게임 기반 인지 평가를 위한 확률 모델 검증 프레임워크

초록

본 논문은 심각 게임을 활용해 건강, 경도·중증 인지장애 환자의 행동을 이산시간 마코프 체인(DTMC)으로 모델링하고, 확률 모델 검증(PCTL)으로 진단 신뢰도와 훈련 난이도를 동적으로 조정하는 메타‑자동마톤 구조를 제안한다.

상세 분석

이 연구는 인지 장애 스크리닝과 재활을 동시에 지원하는 게임 기반 시스템을 형식적 검증 기법과 결합한 점에서 혁신적이다. 먼저 환자군(건강, 경도 NCD, 중증 NCD)을 각각 PDF‑A(Probabilistic Deterministic Finite Automaton)로 구현하고, 각 행동(정답 선택 α, 오답 선택 β, 무활동 γ, 게임 종료 θ)에 사전 확률을 할당한다. 이러한 확률은 임상 전문가 설문을 통해 초기값을 얻고, 실제 플레이 데이터를 통해 베이지안 방식으로 업데이트한다는 점이 실용성을 높인다.

모델 검증 단계에서는 PCTL을 이용해 “모든 실행이 결국 종료 상태에 도달한다”는 안전성(Property P≥1