이전 페이지에서 뉴트로픽이 지원하는 변수 유형을 이해하셨나요? 이제 한 단계 더 나아가, 각 변수에서 실제로 어떤 분석을 할 수 있는지를 알아보겠습니다. 뉴트로픽은 단순히 데이터를 저장하는 것이 아니라, 각 변수 유형에 맞는 다양한 특징을 자동으로 연결하여 보다 깊고 정밀한 인사이트를 제공합니다.

---

​

특징은 언제 설정되나요?

사용자가 Schema 단계에서 변수 유형을 선택하면, 자동으로 생성됩니다. 데이터 유형에 따라 사용할 수 있는 분석 기능이 자동으로 연결되는 구조입니다. 사용자는 필요한 특징만 선택하여 분석을 구성할 수 있습니다.

​

특징 유형은 무엇을 의미하나요?

특징은 데이터에서 어떤 정보를 추출할 것인지 정의하는 분석 단위입니다. 변수 유형이 어떤 변수 데이터를 사용할지를 결정했다면, 특징 유형은 그 데이터로 무엇을 분석할지 선택하는 거죠.

​

특징의 종류는 무엇인가요?

각 변수 유형별로 사용할 수 있는 주요 특징과, 해당 특징이 어떤 상황에서 사용되는지 간단히 살펴보겠습니다.

​

Text (변수 유형 = Input, Document)

​

Text 특징별 출력 예시

• Textual emotion: 어휘에서 나타난 “Neutral / Happiness / Sadness / Surprise / Anger / Disgust / Fear”의 비율
• Keyword: 주요 키워드 3개와 각 키워드의 등장 비율

​

Face (변수 유형 = Image, Video)

​

Face 특징별 출력 예시

• Face bbox: X 좌표, Y 좌표, Width, Height, Confidence
  • 업로드한 영상/이미지에 검출된 결과를 시각적으로 확인 가능 (혹은 json 파일로 다운로드 가능)
• Face Landmark: Mediapipe에서 제공하는 인덱스 번호, X 좌표, Y 좌표, Z 좌표
  • 업로드한 영상/이미지에 검출된 결과를 시각적으로 확인 가능 (혹은 json 파일로 다운로드 가능)
• Face Action Unit: AU 코드 이름, Intensity
  • 영상의 경우, 시간에 따른 AU별 Intensity 변화 추이 그래프 제공
• Face Expression:
  • 범주형 감성: 얼굴 표정에서 나타난 “Neutral / Happiness / Sadness / Surprise / Anger / Disgust / Fear”의 비율
  • 차원형 감성: 얼굴 표정에서 나타난 “Arousal / Valence” 값의 정도 (-1 ~ +1 범위)
  • 영상의 경우, 시간에 따른 범주형 감성과 차원형 감성의 변화 추이 그래프 제공

​

Pose (변수 유형 = Image, Video)

​

Pose 특징별 출력 예시

• Body Bbox: X 좌표, Y 좌표, Width, Height, Confidence
  • 업로드한 영상/이미지에 검출된 결과를 시각적으로 확인 가능 (혹은 json 파일로 다운로드 가능)
• Body Landmark: Mediapipe에서 제공하는 인덱스 번호, X 좌표, Y 좌표, Z 좌표
  • 업로드한 영상/이미지에 검출된 결과를 시각적으로 확인 가능 (혹은 json 파일로 다운로드 가능)
• Body Joint:
  • 팔 부위 움직임 강도 (왼쪽/오른쪽 팔꿈치, 왼쪽/오른쪽 어깨)
  • 하체 부위 움직임 강도 (왼쪽/오른쪽 무릎, 왼쪽/오른쪽 발목)
  • 골반 부위 움직임 강도 (왼쪽/오른쪽 골반)
  • 몸통 부위 움직임 강도 (왼쪽/오른쪽 척추)
  • 목 부위 움직임 강도 (왼쪽/오른쪽 목)
  • 영상의 경우, 시간에 따른 지표별 Intensity 변화 추이 그래프 제공
• Body Emotion: 포즈에서 나타난 “Neutral / Happiness / Sadness / Surprise / Anger / Disgust / Fear”의 비율
  • 영상의 경우, 시간에 따른 감성 변화 추이 그래프 제공

​

Voice (변수 유형 = Video, Audio)

​

Voice 특징별 출력 예시

• Pitch: 시간별 음성의 주파수 변화
• Energy: 시간별 음성의 파워 변화
• Speech Rate: 시간 구간별 초당 음절 수
• Tone: 시간 구간별 톤 확률 분포 (Calm / Warm / Tense / Energetic)
• Vocal Emotion: 시간 구간별 음성의 “Neutral / Happiness / Sadness / Surprise / Anger / Disgust / Fear”의 비율

​

STT 기반 Text (변수 유형 = Video, Audio)

​

Text 특징별 출력 예시

• Textual emotion: 어휘에서 나타난 “Neutral / Happiness / Sadness / Surprise / Anger / Disgust / Fear”의 비율
• Keyword: 주요 키워드 3개와 각 키워드의 등장 비율

​

rPPG (변수 유형 = Video)

