가 점수 데이터를 매끄럽게 하기 위해 10분 이동 평균을 적용하고, H=0.01, λ=40분으로 설정한 CUSUM 검정을 통해 이상치를 탐지하였다.
• 남성 및 여성 주체의 시간선을 별도로 분리하여 성별 기반 분석을 수행하고 정서적 동적 변화를 비교하였다.
• 유의성 평가를 위해 근본 모델의 10,000번의 부트스트랩 재표본을 통해 95% 신뢰구간을 계산하였다.

실험 결과

연구 질문

• RQ1 긍정적 또는 부정적 감정을 언어로 표현하면 시간이 지남에 따라 감정 강도가 측정 가능한 수준으로 감소하는가?
• RQ2 자연스러운 온라인 행동에서 감정 표기 이후 긍정적 감정과 부정적 감정의 시간적 동적 변화는 어떻게 다를까?
• RQ3 남성과 여성 간에 언어적 표현 이후 감정의 지속 시간과 감소 패턴에 차이가 존재하는가?
• RQ4 생체 시계, 일일 주기 및 개인 특성에 기반한 성향이 관찰된 정서적 동적 변화에 어느 정도 영향을 미치는가?
• RQ5 CUSUM 검정은 고해상도 온라인 언어 데이터에서 유의미한 정서 변화를 신뢰성 있게 탐지할 수 있는가?

주요 결과

• 부정적 감정은 감정 표기 직후 급격히 감소하며, 몇 분 내로 기준 수준으로 회복되는 빠른 반전을 보였다.
• 긍정적 감정은 느린 감소를 보이며, 발생에서 소멸까지 약 1.25시간이 소요되었다.
• 부정적 감정은 발생에서 소멸까지 약 1.5시간 지속되어 긍정적 감정보다 더 오랜 기간 지속되었다.
• 감정 강도 감소 효과는 주체 간에 일관되게 나타났으며, 개인의 성격이나 사회적 성향의 차이로 인한 것이 아니었다.
• 별도의 분석 결과 성별 간 정서적 동적 변화의 차이가 있을 수 있음을 시사했지만, 표본에 잘못 분류된 성별이 포함될 수 있다는 점을 고려해야 한다.
• CUSUM 검정은 40분 이상 지속되는 통계적으로 유의미한 정서적 기간을 성공적으로 탐지하여, 관찰된 정서 변화의 신뢰성을 확인하였다.