(A System for Diagnosis/Prescription of Internet Addiction based …kiise.or.kr › e_journal › 2014 › 3 › SA › pdf › 06.pdf · 2014-03-13 · or problems of Internet addiction

214 정보과학회논문지 : 소 트웨어 응용 제 41 권 제 3 호(2014.3)

상담이력기반 인터넷 독 진단/처방 시스템(A System for Diagnosis / Prescription of Internet Addiction

based on Counseling History)

송 성 렬† 송 원 문

†† 송 수 민

††† 김 명 원

††††

(Sung-yeol Song) (Won-moon Song) (Soo-min Song) (Myung-won Kim)

요 약 국내에서 많은 청소년들이 인터넷 독으로 고통을 받고 있으며 인터넷 독이 심각한 사회

문제로 두되고 있다. XPIA는 청소년들을 상으로 인터넷 독에 한 온라인 상담을 제공하는 문가

시스템으로 재 웹 상에서 서비스되고 있다. 그러나 XPIA는 상담 시 에서의 인터넷 독 증상 는

문제에 주로 을 맞춘다. 그러나 이와는 달리, 일정 기간의 사용자의 증상의 변화 등을 바탕으로 진단/

처방을 생성하는 이력기반 진단/처방의 기능이 요구된다. 본 논문에서는 XPIA의 확장 기능으로서 사용자

의 상담 이력 데이터를 이용하여 인터넷 독을 진단/처방하는 이력기반 진단/처방 시스템을 제안한다. 사

용자의 이력 데이터는 인터넷 독에 한 사용자의 증상이나 조건 등을 상담일자 별로 기술하는 것으로

XPIA를 통해 수집된다. 이력기반 진단/처방은 이와 같은 이력 데이터의 변화에 을 맞추어 그 이력

데이터의 분석을 바탕으로 사용자에 한 한 인터넷 독에 한 진단/처방을 제공한다. 한 본 시스

템은 그래 나 표를 통하여 이력 데이터의 변화에 한 다양한 정보를 사용자에게 제공한다. 제안된 시스

템은 일단의 인터넷 독 상담 문가 그룹에 의한 평가를 통해 실제 으로 유용함이 증명되었다.

키워드: 문가시스템, 인터넷 독, 이력 데이터, 이력기반 진단/처방

Abstract XPIA is an expert system which provides online counseling on Internet addiction to

adolescent users and it is now being serviced on the web. It mainly focuses on the current symptoms

or problems of Internet addiction at the time of counseling. However, there is a demand to provide

diagnosis/prescriptions based on the changes of user's symptoms for a certain period of time. In this

paper, we propose a history-based diagnosis/prescription system as an extension of XPIA, which

produces the diagnosis/prescription of Internet addiction based on users' counseling history. The users'

history data describe symptoms and conditions relevant to Internet addiction of users at different times

and they are collected through XPIA. History based diagnosis/prescription focuses on the change of

history data and it provides appropriate diagnosis/prescriptions based on analysis of the history data.

The system also presents to users various information of the change of history data using graphs and

tables. The system has been evaluated by a group of professional Internet addiction counselors and

the result proves the system practically useful.

Keywords: expert system, internet addiction, history data, history based diagnosis/prescription

․이 논문은 2011년도 정부(교육과학기술부)의 재원으로 한국연구재단의 기 연구

사업 지원을 받아 수행된 것임(2011-0010719)

논문 수

심사완료

:

:

2013년 12월 17일

2014년 1월 20일

†

††

†††

††††

비 회 원

학생회원

비 회 원

종신회원

:

:

:

:

숭실 학교 컴퓨터학과

[email protected]

(Corresponding author임)

숭실 학교 컴퓨터학과

[email protected]

명지 문 학 유아교육학과 교수

[email protected]

숭실 학교 컴퓨터학과 교수

[email protected]

CopyrightⒸ2014 한국정보과학회ː개인 목 이나 교육 목 인 경우, 이 작

물의 체 는 일부에 한 복사본 혹은 디지털 사본의 제작을 허가합니다.

이 때, 사본은 상업 수단으로 사용할 수 없으며 첫 페이지에 본 문구와 출처

를 반드시 명시해야 합니다. 이 외의 목 으로 복제, 배포, 출 , 송 등 모든

유형의 사용행 를 하는 경우에 하여는 사 에 허가를 얻고 비용을 지불해야

합니다.

정보과학회논문지: 소 트웨어 응용 제41권 제3호(2014.3)

상담이력기반 인터넷 독 진단/처방 시스템 215

1. 서 론

인터넷 독(Internet Addiction)은 인터넷을 무 제

하게 사용함으로써 일상 인 생활에 심각한 정도의 사

회 혹은 정신 문제를 야기하는 것을 말한다. 1966년

미국의 정신과 문의 Ivan K. Goldberg에 처음 언 된

인터넷 독은 미국 피츠버그 의 Kimberly S. Young

에 의하여 체계화 되었다[1]. 특히 정신 으로 미성숙하

여 분별력, 단력 등이 부족한 청소년에게 인터넷 독

의 더 심각한 증상이 나타나는데 인터넷과 실 세계의

혼동, 폭력성 등의 문제가 표 인 이다[2].

