대학 내 정신 건강 역량 강화를 위한 내러티브 시뮬레이션과 시각 AI를 교육 관리에 통합하는 연구

요약

이 연구는 내러티브 시뮬레이션과 시각 AI를 교육 관리 시스템에 통합하여 대학생들의 정신 건강, 정서적 회복력, 그리고 참여도를 향상시키는 내용을 담고 있습니다.

초록

대학생들은 점점 더 불안, 우울, 스트레스 등 정신 건강 문제에 직면하고 있지만, 대부분의 고등 교육 환경에서는 감정 모니터링과 지원을 위한 적극적인 시스템이 부족합니다. 이 연구는 내러티브 시뮬레이션과 시각 인공지능(AI)을 통합하여 학생들의 정신 건강 문해력과 정서적 회복력을 증진하는 하이브리드 교육 관리 시스템을 설계, 구현 및 평가하는 것을 목표로 했습니다. 이 시스템에는 스트레스 시나리오를 시뮬레이션하는 내러티브 의사결정 모듈과 교실 환경에 내장된 AI 기반 감정 인식 도구(얼굴 표정 감지 기반)가 포함되어 있습니다. 혼합 방법 설계가 여러 대학의 332명의 학부생과 15명의 교수진을 대상으로 사용되었습니다. 개입 전후 설문조사, 사용 기록, 시각 AI의 실시간 감정 데이터가 수집되었습니다. 정량적 데이터는 기술통계, 쌍 t-검정, ANOVA 및 다중 선형 회귀를 사용하여 분석하였습니다. 결과는 학생들의 정신 건강 점수(p < 0.01), 정서 인식, 의사결정 자신감에서 통계적으로 유의미한 개선을 나타냈습니다. 이 통합적 접근법은 사용성과 확장성을 모두 보여주며, 강사에게 조기 감정적 통찰을 제공하고 학생들에게 반성적인 학습 환경을 제공합니다. 이 방법은 AI 지원 교실과 훈련된 윤리적 감독을 갖춘 기관에 가장 적합합니다.

서론

정신 건강은 고등교육에서 시급한 문제로 부각되었으며, 전 세계 대학생들 사이에서 불안, 우울, 번아웃 수준이 증가하고 있습니다. 이러한 심리적 부담은 종종 학업 과부하, 사회적 압박, 재정적 불확실성과 연관되어 학업 성취, 유지율, 장기적인 웰빙에 부정적인 영향을 미칩니다². 많은 기관이 상담 서비스와 위기 개입을 시행했지만, 이러한 접근법은 반응적이고 범위가 제한^{적입니다.} 학생들의 일상 학습 환경 속에서 심리적 회복력을 지원하는 선제적이고 확장 가능하며 내재된 전략에 대한 수요가 증가하고 있습니다.

최근 교육 기술의 발전은 정서적 지원을 교수 시스템에 직접 통합할 수 있는 새로운 기회를 제공합니다. 두 가지 유망한 접근법은 내러티브 시뮬레이션과 시각 인공지능(AI)입니다. 내러티브 시뮬레이션은 학생들을 감정적으로 복잡한 상황에 배치하여 성찰, 공감, 의사결정을 장려하는 상호작용적이고 스토리 중심의 모듈을 의미합니다. 경험 학습 이론에 기반한 이 시뮬레이션들은 학습자가 시험 불안, 시간 관리, 동료 갈등과 같은 도전에 대한 반응을 안전하고 안내

프로토콜

데이터 수집 전에 난징우편통신대학교 기관심사위원회(승인 코드: NJUPT-IRB-2024-0312)로부터 윤리 승인을 받았습니다. 모든 참가자는 연구 범위, 자발적 참여성, 감정 추적을 위한 시각적 AI 사용, 데이터 기밀 유지 절차에 대해 브리핑을 받은 후 서면 동의서를 제공하였습니다. 참여는 언제든 중단될 수 있으며 벌칙 없이 진행될 수 있습니다. 사용되는 소프트웨어와 장비는 재료표에 나열되어 있습니다.

1. 학습 준비

1. 운영 일정과 종단 간 흐름의 정의
   두 가지 평가 지점이 설정되었는데, T1(개입 전), 첫 번째 검사 직후, T2(개입 후)로, AI 감정 신호에 따라 강사가 간단한 피드백을 제공하였습니다. 시험 기간 후 한 번의 내러티브 시뮬레이션이 예정되었고, 며칠 후 대처 변화를 평가하기 위한 두 번째 시뮬레이션이 예정되어 있었습니다. 교실 카메라 입력, 감정 인식 API, 강사 피드백, 설문 수집, 데이터 통합 및 분석을 포함하는 종단 간 파이프라인은 그림 1A에 나와 있습니다.
2. 참가자 모집 및 문서 작성
   총 347명의 참가자가 기존 강좌에....

결과

기술 분석

사전 비교에서는 시행 후 부작용이 지속적으로 감소하는 것으로 나타났습니다. 검사 후 평균은 불안의 2.87, 우울증의 2.74, 스트레스의 2.69로 각각 검사 전 평균의 3.25, 3.11, 3.08에서 감소했습니다(그림 2). 기술적 결과는 표 4에 요약되어 있으며, 문항별 도구 구조는 표 3에 제공된다. 연구 맥락에서 AI 신뢰성을 평가하기 위해 Microsoft Azure Emotion API는 7개 범주에서 평균 분류 정확도 91.4%를 달성했으며, 평균 오류율은 8.6%, 프레임당 지연 시간은 1.2초로 정서 변화 감지에 적절한 정밀도를 <했습니다(표 4).

다중.......

토론

이 연구는 내러티브 시뮬레이션과 시각 AI가 결합될 때 감정 인식이 일방향적 개입이 아닌 공유된 과정이 됨을 보여줍니다. 학생들은 단순히 디지털 도구에 반응하는 것이 아니라; 그들은 인지 평가와 신체적 경험을 연결하는 구조화된 감정적 성찰에 참여하고 있었다. 데이터셋 전반에 걸쳐 정량적·정성적 결과 모두 불안 감소와 감정 조절 개선의 일관된 패턴을 보여주었으며, 이는 프로토콜이 대학 교육 시스템 내에서 감성 지능 계층으로 기능할 수 있음을 시사합니다.

이 방법의 효과를 결정짓는 것은 기술 자체가 아니라 보정, 피드백, 내러티브 디자인 사이의 안무 문제로 보입니다. 감정 인식 모듈이 정밀하게 조정되고 강사가 신속히 추적한 세션에서는 학생들의 성찰적 반응 품질이 현저히 높았습니다. 이 단계를 건너뛰거나 지연시키면 참여도가 눈에 띄게 떨어졌습니다. 이 관찰은 감정 학습이 근본적으로 상호작용적이고 맥락에 의존적이라는 견해를 뒷.......

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
하드웨어	얼굴 인식 카메라	로지텍(또는 유사)	C920 HD 웹캠
악기	인터뷰 대본집	수동 입력	오디오 녹음/텍스트
설문지	수정 DASS-21 스케일	작가들에 의해 각색됨	5점 리커트 형식
소프트웨어	Microsoft Azure Emotion API	마이크로소프트	Emotion API v3 (클라우드)
소프트웨어	SPSS 통계	IBM	버전 26
소프트웨어	내러티브 시뮬레이션 시스템	자체 개발	웹 기반 (HTML5)
시스템 플랫폼	대학 교육 관리 시스템	내부 플랫폼	AI 모듈과 통합