In this paper, I suggest a method to measure the intimacy scores of interpersonal relationships using mobile communication data. Referencing studies in the literature, I define the communication factors that affect intimacy as Frequency (the number of communications), Intensity (communication duration), and Time and Day (the time at which communication occurred), Directivity (the person who mostly initiated the communication between user and his/her partner), and Channel (tendency to choose between calls or SMS).
Using these factors, I implemented a method of pattern-based intimacy prediction. I used similarities (measurement: Pearson R) between the communication factors for hierarchical clustering (method: furthest neighbor) of users with similar communication patterns. I also used three criteria for clustering communication factors: 1) factor similarities (Pearson R), 2) the number of data in a cluster, and 3) the intimacy standard deviation. The optimal combination of criteria was a high similarity of factors within a cluster, a large amount of data in a cluster, and a low standard deviation for the intimacy scores of a cluster.
The mobile communication data of 14 Korean people were used for reference data, and 33 communication patterns were derived. For the evaluation, data of 10 additional Korean people were used. According to the each pattern representative values (matching to the factor centroid values), the additional data were classified to the best similar pattern (Pearson R). After that, the centroid intimacy value of each pattern was provided to the additional classified data.
Finally, the correlation of original intimacy to pattern closely matched predicted intimacy was 0.61(p<0.01). Using this method, we can automatically predict interpersonal relationship; the type of interpersonal relationship between the users can be determined through the character of their mobile communications.
모바일 기기 mobile device가 많이 보급됨에 따라 모바일 컨텍스트 인식에 관련된 연구들 또한 진행이 되고 있다. 이런 연구들에 있어서 중요한 점 중의 하나는 어떤 관계에 있는 사람에게 어떤 정보를 제공하느냐 이다. 관계를 나누는 것은 사회학 분야에서도 많이 시도를 했으나 인간 관계는 상호 배타적으로 명확히 나눌 수 없다는 것에 대한 연구들이 밝혀진 바 있다. 그래서 이 연구에서는 휴대폰 통화 내역을 사용하여 관계를 친한 정도(친밀도)로 구분하고자 했고, 통화 패턴을 기반으로 관계의 친한 정도를 예측하는 연구를 진행하였다.
기존의 연구들은 크게 '인간 관계를 예측하는 연구와 커뮤니케이션 미디어의 사용과 인간 관계'에 대한 연구들로 나눌 수 있다. 예측을 하는 연구들은 인간관계를 두 세가지 정도로 구분하여 예측을 하였다. 이런 연구들은 주로 온라인 상의 인스턴트 메시지 서비스 instant message (IM)나 소셜 네트웍 서비스 social network services (SNS)의 정보를 바탕으로 '친구이다, 친구가 아니다' 와 같은 두 세가지 관계를 알아 맞추는 연구들이 진행이 되어 있었다. 특별히 모바일 디바이스에서 남겨지는 로그를 사용한 예측 연구는 기본적인 커뮤니케이션 (통화,문자,수 발신 등) 로그를 사용하기 보다는 모바일 디바이스를 통해 추가적으로 도출해 낼 수 있는 정보(블루투스 근접정도, 기지국 아이디 등)들을 사용하여 인간 관계를 예측했다. 이런 오프라인에 기반한 명백한 정보들로 친한 사람을 가려내는 것은 '토요일 밤에 만난 사람'과 같은 데이터를 사용하기 때문에, 휴대폰 자체의 커뮤니케이션과 인간 관계에 따른 모바일 사용에 대해서 알아보기는 어렵다. 또한, 모바일 커뮤니케이션과 인간 관계에 대한 연구들은 주로 문자 혹은 통화에 국한된 (즉 하나의 연락 채널에 국한된) 연구들이었다. 앞선 연구들과 다르게 본 연구에서는 문자, 통화 두 가지 채널을 포함하여 친한 정도에 따라 어떻게 연락 패턴이 구성되고 있는 지에 대해 패턴을 도출하고 검증을 하였다.