인터넷 독은 인터넷 이용률이 높은 우리나라에서

더욱 심각하며 특히 청소년의 인터넷 독이 매우 심각

한 것으로 분석된다[3]. 정부에서는 야간에 청소년이 게

임에 속하지 못하도록 하는 셧다운제를 2011년부터

실시하는 등 다양한 방법으로 인터넷 독 확산 방지를

한 노력을 펼치고 있다. 한, 학계에서도 독에

향을 미치는 요한 요인 분석과 인터넷 독 진단/처

방 방법 등에 한 연구를 활발히 수행하고 있다. 특히

인터넷 독 문제를 해결하기 한 방법의 하나로, 문

가시스템을 이용하여 인터넷 독 상담 문가의 진단/처

방 지식을 제공하는 시스템이 제안되었다. XPIA(Expert

System for Prevention of Internet Addiction)라 불리

는 이 문가시스템은 인터넷 독 증상에 한 설문의

응답과 사용자의 나이, 성별 등 인구통계학 정보, 인

터넷 사용 환경 정보, 인터넷 사용동기, 성격특성 등 다

양한 사용자의 특성 정보를 고려하여 인터넷 독을 진

단하고 원인을 분석하여 사용자 맞춤형 처방을 제공한

다[4,5]. 그러나 XPIA에 한 문가 평가결과 XPIA와

같은 일회 인 인터넷 독의 진단/처방 기능 외에 사

용자의 이력 데이터를 바탕으로 사용자의 증상 변화를

분석하고 이에 한 진단/처방을 제공하는 이력기반 진

단/처방이 필요하다는 의견이 많이 제시되었다. 인터넷

독에 한 증상변화를 진단하고 그에 따른 처방이 이

루어질 경우, 상태의 호 는 악화가 얼마나 빠르게

진행될 것인지 알 수 있을 뿐 아니라, 증상이 미래의 어

느 시 에 얼마나 호 는 악화될 것인지 측함으로

써 보다 한 처방을 제공할 수 있다. 상담학 련 논

문의 분석 결과 이는 실제로 오 라인 상담에서도 요

하게 사용되는 상담기법이며 상담학계에서는 여러 연구

를 통해 장기상담이 단기상담에 비해 그 효과가 높음을

입증하고 있다[6].

본 논문에서는 보다 효과 인 청소년의 인터넷 독

에 한 진단/처방을 해 사용자의 이력 데이터에 근

거하여 이력기반 인터넷 독 진단/처방을 수행하는

HiDP(History based Diagnosis/Prescription) 시스템에

하여 기술한다. HiDP 시스템은 사용자의 이력 데이터

를 분석하여 증상변화를 추 하고 그 변화정보에 응

하는 규칙을 용하여 진단/처방을 수행한다. 이를 해

상담 문가가 입력한 이력기반 진단/처방 지식이 장

된 지식베이스를 사용함으로써 정확한 진단/처방을 제기

할 수 있다. 한 사용자에게 효과 으로 이력기반 진단

/처방 내용을 달할 수 있도록 그래 , 표와 같은 다양

한 도구를 이용한다. 본 논문에서 제안하는 HiDP 시스

템의 실제 유용성을 검증하기 해서 문가 평가를 통

해 본 논문에서 제안하는 이력기반 인터넷 독 진단/

처방이 인터넷 독 문제 해결에 도움을 수 있음을

증명하 다.

본 논문은 다음과 같이 구성되어 있다. 2 에서는 인

터넷 독 문가시스템에 한 련연구에 하여

설명하고, 3 에서는 본 논문에서 개발한 이력기반 인터

넷 독 진단/처방에 한 내용을 기술하며, 4 에서는

제안하는 시스템의 유용성을 검증하기 한 성능평가에

하여 기술한다. 마지막으로 5 에서는 결론 향후

연구에 하여 기술한다.

2. 련연구

2.1 인터넷 독의 진단/처방

인터넷 독을 할 수 있는 표 인 진단 도구로는

Young의 척도와 한국정보문화진흥원에서 개발한 K-척

도가 있다[7]. Young의 척도는 Kimberly Young이 개

발한 최 의 인터넷 독 진단 도구로서 인터넷 독을

알코올 독과 같은 병리학 독과 같은 유형으로 정

의하 다. 이러한 인터넷 독 유형을 사이버 섹스

독, 사이버 교제 독, 인터넷 강박증, 정보 독, 컴퓨

터 독으로 나 고 이를 진단할 수 있는 20개의 설문

을 개발하 다[8]. 인터넷 독 방상담센터를 운 하는

한국정보문화진흥원에서는 Young의 척도를 바탕으로

하여 우리나라 환경에 맞는 한국형 인터넷 독 진단

척도인 ‘K-척도’를 개발하고, 매년 인터넷 독에 한

실태 보고서를 발간하고 있다[3,9]. K-척도 설문은 독

험 정도에 따라 일반 사용자, 잠재 험 사용자, 고

험 사용자로 구분하고 있다. 이 밖에도, 인터넷 독

과 사용시간과의 계 분석을 통해 독 사용자의 시간

리 문제 을 지 하고 인터넷 사용시간과 독이

한 인과 계가 있음을 밝히는 연구가 수행되었으며

[10], 인터넷 독을 객 성이 부족한 설문 방식으로 진

단하는 문제 을 보완하기 하여 사용자의 컴퓨터 사

용정보를 바탕으로 데이터마이닝 기법을 용하여 인터

넷 독을 진단하고자 하는 방법이 제안되었다[11].

인터넷 독은 재까지 병리학 독의 하나로 인

식/분류되어 그 치료를 해서는 주로 문가나 문기


을 직 방문하여 교육/상담을 받는 방법들이 제시되

고 있다. 그러나 이와 같이 직 찾아가 상담을 받는 방

법은 독자에게 심리 거부감을 수 있고, 시간, 경

제 비용의 부담을 주어 실질 인 치료에 어려움이 따

른다. 재 청소년이 인터넷 독 진단/처방을 받을 수

있는 방법은 오 라인에서 직 면하여 상담 문가의

상담을 받는 방법과 인터넷을 통한 사이버상담을 통한

방법이 있다. 사이버상담의 표 인 로는 한국정보화

진흥원에서 지원하고 있는 인터넷 독 응센터에서 제

공하는 게시 상담, 화상채 상담이 있다[12]. 하지만

이와 같은 사이버상담은 자동화 시스템이 아니며 상담

문가와 사용자를 연결해 주는 단순한 게시 혹은 채

형태이다. 따라서 상담사의 수나 업무량에 따라 즉각

인 상담이 쉽지 않은 문제 을 가지고 있다. 한 사

용자가 간단히 자신의 인터넷 독 정도를 악할 수

있도록 하는 자가진단 척도는 단순히 총 에 따른 결과

만을 제공함으로써 사용자의 다양한 개인 특성을 고

려한 맞춤형 상담이 어렵다는 문제가 있다.

