보기 및 읽기: 다중모달 소셜미디어 데이터를 활용한 고등교육 학생의 우울 증상 탐지

우울증과 불안장애와 같은 정신질환은 세계 인구에서 급속도로 증가하고 있다. 특히 대학 등급 교육 과정에 있는 학생들 사이에서 중증 우울 장애가 흔한 문제로 대두되고 있으며, 이는 학업 압박에 의해 악화되거나 심지어 유발될 수도 있다. 이러한 심각한 상황의 원인은 여전히 명확하지 않지만(다양하게 연구되고 있음), 이미 문제를 겪고 있는 학생에게는 치료가 반드시 필요하다. 이를 위해 먼저 증상을 선별하는 것이 필수적이다. 기존의 방법은 임상 상담이나 설문지 응답에 의존하는 것이었다. 그러나 오늘날 소셜 미디어에서 공유되는 데이터는 학생이 전문적인 치료를 받을 수 없거나 찾지 못하는 상황에서도 우울 증상을 탐지할 수 있는 보편적인 자료가 되고 있다. 이전 연구들은 일반 인구를 대상으로 소셜 미디어 데이터를 활용하여 우울증을 탐지한 바 있으며, 주로 게시된 이미지나 텍스트, 또는 메타데이터에 초점을 맞추었다. 본 연구에서는 인스타그램에 게시된 이미지와 그에 수반되는 설명문(캡션)에서 추출한 특징을 기반으로, 딥러닝 모델과 특징 엔지니어링 모델을 비교하여 대학 학생들의 우울 증상의 심각도를 탐지하는 데 초점을 맞추었다. 실험 결과, BDI(베이지 우울 척도) 점수가 20 이상인 학생을 탐지할 때, 최고 성능을 보인 융합 모델은 재현율(recall) 0.92, 정밀도(precision) 0.69를 기록하였다. 본 연구 결과는 대규모 우울증 선별의 가능성을 시사하며, 위험에 노출된 학생들을 조기에 발견하는 데 기여할 수 있을 것으로 기대된다.