일상 속 마음의 변화를 읽는 디지털 종단연구와 EMA

이 주제에서 AI심리과학연구소가 해야 할 역할

연구소는 사람 간 규준과 개인 내 기준선을 구분합니다. 다른 사람보다 높고 낮음뿐 아니라 ‘평소의 나’에서 얼마나 달라졌는지를 분석하고, 수면·사건·관계 같은 맥락을 함께 기록합니다.

반복측정은 조기경보의 기회를 주지만 잦은 위양성은 경보 피로를 만듭니다. 알림의 민감도와 특이도뿐 아니라 사용자가 실제로 도움을 받았는지, 불안과 의료이용이 불필요하게 늘지 않았는지를 평가합니다.

핵심 연구 질문과 검증 방법

다층모형, 시계열과 개인별 모형을 사용하되 데이터가 짧거나 불규칙할 때의 한계를 표시합니다. 관찰기간 밖의 예측과 인과 주장을 피하며 외부사건과 계절 효과를 고려합니다.

참여자가 수집항목, 빈도, 일시중지와 삭제를 쉽게 선택하도록 설계합니다. 위기 신호에는 자동 메시지만 보내지 않고 사전에 합의한 사람·기관 연결과 응답시간을 둡니다.

• ✓짧고 부담이 낮은 핵심 문항으로 반복측정합니다.
• ✓개인 기준선과 상황 변수를 함께 분석합니다.
• ✓알림의 도움·부담·위양성을 실제 현장에서 평가합니다.

책임 있는 AI 심리과학의 다섯 가지 공통 원칙

AI 심리과학의 첫 번째 원칙은 구성개념과 사용목적을 기술보다 먼저 정의하는 것입니다. 무엇을 측정하며 누구의 어떤 결정을 돕는지 분명하지 않으면 데이터가 많고 모델의 정확도가 높아도 심리학적으로 의미 있는 도구가 아닙니다. 선별, 상태 모니터링, 교육적 지원, 연구와 진단 보조를 구분하고 개발하려는 점수의 해석과 예상되는 오용을 먼저 적어야 합니다. 타당도는 검사에 영구히 붙는 인증마크가 아니라 특정 집단, 목적과 해석을 지지하는 누적된 근거입니다.

두 번째 원칙은 데이터 분할 한 번으로 검증을 끝내지 않는 것입니다. 개발·내부검증·외부검증 표본을 구분하고 새로운 지역, 기관, 연령, 언어와 시간에서도 성능이 유지되는지 봐야 합니다. 평균 정확도만 보고하지 말고 신뢰도, 신뢰구간, 민감도·특이도, 교정, 집단별 오차와 위양성·위음성의 실제 피해를 함께 살펴야 합니다. 모델과 규준, 문항 또는 운영환경이 바뀌면 변경이력을 남기고 필요한 범위에서 다시 검증합니다.

세 번째 원칙은 사람의 감독을 이름뿐인 승인 버튼으로 만들지 않는 것입니다. 전문가는 AI와 다르게 판단할 권한, 판단에 필요한 원자료와 불확실성, 충분한 시간과 교육을 가져야 합니다. 이용자도 AI 사용 여부, 사용된 자료, 결과의 한계, 이의제기와 사람의 재검토 방법을 이해할 수 있어야 합니다. 위기·진단·불이익 가능성이 큰 결정일수록 자동화를 줄이고 독립적인 검토와 책임 주체를 강화합니다.

네 번째 원칙은 개인정보와 공정성을 제품 출시 뒤의 점검표가 아니라 연구 설계로 다루는 것입니다. 목적에 필요한 최소자료만 수집하고 서비스, 연구, 모델학습과 제3자 제공을 구분해 동의받습니다. 대표성이 부족한 집단의 성능을 전체 평균으로 숨기지 않으며 접근성과 문화적 맥락을 당사자와 함께 검토합니다. 정확한 모델이라도 감시, 낙인, 차별과 과도한 의존을 만든다면 좋은 심리과학 기술이라고 할 수 없습니다.

다섯 번째 원칙은 유창함과 효과를 혼동하지 않는 것입니다. 생성형 AI가 따뜻하고 전문적으로 말해도 근거가 틀릴 수 있으며 사용자의 만족도가 실제 마음건강과 기능의 개선을 보장하지 않습니다. 계산, 규준 변환, 위험규칙은 검증 가능한 모듈로 처리하고 생성문은 승인된 근거에 제한합니다. 현장에서는 효과와 함께 중도탈락, 부담, 위해, 서비스 접근과 장기 결과를 측정하며 예상 밖의 문제가 발견되면 기능을 중단하거나 범위를 축소할 수 있어야 합니다.