2.2 인터넷 독의 진단/처방을 한 XPIA

본 연구 에서는 청소년을 상으로 하는 인터넷

독의 진단과 처방을 자동으로 수행할 수 있는 문가시

스템 XPIA를 개발하 다. XPIA는 추론엔진(Inference

Engine)과 지식베이스(Knowledge Base)을 이용하여

인터넷 독에 한 진단/처방을 수행한다. 지식베이스

에 장되어 있는 지식을 사용하여 추론엔진이 인터넷

독 진단/처방에 한 추론을 수행한다. 인터넷 독

진단/처방에 한 지식은 지식 리 시스템(Knowledge

Management System)을 통하여 입력된다. 그 외 사용

자 인터페이스(User Interface), 설명시스템(Explanation

System)으로 구성되어 있다.

XPIA는 사용자가 인터페이스를 통해 XPIA가 제시하

는 K-척도, 인터넷 사용환경, 사용시간 등과 같은 질문

에 답하는 방식으로 련 정보를 입력하면 그에 맞는

한 인터넷 독 진단을 제시한다. 한 이 때 생성

된 진단은 추론엔진을 통해 지식베이스에 장되어 있

는 한 지식을 사용하여 추론을 수행함으로써 사용

자에 한 인터넷 독 처방을 생성한다. 재 XPIA는

시간과 공간 제약 없이 인터넷을 통하여 편리하게 사

용자의 인터넷 독에 한 진단/처방을 받을 수 있으

므로 인터넷 독을 방 치료에 효과 으로 많은

도움을 받을 수 있다. 그러나 XPIA는 인터넷 독의

진단/처방을 하는 시 에 해당하는 일회 문가의 진

단/처방을 제공하기 때문에 인터넷 독 문제가 있는

청소년들의 지속 인 리를 한 증상변화에 따른 진

단/처방이 어렵다는 문제가 있다.

3. 이력기반 인터넷 독 진단/처방

인터넷 독 상담 문가시스템인 XPIA는 최 의 개

발 이후 새로운 기능들이 추가 개발됨으로써 XPIA-II

로 확장되었다. 특히 XPIA-II는 기존의 XPIA 외에 2

개의 새로운 시스템이 추가되었는데 그것은 부모(통제

자)용 상담시스템과 이력기반 진단/처방 시스템이다. 부

모용 상담시스템이란 인터넷을 사용하는 자녀 등을

찰 는 통제하는 치에 있는 부모(통제자)를 상으로

자녀 는 인터넷 사용자들의 인터넷 독 문제에 하

여 상담을 제공하는 시스템이다. 한편, 이력기반 진단/

처방(History based Diagnosis/Prescripton: HiDP) 시

스템은 기존의 XPIA가 인터넷 독 진단/처방을 일회

으로 제공하는 것과는 달리, 과거의 여러 차례에 걸친

상담 이력을 데이터로 장하 다가 그 이력을 바탕으

로 사용자의 인터넷 독을 진단/처방하는 시스템으로서

최근 개발되었다. 그림 1은 와 같이 기존의 XPIA 외에

HiDP 시스템과 부모용 상담시스템이 추가된 XPIA-II

의 체 인 구조를 보여 다. 본 논문에서는 XPIA-II

의 시스템 이력기반 인터넷 독 진단/처방을 하는

HiDP 시스템을 제시한다.

그림 1 XPIA-II의 구조

Fig. 1 The Structure of XPIA-II

3.1 HiDP 시스템의 개요

인터넷 독은 단기간에 치료되기 어려운 정신질환으

로서 인터넷에 독 는 독 가능성이 있는 방/치

료를 해서는 장기간에 걸친 지속 인 상담과 리가

필요하다. 를 들면, 재 잠재 험 등 의 진단을

받은 사용자의 경우 해당 등 에 한 일회 진단/처

방뿐만 아니라 이 에 상담한 이력이 있을 경우 그 이

력을 고려하여 증상변화에 따른 한 처방을 제공받

을 수 있다. 만약 이 에 진단한 내용이 일반 사용자

을 경우 증상이 악화되고 있으니 악화되는 것을 방지하

기 한 처방이, 고 험 사용자 을 경우 증상이 호 되

고 있으니 조 더 노력이 필요하다는 내용의 처방이


표 1 이력데이터의 구조

Table 1 The Structure of History Data

Category Attribute Description or Attribute Value

Basic

info.

User ID

Counseling Date

Seq. no.

K-test &

six symtoms

K-test [20,80]

Daily life disability [6,24]

Withdrawal [4,16]

Tolerance [4,16]

Hypothetical interpersonal relationships [3,12]

Deviance [2,8]

Positive expectations [1,4]

Usage

Environment

info.

Motivation for changeDegree of addiction recognition and treatment willingness:

deliberation, pre-deliberation, preparation, action, maintenance.

Relationship with parents Relationship of the user and his parents: good, normal, bad

Presence of regulator Presence of a person who regulates the use of computer.

Degree of regulation Degree of control when the regulator is present: strong, normal, weak

Average hours of daily use <2 hrs., 2～4 hrs., 4～6 hrs., 6～8 hrs., 8 hrs.<

Time zone of main useTime zone of computer use: night, dawn, morning, lunch-time,

afternoon, evening.

Service of main use game, community, pornography, shopping, learning, chatting.

제공될 수 있을 것이다. 본 논문에서는 이러한 사용자의

이력정보를 기반으로 하여 좀 더 효과 인 인터넷 독

의 진단/처방을 할 수 있는 HiDP 시스템을 제안한다.

HiDP 시스템은 사용자의 이력 데이터를 분석하고 이

를 이용해 증상변화의 이력 진단정보를 계산하여 이 진

단정보를 처방규칙에 용함으로써 한 처방을 생성

하여 사용자에게 진단/처방을 제시한다. HiDP 시스템은

사용자의 이력정보를 분석하여 증상변화에 해 인터넷

독 정도를 진단할 수 있는 진단 기능, 진단된 사용자

의 증상에 맞게 한 처방을 제시하는 기능을 가지고

있다. 사용자의 이력정보를 이용하여 진단/처방하는 과

정은 나 에 상세히 설명한다. HiDP 시스템은 기존의

XPIA를 확장한 XPIA-II의 하나의 서 시스템이 된다.

기존의 XPIA는 자녀용 인터넷 독 진단/처방만이 가

능한 반면 HiDP 시스템은 이력기반 진단/처방을 수행

할 수 있으며, 자녀를 찰 는 통제하는 입장의 부모

( 는 통제자)가 사용할 수 있는 부모용 인터넷 독 진

단/처방 기능이 추가되었다.

