CounterStress: 개인화된 스트레스 관리 방안
CounterStress: Enhancing Stress Coping P
이 문제의 핵심은 단순히 스트레스 수준을 수치화하거나 예측하는 데 있지 않습니다. 중요한 것은, 그 데이터를 바탕으로 실제 행동 변화를 이끌어낼 수 있는 구체적이고 실천 가능한 전략을 제시하는 것입니다.
요즘 스트레스 받지 않고 사는 사람이 있을까요? 바쁜 일상 속에서 사람들은 종종 자신의 스트레스 원인을 파악하려고 노력하지만, 실제로 "어떻게 대처할지"를 구체적으로 계획하는 건 쉽지 않습니다. 이런 문제를 해결하기 위해 ICLAB의 연구진이 개발한 시스템이 바로 CounterStress입니다.
왜 기존 스트레스 관리 앱은 부족했을까?
기존 스트레스 수준만 보여주는 앱
“평소에 스트레스를 받고있구나!” “그래서 이걸 어떻게 해결해야해?”
기존의 헬스케어나 스트레스 관리 앱들은 대개 사용자의 스트레스 수준을 알려주는 데 그치는 경우가 많습니다. 예를 들어, “도서관에서 공부할 때 스트레스를 많이 느낀다”는 사실은 알려주지만, 그 상황에서 스트레스를 줄이기 위해 무엇을 해야 하는지는 제시하지 못합니다. 다시 말해, 스트레스의 원인을 파악하는 데는 초점을 두지만, 실제적인 대처 전략까지는 연결되지 않는 한계가 있습니다.
행동 변화까지 이끄는 전략이 중심이 되어야한다!"이 문제의 핵심은 단순히 스트레스 수준을 수치화하거나 예측하는 데 있지 않습니다. 중요한 것은, 그 데이터를 바탕으로 실제 행동 변화를 이끌어낼 수 있는 구체적이고 실천 가능한 전략을 제시하는 것입니다."
스트레스를 줄이려면 어떤 ‘상황 변화’가 필요할까 : Counterfactual Explanation
CounterStress의 핵심 기술은 요즘 XAI(설명가능AI)에서 자주 쓰이는 반사실적 설명 (Counterfactual
Explanation)입니다. 쉽게 말해, 다음과 같은 질문을 던지는 겁니다.
“이 상황에서 스트레스를 덜 받으려면 무엇을 바꿨어야 했을까?”
이렇게 실제로 사용자가 경험한 데이터를 기반으로, 상황을 조금씩 바꿔가며 스트레스가 낮아질 수 있는 조건들을 제시합니다.
Counterfactual Explanation 설명도예를 들어, [오후, 도서관, 혼자, 공부] 상황에서 스트레스를 많이 받았던 기록이 있다면, 시스템은 이렇게 제안할 수 있습니다:
장소를 도서관 → 기숙사로 바꿔보세요.
혹은 '혼자' → '친구와 함께'로 바꿔보세요.
이렇게 실제로 사용자가 경험한 데이터를 기반으로, 상황을 조금씩 바꿔가며 스트레스가 낮아질 수 있는 조건들을 제시합니다. 이제 방법에 대해 알았으니 연구진이 실제로 “어떻게” 데이터를 수집하여 “무엇이” 실제로 스트레스를 받는 요인인지를 파악했는지 알아봅시다!
어떻게 작동하나요? – 데이터 수집부터 ML 기반 전략 생성까지
1. 실시간 데이터 수집
참여자들은 6주간 직접 스트레스 상황을 기록했습니다.
하루 동안 다양한 시간대에 알림을 받고, 현재 활동, 위치, 함께 있는 사람, 시간대, 그리고 스트레스 정도(1~5)를 간단히 선택하는 방식이었습니다.
이를 통해 평균 558개의 맥락과 스트레스 수치가 수집됐죠!
2. 스트레스 분류 모델 학습
수집된 데이터를 바탕으로 각 참가자마다 개인화된 머신러닝 모델(Random Forest)을 학습했습니다.
입력: [활동, 장소, 사회적 맥락, 시간대]을 받아서 출력: 스트레스가 높은가(3~5), 낮은가(1~2)를 예측합니다!
3. Counterfactual 생성
모델이 예측한 높은 스트레스 상황에 대해, 어떤 요소를 바꾸면 스트레스가 낮아질지를 계산합니다.
예를 들어 [공부, 도서관, 혼자, 오후] 같은 상황이 높은 스트레스로 예측되면,
→ [공부, 기숙사, 혼자, 오후]
→ [공부, 도서관, 친구와, 저녁] 등 가능한 변경안을 생성합니다.
여기서 어떤 요소의 변경이 스트레스 해소에 가장 영향을 주었을지를 CounterStress의 UI를 보면서 알아 봅시다!
어떤 요인이 진짜 스트레스를 유발했을까?
단순히 “상황을 바꾸면 스트레스가 줄어든다”는 말은 설득력이 부족하죠. 그래서 CounterStress는 각 맥락이 실제로 스트레스에 영향을 줬는지를 **인과 분석(causal analysis)**을 통해 검증합니다.
