[논문 리뷰] Emotions in Pervasive Computing Environments

Nevin Vunka Jungum, Éric Laurent|ArXiv.org|2009. 12. 09.

Emotion and Mood Recognition참고 문헌 88인용 수 6

한 줄 요약

이 논문은 환경적 심리학을 활용하여 정서 상태를 퍼스베이시브 컴퓨팅 환경에 통합함으로써 사용자의 정서를 모델링하고 반응하는 방법을 제안한다. 정서 표현을 위한 XML 기반 언어인 EARL을 도입하고, 의미 모호성과 표준화 부족과 같은 정서 모델링의 주요 과제를 규명하며, 맥락 인식형 정서적 적응형 시스템을 위한 프레임워크를 기여한다.

ABSTRACT

The ability of an intelligent environment to connect and adapt to real internal sates, needs and behaviors' meaning of humans can be made possible by considering users' emotional states as contextual parameters. In this paper, we build on enactive psychology and investigate the incorporation of emotions in pervasive systems. We define emotions, and discuss the coding of emotional human markers by smart environments. In addition, we compare some existing works and identify how emotions can be detected and modeled by a pervasive system in order to enhance its service and response to users. Finally, we analyze closely one XML-based language for representing and annotating emotions known as EARL and raise two important issues which pertain to emotion representation and modeling in XML-based languages.

연구 동기 및 목표

• 정서를 맥락적 매개변수로 간주함으로써 퍼스베이시브 컴퓨팅 환경이 사용자의 정서 상태에 적응할 수 있도록 하기 위해.
• 심리학적 기반을 바탕으로 정서가 어떻게 감지되고 모델링되며 표현될 수 있는지 탐구하기 위해.
• 정서 상태를 퍼스베이시브 시스템 내에서 표현하고 애너테이션하는 데에 XML 기반 언어인 EARL의 적합성을 평가하기 위해.
• 특히 의미론과 상호운용성 측면에서, 구조화된 데이터 형식 내 정서 모델링의 핵심 과제를 규명하기 위해.
• 실시간 정서 맥락 인식을 통한 시스템 반응성 향상을 위한 프레임워크를 제안하기 위해.

제안 방법

• 정서를 인지와 행동과 연결된 동적이고 맥락 민감한 상태로 정의하기 위해 환경적 심리학에 기반한다.
• 생리적, 행동적, 언어적 지표에 초점을 맞춰 퍼스베이시브 시스템 내에서의 기존 정서 감지 및 모델링 기법을 분석한다.
• 시스템 로그와 사용자 상호작용 내 정서 상태를 애너테이션하기 위한 XML 기반 표준으로 EARL(Emotion Annotation and Representation Language)을 제안한다.
• 복잡한 정서 역동성과 다중 모odal 정서 신호를 표현하는 데 있어 EARL의 표현력과 한계를 평가한다.
• 의미 모호성과 확장성 부족과 같은 문제점을 포함하여 XML 기반 시스템 내 정서 모델링의 핵심 문제점을 규명한다.
• 퍼스베이시브 컴퓨팅 아키텍처에 통합하기 위한 적합성을 평가하기 위해 EARL을 다른 정서 표현 모델과 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 퍼스베이시브 컴퓨팅 환경에서 정서를 효과적으로 모델링하고 표현하여 맥락 인식형 적응을 가능하게 할 수 있는가?
• RQ2 EARL과 같은 XML 기반 언어를 사용한 정서 애너테이션 및 표현에 있어 핵심 과제는 무엇인가?
• RQ3 기존의 정서 감지 기법들은 퍼스베이시브 시스템의 요구사항과 어떻게 부합하는가?
• RQ4 환경적 심리학은 정서적으로 반응하는 환경 설계에 어떻게 기여할 수 있는가?
• RQ5 현재의 정서 모델링 표준은 퍼스베이시브 시스템에서 동적이고 실시간 정서 맥락을 지원하는 데에 어떤 한계를 지니는가?

주요 결과

• 정서는 퍼스베이시브 시스템 내에서 맥락적 매개변수로 효과적으로 모델링될 수 있으며, 이는 더 적응형이고 개인화된 상호작용을 가능하게 한다.
• EARL 언어는 정서 상태를 애너테이션하기 위한 구조화되고 기계로 판독 가능한 형식을 제공하여 시스템 간 상호운용성을 지원한다.
• EARL의 주요 한계 중 하나는 정서 기술자에 대한 의미 모호성으로, 이는 다양한 시스템 간 일관된 해석을 방해할 수 있다.
• 현재의 XML 기반 정서 표현 언어는 시간에 따라 변화하는 복잡하고 동적인 정서 상태를 모델링하기에 충분한 확장성 부족을 겪고 있다.
• 정서 맥락을 퍼스베이시브 시스템에 통합함으로써 사용자 경험을 크게 향상시켜 더 직관적이고 반응적인 행동을 가능하게 한다.
• 정서 표현의 표준화는 여전히 중요한 과제이며, 현재까지 널리 채택된 의미론적으로 강력한 프레임워크는 존재하지 않는다.