Sustaining Control and Agency Under Threat: Computational Pathways to Persistence and Escape

이 연구는 새로운 지속 - 탈출 패러다임과 MACA-Q 계산 모델을 통해 회피 행동이 위협에 대한 단순한 반응이 아니라 통제 가능성과 유능성에 기반한 동적 조절의 결과임을 규명하고, 불안과 우울이 각기 다른 계산적 경로를 통해 적응적 참여를 방해하는 방식을 제시합니다.

핵심

🎮 핵심 비유: "운전 게임과 두 가지 길"

연구자들은 참가자들에게 가상의 운전 게임을 시켰습니다. 게임 속에는 두 가지 길이 있습니다.

1. 노력하는 길 (Persistence): 차를 직접 운전해서 목적지 (패키지) 에 도착해야 합니다. 하지만 길은 험하고, 신호등이 잘 안 켜지기도 하며, 운전 실력이 부족하면 실패할 수도 있습니다. (이것이 '노력'과 '통제'가 필요한 상황입니다.)
2. 도망치는 길 (Escape): 차를 내려놓고 버스를 타고 가는 길입니다. 운전은 안 해도 되지만, 대신 버스가 어디로 갈지, 도착할지 안 할지는 운 (주사위) 에 달렸습니다. (이것이 '노력'은 적지만 '통제'가 없는 상황입니다.)

게임은 두 가지 분위기에서 진행됩니다.

• 안전한 분위기: 실패해도 그냥 0 점일 뿐입니다.
• 위협적인 분위기: 실패하면 점수가 깎입니다 (벌점).

🔍 놀라운 발견: "공포는 항상 도망을 부르지 않는다!"

기존의 생각은 "공포가 있으면 사람들은 무조건 도망친다"였습니다. 하지만 이 연구는 그렇지 않다고 말합니다.

• 상황 1: 내가 통제할 수 있을 때
  만약 내가 운전해서 성공할 수 있다면, 오히려 공포가 있을 때 더 열심히 노력했습니다. "위험하니까 내가 직접 통제해서 성공해야지!"라는 마음이 생긴 것입니다.
• 상황 2: 내가 통제할 수 없을 때
  만약 내가 아무리 운전해도 결과가 운에만 달려 있다면, 그때는 공포가 있을 때 바로 도망쳤습니다. "내가 아무리 노력해도 소용없는데, 왜 위험을 감수하냐?"는 생각이 들었기 때문입니다.

결론: 사람들은 단순히 '무서워서' 도망치는 게 아니라, **"내가 이 일을 통제할 수 있는가?"**를 먼저 계산하고 결정합니다.

🧠 마음의 두 가지 엔진: '자신감' vs '주도권'

이 연구는 우리 마음속에서 두 가지 다른 개념이 작동한다고 설명합니다.

1. 자신감 (Self-efficacy): "내가 이 일을 잘할 수 있을까?" (내 능력에 대한 믿음)
2. 주도권 (Agency): "내 행동이 결과에 진짜 영향을 미칠까?" (내가 통제할 수 있다는 믿음)

비유:

• 자신감이 높아도, 주도권이 없으면 (예: 내가 아무리 잘 운전해도 길 자체가 막혀서 안 가는 경우) 우리는 도망칩니다.
• 반대로, 주도권이 확실히 있다면, 비록 내가 조금 서툴더라도 (자신감은 낮아도) 위험하더라도 끝까지 노력합니다.

🎭 불안과 우울은 어떻게 다르게 작용할까?

연구는 불안 (Anxiety) 과 우울 (Depression) 이 있는 사람들이 이 결정을 어떻게 다르게 내리는지 보여주었습니다.

• 불안한 사람들: "위험해!"라고 소리치는 뇌가 너무 예민합니다.

