동일 상황에서 개인 간·개인 내 결과가 달라지는 행동과학의 핵심 문제를 '상태(state)'라는 동적 잠재 변수로 설명하는 프레임워크를 제시한다. 상태는 생물학·생리학·신경심리학이 다음 사건을 결정과 결과로 처리하는 방식을 결정하는 시간-색인 가중치 벡터로 정의되며 일일 수준 이하에서 동적으로 변한다. 4개 직업군 20만 명 이상 사용자의 24개월 행동 플랫폼 데이터를 바탕으로 7가지 검증 가능한 예측을 도출하고, 디지털 헬스·AI 개인화에의 시사점을 논의한다.
- •상태는 생물학·생리학·신경심리학을 통합하는 시간-색인 가중치 벡터로 하루 내에도 변동한다.
- •상태와 결과의 관계는 상관이 아닌 인과적(causal)이며, 상태 개입으로 결과 제어가 가능하다.
- •4개 직업군 20만 명+ 사용자 24개월 행동 데이터로 프레임워크를 실증적으로 검증했다.
- •디지털 헬스·교육·AI 개인화 등 6개 운영 요구사항과 7개 테스트 가능한 예측을 도출했다.
You Are in Control of Your State: Why Human Outcomes Are Controllable Through Causal State Intervention
- 1.동일 자극에도 개인 내·간 결과 변동성은 동적 잠재 상태(가중 벡터)로 설명 가능하다는 이론 제시
- 2.상태는 생리·신경심리 처리 가중 벡터, 서브데일리 타임스케일에서 동적으로 변화
- 3.20만 명 이상, 24개월 관찰 데이터(4개 직업 페르소나)로 6가지 증거 스트랜드 뒷받침
- 4.디지털 헬스·교육·AI 개인화에 적용 가능한 7개 예측과 6개 운영 요건 도출
왜 중요한가?
인간 행동의 비예측적 변동성을 '노이즈'로 처리하던 기존 접근에서 벗어나 잠재 상태 개입으로 결과를 제어할 수 있다는 이론·실증 프레임워크를 제시, AI 개인화 및 디지털 헬스 시스템 설계에 새 방향을 제공한다.
본문 미리보기
arXiv:2605.27580v1 Announce Type: new Abstract: A central puzzle for the behavioural sciences and for human-facing artificial intelligence is the persistence of within-person variability. The same individual, presented with the same observable input, produces different outcomes on different occasions, and different individuals produce divergent outcomes that no observable covariate fully predicts. We argue that this variability belongs in the dynamic latent state of the person, and that human o
전체 내용이 궁금하다면?
원문을 직접 읽어보세요