3.2 이력기반 진단/처방의 구조

인터넷 독 련 변수의 변화를 악하고 한 진

단과 처방을 제시하기 해서는 사용자의 상담이력 데

이터를 장하고 분석해야 한다. 이를 한 이력 데이터

는 표 1과 같은 구조를 가지고 있다. 표 1에서 보는 바

와 같이 이력 데이터는 상담을 한 사용자의 아이디, 상

담일자, 해당 상담의 차수, 인터넷 독 련 K-척도

수(총 증상별 수 포함), 인터넷 사용환경을

악하기 한 다양한 질문들에 해 사용자가 응답한 내

용을 매 상담 시 기록한 것이다. 이러한 이력 데이터는

시간이 지나 증상이 변화함에 따라 사용자가 응답한 내

용이 달라지기 때문에 증상 변화의 흐름을 악하는데

매우 유용하게 사용될 수 있다. HiDP 시스템에서는 이

력 데이터를 이용하여 사용자의 인터넷 독의 정도에

한 변화를 진단하고 그에 따른 처방을 생성한다.

그림 2와 같이 이력 데이터베이스에서 해당 사용자의

이력 데이터를 불러온 후 그래 와 표 등의 시각화 자

료를 생성한다. 체 데이터에서 진단과 처방에 요하

지 않은 이력 데이터는 제외하고 축약된 데이터를 이용

하여 진단정보를 문장으로 생성하고 이를 이력 진단으

로써 제시한다. 한 그 진단정보를 처방규칙에 용하

고 증상변화에 알맞은 처방을 제공한다. 이와 같이

HiDP 시스템에서 요한 것은 어떤 특정 시 에서 이

력 데이터에 한 진단/처방이 아닌 일정 시간 간격을

두고 이력 데이터의 변화를 추출하여 이를 바탕으로

한 처방을 제공한다는 것이다. HiDP 시스템에서는 이

력 데이터의 변화의 방향 정도를 계산하여 이력 진

단정보를 추출하여 이를 문장으로 기술하여 사용자에게

제시할 뿐 아니라 해당 진단정보를 바탕으로 그에 맞는

규칙을 용하여 한 처방을 추론하게 된다.

3.3 HiDP 시스템의 진단/처방 방법

사용자는 XPIA를 통한 인터넷 독 련 상담을 함

으로써 장/단기간에 걸친 진단/처방 이력을 이력 데이터

베이스에 장할 수 있다. 이력 데이터를 이용하여


그림 2 HiDP의 차

Fig. 2 The Process of HiDP

한 진단/처방을 제공하기 해서는 우선 사용자의 이력

변화를 표 할 수 있어야 한다. 이력 데이터베이스에

장된 데이터를 사용하기 해서는 먼 해당 사용자의

이력 데이터만을 추출한다. 추출된 특정 사용자의 이력

데이터는 상담일자 순으로 정렬되며 상담차수가 결정된

다. 특정 사용자의 이력 데이터에는 어떤 특정 변수의

변화정도를 계산하는 데 있어서 크게 요하지 않은 데

이터를 포함하고 있다. 따라서 변화의 정도가 미미할 경

우 이를 제외하고 축약된 변화 정보를 추출하여 이를

바탕으로 이력 진단정보를 생성한다. 이력 데이터

“변화 동기” 등과 같은 비수치형 데이터에 하여는 내

부 으로 히 수치화하여 같은 방법으로 처리하는데

이에 하여는 나 에 설명한다.

본 논문에서는 인터넷 독 련 변수 값의 변화 흐

름을 분석하고 진단/처방에 요하지 않은 이력 데이터

를 제거함으로써 축약된 이력 데이터를 사용하여 이력

진단정보를 생성한다. 축약된 이력 데이터는 원 데이터

에서 진단/처방에 있어 불필요한 데이터를 무시 혹은

삭제한 데이터를 의미한다. 를 들어 그림 3(a)에서와

같이 총 6회의 상담을 한 사용자의 이력 데이터 2,

4, 5차에 해당하는 이력 데이터는 변화정도를 계산하는

데 있어서 요하지 않은 것으로 간주하여 제외되고 1,

3, 6차에 해당하는 이력 데이터로 축약되어 이를 바탕으

로 진단정보가 생성된다. 이와 같이 이력 데이터를 축약

함으로써 이력 데이터로부터 효율 으로 진단/처방을 생

성할 수 있다.

(a)와 같이 진단과 처방에 요하지 않은 이력 데이

터를 삭제하고 요한 이력 데이터만을 진단/처방에 사

용하기 하여 이력 데이터 분석을 수행한다. 사용자가

XPIA를 통하여 장한 이력 데이터 특정 변수에

한 이력 데이터는 상담일자(상담차수)를 x축으로 하고

이력 데이터의 변수 값을 y축으로 하는 x-y 좌표 평면

상의 으로 표 될 수 있다. (x, y)의 좌표 형태로 변

환된 이력 데이터를 이용하여 그림 3(b)와 같이 모든

가능한 인 하는 상담일자(상담차수)에 해당하는 3개의

으로 구성되는 두 구간을 나타내는 삼각형에 하여

양 끝 각 의 최소값을 계산한다. 이 때 그 최소값

이 주어진 임계치를 과하지 않으면 3개의 에서

간 에 해당하는 이력 데이터는 변화의 정도를 계산하

는 데 요하지 않다고 간주하고 간 을 제거하여 이

력 데이터를 축약한다. 이때 간 을 제거하면 두 개의

구간이 하나의 구간으로 통합된다. 이와 같은 이력 데이

터 축약 과정은 사용자가 선택한 이력 데이터 체에

하여 모든 가능한 인 하는 두 구간에 하여 양 끝

각의 최소값이 가장 작은 구간에 하여 용한다. 그

결과 얻어진 축약된 이력 데이터에 하여 같은 방법을

용하되 더 이상 축약이 되지 않을 때까지 반복 으로

수행한다.

이력 데이터를 축약할 때 두 구간의 기울기의 차이를

이용할 수도 있으나 앞에서 설명한 바와 같이 각을 이

용하는 방법이 더 효과 임을 실험을 통하여 확인하 다.