  • 비유: 비가 조금만 와도 "우리가 다 젖을 거야!"라고 생각하며 우산을 챙깁니다. 하지만 실제로는 비가 안 오는데도 우산을 들고 다닙니다.
  • 결과: 통제할 수 있는 상황에서도 "위험하다"는 생각 때문에 쉽게 포기하거나, 반대로 통제할 수 없는 상황에서도 무리하게 집착합니다. 상황을 제대로 판단하지 못합니다.

• 우울한 사람들: "내가 할 수 있을까?"라는 생각이 너무 부정적입니다.

  • 비유: 비가 오든 말든 "어차피 내 차는 고장 날 거야"라고 생각하며 아예 차를 안 끕니다.
  • 결과: 내가 통제할 수 있는 상황에서도 "실패할 거야"라고 미리 단정 짓고 도망칩니다. 노력의 가치를 제대로 평가하지 못합니다.

🤖 컴퓨터가 만든 해답: 'MACA-Q' 모델

연구자들은 이 복잡한 인간의 심리를 설명하기 위해 **'MACA-Q'**라는 새로운 컴퓨터 모델을 만들었습니다.

• 기존 모델: "보상이 크면 하고, 벌점이 크면 안 한다"라고만 계산했습니다. (너무 단순함)
• 새로운 모델 (MACA-Q): "내가 통제할 수 있는가?", "내가 이 일을 잘할 수 있는가?", "지금 분위기가 어떤가?"를 모두 고려해서 스스로 판단합니다.

이 모델은 **"주도권 (Agency)"**이라는 개념을 핵심으로 둡니다. 즉, **"내가 이 일을 통제할 수 있다는 믿음이 쌓이면, 나중에 위험한 상황에서도 더 잘 견딜 수 있다"**는 것을 증명했습니다.

💡 이 연구가 우리에게 주는 교훈

1. 포기는 나쁜 게 아니다: 통제할 수 없는 일에 매달리는 것이 더 나쁩니다. 상황을 보고 "이건 내가 통제할 수 없어"라고 판단하고 다른 곳으로 에너지를 쏟는 것은 현명한 전략입니다.
2. 실패는 두려워하지 말자: 안전한 환경에서 실패해 보는 경험 (통제감을 배우는 경험) 이 쌓이면, 나중에 위험한 상황에서도 더 잘 견딜 수 있습니다.
3. 우리의 마음은 유연하다: 우리는 단순히 '공포'에 반응하는 로봇이 아닙니다. 상황을 분석하고, 통제 가능성을 판단하며, 가장 현명한 선택을 하려고 노력하는 존재입니다.

한 줄 요약:

"우리는 무서워서 도망치는 게 아니라, **'내가 이 일을 통제할 수 있는지'**를 계산해서 도망치거나 노력합니다. 그리고 그 '통제할 수 있다'는 믿음이 쌓일수록, 우리는 더 강해집니다."

기술 요약

논문 제목: 위협 하에서 통제와 주체성 유지: 지속과 회피를 위한 계산적 경로

저자: Nadja R. Ging-Jehli, Russell K. Childers
주요 키워드: 회피 (Avoidance), 주체성 (Agency), 통제 가능성 (Controllability), 메타 - 컨트롤 (Meta-control), 강화 학습 (Reinforcement Learning), 의사결정, 계산적 정신의학

---

1. 연구 배경 및 문제 제기 (Problem)

• 불확실성과 통제력: 현대 사회에서 적응적 행동은 불확실성과 부분적인 결과 통제 하에 '언제 끈질기게 노력할지 (persistence)'와 '언제 포기할지 (escape/avoidance)'를 결정하는 능력에 달려 있습니다.
• 기존 연구의 한계: 기존 회피 (avoidance) 연구는 주로 위협이나 비용에 대한 반응으로 접근하며, '도피' 행동을 단일한 현상으로 간주하거나 위협 민감성, 실패 기대, 통제력 상실 등 서로 다른 기제를 구분하지 못했습니다.
• 핵심 질문: 회피 행동이 위협에 대한 반사적 반응인지, 아니면 통제 가능성과 주체성 (agency) 에 대한 추론에 기반한 적응적 전략인지, 그리고 불안과 우울 증상이 이 과정에 어떻게 다른 영향을 미치는지 규명하는 것이 시급합니다.

