행동 결과 예측을 위한 군중 지능 설문 플랫폼

초록

본 논문은 비전문가 집단이 스스로 질문을 만들고 답변함으로써 행동 결과(전기 사용량, 체질량지수)를 예측하는 모델을 구축하는 웹 기반 시스템을 제안한다. 사용자 생성 설문이 동적으로 확장되며, 수집된 데이터로 회귀 분석을 수행해 높은 예측 정확도를 달성한다.

상세 분석

이 연구는 전통적인 데이터 수집·특징 설계 과정에서 도메인 전문가의 직관에 의존하던 방식을 탈피한다는 점에서 혁신적이다. 저자들은 두 가지 실험 플랫폼을 구축했는데, 첫 번째는 가정의 월간 전력 소비량을, 두 번째는 개인의 체질량지수(BMI)를 목표 변수로 설정했다. 플랫폼은 사용자가 기존 질문에 답변하고, 자신이 생각하기에 결과에 영향을 미칠 수 있는 새로운 질문을 자유롭게 제안하도록 설계되었다. 이렇게 생성된 질문들은 자동으로 데이터베이스에 저장되고, 각 질문은 답변이 축적될수록 통계적 가중치를 부여받는다.

데이터 전처리 단계에서는 결측값을 평균 대체하거나 질문 자체를 제외하는 방식이 적용됐으며, 범주형 응답은 원-핫 인코딩으로 변환했다. 모델링은 주로 선형 회귀와 라소(Lasso) 정규화를 결합한 방법을 사용했는데, 이는 고차원(수백 개) 질문 특성 중 실제 예측에 기여하는 소수의 변수를 자동 선택하도록 돕는다. 교차 검증을 통해 과적합을 방지하고, R²와 평균 제곱근 오차(RMSE) 등으로 성능을 평가했다.

전력 소비량 실험에서는 최종 모델이 R²≈0.62, RMSE≈15 kWh 수준의 예측력을 보였으며, 주요 변수로는 가구 규모, 냉난방 사용 습관, 전자기기 보유 수 등이 도출되었다. BMI 실험에서는 R²≈0.55, RMSE≈2.3 kg/m²를 기록했으며, 식습관, 운동 빈도, 수면 시간 등이 핵심 예측 인자로 확인되었다. 흥미로운 점은 이러한 변수들이 사전에 전문가가 선정한 것이 아니라, 사용자들이 자발적으로 제시한 질문에서 추출되었다는 것이다.

시스템의 성장 곡선을 분석한 결과, 질문 수와 답변 수가 초기 단계에서 기하급수적으로 증가했으며, 이는 기존 온라인 협업 커뮤니티에서 관찰되는 ‘네트워크 효과’와 유사하다. 그러나 질문 품질 관리가 자동화되지 않은 점은 한계로 지적된다. 저자들은 질문의 신뢰성을 평가하기 위해 투표 기반 평점 시스템이나 전문가 검증 절차를 도입할 것을 제안한다. 또한, 현재는 회귀 모델에 국한되지만, 비선형 관계를 포착하기 위해 트리 기반 모델이나 신경망을 적용하는 방안도 논의된다.

전체적으로 이 연구는 비전문가 집단의 집단 지성을 활용해 행동 과학 연구에 필요한 변수 발굴과 모델링을 동시에 수행할 수 있음을 실증한다. 데이터 수집 비용 절감, 새로운 인사이트 발굴 가능성, 그리고 참여자 동기 부여 메커니즘 등 다방면에서 향후 연구와 실용화에 큰 잠재력을 제공한다.