산업현장 근로자의 인지 기능 및 정신건강 모니터링을 위한 디지털 플랫폼 연구

2.1 시스템 개요 및 아키텍처

본 연구에서 제안하는 산업현장 근로자 관리 플랫폼은 그림 1과 같이 관리자 페이지, 근로자 페이지, 인지 기능 검사 콘텐츠, 서버 및 데이터베이스, 그리고 LLM 기반 종합 소견 생성 모듈로 구성된다.

Fig. 1.

System architecture of the proposed industrial site worker management platform

관리자 페이지는 근로자의 인지 및 정신건강 상태를 효과적으로 모니터링하고, 안전관리 업무를 체계적으로 수행할 수 있도록 설계하였다. 관리자는 플랫폼을 통해 개별 근로자의 인지 기능 검사 결과와 DASS-21 심리검사 결과를 확인할 수 있으며, 이를 기반으로 위험군 근로자에 대한 실시간 모니터링과 조기 개입이 가능하다. 또한, 출결 현황, 작업 일정, 교육 이수 여부를 종합적으로 관리할 수 있으며, 필요하면 공지사항을 게시하여 현장 전체에 신속히 전달할 수 있다.

근로자 페이지는 인지 기능 검사 콘텐츠와 DASS-21 심리검사를 수행할 수 있는 기능을 제공하며, 안전교육 콘텐츠 이수 및 LLM 기반 리포트 조회가 가능하다. 더불어 작업 시작 전 TBM 서명, 위험 작업 허가서 작성, 안전교육 이수 확인 등을 전자서명 방식으로 기록할 수 있어, 기존 문서 기반의 형식적 보고에서 벗어나 효율적인 관리가 가능하다. 이 외에도 공지사항 확인, 회사 일정 조회, 출근 관리 등 현장에서 요구되는 다양한 기능을 지원한다.

인지 기능 검사 콘텐츠와 근로자 페이지의 안전교육 콘텐츠는 Unity 기반으로 제작되었으며, WebGL로 빌드되어 웹 애플리케이션 환경에서 실행 기능하도록 구현되었다. 모든 콘텐츠 수행 결과와 설문 데이터는 중앙 데이터베이스에 저장되며, 안전한 데이터 관리 및 접근 제어를 통해 개인정보가 보호된다. 저장된 데이터는 LLM 종합 소견 생성 모듈의 입력값으로 활용된다.

LLM 종합 소견 생성 모듈은 Python(3.11.8) 기반으로 개발되었으며, 근로자의 인지적·심리적 상태를 종합적으로 분석하여 관리자에게 맞춤형 소견 리포트를 제공한다. 이를 통해 관리자는 단순한 보고 관리 수준을 넘어, 데이터 기반의 의사결정을 수행함으로써, 산업현장의 안전성과 효율성을 동시에 향상시킬 수 있다.

2.2 인지 기능 검사 콘텐츠

산업현장에서는 근로자가 다양한 작업 상황과 위험 요소에 적절히 대응하기 위해 주의력(Attention), 집중력(Concentration), 작업 기억력(Working memory), 반응속도(Reaction time) 등이 필수적으로 요구된다[11].

주의력은 주어진 환경에서 필요한 자극을 선택하고 불필요한 자극을 배제하여 효율적으로 정보처리를 수행하는 핵심적인 능력이다. 특히 고위험 작업환경의 산업현장에서는 경고음, 시각표지, 동료의 신호 등 안전과 직결되는 자극을 정확히 식별하고 즉각적으로 반응하는 것이 필수적이다. 만약 주의력이 저하될 경우 기계 작동 중 경고음을 놓치거나 안전 절차의 핵심 단계를 누락하여 추락·끼임·충돌과 같은 중대 재해로 이어질 수 있다[12]. 이는 단순한 작업 실수 차원을 넘어 개인의 생명과 직결되고, 작업 전체의 안전 시스템을 위협하는 결과를 초래한다. 따라서 산업현장에서는 작업자 개인의 주의력 평가 및 향상 훈련, 경고 신호의 명확성과 중복성 확보(청각·시각 병행), 주의 분산을 최소화하는 작업환경 설계가 필수적이다. 이와 같은 다층적 접근을 통해 작업자의 주의력을 유지·보강해야만 산업재해를 예방하고, 효율적인 작업 수행과 안전한 근로 환경을 동시에 확보할 수 있다.

집중력은 주의력을 장시간 유지하며 과업 수행에 인지 자원을 지속해서 투입하는 능력을 의미한다. 산업현장에서는 단조로운 반복 작업이나 장시간 교대근무와 같은 환경에서도 일정한 작업 품질을 유지하고, 긴급 상황에서도 흔들리지 않는 안정적인 수행 능력이 요구된다. 집중력이 저하되면 작업 효율이 떨어질 뿐만 아니라 돌발 위험에 대한 반응속도가 늦어져 사고 위험이 크게 높아진다. 특히 피로와 스트레스는 이러한 집중력 저하를 가속하는 주요 요인으로 작용한다[13].