HiDP 시스템에서는 최종 으로 축약된 이력 데이터

를 분석하여 변화의 패턴을 기술하는 이력 진단정보를

생성하고 그 진단정보를 처방규칙에 용함으로써 그


(a) (b)

그림 3 이력 데이터 축약

Fig. 3 History Data Reduction

변화의 패턴에 상응하는 처방을 생성하게 된다.

축약된 이력 데이터로부터 추출되는 이력 진단정보는

인터넷 독 련 특정 변수의 변화의 패턴으로서 변화

의 기간, 변화의 방향, 변화의 정도의 3가지 요소로 구

성된다. 즉 어떤 기간 동안 어떤 방향으로 어느 정도의

변화가 이루어졌는지를 표 하게 된다. 여기서 기간은

주로 기간의 시작과 끝에 응하는 상담차수(상담일자)

로 나타내며, 변화의 방향은 그 기간 내의 기울기 값

부호를 이용하여 “좋아짐”, “나빠짐”, “변화 없음”의 3가

지로 구분한다. 변수의 변화에는 “좋아짐”, “나빠짐” 외

에 해당 기간 변화하지 않은 경우를 포함한다. 이러한

경우를 “변화 없음”으로 표 하고 변수의 어느 상태에

서 변화가 없는지를 악하여 “좋음”, “나쁨”, “매우 나

쁨”의 세 가지로 “변화 없음” 상태를 세분한다. 축약된

이력 데이터에 하여 주어진 구간의 기울기가 0에 가

까울 경우 “변화 없음”, 음수일 경우 “좋아짐”, 양수일

경우 “나빠짐”으로 구분한다. 이때 이력 데이터에 장

된 각 변수(속성)마다 변수의 값의 역이 다르기 때문

에 그에 따라 임계치를 다르게 용한다. 한 변화의

정도 역시 기울기의 크기에 따라 “많이”, “상당히”, “조

씩” 등의 수식어를 사용하여 표 한다. 이때에도 변수

별로 그 값의 역을 고려하여 임계치를 각각 다르게

용한다. 이력 진단정보의 를 들면 다음과 같다. (인

터넷 독 ((1/2010.5.20, 3/2011.2.10), 좋아짐, 조 씩),

((3/2011.2.10, -/2013.7.15), 나빠짐, 상당히))와 같이 표

될 수 있으며 이를 문장 형태로 변환하면 다음과 같

다. “인터넷 독 수가 1차 상담(2010.5.20.) 이후 조

씩 좋아지다가 3차 상담(2011.2.10.) 이후 재

(2013.7.15.)까지 상당히 나빠지고 있습니다.”

이와 같은 이력 진단정보를 사용하여 지식베이스에

장되어 있는 처방규칙을 용함으로써 한 처방을

생성하게 된다. HiDP 시스템에서 사용하는 처방을 한

규칙의 는 그림 4와 같다. HiDP 시스템에서 진단/처

방에 있어서 규칙기반 추론을 용함으로써 보다 다양

한 조건을 고려한 이력기반 진단/처방 시스템으로의 확

장이 용이하다. HiDP 시스템에서 사용한 규칙기반 추론

은 주로 정방향 추론을 사용하고 있다. 한 사용자에게

있어 자신의 증상에 한 진단/처방을 자세하게 제공받

는 것이 요하므로 추론의 조건이 만족되는 결과는 모

두 제공한다. 하지만 많은 양의 진단/처방을 한 번에 받

는 것은 사용자로 하여 집 력을 떨어트릴 수 있기

때문에 각 카테고리 별로 나 어 제공한다.

3.4 HiDP 시스템을 이용한 진단/처방

HiDP 시스템에서는 앞에서 설명한 바와 같은 사용자

의 인터넷 독 상태에 한 진단정보를 바탕으로 그에

한 처방을 생성한다. 처방은 이력기반 처방규칙을

사용한 추론의 결과로서 얻어진다. 처방을 한 규칙은

지식 리 시스템을 통하여 상담 문가가 미리 입력하

여 지식베이스를 구성한다.

한 사용자가 자신의 인터넷 독의 증상 변화를 보

다 손쉽게 확인할 수 있도록 그림 5와 같이 이력 데이

터를 그래 로 나타낸다. 그래 는 인터넷 독에 한

K-척도 수의 변화를 쉽게 알아 볼 수 있도록 꺾은

선 그림표로 보여 다. 그래 에서 x축은 상담일자를 나

타내며 y축은 K-척도 수를 나타낸다. 이때 K-척도의

총 수와 각 증상별 수의 범 가 다르기 때문에 K-

척도의 총 수는 왼쪽 y축에, 그리고 증상별 수는 오

른 쪽 y축에 나타낸다. K-척도 수 그래 상에 표시

된 여러 상담차수 사용자가 최 5개를 선택하면 해

당 구간이 실선으로 표시되며 이를 심 역이라고 하

며 모든 진단/처방은 그 심 역에 하여 수행된다.

사용자가 심 역을 선택하지 않을 경우 시스템이 자

동으로 최근의 상담일자에 가까운 최 5개의 상담차수

로 한다.


그림 4 HiDP 시스템에서 사용하는 JESS규칙의

Fig. 4 Examples of HiDP Rules

그림 5 이력 데이터 그래

Fig. 5 A Graph of History Data

표 2에서는 인터넷 독(총 ) 각 증상별 수에

한 유용한 정보 즉, 수 변화의 특이구간, 재, 최

, 최소값과 평균값 등을 보여 다. 특이구간은 그래

의 기울기가 일정 값 이상이 되는 구간이며 이는 사용

자의 인터넷 독 혹은 세부 증상의 변화가 큰 구간을

의미한다. 특이구간은 인 한 상담차수로 나타내며 해당

구간의 기울기 정보를 함께 제시한다. 세부 등 치로

제공되는 값 재 값은 가장 최근의 값을 의미하며,

최 , 최소, 평균값은 심 역에 하여 최 , 최소, 평

균값을 나타낸다. 이때 해당 값이 치하는 인터넷 독

등 정보와 해당 등 에서의 치 그리고 실제 수를

보여 다. 를 들면, K-척도 수가 51 의 경우 잠재

험 사용자군 간에 해당하며 이를 “잠재 -

(51)”과 같이 표시한다.