아래는 앱 내 'Analysis' 탭 화면입니다:
UI/UX를 통해 알아보는 "CounterStress"의 스트레스 해소 방법
CounterStress는 "무엇을 바꾸면 스트레스가 줄어드는가?"만 알려주는 게 아닙니다. 어떤 맥락이 얼마나 기여했는지도 정량적으로 제시합니다.
CounterStressd의 UI예를 들어 ‘공부’라는 활동은 평균적으로 스트레스 점수가 4.4였고, 공부하지 않을 때보다 0.4점 높았습니다. 이 차이는 위치, 시간, 동반자 등의 조건이 같을 때도 유효하다는 걸 확인했어요. 즉, 단순한 상관관계가 아니라 실제 스트레스를 유발한 원인으로 작용했음을 보여줍니다.
예측만이 아니라, ‘기여도’까지 보여주는 What-If 분석
CounterStress는 "무엇을 바꾸면 스트레스가 줄어드는가?"만 알려주는 게 아닙니다. 어떤 맥락이 얼마나 기여했는지도 정량적으로 제시합니다.
각 맥락의 기여도를 시각화하는 What-If 분석 화면위 이미지처럼, CounterStress는 Shapley Value라는 해석가능 기법을 활용해 각 맥락의 기여도를 시각화합니다. 예를 들어:
활동(Activity)이 스트레스에 50% 기여
장소(Location)는 30%
사회적 맥락(Social)은 20%
이를 통해 사용자는 단순히 "바꿔야 한다"는 정보가 아니라, "무엇을 우선 바꾸는 게 가장 효과적인가?"를 알 수 있게 됩니다. 이렇게 하면, 사용자는 단순히 “이 맥락을 바꾸세요” 수준이 아니라 “내 스트레스에 진짜 큰 영향을 주는 요인을 중심으로” 전략을 수립할 수 있게 됩니다.
실제 사용자 경험
정량적 결과
시스템 사용성 평가(SUS) 점수: 75.0 / 100점 일반적으로 ‘Good usability’ 수준으로 평가되는 점수를 받았습니다!
사용자 대부분이 기존의 개인정보학(Personal Informatics, PI) 시스템보다 훨씬 실질적인 전략 설계에 도움이 됐다고 답했습니다.
정성적 반응
실제 사용자들의 피드백을 보면 CounterStress가 어떤 식으로 일상 속 스트레스 관리 방식에 변화를 줬는지가 드러납니다:
“예전에는 그냥 ‘언제 스트레스가 높았는지’만 알 수 있었어요. 근데 그걸 알아서 뭐 어쩌라는 건지는 솔직히 몰랐죠. 그런데 이건 ‘어떤 조건을 바꾸면 실제로 스트레스가 줄어들 수 있는지’를 딱 짚어줘서 되게 실질적인 느낌이에요.”
“하나의 상황에 대해서도 여러 가지 대안들이 쭉 나와요. 그러니까 ‘무조건 이걸 해라’가 아니라, 내 상황에 맞게 고를 수 있다는 선택권이 생긴 거죠."
“사실 추천 시스템이나 스트레스 앱 써보면 말은 많은데, 다 일반론적 조언이잖아요. 근데 이건 내가 실제로 겪었던 데이터 기반으로 설명을 해주니까 훨씬 믿음이 가요."
데이터 기반 스트레스 관리, 이제는 실현 가능한 이야기
스트레스는 단순히 “피하라”거나 “마음을 다스리라”는 조언으로 해결되지 않습니다. 특히 우리가 매일 마주치는 다양한 맥락 속 스트레스는 복합적이고, 사람마다 다르게 작용하죠.
CounterStress는 단순한 시계열 그래프나 막연한 조언에서 벗어나,
"당신은 이럴 때 스트레스를 받았고,"
"그걸 줄이기 위해선 이런 조건을 바꿔보면 어떨까?"
하고, 실제 데이터와 모델 예측을 통해 행동 가능한 전략을 제시하는 도구입니다.
당신이 매일 겪는 스트레스가 뭔지 알고 있다면,이제는 무엇을 바꿔야 할지도 함께 알아봐야 할 때입니다.
긴글 읽어주셔서 감사합니다!
논문 정보
논문 제목: CounterStress: Enhancing Stress Coping Planning through Counterfactual
Explanations in Personal Informatics
발표: CHI 2025, Yokohama, Japan
저자: Gyuwon Jung, Uichin Lee
링크: https://dl.acm.org/doi/10.1145/3706598.3713730
작성자 정보
작성자 박민서 KAIST 데이터사이언스학과 석박사 통합 과정 학생으로 Interactive Computing Laboratory (지도교수: 이의진)에서 지도를 받고 있습니다. 인간-컴퓨터 상호작용(Human-Computer Interaction, HCI) 분야에서 모바일 감성 컴퓨팅의 재현성과 일반화에 관심을 갖고 있습니다.