작업 기억력은 단기적으로 정보를 저장하고 이를 과업 수행에 활용하는 능력이다. 산업현장에서는 안전 절차, 장비 조작법, 위험구역 위치, 공정 순서 등 다양한 정보를 동시에 기억하고 적시에 적용해야 하므로 작업 기억력이 특히 중요하다. 그러나 작업 기억 용량이 부족하거나 인지 부하가 과도할 경우, 절차 누락, 장비 오작동, 위험구역 진입 등과 같은 치명적인 오류로 이어질 수 있으며, 복합 작업(예: 다중 장비 운용, 다단계 절차 수행)에서는 안전성과 직결된다[14].

반응속도는 자극이 제시된 순간부터 이에 대한 반응이 나타나기까지 걸린 시간으로, 인지 시스템의 정보처리 속도와 효율을 평가하는 핵심 지표로 사용된다. 반응속도는 하나의 자극에 대해 즉각적으로 반응하는 단순 반응 속도와 여러 자극 중에서 적절한 반응을 선택해야 하는 복합 반응속도가 있다. 산업현장과 같은 고위험 환경에서는 경고음, 시각 신호, 동료의 지시 등 안전과 직결되는 자극에 신속하게 반응하는 능력이 필수적이다. 만약 반응속도가 지연될 경우, 위험 신호를 인지했더라도 실제 회피 행동이 늦어져 추락·끼임·충돌과 같은 중대 재해로 이어질 수 있다[15].

이에 본 연구에서는 산업현장 근로자의 인지 기능 평가의 대표적인 작업 기억력과 주의·집중력, 반응속도를 측정하는 대표적인 평가 콘텐츠 6종은 TMT-A, N-back Task, Simon Span Task, Visual Reaction Test, Digit Span Test, Go/No-Go Task 프로토콜을 기반으로 구현하였다.

TMT는 신경심리학적 평가에서 가장 표준화된 검사로서, 다양한 신경학적 장애를 판별하는 데 널리 사용되고 있다. 이것은 두 가지 하위 검사(TMT-A, TMT-B)로 구성되었으며, TMT-A는 피검자가 원 안에 표시된 숫자(1, 2, 3 ⋯ 25)를 가능한 한 빠르게 순서대로 연결해야 하는 과제로, 주로 시각적 탐색 능력, 처리 속도, 주의 집중력, 시각-운동 협응 능력을 평가한다. TMT-B는 숫자와 알파벳이 혼합된 원을 교대로 연결하는 과제로, 집행기능 및 인지적 전환 능력을 추가로 측정한다[16].

본 연구에서는 TMT-A 프로토콜을 산업현장의 못 타정 작업과 유사한 형태로 구현하였다. 그림 2(a)는 기존 TMT-A의 구조를 개념적으로 나타낸 것으로, 피검자가 1부터 25까지 숫자를 순서대로 연결하는 기본 절차를 보여준다. 그림 2(b)는 구현한 콘텐츠 화면으로, 1~25까지 숫자가 무작위로 배치된 못 형태의 오브젝트가 제시된다. 제시된 숫자를 올바른 순서로 클릭하면 숫자가 사라지며 해당 못이 박히고, 잘못된 순서에서는 반응하지 않도록 설계되었다. 모든 못을 순서대로 박는 데 소요된 시간을 수행 지표로 기록하며, 39초 이내는 정상 범위, 40초 이상은 인지 기능 손상의 가능성이 있는 것으로 해석한다[17].

Fig. 2.

Trail making test and hammering content user interface (UI)

Simon span task는 작업 기억력을 평가하기 위해 널리 사용되는 것으로, 시각적으로 제시되는 자극의 순서를 기억하고 동일하게 재현하는 방식으로 진행된다. 이것은 순차적 정보의 저장 및 갱신 능력, 주의 집중, 단기 기억 처리 속도 등을 측정하는 데 효과적이다. Simon span task의 일반적인 절차는 그림 3(a)와 같이 네 가지 색상 버튼(녹색, 빨간색, 노란색, 파란색)을 기반으로 시작되며, 최초에는 한 가지 색상이 1,000ms 동안 제시되며, 사용자가 이를 정확히 재현할 때마다 제시되는 색상 시퀀스의 길이가 점차 증가한다. 주어진 색상의 순서를 정확히 기억하고 동일한 순서대로 색상을 재현해야 하는 것이다[18].

Fig. 3.

Simon span task and simon content user interface(UI)

본 연구에서는 산업현장의 차량 신호대기 상황을 모사한 UI를 적용하여 simon span task 프로토콜을 구현하였다. 그림 3(b)의 화면 상단의 신호등은 무작위 순서로 다양한 색상(녹색, 빨간색, 노란색, 파란색)을 제시하며 각 색상은 1,000ms 동안 점등된다. 피검자는 이를 기억한 후 동일한 순서대로 하단의 색상 버튼을 동일한 순서로 터치해야 하며, 입력된 버튼은 300ms 동안 점등되어 시각적 피드백을 제공한다.

