E2IATLAS: A Normative Database of Nature Images with Affective and Self-Transcendent Emotion Ratings

기술 요약: E2IATLAS – 정동적 및 자기 초월적 정서 등급을 포함한 자연 이미지의 규범적 데이터베이스

1. 문제 제 e (Problem Statement)

기존의 정동 데이터베이스(예: IAPS, NAPS, OASIS)는 주로 쾌-불쾌(valence)와 각성(arousal)의 원형 모델에 의존하며 자연 이미지의 비중이 제한적이다. 반대로, 특정 영역에 특화된 환경 데이터베이스들은 경외감(awe), 연결성(connectedness), 감사(gratitude), 연민(compassion)과 같은 자기 초월적 정서(STEs)에 대한 명시적인 규범이 부족하다. 또한, 기존 자원들은 세 가지 결정적인 한계를 지닌다:

• 자극 통제 (Stimulus Control): 저수준 시각적 특징과 AI 기반 의미론적 데이터가 쌍으로 제공되지 않아, 정서적 내용과 혼란 변수인 시각적 속성(예: 휘도, 채도)을 분리하기 어렵다.
• 지리적 편향 (Geographic Bias): 평가가 거의 전적으로 WEIRD(서구적, 교육 수준이 높고, 산업화되었으며, 부유하고, 민주적인) 샘플에 치우쳐 있어, 자기 구성 및 자연 관련성에 대한 문화적 차이를 간과한다.
• 긍정적 콘텐츠 편향 (Positive-Content Bias): 대부분의 데이터베이스가 미학적으로 즐거운 이미지에 집중되어 있어, 보전 커뮤니케이션과 기후 심리학에 필수적인 부정적 가치를 지닌 환경적 콘텐츠(오염, 훼손 등)를 소홀히 한다.

결과적으로, 연구자들은 시각적 특징을 통제하면서 자기 초월적 내용을 체계적으로 변화시킬 수 있는 검증된 자극 세트를 갖추지 못하고 있으며, 이는 정동 신경과학 및 환경 심리학 분야에서 연구의 비교 가능성과 일반화 가능성을 제한한다.

2. 방법론 (Methodology)

자극 구성
E2IATLAS 데이터베이스는 16개의 오픈 액세스 저장소(IAPS, NAPS, OASIS, Project Soothe 및 기후 특화 컬렉션 포함)에서 수집된 3,161장의 자연 사진으로 구성된다. 이미지는 자연 경관, 동물 및 야생동물, 인공 환경, 물 및 해양, 환경 문제, 날씨 및 대기, 농업, 기타의 8개 상위 범주를 포괄한다. "환경 문제" 범주의 포함은 위협적이고 부정적 가치를 지닌 콘텐츠의 범위를 보장한다. 모든 이미지는 세 가지 종횡비(정사각형, 세로형, 가로형)로 표준화되었으며 21개의 세분화된 콘텐츠 범주에 할당되었다.

참가자 및 절차
데이터는 Prolific Academic을 통해 모집된 2,092명의 참가자로부터 수집되었으며, 이들은 52개국과 5개의 주요 쾨펜-가이거(Köppen–Geiger) 기후대를 아우르도록 층화되었다. 참가자들은 약 75장의 이미지를 대상으로 9점 리커트 척도를 사용하여 6가지 정동 차원을 평가하였다:

1. 쾌-불쾌 (Valence) (불쾌함에서 즐거움까지)
2. 각성 (Arousal) (차분함에서 활성화됨까지)
3. 경외감 (Awe)
4. 연민 (Compassion)
5. 연결성 (Connectedness)
6. 감사 (Gratitude)

각 이미지는 약 50명의 독립적인 평가자(평균 M = 50.6)로부터 평가를 받았으며, 이를 통해 이미지 수준의 규범적 평균값을 산출하였다.

특징 추출 (Feature Extraction)
모든 자극에 대해 두 가지 세트의 특징이 추출되었다:

• 저수준 시각적 특징: RGB 채널, 채도, 색온도, 밝기, 대비, 휘도, 에지 복잡도, 스펙트럼 파워, 양측 대칭성을 포함하여 MATLAB으로 계산된 11가지 지표.
• AI 기반 의미론적 특징: SegFormer-B0(장면 분할용) 및 DPT Large(깊이 추정용)를 사용하여 생성되었다. 여기에는 하늘, 물, 식생, 인프라의 면적 비율과 지평선 높이, 장면의 개방성, 원근감이 포함된다.