2. 방법론 (Methodology)

가. 실험 패러다임: 지속 - 탈출 (Persistence-Escape) 과제

• 새로운 과제 구조: 기존 접근 - 회피 과제를 넘어, 참가자가 '지속 (노력 투입)'과 '탈출 (즉각적 포기)' 사이에서 명시적으로 선택하도록 설계된 게임 기반 과제 (Gearshift Fellowship 플랫폼 활용) 를 개발했습니다.
• 독립적 변인 조작:
  • 인센티브 체계: 안전 (Safe, 획득만 가능) vs 위협 (Threat, 손실 발생 가능).
  • 상대적 가치: 탈출이 지속보다 유리한지 불리한지.
  • 통제 가능성 (Controllability): 지속 선택 시 결과에 대한 통제력이 있는지 (과제 수행에 의존) 없는지 (외부 요인에 의존).
• 참가자: 온라인 (Prolific) 을 통해 모집한 대규모 표본 (N=457). 불안 및 우울 증상 (DASS-21) 이 다양한 비임상 집단.
• 측정: 각 시도의 선택, 반응 시간 (RT), 과제 수행 정확도, 그리고 별도의 보정 미션을 통해 측정한 개별 능력치 (pSuccess).

나. 계산적 모델: MACA-Q (Meta-Arbitration of Control and Agency Q-learning)

• 기존 모델의 한계: 표준 강화 학습 (Q-learning) 모델은 위협 하에서 회피가 증가한다는 예측과 달리, 실제 데이터에서는 통제력이 유지될 때 위협 하에서도 지속이 증가하는 등 복잡한 패턴을 설명하지 못했습니다.
• MACA-Q 모델의 구조:
  1. 강화 학습 계층 (RL Layer): 지속과 탈출에 대한 행동 가치 (Q-value) 를 학습.
  2. 상태 및 추론 계층 (State & Inference Layer):
     • 자기 효능감 (Self-efficacy): 성공 확률에 대한 누적 믿음.
     • 주체성 (Agency): 행동이 결과에 인과적으로 영향을 미치는지 추론하는 '게이트' 신호. 통제 가능성과 피드백의 일관성을 기반으로 학습을 조절.
     • 정서적 평가 (Affective Valuation): 결과에 대한 정서적 반응 (기대 대비 편차).
  3. 메타 - 컨트롤 계층 (Meta-control Layer): 가치 학습, 휴리스틱, 정서적 신호 간의 가중치를 조절하여 의사결정 정책을 조정 (재평가, reappraisal 포함).

다. 분석 방법

• 통계 분석: 선형 혼합 효과 모델 (Linear Mixed-Effects Models) 을 사용하여 증상 점수 (불안, 우울) 와 맥락적 변인 간의 상호작용을 분석.
• 모델 검증: 예측 검증 (Predictive checks), 파라미터 회복 분석 (Parameter recovery), 절단 분석 (Ablation analysis) 을 통해 MACA-Q 모델의 타당성 입증.

3. 주요 결과 (Key Results)

가. 행동적 발견

• 위협과 통제력의 상호작용: 위협 상황에서도 통제 가능성이 유지될 경우, 참가자들은 오히려 회피를 줄이고 지속을 증가시켰습니다. 이는 고전적인 '위협 - 회피' 가설과 반대되는 결과로, 통제력이 상실될 때 (pTcl 조건) 만 회피가 급증했습니다.
• 증상별 이질성:
  • 우울 증상: 전반적인 회피 경향과 관련되었으나, 맥락에 따른 가치 차별화 (Value differentiation) 는 유지되었습니다. 즉, 통제력이 상실되거나 성공 확률이 낮을 때 회피를 선택하는 경향이 강했습니다.
  • 불안 증상: 맥락적 신호 (통제 가능성, 인센티브) 에 대한 민감도가 낮았습니다. 특히 위협 상황에서 통제 여부와 관계없이 회피를 선택하는 경향이 강하며, 노력 비용을 조건 없이 높은 것으로 지각하는 '비용 중심 평가' 경향을 보였습니다.