과제는 점차 길어지는 시퀀스를 올바르게 재현하는 방식으로 진행되며, 반응시간과 정반응/오반응 횟수가 수행 지표로 기록된다. 정상 성인의 경우 평균적으로 5~9개의 자극 시퀀스를 정확히 재현할 수 있으며, 4개 이하일 경우 작업 기억 저하 가능성이 있는 것으로 해석한다[19].

N-back task는 작업 기억력 측정 및 훈련, 그리고 인지 부하 특성 분석에 널리 활용되는 대표적 인지 과제이다. 특히 공간 추론 과제인 RAPM(Raven’s Advanced Progressive Matrices)와 높은 상관관계를 보이는 것으로 보고되어, 인지 기능 연구 방법으로 주목받고 있다[20]. 본 연구에서는 그림 4와 같이 산업현장의 컨테이너를 시각 자극으로 활용하여 N-back task를 구현하였다. 그림 4(a)는 1-back과 2-back 조건의 기본 구조를 도식화한 것으로, 자극이 차례로 제시되고 피검자가 이전 자극과의 일치 여부를 판단하는 N-back task의 원리를 설명한다. 그림 4(b)는 실제 구현된 콘텐츠에서 제시되는 시각 자극을 보여주며, 건설 현장을 배경으로 크레인에 매달린 컨테이너의 색상이 변화하는 형태로 구성된다. (c)는 피검자가 자극에 대해 반응하는 과정을 나타낸 것으로, 이전 자극과 색상이 일치하면 화면 좌측의 ‘∨’ 버튼을, 불일치하면 우측의 ‘×’ 버튼을 눌러 응답하도록 설계되었다. 각 반응에 대해 정·오반응 수를 실시간으로 기록되며, 색상 자극이 제시되는 시점부터 반응 입력까지의 시간이 수행 지표로 수집된다. N-back task에 관한 선행 연구 결과, 1-back 조건에서는 평균 정확도 0.99, 반응시간 507 ± 176 ms(r = 0.93)로 보고 되었으며, 2-back 조건에서는 평균 정확도 0.91, 반응시간 547 ± 183 ms(r = 0.85)로 나타났다. 본 연구에서는 피검자의 수행 결과가 이러한 평균치 이하일 경우 작업 인지 기능 저하 가능성이 있는 것으로 해석하였다[21].

Fig. 4.

N-back Task and N-back content user interface (UI)

시각 반응 검사(Visual reaction test)는 시각 자극을 인지하여 이를 운동 반응으로 전환하기까지의 시간을 측정하는 검사로, 이 과정에는 높은 수준의 집중력이 요구된다[22]. 반응시간은 개인의 주의력 수준을 반영하며 특히 경계력이 필수적인 직종에서는 짧을수록 바람직하다. 대표적인 시각 반응 검사로는 신호등 검사 프로토콜이 있다. 해당 검사는 한국교통안전공단에서 65세 이상 사업용 차량 운전자를 대상으로 시행하고 있으며 운전자가 신호등 변화 및 돌발 자극에 얼마나 신속하게 반응하는지를 평가한다. 그림 5(a)는 신호등 검사 프로토콜을 도식화한 것으로, 피검자는 가속 페달과 제동 페달을 이용하여 빨간 신호가 제시될 경우. 제동 페달을 밟고 초록 신호가 제시되면 가속 페달을 밟는 방식으로 수행된다.

Fig. 5.

Traffic light test protocol and traffic light content user interface (UI)

본 연구에서는 이러한 신호등 검사 프로토콜을 산업현장 상황에 적합한 UI로 변형하여 그림 5(b)와 같이 구현하였다. 화면 상단의 ‘신호등’ 형태의 표적 자극이 무작위로 점멸되며 사용자는 제시된 색상과 같은 색상의 버튼을 즉시 터치해야 한다. 시스템은 반응시간, 정반응 수, 오반응 수를 실시간으로 기록하여 주의·집중력 수준을 정량적으로 평가할 수 있도록 구성하였다. 선행 연구에 따르면, 50세 성인의 정상 반응시간은 남성 344 ± 44ms, 여성 377 ± 37ms로 보고되었으며, 본 연구에서는 이 기준보다 느린 반응일 때 주의·집중력 저하로 해석하였다[23].

숫자 외우기 검사(Digit span test)는 주의력, 집중력, 작업 기억을 평가하기 위해 임상과 연구에서 가장 널리 활용되는 고전적 신경 심리검사 중 하나이다. 이 검사는 주어진 숫자열을 단기적으로 기억하고 이를 동일하거나 역순으로 재생하는 과제로 작업 기억의 용량과 유지 능력을 평가할 수 있다. Digit Span Test는 정방향(FDS, Forward Digit Span)과 역방향(BDS, Backward Digit Span)으로 구분된다.