통계 분석

• 신뢰도: 교차 분류 무작위 효과 모델을 사용하여 변량을 이미지 수준(ICC_image)과 평가자 수준(ICC_person)으로 구분하여 평가하였다.
• 구조: 주성분 분석(PCA), 탐색적 요인 분석(EFA), 가우시안 그래피컬 모델(GGM)을 사용하여 6개 차원의 요인 구조를 결정하였다.
• 클러스터링: 계층적 군집 분석(Ward D2)을 통해 정동적 이미지 프로필을 식별하였다.
• 예측: 회귀 모델(OLS, Elastic Net, Random Forest)을 사용하여 시각적 및 의미론적 특징으로부터 정동 반응을 예측하도록 훈련되었다. 변수 중요도는 지배력 분석(dominance analysis)을 통해 평가되었다.
• 인구통계학적 특성: 선형 혼합 효과 모델을 사용하여 지역, 위도, 성별, 연령이 평가에 미치는 영향을 분석하였다.

3. 주요 결과 (Key Results)

정동 구조 및 신뢰도

• 3요인 솔루션: 요인 분석은 쾌-불쾌 원형 모델과는 구별되는 구조로 수렴하였다:
  1. 긍정적 초월 (Positive Transcendence): 쾌-불쾌, 경외감, 연결성, 감사를 결합하는 지배적 요인 (변량의 69%).
  2. 활성화 (Activation): 각성만으로 정의되는 직교 요인.
  3. 연민 (Compassion): 부분적으로 독립적인 요인.
• 신뢰도 격차: 쾌-불쾌는 높은 이미지 수준 신뢰도(ICC_image = .40)를 보인 반면, 각성은 거의 제로에 가까운 이미지 수준 신뢰도(ICC_image = .04)를 보였다. 이는 자연 이미지에서 각성이 자극 자체의 속성이라기보다 평가자의 속성에 가깝다는 것을 나타낸다.
• 연민의 독립성: 연민은 긍정적 평가를 필요로 하지 않는 유일한 자기 초월 정서이다. 즉, 고통이나 훼손된 경관에 의해 활성화될 수 있다. GGM 분석 결과, 경외감과 연민은 0차 항에서 양의 상관관계를 보이지만, 다른 차원들을 통제했을 때 음의 상관관계(억제)를 나타내어 서로 다른 동기적 경로를 반영함을 보여주었다.

이미지 프로필
군집 분석을 통해 네 가지 뚜렷한 프로필이 식별되었다:

1. 높은 초월성 (High Transcendence, 45.2%): 모든 긍정적 차원에서 높은 평가를 받음 (경관, 동물).
2. 중간 정도의 긍정성 (Moderate Positive, 37.5%): 유사한 프로필이나 강도가 낮음.
3. 부정-중립 (Negative-Neutral, 12.1%): 모든 차원에서 낮은 평가를 받음 (인공 환경, 훼손된 자연).
4. 고통-연민 (Distress-Compassion, 5.1%): 부정적 쾌-불쾌와 결합된 높은 연민이 특징임. 이 프로필은 환경 문제 이미지에 집중되어 있으며, 쾌-불쾌-각성 공간에서는 부정-중립 이미지와 구별되지 않으나, 쾌-불쾌-연민 공간에서는 명확히 구분된다 (d = 2.98).

정동 반응의 예측 인자

• 의미론적 지배력: 의미론적 콘텐츠(범주적 정체성)가 저수준 시각적 특징보다 정동 반응을 훨씬 더 잘 예측하였다. 콘텐츠 범주는 쾌-불쾌의 변량 약 50%, 자기 초월(ST) 지수의 약 44%를 설명한 반면, 시각적 특징은 각각 약 11%와 13%만을 설명했다.
• 인프라 비율: 인간이 만든 구조물의 비율은 자기 초월적 반응(ST 지수의 설명 변량 52.4%)과 쾌-불쾌를 억제하는 가장 강력한 단일 예측 인자였다.
• 특징의 분리: 의미론적 특징이 자기 초월적 결과에 영향을 미치는 동안, 저수준 지각적 특징(예: 레드 채널, 에지 복잡도)은 각성의 주요 동인이었다.
• 예측 천장: 자동화된 모델(Random Forest)은 중간 정도의 테스트 R² (쾌-불레 0.281, ST 지수 0.326)를 달성했으나, "인간 인식 천장"(전체 계층 모델)에는 지속적으로 미치지 못했다. 이는 인간 평가자가 현재의 자동화된 특징 추출로는 포착할 수 없는 의미론적 정보를 포착하고 있음을 시사한다.

