on
Sep 16th Journal Club
Themes: Emotional support from AI chatbots, Multimodal Sentimental analysis
Presenters: IL (Inju Lee), JSP (Jisang Park)
Topic 1: Emotional Support from AI Chatbots [IL]
선정 이유
챗봇의 사회적 지지를 주제로 한 연구를 알아보고 싶었기 때문에 본 논문을 읽어보았다.
내용 요약
본 논문은 어떤 조건에서 스트레스/걱정 감소에 대한 챗봇의 정서적 지지 효과가 극대화되는지 알아보았다. 연구 질문은 크게 다음 두 가지이다. (1) 챗봇이 social cue(본 논문에선 reciprocal self-disclosure의 형태로 사용)를 사용할 때, 이는 스트레스/걱정 감소에 대한 정서적 지지 효과에 어떠한 영향을 미칠 것인가? (2) 지지 제공자 유형(사람, 챗봇)이 정서적 지지 효과와 reciprocal self-disclosure의 조절 효과에 어떠한 영향을 미칠 것인가?
실험은 2 (source: chatbot vs. human) X 2 (emotional support: yes vs. no) X 2 (reciprocal self-disclosure: yes vs. no)의 between-subjects design으로 진행되었다 (source는 참여자에게 안내해준 대화 상대 유형에 불과하며, 모든 참여자는 챗봇과 대화하였다). 참여자는 최근 스트레스 받은 상황을 떠올려 그에 대한 스트레스/걱정 정도를 평가한 뒤 챗봇과 대화를 나누었다. 대화 종료 후, 지각된 지지와 스트레스와 걱정 정도를 측정하였고 manipulation check 또한 실시하였다.
연구 결과는 다음과 같다. (1) 정서적 지지는 지각된 지지를 매개하여서만 스트레스/걱정을 감소시킨다. (2) 지지 제공자를 사람으로 지각하였을 경우, 지각된 지지의 수준이 더 높았다. (3) reciprocal self-disclosure가 있을 때 걱정 감소에는 긍정적인 영향을 주었지만, 스트레스 감소에는 유의한 영향이 없었다. (4) 지지 제공자를 챗봇으로 안내한 조건의 경우 정서적 지지 없이 오로지 self-disclosure만 제공 했을 때 이는 스트레스 감소에 부정적인 영향을 주었다. 그러나 지지 제공자를 사람으로 안내한 조건에선 이러한 부정적인 영향이 나타나지 않았다.
장단점
종속변수로 스트레스와 걱정을 측정하였는데, 걱정을 굳이 함께 측정한 근거가 명확히 나와있지 않아 아쉽다.
의의
상황과 조건에 따라 챗봇의 정서적 지지 효과가 어떻게 달라지는 지 파악함으로써, 챗봇 지지 효과에 대한 이해를 넓혀주었다.
참고 문헌
- Meng, J., & Dai, Y. N. (2021). Emotional Support from AI Chatbots: Should a Supportive Partner Self-Disclose or Not?. Journal of Computer-Mediated Communication.
Topic 2: Multimodal sentimental analysis for social media applications: A comprehensive review [JSP]
선정 이유
개별연구 수업의 잠정적인 연구주제로 삼은 Multimodal 감정 분석에 대한 포괄적인 이해를 하고 싶었다.
내용 요약
한 종류의 데이터만으로 감정을 분석하는 전통적인 unimodal 접근법은 정확한 감정을 파악하는 데에 한계가 많아, multimodal 접근법이 이뤄지고 있음.
Text, audio, image/video 데이터를 활용한 unimodal 감정 분석에 대한 현재까지의 연구와 공개된 데이터셋, 전처리 및 특징 추출 방법론에 대한 정리를 제공한다.
Multimodal 감정 분석을 위한 융합 기술을 크게 5가지를 소개하는데, 이 중 감정 결정 단계에서 융합하는 방식(Late Fusion)이 특징 단계에서 융합하는 방식(Early Fusion)보다 정확도가 높다고 연구되었다.
감정 분석에는 크게 지도/비지도 학습을 활용하는 머신러닝 기반의 접근법, 사전 또는 코퍼스를 활용하는 어휘 기반의 접근법, 딥러닝 기반의 접근법이 사용될 수 있다.
장단점
본 분야에 대한 최신 리뷰인만큼 해당 분야에 대한 연구가 총망라 되어있다.
Multimodal 감정 분석이 Opnion Extraction을 중심으로 연구가 진행되어 정서 이론에 따른 정서 파악보다는 긍정, 부정, 중립 판단에 치중되어있다.
의의
Multimodal 감정 분석 분야를 연구하기 위한 지침서로 활용할 수 있는 교과서와 같은 리뷰다.