그림 6(a)는 digit span test를 도식화한 것으로, FDS에서는 제시된 숫자열을 그대로 답해야 하며 BDS에서는 숫자열을 역순으로 답해야 한다. 일반적으로 숫자는 1,000ms 간격으로 차례로 제시되며 참가자는 최종 제시 후 주어진 입력창을 통해 해당 숫자열을 재현한다. Span 길이는 2자리에서 시작하여 정답 시 1자리씩 증가하며 동일 길이에서 연속 두 차례 오답을 보이면 과제가 종료된다[24].

Fig. 6.

Digit span test protocol and doorlock user interface (UI)

본 연구에서는 digit span test 프로토콜을 활용하여 산업현장을 배경으로 한 콘텐츠를 그림 6(b)와 같이 구현하였다. 과제 화물 운송 차량에 제시된 숫자를 기억한 후, 피검자가 화면 하단의 숫자 버튼을 통해 같은 순서로 입력하는 방식이다. 검사는 3자리 숫자열에서 시작하여 정답 입력 시 span 길이가 1자리씩 증가하며, 최대 15자리까지 확장된다. 즉, 피검자는 점차 길어지는 숫자열을 정확히 기억하고 재현해야 하며, 이를 통해 작업 기억 용량과 정보 유지 능력을 평가할 수 있다. Digit span test에 관한 선행 연구 결과는 50세 기준 정상 수행 개수를 남성 6.8±1.8개, 여성 5.9±1.4개로 보고되었으며, 본 연구에서는 해당 기준보다 적은 개수를 주의·집중력 저하로 해석하였다[23].

Go/No-Go 과제는 반응 억제 능력과 주의 지속력을 평가하는 대표적인 인지 검사 도구이다. 그림 7(a)는 Go/No-Go Task의 수행 절차를 나타낸 것이다. 과제 수행 전 참가자에게 ‘Go’와 ‘No-Go’자극의 대응 규칙(예: 문자 K일 때는 반응, 문자 L일 때는 억제)이 안내되며 이 규칙은 과제 전반에 걸쳐 유지된다. 피검자는 연속적으로 제시되는 자극 중 Go 자극에는 반응하고, 드물게 나타나는 No-Go 자극에는 반응을 억제해야 한다. 수행 결과는 정반응, 오반응(No-Go 자극에서 반응한 경우), 누락(Go 자극에서 반응하지 않은 경우)으로 구분하여 기록된다. 억제 통제의 핵심 지표는 No-Go 시행에서 반응을 잘못 실행할 확률이며 이를 통해 억제 통제와 선택적 주의 수준을 정량적으로 평가할 수 있다[25]. 본 연구에서는 Go/No-Go 과제를 기반으로 두더지 잡기 게임을 모사한 콘텐츠를 그림 7 (b)와 같이 구현하였다. 과제 시작 전 특정 색상의 드럼통을 표적 자극으로 제시하고, 이후에는 표적 자극을 포함한 3가지 색상의 드럼통이 무작위로 등장하도록 구성하였다. 플레이 시간은 60초로 설정하였으며, 피검자가 표적 자극에 반응하면 20점을 부여한다. 또한, 반응 특성에 따라 다음 표적의 제시 간격을 조정하였는데, 정반응 시에는 즉시 다음 표적을 제시하고, 놓치거나(미반응) 오반응 시에는 2초 후에 새로운 자극이 나타나도록 설계하였다[26].

Fig. 7.

Go/No-Go task and mole content user interface UI)

Go/No-Go 과제에 관한 선행 연구 결과는 표적 자극에 대해 1.13초 이내에 반응한 경우를 정상 억제 반응으로 보고되었으며, 본 연구에서는 해당 기준을 표적 자극이 제시되는 시간으로 선정하였다[27].

2.3 심리 상태 평가 모듈

심리적 상태를 조기에 선별하거나 평가하기 위해 다양한 자기 보고식 설문 도구가 활용되고 있다. 대표적으로 우울증의 유형과 심각도를 측정하는 BDI(Beck Depression Inventory), 불안 수준을 평가하는 HAM-A(Hamilton Anxiety Scale), 지난 한 달간 개인이 경험한 전반적인 스트레스 지각 수준을 측정하는 PSS(Perceived Stress Scale), 그리고 우울·불안·스트레스의 세 가지 심리 상태를 구분하여 평가하는 DASS(Depression Anxiety Stress Scales)가 널리 사용된다.

본 연구에서는 우울, 불안, 스트레스 각각의 중증도를 정량적으로 산출할 수 있는 DASS를 평가 도구로 선택하였다. 특히, 원형인 DASS-42를 절반으로 축약한 DASS-21은 설문 시간이 짧고 무료라는 장점이 있어, 시간 제약이 있는 실험 환경이나 현장 기반 연구에서 널리 활용된다. DASS-21은 우울, 불안, 스트레스 영역별로 각각 7문항씩 총 21문항으로 구성되며, 각 문항은 지난 1주일간 경험한 증상의 빈도와 강도를 4점 척도로 평가한다[28].