패턴을 도출하기 위해, 기존의 사회심리학 영역에서 조사된 바 있는 '커뮤니케이션-인간관계'에 영향을 미치는 팩터들을 정의하였다. 인간 관계에 따라 '빈도 frequency, 강도 intensity(communication duration), 시간적 상황 time context 1,2 (weekday or weekend, late time communication), 연락 방향성directivity (incoming or outgoing call/SMSs), 그리고 채널 channel (calls or SMSs)'와 같은 팩터들이 다른 성향을 보이고 있다는 것을 발견하였다. 그리고 모바일 커뮤니케이션 데이터로부터 앞서 정의된 팩터에 맞추어 계산을 하기 위해, 한국인 14명 (남자 8명, 여자 6명, 평균 27.4세, 표준편차 2.6)의 휴대폰 통화 내역으로 팩터 값에 맞게 계산을 하였다 (각 팩터들은 낮은 상관관계를 보임으로 상호 배타적인 관계를 보이고 있었다).
이 연구가 성립이 되려면 선행되는 조건을 만족시켜야 하는데 그것은 앞서 정의된 6개 팩터의 값들이 비슷하면 그에 해당되는 친밀도 또한 비슷해야 한다는 것이다. 실제로 각 사람 별로 이 선행조건을 테스트하고, 전체 사람들의 데이터로 팩터 값이 비슷한 경우에 실제 친밀도도 비슷한지 테스트를 해 보았더니 팩터들의 값들이 비슷하면 비슷할수록 친밀도의 표준편차가 줄어드는 것을 발견할 수 있었다. 각 사람 별로 팩터 값들이 비슷한 경우의 친밀도의 표준편차는 같은 조건에서 전체 사람들의 데이터로 테스트 한 값과 현저한 차이를 보이며 낮은 친밀도의 표준편차를 보여주었다. 이것은 각 사람별로 커뮤니케이션 패턴이 다르다는 것을 의미하지만 전체 사람들의 데이터로 실험했을 때 팩터 값이 비슷할수록 친밀도의 표준 편차 또한 낮게 나왔다는 점은 공통적인 패턴은 존재한다는 것을 알 수 있다.
이 정보를 바탕으로 계층적 클러스터링 방법을 이용하여 팩터 값들이 비슷하게 분포되어 있는 33개의 패턴을 도출하였다. 클러스터링을 할 때는 3가지의 조건을 만족시켜야 하는데 그것은 1) 각 팩터 간의 값의 분포가 비슷할 때 (Pearson R값이 임계 값 이상일 때), 2) 하나의 클러스터에 n 개 이상의 데이터가 존재할 때, 3) 묶인 클러스터의 친밀도의 표준편차가 임계 값 이하일 때로 정의된다. 이 임계 값들은 데이터로부터 3가지 criteria를 만족하는 최적 값을 사용하여 구하였다.
추가적인 데이터 셋(남자 5명, 여자 5명, 평균 연령: 28.4, 나이 표준편차: 2.9 )을 사용하여 도출된 33개의 패턴에 가까운 값을 가진 데이터들을 분류를 해주고, 각 패턴이 가지고 있는 대표 친밀도 값을 새로운 데이터의 예측 친밀도 값으로 부여해주었다. 여러 팩터 중에서 가장 상관관계가 높았던 ‘연락 빈도’에 해당되는 친밀도 상관관계(IOS 0.399, MSIS 0.433)보다 패턴을 기반으로 한 친밀도 예측모델을 통해 도출된 실제 친밀도와 예측된 친밀도의 상관관계는 IOS 0.478, MSIS 0.496에 이르는 값을 보임을 확인하였다.
실제로 각 패턴 별로 특정한 관계(가족, 애인)들은 명확하게 구분이 되는 것도 있었던 반면, 관계는 다양하지만 연락 패턴에 따라 친한 정도가 다른 성향 (공지성 연락을 주거나 받는 관계와는 친밀도가 낮게 나왔음)도 보였다. 사용된 데이터가 메시지나 더 많은 컨텍스트를 포함하고 있지 않기 때문에 예측률이 안정적으로 높지는 않으나 이렇게 제한된 컨텍스트 만으로도 관계에 따른 패턴을 발견할 수 있다는 점을 본 연구를 통해 밝힐 수 있었다. 본 연구는 사회 현상을 분석할 때, 시간에 따라 관계와 커뮤니케이션 패턴이 어떻게 변화되어 가는 지 실제 행동을 바탕으로 발견할 수 있을 것이다. 그리하여 실제 유저들에게는 관계의 변화에 대해서 직접적으로 알려주어 인간관계를 잘 관리할 수 있도록 도와줄 수 있고, 또한 모바일 컨텍스트 어웨어 시스템에서 관계에 따른 다양한 어플리케이션을 제안할 수 있는 발판이 될 수 있을 것이다.