HiDP 시스템을 이용한 진단/처방은 체진단과 처방

으로 나 어 제공된다. 체진단의 경우 사용자가 선택

한 심 역의 이력 진단정보가 문장으로 표 된다. 진

단/처방에 있어서는 앞에서 설명한 바와 같이 축약된

이력 데이터를 사용하며, 상담 차수, 기간, 증상 변화의

방향 그 정도 등이 문장으로 표 된다. 이와 같은 진


표 2 이력 데이터 분석 표

Table 2 A Table of History Data Analysis

Internet addiction &

symptoms

Specific Section

(Section: Incline)

Class Location

Recent of Select

SectionSection Average Section Highest Section Lowest

Internet addiction 3～4: -2.50 Potentially-risk-L(40) Normal-H(37) Potentially-risk-L(40) Normal-M(33)

Daily life disability 4～5: 0.75 Potentially-risk-L(12) Normal-H(11) Potentially-risk-L(13) Normal-M(10)

Withdrawal2～3: 1.50

3～4: -2.00Potentially-risk-L(8) Normal-H(7) Potentially-risk-M(10) Normal-M(6)

Tolerance2～3: -0.50

3～4: -0.50Potentially-risk-L(8) Normal-H(7) Potentially-risk-L(8) Normal-M(6)

Hypothetical

interpersonal

relationships

2～3: -0.50

3～4: -0.50Potentially-risk-L(6) Normal-M(5) Potentially-risk-L(6) Normal-M(4)

Deviance

2～3: -0.50

3～4: 0.50

4～5: 0.25

5～6: -0.25

Potentially-risk-L(4) Potentially-risk-L(4) Potentially-risk-M(5) Normal-M(3)

Positive

expectations

3～4: 0.50

4～5: -0.50

5～6: 0.25

Potentially-risk-L(2) Potentially-risk-L(2) High-risk-L(3) Normal-L(1)

그림 6 HiDP 시스템을 이용한 진단/처방의

Fig. 6 An Example of HiDP

단정보에 하여 처방은 축약된 최근 2개 구간의 진단

정보를 바탕으로 JESS(Java Expert System Shell)의

추론엔진을 통해 해당하는 처방규칙을 용함으로써 생

성된다. 이력기반 처방에 사용되는 규칙은 총 139개이

며, 이들 규칙은 상담 문가에 의하여 지식 리 시스템

을 통하여 미리 입력된 것이다.

특히 좋아지거나 나빠지는 증상 변화 외에 변화가 없

는 구간에 해서는 변화가 없는 구간의 진단정보를 반


표 3 비수치형 이력 데이터 표

Table 3 A Table of Non-Numerical History Data

Counseling Degree

No.1

2011-01-25

No.2

2011-03-12

No.3

2011-05-19

No.4

2011-07-08

No.5

2011-11-21

No.6

2012-03-02

Motivation for change *Deliberation *Preparation *Preparation *Action *Deliberation *Preparation

Relationship with parents Normal Bad Bad Bad Normal Bad

Presence of controller Parent Grand Parent Grand ParentBrothers and

SistersParent Grand Parent

Degree of control Normal Weak Weak Weak Normal Weak

Average hours of daily use 2～4 hrs. 4～6 hrs. 4～6 hrs. 6～8 hrs. 2～4 hrs. 4～6 hrs.

Time zone of main useNoon

(10～14o'clock)

Afternoon

(14～18o'clock)

Afternoon

(14～18o'clock)

Evening

(18～22o'clock)

Noon

(10～14o'clock)

Afternoon

(14～18o'clock)

Service of main use Chatting Community Community Pornography Chatting Community

하여 “변화 없음(좋음)”, “변화 없음(나쁨)”, “변화 없음

(매우 나쁨)”으로 나타낸다. 이와 같은 방법은 같이 증

상변화가 없는 경우라 하더라도 그 수에 따라 처방내

용이 달라져야 하기 때문이다. 를 들어 “변화 없음(좋

음)”의 경우는 독 수가 낮은 상태에서의 “변화 없음”

을 의미하는 것으로 이 경우 정 인 처방을 제시하고,

“변화 없음(매우 나쁨)”은 독 수가 매우 높은 상태에

서의 변화가 없음을 의미하므로 재 인터넷 독 문제

에 해 보다 극 개선에 한 처방을 제시하게 된다.

마지막으로 그림 6과 같이 각 증상별로 문장으로 표

한 체(종합)진단과 그에 따른 자세한 문가 처방을

제공한다. 를 들어 그림 6의 선택한 심 역의 경우

K-척도 수가 “(조 씩 좋아짐) -> (조 씩 나빠짐)”

에 해당하는 진단을 얻었으며 이에 해당하는 진단을 상

담차수 정보를 추가하여 “2차 상담 이후 상당기간 조

씩 좋아지다가 4차 상담 이후 상당기간 조 씩 나빠짐”

과 같은 진단을 제시한다. 한 그 진단에 해당하는 처

방을 그림 6과 같이 보여 다. 진단정보를 문장으로 변

환할 때, 동일한 형태의 구 이 반복 으로 생성되는 부

자연스러움을 방지하기 하여 동일한 의미의 복수 개

의 단어의 풀에서 무작 로 단어를 선택하여 문장을 생

성한다. 를 들면, “나빠짐”에 하여 {나빠짐, 악화됨,

안 좋아짐}에서 한 단어를 무작 로 선택한다. 따라서

같은 진단정보라 할지라도 그것에 응하는 문장은 경

우에 따라 다르게 표 될 수 있다. 처방을 통하여 사용

자로 하여 자신의 인터넷 독의 문제 을 인식하고

증상 변화에 해 앞으로 인터넷 독 문제의 해결

는 방을 한 인터넷 사용의 개선 등을 제시한다.

이와 같이 HiDP 시스템을 이용하여 진단/처방을 제공

함으로써 사용자는 자신의 인터넷 증상변화를 쉽게

악할 수 있을 뿐 아니라 그 증상변화에 응하는

한 처방을 받을 수 있다.