우울 척도는 낮은 긍정적 정서, 흥미 상실, 무가치감 등을 포함하며, 불안 척도는 심박수 증가, 긴장감, 공포와 같은 생리적·정서적 반응을 측정한다, 또한, 스트레스 척도는 지속적인 긴장, 과민성, 부정적 감정 상태를 평가한다. 이러한 점수 체계를 통해 응답자의 심리 상태를 정량적으로 표현할 수 있으며, 연구자는 척도별 점수를 활용하여 우울·불안·스트레스 수준을 명확히 구분하고 통계 분석에 적용할 수 있다.

DASS-21은 한국 근로자 집단에 관한 선행 연구 결과에서 내적 일관성(우울/불안/스트레스 α = 0.87/0.83/0.83)과 1주 간격 재검사 신뢰도(ICC[2,1]=0.84/0.94/0.89)가 모두 우수하게 나타났으며, 삶의 만족도(SWLS)와도 유의한 상관관계를 보였다. 또한, DASS-21을 활용하여 우울, 불안, 스트레스의 중증도에 따른 맞춤 음악 재생목록을 제공하는 등 여러 산업현장과 플랫폼 연구에서 활용 중이다[29][30]. 이러한 결과를 바탕으로 DASS-21에 대한 검증없이 본 연구의 플랫폼에 적용하였다.

2.4 LLM 기반 종합 판단 모듈

본 연구에서는 DASS-21 심리 평가 결과와 인지 기능 검사 콘텐츠의 수행 결과를 통합적으로 해석하여 근로자의 상태를 평가하기 위해 LLM 기반 소견 생성 모듈을 개발하였다. 해당 모듈은 OpenAI의 GPT-4.1 모델을 활용하였으며, Zero-shot 방식의 프롬프트 엔지니어링 기법을 적용하였다.

DASS-21은 총 21문항으로 구성되며, 우울(Depression), 불안(Anxiety), 스트레스(Stress)의 세 하위 척도로 나뉜다. 각 척도는 7문항으로 이루어져 있으며, 문항은 0~3점으로 채점된다. 하위 척도 점수는 최대 21점, 전체 합산 점수는 최대 63점이다. 산출된 점수는 정상(Normal), 경도(Mild), 중등도(Moderate), 심한(Severe), 매우 심한(Extremely severe)의 다섯 수준으로 분류된다.

우울 척도는 무가치감, 무쾌감, 무기력 등의 정서적 용인을 평가하고, 불안 척도는 자율신경 항진과 공황·공포 반응을 측정하며, 스트레스 척도는 긴장, 과민, 만성적 각성 상태를 평가한다[31].

인지 기능 평가는 여섯 가지 과제(TMT-A, Simon Span Task, N-back, Digit Span, Visual Reaction Test, Go/No-Go)를 기반으로 진행되며, 과제별로 사전에 설정된 Cut-off 기준을 적용하여 정상 범위와 비정상 범위를 구분하였다. 예를 들어, 반응시간·정확도·정오반응 비율 등의 지표가 Cut-off를 초과하거나 미달할 경우, 해당 인지 영역에서 저하로 판정한다.

그림 8은 본 연구에서 개발한 LLM 기반 소견 생성 모듈의 전체 흐름을 도식화한 것이다. 본 모듈은 심리 평가 결과(DASS-21)와 인지 기능 검사 결과를 입력으로 받아, 근로자의 종합적인 정신·인지 상태를 해석하고 현장 투입 가능성에 대한 소견을 자동으로 생성하도록 설계되었다. 모델은 OpenAI의 GPT-4.1을 기반으로 하며, Python API를 이용한 호출 방식으로 구현되었다. 전체 구조는 두 단계의 프롬프트 체인으로 구성되어 있으며, 각 단계의 처리 과정은 그림 8(a), (b), (c)에 구분되어 나타난다.

Fig. 8.

Flowchart of the opinion generation module based on cognitive function contents and DASS-21 scores

그림 8(a)는 모듈의 입력(Input)과 컨텍스트(Context) 구성을 나타낸다. 입력에는 DASS-21 설문 결과와 인지 기능 콘텐츠 수행 점수가 포함되며, 컨텍스트에는 DASS-21 가이드라인과 콘텐츠별 점수의 정상 기준 및 컷오프(Cut-off) 정보가 포함된다. 이러한 구조를 통해 모델이 해석 과정에서 객관적 기준을 참조할 수 있도록 하였다.