​

rPPG 특징별 출력 예시

• BPM: 시간에 따른 심박수 변화
• HRV (time domain): 시간 구간별 HRV 지표들의 값 추이
  • SDNN: 전체 측정 구간에서 심박 간 간격(RR interval)의 표준편차로 전반적인 심박 변동성과 자율신경계 전체 활성 수준을 나타내는 지표
  • RMSSD: 연속된 심박 간 간격 차이의 제곱 평균의 제곱근으로 단기적인 심박 변동성과 부교감신경 활성(이완 상태)을 반영하는 지표
  • pNN50: 연속된 심박 간 간격 차이가 50ms 이상인 비율로 단기 변동성과 부교감신경 활성 수준을 나타내는 지표
• Stress Index: 시간 구간별 자율신경계 스트레스 정도
• Arousal Level: 시간 구간별 각성 수준 점수와 평균적인 Dominant 상태 (High/Medium/Low)

​

EEG (변수 유형 = EEG)

​

EEG 특징별 출력 예시

• Frequency Bands: 전극 채널별 Delta / Theta / Alpha / Beta / Gamma의 상대적인 파워
  • 시간에 따른 추이 그래프 제공
• Power Spectral Density: 전극 채널에 따른 주파수별 파워 값
  • 시간에 따른 추이 그래프 제공
• Engagement Index: 시간 구간별 몰입 수치
• Cognitive Load: 시간 구간별 인지 부하 수준(High/Medium/Low)과 점수
• Attention Level: 시간 구간별 집중 수준(High/Medium/Low)과 점수

​

Heart (변수 유형 = PPG, ECG)

​

Heart 특징별 출력 예시

• BPM: 시간에 따른 심박수 변화
• HRV (time domain): 시간 구간별 시간 관련 HRV 지표들의 값 추이
  • SDNN: 전체 측정 구간에서 심박 간 간격(RR interval)의 표준편차로 전반적인 심박 변동성과 자율신경계 전체 활성 수준을 나타내는 지표
  • RMSSD: 연속된 심박 간 간격 차이의 제곱 평균의 제곱근으로 단기적인 심박 변동성과 부교감신경 활성(이완 상태)을 반영하는 지표
  • pNN50: 연속된 심박 간 간격 차이가 50ms 이상인 비율로 단기 변동성과 부교감신경 활성 수준을 나타내는 지표
• HRV (freq domain): 시간 구간별 주파수 관련 HRV 지표들의 값 추이
  • LF (ln): 저주파 영역(0.04~0.15Hz)의 심박 변동성 (자연로그 변환)
    • 교감·부교감신경을 함께 반영하나, 주로 교감신경을 나타냄
  • HF (ln): 고주파 영역(0.15~0.4Hz)의 심박 변동성 (자연로그 변환)
    • 부교감신경(이완·회복 상태)을 반영하는 지표
  • Total Power (ln): 전체 주파수 영역에서의 심박 변동성 총량 (자연로그 변환)
    • 자율신경계 전체 활성 수준을 의미하는 지표
  • LF (%): 전체 변동성 중 저주파(LF)가 차지하는 비율로 교감신경 활성의 상대적 비중을 나타내는 지표
  • HF (%): 전체 변동성 중 고주파(HF)가 차지하는 비율로 부교감신경 활성의 상대적 비중을 나타내는 지표
  • LF/HF: 저주파와 고주파의 비율로 교감신경과 부교감신경 간의 균형 상태를 나타내는 지표
  • Coherence Ratio: 심박 변동성이 특정 주파수에서 얼마나 규칙적으로 나타나는지를 보여주며 심박·호흡·자율신경 간 동기화(안정성)를 나타내는 지표
• Stress Index: 시간 구간별 자율신경계 스트레스 정도
• Arousal Level: 시간 구간별 각성 수준 점수와 평균적인 Dominant 상태 (High/Medium/Low)

​

Respiration (변수 유형 = RSP)

​

Respiration 특징별 출력 예시

• Breathing Rate: 분당 호흡 횟수
  • 시간 구간별 호흡 횟수 변화 추이
• Breathing Variability: 시간 구간별 호흡 간격의 변동성 정도
• Relaxation Index: 호흡 패턴을 기반으로 계산한 시간 구간별 이완 정도

​

특징은 어떻게 활용되나요?

선택한 특징은 Data 단계에서 실제로 사용됩니다.

1. Schema 단계에서 변수 타입과 특징을 설정합니다.
2. Data 단계에서 해당 구조에 맞게 데이터를 업로드합니다.
3. 업로드된 데이터에서 선택한 특징을 추출할지 선택할 수 있습니다.
   
4. 분석 결과는 Findings에 반영되어 시각화 및 리포트로 제공됩니다.

​

크레딧 안내

각 특징을 추출하는 과정에서 크레딧이 소모되며, 특징마다 소모되는 크레딧이 상이합니다. 각 특징별 크레딧 소모량은 크레딧 정책 및 사용 안내 페이지에서 확인하세요.

---

이제 리서치 의도에 맞는 특징을 선택해, 데이터 속에 숨겨진 반응과 흐름을 직접 확인해보세요! 같은 데이터도 어떤 지표를 선택하느냐에 따라 더 깊고 다양한 인사이트로 확장됩니다.