인터넷 독 련 변수 K-척도 수 외에 변화동

기, 부모와의 계 등과 같은 데이터가 비수치형인 7개

의 항목에 하여도 K-척도 수와 같이 상태변화에

한 진단정보가 계산되며 그 진단정보에 응하는 처

방이 추론에 의하여 생성된다. 이때 비수치형 데이터에

한 진단정보의 계산은 각 변수의 값에 하여 내부

인 수치화 과정을 통하여 수행된다. 를 들면, 변화동

기에 하여 그 값으로 숙고는 5, 숙고는 4, 비는 3,

행동은 2, 유지는 1과 같이 그 값의 정 ( 는 부정

)인 정도를 나타내는 값을 응시킴으로써 수치화한

다. 그 다음의 진단/처방 차는 K-척도 수와 같은

방법으로 수행된다. 그러나 이들 변수들에 한 이력 데

이터는 그래 신 표 3과 같은 표를 통하여 상담차수

별로 실제 데이터 값을 보여 다. 심 역에 해당하는

데이터는 굵은 폰트로 표시된다.

4. 시스템의 평가

본 논문에서 기술한 HiDP 시스템의 평가는 원칙 으

로는 사용자에 의한 평가가 되어야 한다. 하지만 본 논문

에서 제안하는 시스템 특성상 사용자 평가를 해서는 최

소 2～3년에 걸친 이력 데이터의 수집이 요구된다. 따라

서 본 연구에서는 우선 으로 사용자 신 문가에 의한

평가를 수행하고 이를 바탕으로 시스템의 수정/보완을 거

쳐 서비스를 개시한 후, 충분한 이력 데이터를 수집하여

사용자 평가를 수행하고자 한다. 한편, 본 논문의 주제인

상담이력기반 인터넷 독 진단/처방 기능이 XPIA 시스

템에 한 문가의 평가의견으로부터 제시된 것으로서

문가 평가는 필수 이라 할 수 있다. 따라서 이 에서

는 문가 평가에 하여 기술하고자 한다.

문가 평가를 해 재 인터넷 독에 한 상담을

오 라인에서 하고 있는 상담 문가 7명을 선정하여

HiDP 시스템을 사용하여 사용자의 인터넷 독 진단/

처방을 한다고 가정하고 시스템의 성능에 하여 평가

하게 하 다. 평가항목으로는 진단/처방 결과의 정확도,


표 4 HiDP 평가 결과

Table 4 Evaluation Result of HiDP

Evaluation ItemEvaluation

Score

Standard

Deviation

Accuracy of

diagnosis/prescription 3.8 0.69

Detail and usefulness of

diagnosis/prescription3.8 0.69

Usefulness of user

question capability3.8 0.69

Ease of use 4.2 0.75

Similarity to human

expert counseling3.7 0.37

Average 3.9 0.64

시스템의 유용성 편리성, 인간 문가와의 유사성 등

이며 각 항목에 하여 5 척도로 평가한 결과는 표 4

와 같다. 5 척도의 항목은 “매우 그 다”, “그런 편이

다”, “보통이다”, “그 지 않은 편이다”, “ 그 지

않다”로 이루어져 있으며, 5 에 가까울수록 “매우 그

다”에 해당한다. 기존의 XPIA 평가를 수행한 평가자와

본 논문에서 제시하고 있는 HiDP 시스템의 평가를 수

행한 문가의 표본이 다르고, 평가자들 다수가 기존

XPIA를 사용한 경험이 없는 계로 기존 시스템과의

비교 평가가 불가하 다. 한 평가에 있어 기존에 개발

된 다양한 인터넷 독 진단/처방 시스템과 비교평가를

수행하여야 하지만 본 논문에서 제시하는 HiDP 시스템

과 XPIA-II와 같이 자동으로 인터넷 독에 한 진단/

처방을 제공하는 시스템이 무하다. 따라서 HiDP 시스

템의 평가만을 기술한다.

표 2에 의하면 평가결과는 평균 5 만 기 으로

평균 3.9 이며 이는 정 평가로 단된다.

본 연구 에서는 별도로 XPIA 시스템 (자녀용 인터

넷 독 상담 문가시스템)에 하여 사용자 집단과

문가 집단에 의한 평가를 수행하 다. 이 평가에서 사

용자 집단으로는 서울 시내 , , 고등학생 105 명이,

문가 집단으로는 HiDP 시스템을 평가한 동일한 문

가 집단이 참여하 다. 그 결과 사용자 평가 수는 평균

4.3 인데 비하여 문가 평가 수는 3.7 으로 0.6 의

수 차이가 있었다. 재로서는 제한 이긴 하나, 문

가 평가가 실제 사용자 평가에 비하여 수가 낮게 나

오는 경향이 있는 것으로 추정된다. 이와 같은 평가 수

의 차이는 문가와 실제 사용자 간의 평가 이나

성능에 한 기 수 의 차이에 기인한 것으로 단된

다. 이와 같은 수의 차이를 고려할 경우 HiDP 시스템

에 한 문가 평가 수 3.9 은 “ 정 ” 평가와 “매

우 정 ” 평가의 간 정도라고 볼 수 있다.

5. 결론 향후 연구

본 연구 은 인터넷 독에 한 상담 문가를 신

할 수 있는 문가시스템 XPIA를 개발하여 재 인터

넷을 통하여 서비스되고 있다. 하지만 XPIA는 일회

인 인터넷 독의 진단/처방 즉, 사용자의 시 의 인

터넷 독 상태에 하여 진단/처방을 제공한다. 본 논

문에서는 사용자의 상담 이력 데이터를 바탕으로 사용

자의 인터넷 독 상태의 변화정도를 계산하고 이를 바

탕으로 한 처방을 생성하는 이력기반 진단/처방 시

스템에 하여 기술하 다. 특히, 사용자의 이력정보 변

화에 따른 한 인터넷 독에 한 진단/처방 뿐 아

니라, 인터넷 독 상태의 변화 추세를 효과 으로 그래 ,

표등을 통해 제시한다. HiDP 시스템은 기존의 XPIA

시스템과 연동되어 XPIA-II 시스템을 구성한다. HiDP

시스템의 성능을 평가하기 하여 상담 문가 7명으로

부터 성능평가를 실시하여 5 만 기 으로 3.9 을

얻어 만족할 만한 결과를 얻었다.