그림 8(b)는 1단계 체인(Chain #1)을 나타내며, 이 단계에서는 첫 번째 프롬프트(Prompt #1)가 입력 데이터와 컨텍스트를 기반으로 작동한다. LLM은 주어진 기준을 참조하여 항목별 상태를 해석하고, 그 결과를 1차 출력(Output #1)으로 생성한다. 이 단계의 주요 목적은 개별 점수 수준에 대한 정량적·정성적 해석을 수행하는 것이다.

그림 8(c)는 2단계 체인(Chain #2)으로, 1단계에서 생성된 Output #1을 추가 컨텍스트로 활용하여 근로자의 전체적인 상태를 통합적으로 분석한다. 두 번째 프롬프트(Prompt #2)는 LLM을 통해 피검자의 심리·인지적 특성과 안전 수행 가능성을 종합적으로 판단하여 최종 소견(Output #2)을 도출한다.

이처럼 설계된 2단계 프롬프트 구조는 DASS-21 결과와 인지 기능 평가를 통합적으로 해석할 수 있게 하며, 컨텍스트 내 가이드라인과 컷오프 기준을 통해 결과의 일관성과 신뢰성을 확보하였다. 각 단계에서 사용된 프롬프트 및 컨텍스트의 구체적인 구성은 표 1과 같이 나타냈다.

Table 1.

Prompt and context configuration for comprehensive opinion generation

2.5 위험 요소 식별 교육 콘텐츠

산업현장에서 발생하는 다양한 재해를 예방하기 위해서는 작업자가 잠재적 위험 요소를 신속하고 정확하게 식별하는 능력을 갖추는 것이 필수적이다. 본 연구에서는 ‘산업안전보건기준에 관한 규칙’을 기반으로 주요 위험 유형을 시나리오화하여 교육 콘텐츠를 설계하였다. 해당 규칙은 고용노동부가 제정한 대표적 산업 안전 규범으로 건설·제조 등 산업현장에서 준수해야 할 세부 안전 기준을 포함한다.

이렇게 설계된 교육 콘텐츠는 한국남동발전에서 제공하는 안전보건 자료인 숨은 위험 찾기[32]를 참고하여 Unity 엔진을 활용해 그림 9와 같이 구현하였다. Unity 기반의 Spot the Hazards 콘텐츠는 실제 산업현장과 유사한 상황을 제공함으로써 학습자의 몰입도를 높이고, 사용자가 직접 위험 요소를 탐색하고 선택하는 과정을 통해 학습 효과를 극대화하도록 구현되었다.

Fig. 9.

Spot the hazard content

3.1 대상자 구성 및 시나리오 설정

본 실험은 산업현장 근로자의 인지 기능 저하 상태를 모의하기 위해 음주 상태에 따른 인지 기능 평가를 수행하였다. 참가자는 총 12명(남 7명, 여 5명)으로 나이는 22세에서 28세(평균 24.6세)였다. 모든 참가자는 연구 참여에 앞서 연구 참여 동의서와 비밀 유지 계약서에 서명하였다. 또한, 알코올 사용 습관을 평가하기 위해 AUDIT(Alcohol Use Disorders Identification Test) 검사를 실시하였으며 참가자 중 알코올 의존으로 평가된 사례는 없었다.

3.2 데이터 수집 절차

음주 실험 전, 모든 참가자의 혈중알코올농도(BAC, Blood Alcohol Concentration)를 알코올 측정기를 통해 확인하여 사전에 음주 이력이 없음을 검증하였다. 이후 피험자는 남녀별 체중에 따라 정량화된 알코올을 20분 이내에 섭취하도록 지시받았다(남성: 체중 1kg당 0.9g, 여성: 체중 1kg당 0.8g). 실험에 사용된 음주는 한국 전통 증류주인 소주였으며 음주 직후 참가자들은 물로 입을 헹구었다. 알코올 투여량은 도로교통공단에서 제시한 Widmark 공식을 한국식으로 수정·적용하여 산출하였다. 혈중알코올농도의 이론적 최고치는 다음과 같이 계산된다.

식 (1)에서 C는 혈중알코올농도의 최고치(%)를 의미하며, A는 피험자가 섭취한 알코올의 양으로 이는 음주량(ml)에 술의 알코올 농도(%)와 알코올의 비중(0.7894)을 곱하여 산출된다. 또한, P는 피험자의 체중(kg)을 나타내며, R은 성별에 따른 계수로서 남성은 0.86, 여성은 0.64가 적용된다. 이 공식을 통해 피험자별 음주량을 체중과 성별에 맞추어 산정하였다. 이후 BAC는 음주 후 약 20분 동안 5분 간격으로 반복 측정하여 최고치 도달 시점을 확인하였다. 인지 기능 평가 콘텐츠는 음주 전·후 각각 다른 일자에 3회씩 수행하도록 하였으며 같은 과제를 반복함으로써 음주에 따른 수행 능력의 차이를 분석하였다[33]. 콘텐츠 수행은 Window 11, Chrome 웹 브라우저에서 진행하였으며, 웹은 nginx 1.24, 서버는 spring boot 3.2.5, Open JDK 17, 데이터베이스는 MariaDB 8.0.36에서 구동되었다.

