웨어러블 생체신호와 머신러닝을 활용한 발달장애인의 도전행동 예측에 관한 체계적 문헌고찰

연구목적: 본 연구는 웨어러블 생체신호와 머신러닝을 활용한 발달장애인의 도전행동 예측 연구(2015-2025) 동향을 체계적으로 분석하여, 국내 적용을 위한 이론적 토대를 마련하는 데 목적이 있다. 연구방법: PRISMA 2020 지침에 따라 지난 10년간의 국외 연구를 검색하여 최종 8편을 선정하였다. 분석은 생체신호 유형, 머신러닝 알고리즘, 예측 성능 등을 중심으로 수행되었다. 연구결과: 분석 결과, 심박수, 동작, 수면 패턴 등 생체신호가 도전행동 예측에 유의미한 변수임이 확인되었다. 개인의 생리적 특성을 학습한 개인 의존...

Full description

Saved in:
Bibliographic Details
Published in특수교육논총, 41(3) pp. 25 - 51
Main Authors 박경옥, 주교영, 정규만
Format Journal Article
LanguageKorean
Published 특수교육연구소 01.08.2025
Subjects
Online AccessGet full text
ISSN2466-1872
2672-104X

Cover

More Information
Summary:연구목적: 본 연구는 웨어러블 생체신호와 머신러닝을 활용한 발달장애인의 도전행동 예측 연구(2015-2025) 동향을 체계적으로 분석하여, 국내 적용을 위한 이론적 토대를 마련하는 데 목적이 있다. 연구방법: PRISMA 2020 지침에 따라 지난 10년간의 국외 연구를 검색하여 최종 8편을 선정하였다. 분석은 생체신호 유형, 머신러닝 알고리즘, 예측 성능 등을 중심으로 수행되었다. 연구결과: 분석 결과, 심박수, 동작, 수면 패턴 등 생체신호가 도전행동 예측에 유의미한 변수임이 확인되었다. 개인의 생리적 특성을 학습한 개인 의존 모델(Person-Dependent Models)이 전역 모델(Global Model)보다 높은 예측 정확도(평균 AUC 0.84)를 나타냈으며, 장기간의 수면 데이터가 도전행동 예측에 중요하게 작용함이 확인되었다. 결론: 본 연구는 해당 기술이 반응적 중재를 예방적 중재로 전환할 잠재력을 지니고 있음을 확인하였다. 기술․공학적 접근의 국내 적용을 위해서는 개인 맞춤형 모델 개발과 함께 윤리적 고려 및 다학제적 협력이 전제 되어야하며, 국내 실정에 맞는 후속 연구가 필수적임을 논의하였다. Purpose: This study offers a systematic review of research trends from 2015 to 2025 on predicting challenging behaviors in individuals with severe developmental disabilities using wearable biosignals and machine learning, aming to establish a theoretical foundation for its application in Korea. Method: Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 guidelines, eight international studies from the last decade were selected through a systematic search. The analysis focused on key aspects such as biosignal types, machine learning algorithms, and prediction performance. Results: The analysis confirmed that biosignals (e.g., heart rate, motion, and sleep patterns) were significant variables for predicting challenging behaviors. Notably, person-dependent models, which learn an individual's unique physiological characteristics, demonstrated higher prediction accuracy (mean AUC 0.84) than global models. Furthermore, long-term sleep data were identified as a crucial factor in the prediction. Conclusion: This study confirms that this technology can shift the intervention paradigm from reactive to proactive. It highlights that for the successful domestic implementation of this technology, the development of personalized models, coupled with ethical considerations and multidisciplinary collaboration, is essential, and calls for future research tailored to the Korean context. KCI Citation Count: 0
ISSN:2466-1872
2672-104X