본 논문에서 제안하는 이력기반 진단/처방 시스템은

좀 더 정확하고 효과 인 진단/처방을 하여 다음과

같은 몇 가지 후속 연구가 필요하다. 첫째, 좀 더 상세

한 증상변화를 규칙으로 표 할 수 있는 방법이 필요하

다. 둘째, 재 XPIA HiDP 시스템은 두 명의 제한

된 상담 문가가 개별 으로 입력한 지식을 종합하여

지식베이스를 구축함으로써 편향된 지식이 입력되었을

가능성이 있다. 향후에는 진단/처방의 정확도를 향상시

키기 하여 여러 상담 문가들의 합의된 지식을 입력

함으로써 보다 종합 이며 보편 지식베이스를 구축할

필요가 있다. 한 보다 편리하고 친 한 시스템 구 을

해서는 사용자에게 보다 효과 으로 상담 내용 처

방결과를 제시할 수 있도록 동 상, 음성 등을 포함한

사용자에게 친숙한 인터페이스 개발이 필요하다. 마지막

으로 본 연구에서는 재 HiDP 시스템에 한 문가

평가만이 수행되었으나, 충분한 이력 데이터의 수집을

바탕으로 한 사용자 평가가 수행되어야 한다.

References

[ 1 ] KISA, http://isis.nida.or.kr/, Internet Statistics Infor-

mation System, 2009.

[ 2 ] NIA, "A Study of the Development of Internet Game

Addiction Scale for Children and Adolescents," 2006.

[ 3 ] G. Ivan, "Internet Addiction," Electronic message

posted to research discussion list, 1995.

[ 4 ] W. Song, S. Lee, E. Kim, S. Song, S. Song, M.

Kim, "An Expert System for Diagnosis/Prescription

of Internet Addiction," Proceedings of KIIS Spring

Conference, vol.20, no.1, pp.289-292, 2010.

[ 5 ] S. Song, W. Song, S. Song, M. Kim, "XPIA: An


Expert System for Automatic Diagnosis /Prescrip-

tion of Youth Internet Addiction," Journal of KIISE

: Software and Applications, vol.40, no.8, pp.442-452,

2013.

[ 6 ] J. Lee, J. Yoo, "Effectiveness of the Long-term

Group-Counseling Program to Improve Emotional

Intelligence and Prosocial Behavior in Preschooler,"

Journal of Korean Home Management Association,

vol.25, no.1, pp.29-43, 2011.

[ 7 ] NIA, "2011 Internet Addiction Survey," 2012.

[ 8 ] K. Young, "Caught in Net," 1998.

[ 9 ] NIA, "Internet use for self-diagnosis," 2006.

[10] I Will center, https://www.kado.or.kr, NIA, 2008.

[11] H. Lee, "A Study on the development and Effec-

tiveness of cognitive-Behavioral Therapy for Internet

Addiction," The Korean Journal of Health Psycho-

logy, 2001.

[12] E. Kim, W. Song, M. Kim, "Prediction of Internet

Addiction Using Data Mining," Proc. of the KIISE

Korea Computer Congress, vol.35, no.1(C), pp.359-

364, 2008.

송 성 렬

2008년 숭실 학교 컴퓨터학부(학사). 2010

년 숭실 학교 컴퓨터학과(석사). 2012년

숭실 학교 컴퓨터학과(박사 수료). 2010

년～ 재 숭실 학교 컴퓨터학과 연구과

정. 심분야는 신경회로망, 자동추론, 기

계학습, 데이터마이닝 등

송 원 문

2004년 한신 학교 컴퓨터학과(학사). 2006

년 숭실 학교 컴퓨터학과(석사). 2008년

숭실 학교 컴퓨터학과(박사 수료). 2008

년～2011년 숭실 학교 컴퓨터학과 연구

과정. 2011년～2012년 (주)보나비젼 인공

지능 장. 2012년～ 재 인터넷(주)

연구소 임. 심분야는 빅데이터, 데이터마이닝, 텍스트마

이닝, 기계학습, 지식추론 등

송 수 민

1987년 3월～1991년 3월 한양 학교 교

육학과 학사. 1991년 3월～1993년 2월 한

양 학교 교육학과 석사(상담심리 공)

1996년 3월～1997년 2월 한양 학교 의

과 학 신경정신과 임상심리 수련. 1997

년 3월～2001년 2월 한국청소년상담원

상담원. 2001년 3월～2007년 2월 한양 학교 교육학과 박사

(상담심리 공). 2007년 10월～2008년 12월 한국청소년상

담원 상담조교수. 2009년 3월～2010년 2월 한양 학교 양성

평등센터 문연구원. 2010년 3월～2012년 2월 연세 학교

인간행동연구소 문연구원. 2010년 3월～2011년 2월 한국

상담심리학회 홍보 부 원장. 2012년 3월～2013년 5월 명지

문 유아교육학과 조교수. 심분야는 아동, 청소년상담,

인터넷 독 상담, 정서 심상담

김 명 원

1972년 서울 학교 응용수학과(학사). 1975

년～1978년 한국과학기술 연구소 연구원

1981년 University of Massachusetts

(Amherst) Computer Science(석사). 1986

년 University of Texas(Austin) Computer

Science(박사). 1982년～1985년 Institutefor

Computing Science & Computer Application(Univ.of

Texas). 1985년～1987년 AT&T Bell Labs. 연구원. 1987

년～1994년 한국 자통신연구소 책임 연구원. 1991년～1993

년 충남 학교 자계산학과 겸임부교수. 1992년～1993년한

국신경회로망 연구회 회장. 1992년～1994년 한국정보과학회

뉴로컴퓨 연구회 회장. 1993년～1995년 IEEE Neural Net-

work Council 한국지부장. 1998년～2000년 한국인지학회 부

회장. 2000년～2001년 미국 IBM T.J WATSON 연구소 방

문 과학자. 2001년～2002년 한국뇌학회 회장. 1994년～ 재

숭실 학교 컴퓨터학부 교수. 심분야는 신경회로망, 자동추

론, 기계학습, 데이터마이닝, 창의성 등

Documents

(A System for Diagnosis/Prescription of Internet Addiction based …kiise.or.kr › e_journal › 2014 › 3 › SA › pdf › 06.pdf · 2014-03-13 · or problems of Internet addiction