교차 문화 및 인구통계학적 결과

• 보편성 대 변이성: 쾌락적 쾌-불쾌는 지역적 변이가 최소화되어(η² = .025), 자연에 대한 거의 보편적인 선호도를 보여주었다. 반면, 자기 초월적 차원은 중간 정도의 지역적 변이를 보였으며, 아프리카 평가자들이 유럽 평가자들보다 높은 STEs를 보고했다.
• 위도 구배: 절대 위도와 6가지 정동 차원 사이의 연속적인 음의 상관관계가 발견되었으며, 이는 감사와 연민에서 가장 강하게 나타났다.
• 성별 차이: 여성 평가자는 모든 자기 초월 및 활성화 차원에서 유의미하게 높은 반응을 보였으나, 쾌-불쾌에서는 차이가 없었다.
• 자극의 지배력: 자극 수준의 변이(콘텐츠 범주 효과)가 평가자 수준의 인구통계학적 효과보다 한 자릿수 더 컸으며, 이는 통합된 규범 평균의 타당성을 뒷받침한다.

4. 주요 기여 (Key Contributions)

• 최초의 다차원 규범: E2IATLAS는 대규모 자연 이미지 세트에 대해 표준적인 쾌락적 차원과 함께 네 가지 자기 초월 정서에 대한 규범적 등급을 제공하는 최초의 데이터베이스이다.
• 글로벌 대표성: 모든 기후대를 아우르는 52개국에서 참가자를 모집함으로써, 정동 과학에 만연한 WEIRD 샘플 편향을 해결하였다.
• 특징-정서 쌍 형성: 이 데이터베이스는 정동 규범을 저수준 시각적 특징 및 AI 기반 의미론적 기술자와 독특하게 결합하여, 지각적 특징은 일치시키면서 정서적 내용은 변화시킬 수 있는 통제된 신경 영상 설계를 가능하게 한다.
• 전체 생태-정서 스펙트럼: "환경 문제" 이미지를 포함함으로써, 이전의 규범 세트에서는 측정되지 않았던 독특한 "고통-연민" 프로필을 포함한 전체 범위의 생태 정서를 연구할 수 있게 한다.

5. 의의 및 주장 (Significance and Claims)

저자들은 E2IATLAS가 정동 신경과학, 환경 심리학, 보전 커뮤니케이션 연구를 위한 필수적인 인프라를 제공한다고 주장한다. 이 데이터베이스는 쾌-불쾌-각성 원형 모델이 불충고함을 입증하며, 별도의 연민 차원을 포함하는 3요인 모델이 필요함을 보여준다.

연구 결과는 의미론적 콘텐츠가 자기 초월적 반응의 주요 동인이며, 인간의 인프라가 이러한 정서의 특정 억제제로 작용함을 시사한다. 이는 보전 커뮤니케이션에 직접적인 시사점을 준다. 즉, 환경 훼손 이미지는 일반적인 부정적 자극과 구별될 경우, 단순한 이탈이 아닌 친사회적 관심(연민)을 이끌어낼 수 있다. 이 데이터베이스는 연구자들이 경외감 기반 경로와 연민 기반 경로를 실험적으로 분리하여 연구할 수 있도록 돕는다.

저자들은 연민 규범의 신뢰도(낮은 ICC)와 모집 과정에서의 잠재적 플랫폼 편향에 대한 한계를 언급하면서도, 자극 수준의 변이가 인구통계학적 변이보다 우세하므로 통합된 규범이 대부분의 응용 분야에서 견고하다고 주장한다. 이 데이터베이스는 가속화되는 환경 위기 속에서 자연 이미지가 인간의 동기를 어떻게 자극하는지 연구하기 위한 개방형 자원으로 제공된다.