3.3 실험 결과

본 연구에서는 음주 전·후 인지 기능 수행 결과의 차이를 검증하기 위하여, 참가자별 3회 수행 평균값을 이용하여 대응 표본 t-검정(Paired samples t-test)을 하였다. 대응 표본 t-검정은 같은 집단의 두 조건(비음주와 음주)을 비교하여 평균 차이가 통계적으로 유의한지를 확인하는 검정 방법으로, 음주의 영향이 실제로 수행 차이를 유발했는지를 평가할 수 있다. 또한, 단순히 유의성(p-value) 여부에 그치지 않고 효과의 크기와 실질적 의미를 함께 제시하기 위해 Cohen’s d를 산출하였다. Cohen’s d는 두 조건 간 평균 차이를 표준편차로 나눈 값으로, 0.2는 작은 효과(Small), 0.5는 중간 효과(Medium), 0.8 이상은 큰 효과(Large)로 해석된다[34]. 이를 통해 단순한 통계적 유의성뿐 아니라, 음주가 인지 기능 수행에 미치는 영향의 강도와 실제적 중요성을 종합적으로 검증하고자 하였다.

표 2는 음주 전(M1)과 음주 후(M2) 각각의 인지 기능 수행 결과 및 두 조건 간 차이(M2–M1)를 나타낸 것이다. 여기서 M2–M1 값은 음주 후 점수에서 음주 전 3회 평균 점수를 뺀 값으로 산출하였다. 과제별로 음주의 부정적 영향을 판단하는 기준은 다음과 같다. Doorlock과 Simon 과제는 음주 후 수행 개수가 감소한 경우, Hammering과 Traffic Light 과제는 음주 후 반응속도가 느려진 경우, N-back 과제는 정답률이 감소한 경우, 그리고 Mole 과제는 점수가 감소하면 음주의 부정적 영향으로 간주하였다.

Table 2.

Cognitive task results before (M1) and after (M2) alcohol consumption and differences (M2–M1)

전체 참가자 12명 가운데, 체중에 맞는 알코올을 섭취하였음에도 불구하고 취기 민감도, 인지능력 저하 발생 시점, 개인별 주량 차이 등의 개인적 요인으로 인해 음주 전·후 수행 변화가 뚜렷하지 않은 사례가 일부 확인되었다. 이에 따라 모든 6개 과제에서 부정적 변화가 공통으로 나타난 7명을 최종 분석 대상으로 선정하였다. 표 3은 해당 7명을 대상으로 한 통계 분석으로, 음주가 모든 인지 기능 과제에 부정적인 영향을 미쳤음이 확인되었다. Doorlock 과제에서는 음주 조건에서 수행 개수가 유의하게 감소하였다(t = 3.79, p = .009, d = 0.94). Simon 과제 또한 음주 시 수행 개수가 감소하는 경향이 나타났으며(t = 2.80, p = .031, d = 0.75), Hammering 과제에서는 음주 조건에서 수행 시간이 유의하게 증가하였다(t = -4.50, p = .004, d = 1.04). Traffic Light 과제에서도 음주 시 반응시간이 증가하는 경향을 보였으며(t = -3.87, p = .008, d = 0.89), N-back 과제에서는 음주 조건에서 정확도가 유의하게 감소하였다(t = 3.15, p = .020, d = 0.93). 마지막으로 Mole 과제에서는 음주 시 점수가 유의하게 감소하는 것으로 확인되었다(t = 8.57, p < .001, d = 0.91). 이러한 결과는 음주가 전반적인 인지 기능 전 영역에 걸쳐 부정적인 영향을 미친다는 점을 보여준다. 특히 본 연구에서 사용된 6개 인지 기능 콘텐츠(Doorlock, Simon, Hammering, Traffic Light, N-back, Mole)가 모두에서 유의한 수행 저하가 관찰되었으며, 개인차를 고려하여 유의미한 변화를 보인 집단을 분석한 결과, 효과 크기(Cohen’s d) 또한 대부분 중간~대 효과(Medium to large effect size)로 나타나, 음주의 인지 기능 저하 영향이 큰 수준임을 확인하였다.

Table 3.

Comparison of cognitive task result before (M1) and after (M2) alcohol consumption (Paired-Sample t-Test results)

3.4 근로자 및 관리자 웹앱

본 연구에서 개발한 플랫폼은 근로자용 웹앱과 관리자용 웹앱으로 구분되며 각 사용자 그룹의 역할에 따라 UI/UX와 기능을 차별화하였다.

