감정 평가 대처 모델을 활용한 캐스케이드 문제 연구

본 논문은 감정과 인지의 상호작용을 정량적으로 모델링하고자 하는 시도에서 출발한다. 감정 모델링 분야에서는 계층적 모델과 구성요소 모델이 주류를 이루는데, 저자는 구성요소 모델 중 하나인 평가‑대처(appraisal‑coping) 모델을 선택한다. 이 모델은 상황에 대한 인지적 평가(appraisal)와 그 평가에 기반한 대처 전략(coping)으로 구성되며, 감정‑인지‑행동의 순환적 피드백 구조를 강조한다. 연구 대상은 프랑스 초등학교 5학년(10세) 아동을 대상으로 한 “캐스케이드” 문제이다. 문제는 격자 형태로 제시되며, 각 칸에 위에 있는 두 수의 합이 들어간다. 일부 칸은 비어 있어 아동이 직접 값을 채워야 한다. 이 과제는 단순한 산술 연산을 넘어, 규칙 인식, 계획 수립, 오류 검증 등 복합적인 인지 과정을 요구한다. 따라서 감정 변화와 인지 전략 사이의 연관성을 탐색하기에 적합한 실험 환경을 제공한다. 실험 설계는 두 가지 주요 데이터 수집 방법을 결합한다. 첫째, 고속 카메라와 표정 인식 소프트웨어를 이용해 아동의 얼굴 표정을 실시간으로 기록한다. 이를 통해 긍정, 부정, 놀람 등 기본 감정 상태를 정량화한다. 둘째, 전기피부반응(EDA) 센서를 손가락에 부착해 자율신경계 활성도를 측정한다. EDA는 스트레스나 흥분 등 감정적 각성 수준을 반영한다. 두 데이터 스트림은 문제 해결 과정 전반에 걸쳐 동기화되어, 특정 인지 단계(예: 새로운 수를 입력하거나 오류를 발견했을 때)와 감정 반응을 직접 연결한다. 모델 적용 단계는 다음과 같다. (1) 평가 단계: 아동은 현재까지 채운 격자를 바탕으로 자신의 풀이 계획이 올바른지 판단한다. 이때 규칙에 부합하는지, 예상 결과와 일치하는지를 검증한다. (2) 감정 반응: 평가 결과가 긍정적이면 만족감, 자신감 등 긍정적 정서가 유발되고, 부정적이면 좌절감이나 불안이 나타난다. (3) 대처 단계: 감정 피드백에 따라 아동은 기존 전략을 유지하거나, 수정하거나, 완전히 새로운 전략을 시도한다. 예를 들어, 오류가 반복될 경우 “다른 시작점에서 다시 계산한다”는 전환 전략을 선택한다. (4) 피드백 루프: 새로운 전략 실행 후 다시 평가‑감정‑대처 순환이 진행된다. 실험 결과는 모델의 예측과 일치한다. 아동이 올바른 수를 입력하고 계획이 성공적으로 진행될 때는 얼굴 표정이 점차 미소 형태로 변하고, EDA는 안정적인 수준을 유지한다. 반대로 오류를 발견하거나 계획이 교착 상태에 빠질 경우, 표정은 찡그리거나 놀람 형태로 변하고, EDA는 급격히 상승한다. 또한, 전략 전환이 빈번한 아동은 감정 변동 폭이 크고, 최종적으로 과제를 포기하는 경우가 관찰되었다. 이는 대처 전략이 감정 상태에 크게 영향을 받으며, 감정이 다시 인지 전략 선택에 피드백을 제공한다는 평가‑대처 모델의 핵심 가설을 뒷받침한다. 논의에서는 모델의 교육적 활용 가능성을 제시한다. 감정‑인지 피드백 루프를 실시간으로 모니터링하면 교사는 학습자의 정서적 어려움을 조기에 감지하고, 적절한 지원(예: 힌트 제공, 과제 난이도 조절)을 제공할 수 있다. 또한, 모델은 메타인지적 조절 능력을 강화하는 교육 프로그램 설계에 기여할 수 있다. 마지막으로, 저자는 모델의 일반화 가능성을 검증하기 위해 다른 유형의 문제(예: 논리 퍼즐, 언어 이해)에도 적용할 필요성을 강조한다. 참고문헌에는 감정 모델링의 이론적 배경(Baudic & Duchamp, 2006), 평가‑대처 모델 원전(Smith & Lazarus, 1990), 그리고 본 연구와 직접 연관된 이전 연구(Mahboub, 2006; Clément, 2007) 등이 포함된다. 전체적으로 본 논문은 감정과 인지의 통합 모델을 실제 학습 상황에 적용하고, 다중 감각 데이터를 통해 모델을 검증함으로써 인공지능 기반 교육 기술 개발에 중요한 이론적·실증적 기여를 한다.