나. 계산적 기제 발견

• MACA-Q 모델의 우월성: 표준 Q-learning 은 관찰된 복잡한 행동 패턴 (맥락 의존적 회피, 통제력 상실 시의 급격한 변화 등) 을 재현하지 못했으나, MACA-Q 는 이를 정확하게 설명했습니다.
• 주체성 (Agency) 의 축적: 안전하고 실패가 허용되는 맥락에서 축적된 '주체성' 믿음은 이후 위협 상황에서도 적응적 지속을 가능하게 했습니다. 즉, 과거의 통제 가능한 경험은 미래의 위협 상황에서 회피를 완화하는 보호 요인으로 작용합니다.
• 동일 행동, 다른 경로: 유사한 회피 행동이 서로 다른 계산적 경로 (예: 높은 학습률로 인한 불안정성 vs 낮은 메타 - 컨트롤로 인한 유연성 부족) 를 통해 발생할 수 있음을 시뮬레이션을 통해 입증했습니다.

4. 주요 기여 (Key Contributions)

1. 회피 행동의 재정의: 회피를 단순한 위협 반응이 아닌, 추론된 통제 가능성과 주체성에 기반한 적응적 의사결정으로 재해석했습니다.
2. 주체성 (Agency) 과 자기 효능감 (Self-efficacy) 의 구분:
   • 자기 효능감: "내가 성공할 수 있는가?" (능력에 대한 믿음).
   • 주체성: "내 행동이 결과를 통제하는가?" (인과적 통제에 대한 추론).
   • 이 두 개념을 계산적으로 분리하여, 능력이 있음에도 통제 불가능한 상황에서는 탈출이 적응적임을 규명했습니다.
3. MACA-Q 모델 제안: 강화 학습, 메타 - 컨트롤, 정서적 평가, 재평가 (reappraisal) 를 통합한 계층적 모델을 제시하여, 적응적 및 부적응적 행동의 계산적 기제를 통합적으로 설명했습니다.
4. 임상적 함의: 불안과 우울이 회피 행동에 영향을 미치는 경로가 다르다는 것을 입증했습니다. (불안: 통제 신호 무시 및 비용 과대평가 / 우울: 통제력 상실 시 학습 및 적응 저하).

5. 의의 및 시사점 (Significance)

• 신경과학 및 정신의학: 불안과 우울의 이질성을 단일한 '회피'가 아닌, 통제 추론과 메타 - 컨트롤의 결손이라는 계산적 기제로 설명할 수 있는 틀을 제공합니다. 이는 맞춤형 치료 (예: 인지적 재평가 훈련, 통제감 회복 중재) 개발에 기여할 수 있습니다.
• 인공지능 (AI): 에이전트가 환경의 통제 가능성을 추론하고, 통제 불가능한 상황에서는 자원을 효율적으로 재배분 (탈출) 할 수 있는 '적응적 메타 - 레저닝' 메커니즘을 제시합니다.
• 경제학 및 조직 행동: 개인의 지속/포기 결정이 단순한 동기 부족이 아니라, 통제 가능성에 대한 합리적 추론의 결과임을 시사하며, 리더십 및 조직 설계에 새로운 통찰을 제공합니다.

결론적으로, 이 연구는 적응적 행동이 고정된 성향이 아니라, 맥락에 따라 통제 가능성과 주체성을 동적으로 추론하고 조절하는 과정임을 보여주며, 이를 정량화하기 위한 새로운 계산적 프레임워크를 제시했습니다.