근로자 웹앱은 메인 페이지에서 6종의 인지 기능 검사 콘텐츠와 DASS-21 설문을 제공하는 것으로 그림 10에서 보여주고 있다. 각 콘텐츠는 처음 수행하는 사용자를 위해 튜토리얼을 제공하며 수행이 종료되면 결과 데이터가 자동으로 중앙 데이터베이스에 저장된다. 콘텐츠 종료 후 사용자는 메인 페이지로 복귀하여 다음 콘텐츠를 이어서 수행할 수 있다. DASS-21 설문은 체크박스 형식으로 순서대로 응답하게 되며, 모든 문항에 응답 완료 시 마지막 항목에서 제출 버튼이 활성화되어 제출할 수 있다.

Fig. 10.

Worker web app screen

제출된 설문 결과 역시 데이터베이스에 저장된다. 그 외에도 근로자는 출석 체크, 일정 관리, 공지사항 확인, 비상 연락망 조회, 전자서명 등 산업현장에서 필요한 기본 기능들을 제공받는다.

관리자 웹앱은 근로자의 개인정보 및 출석 관리, 각 콘텐츠 수행 결과와 DASS-21 설문 결과의 조회 기능을 포함한다. 또한, 출석률, 콘텐츠 이행률 등의 데이터를 그래프 형태로 시각화하여 현장 관리자가 직관적으로 파악할 수 있도록 그림 11과 같이 구현하였다. 이와 함께 공지사항 게시, 일정 관리, 전자서명 관리 등 현장 운영과 관리에 필요한 기능들을 제공한다.

Fig. 11.

Manager web app screen (dashboard, worker information inquiry)

3.5 LLM 종합 소견 리포트

본 연구에서 개발한 LLM 기반 종합 소견 모듈은 데이터베이스에 저장된 인지 기능 콘텐츠 수행 점수와 DASS-21 설문 결과를 입력값으로 활용하였다. 해당 모듈은 각 점수를 기반으로 컷오프 기준 및 DASS-21 규준과 비교하여 정상/비정상 여부를 판정하고, 이를 표와 그래프 형태로 시각화된 리포트를 제공한다.

그림 12는 DASS-21 결과로, 우울·불안·스트레스 하위 척도별 점수와 판정 결과를 막대그래프로 시각화한 화면이다. 우울 척도는 0–9점을 정상(normal), 10–13점을 경도(mild), 14–20점을 중등도(moderate), 21–27점을 중증(severe), 28–42점을 극심(extremely severe)으로 구분하였다. 불안 척도는 0–7점을 정상, 8–9점을 경도, 10–14점을 중등도, 15–19점을 중증, 20–42점을 극심으로 구분하였으며, 스트레스 척도는 0–14점을 정상, 15–18점을 경도, 19–25점을 중등도, 26–33점을 중증, 34–42점을 극심으로 정의하였다. 이러한 구간별 점수는 색상 스케일을 통해 시각적으로 구분되도록 구성하였다.

Fig. 12.

Graphs of subscales of depression, anxiety, and stress and test results

그림 13은 인지 기능 콘텐츠 결과를 표와 그래프로 시각화한 화면이다. 인지 기능 콘텐츠 결과표에서는 Door Lock, Hammering, N-back, Simon, Traffic Light, Mole 등 6종의 과제 수행 점수가 기준값과 함께 제시되며, 정상 여부가 표와 그래프를 통해 직관적으로 확인할 수 있도록 나타냈다.

Fig. 13.

Comparison of cognitive function content performance results and cut-off values: Scores by task and normal/abnormal determination

본 연구에서 각 과제의 수행 점수는 Doorlock과 Simon은 수행 개수, Traffic Light와 Hammering은 수행 시간, Mole은 점수, N-back은 정확도를 기준으로 산출된다. 과제별 산출 지표가 서로 달라 직접적인 비교가 어려우므로, 본 연구에서는 기준값 대비 백분율 환산(Percentage normalization)을 통해 점수를 표준화하였다.

이를 통해 서로 다른 단위를 가진 인지 기능 과제를 공통 척도에서 비교할 수 있었으며, 수행 안정성과 정상/비정상 여부를 직관적으로 시각화할 수 있었다. 그래프는 이러한 표준화된 점수를 기반으로 한 레이더 차트(Radar chart) 로, 각 꼭짓점은 개별 인지 과제를 나타내며, 녹색 영역은 참가자의 수행 수준을, 붉은 선은 각 과제의 기준값(cut-off 선)을 의미한다. 또한, LLM을 활용하여 정량적 점수 해석을 바탕으로 한 종합 소견을 자동으로 생성한다. 예를 들어, 인지 기능 점수가 기준치 이상으로 유지되어 정상 범위임을 보고하는 동시에, DASS-21 결과에서 우울·불안·스트레스가 중등도 수준임을 반영하여, 피로 누적 및 긴장 상황에서의 안전 위험을 고려해야 한다는 결론을 그림 14와 같이 제시하였다. 이와 같이 모듈은 단순 점수 산출을 넘어 인지 기능 상태와 심리적 위험 요인을 통합적으로 해석한 리포트를 제공한다.

Fig. 14.

Example of an LLM-based automatic comprehensive findings report