학생 소프트웨어 프로젝트에서 개발자 감정 인식 요인 탐색

초록

본 연구는 81명의 컴퓨터공학 전공 학생을 대상으로 4차에 걸친 설문조사를 진행하여, 개발자가 텍스트 기반 커뮤니케이션을 긍정·중립·부정으로 인식하는 데 영향을 미치는 개인의 기분 특성·상태, 생활 만족도, 팀 갈등, 프로젝트 단계 등을 조사하였다. 결과는 감정 인식이 개인 내에서 중간 정도의 안정성을 보이며, 모호한 문장은 라벨 변동이 집중되는 특징을 보였다. 기분 특성(특히 장기적 기분과 감정 반응성)이 긍정 라벨링을 촉진하고 중립 라벨을 감소시키는 경향이 있었으며, 부정 라벨링과는 약한 연관성만 나타났다. 프로젝트 단계와 같은 외부 요인은 일관된 효과를 보이지 않았다. 연구는 감정 인식이 상황·문장에 크게 의존한다는 점을 강조하며, 자동 감정 분석 결과를 해석할 때 신중을 기해야 함을 시사한다.

상세 분석

본 논문은 감정 인식의 개인 내 변동성과 문맥 의존성을 정량적으로 파악하기 위해, 81명의 학생을 28개 팀에 배치하고 30개의 비맥락화된 개발자 커뮤니케이션 문장을 4차에 걸쳐 라벨링하도록 설계하였다. 설문에는 장기적 기분 특성(15문항, 7점 Likert), 단기적 정서 상태(PANAS, 5점 Likert), 생활 만족도, 팀 내 갈등(과제 갈등·관계 갈등) 등 심리·사회적 변수를 포함하였다.

1. 안정성 분석: 개인별 라벨 일관성을 Cohen’s κ와 GEE 기반 변동성 지표로 평가했으며, 평균 κ값이 0.45 수준으로 ‘보통’ 수준의 안정성을 보였다. 라벨 변동은 주로 ‘애매함’이 높은 문장(예: 중립과 긍정 사이 경계)에서 집중되었으며, 이는 라벨링 불확실성 메타데이터와도 높은 상관관계를 나타냈다.

2. 상관분석: Pearson·Spearman 상관계수를 이용해 각 심리 변수와 라벨 비율(긍정/중립/부정) 간의 1차 연관성을 탐색했지만, 다중 검정(FDR) 후에는 유의한 결과가 거의 없었다. 이는 개별 변수의 효과가 작거나, 변수 간 상호작용이 존재함을 암시한다.

3. 반복측정 모델(GEE): 종속 변수를 다항 로짓 형태로 설정하고, 독립 변수로는 기분 특성(총점, 반응성), PANAS 긍정·부정 점수, 생활 만족도, 과제 갈등·관계 갈등, 프로젝트 단계(초기·중간·마감) 등을 포함하였다. 결과는 다음과 같다.

   • 기분 특성: 장기적 기분 점수가 높을수록 긍정 라벨링 확률이 유의하게 증가(β = 0.12, p < 0.01)하고, 중립 라벨링은 감소하였다. 반응성 점수 역시 비슷한 방향으로 작용했으며, 감정 변동성이 큰 사람이 긍정적인 해석을 하는 경향을 보였다.
   • PANAS: 긍정 정서 점수는 긍정 라벨링에 약한 양의 효과를 보였으나, 부정 정서 점수와의 상호작용은 통계적으로 유의하지 않았다.
   • 팀 갈등: 과제 갈등 점수가 높을수록 부정 라벨링 확률이 약간 증가했지만, p값이 0.08 수준으로 탐색적(trend) 수준에 머물렀다. 관계 갈등은 유의미한 영향을 보이지 않았다.
   • 프로젝트 단계: 초기·중간·마감 단계 간 라벨링 차이는 거의 없었으며, 단계와 기분 변수 간 상호작용도 유의하지 않았다.

4. 문장 의존성: 문장별 고정 효과를 모델에 포함했을 때, 라벨 변동의 70% 이상이 문장 자체 특성(어휘 모호성, 길이, 기술적 용어 포함 여부)으로 설명되었다. 이는 감정 인식이 개인 특성보다 문장 특성에 더 크게 좌우된다는 점을 강조한다.

5. 연구 제한 및 시사점: 표본이 학생이라는 점, 비맥락화된 문장을 사용한 점, 자기보고식 설문에 의존한 점 등이 외적 타당성을 제한한다. 그러나 감정 인식이 시간에 따라 변하고, 특히 모호한 문장에서 라벨링 불확실성이 크게 나타난다는 점은 실제 산업 현장에서도 자동 감정 분석 도구를 적용할 때 라벨링 신뢰도를 검증하고, 문맥 정보를 보강해야 함을 시사한다.