Simulator Sickness Questionnaire(SSQ): An EnhancedMethod for Quantifying Simulator Sickness
논문 : https://www.tandfonline.com/doi/abs/10.1207/s15327108ijap0303_3
RELATED WORK
MSQ(Pensacola Motion Sickness Questionnaire, 1965) to study motion sickness(MS)
실제 토할때까지의 정도 degree of MS severity
MS 발병과 관련된 (보통) 25~30가지 증상들의 목록으로 구성
아무증상없음(0점) ~ 토함(emesis, highest score)
증상의 수, 유형 및 심각도에 따라 중간 점수가 할당
THE NEED FOR A SIMULATOR SICKNESS QUESTIONNAIRE (SSQ)
SS의 증상은 MS와 비슷하지만 노출된 인구의 적은 비율에 영향을 미치며 일반적으로 훨씬 덜 심각
왜냐하면 SS는 pseudo-coriolis, visual distortion, visual/motion transport delay을 생성하기 때문
(The pseudo-Coriolis illusion is the experience of an anomalous angle of head tilt and tilting of the visual stimulus that occurs when an observer moves his head across the plane of rotation of an optokinetic stimulus that would otherwise produce vection)
SS 자체도 시뮬레이터 간 차이로 인해 다른 증상 클러스터를 생성할 수 있음
또한 고정 기반 비행 시뮬레이터는 해상 선박과 중요한 측면에서 다르다. 즉, 시뮬레이터에서 눈을 감으면 자극이 멈춘다.
또한 MSQ를 SS의 이상적인 지표보다 낮은 지표로 만드는 MS와 시뮬레이터에 의한 질병 사이에는 몇 가지 다른 차이점이 있다.
현재 설문지의 증상 중 일부는 시뮬레이터 노출 하에서 보고되지 않거나, 명시된 경우 기준 수준을 초과하지 않는 수준으로 표시된다.
MS 점수를 매기는 데 유효한 증상 중 일부는 SS 평가에 반드시 적합하지 않음
예를들어 Drowsiness 졸림 은 MS에서는 key indicator지만 다른 실험에서는 의미가 없다고 하였음
(그러나 강력한 운동 자극에 대한 부교감 반응을 암시하는 다른 증상들이 뒤따를 때 그것의 의미는 상당히 다를 수 있다)
3가지 목적을 가지고 논문을 작성
(a) 멀미와 구별되는 전반적인 시뮬레이터 멀미 심각도에 대한 보다 효과적인 지표를 제공한다.
(b) 전반적인 심각도가 문제로 나타난 특정 시뮬레이터에서 시뮬레이터 멀미 위치를 보다 진단하는 서브스케일 점수를 제공
(c) 모니터링 및 누적 추적을 비교적 쉽게 하기 위한 점수 매기기 접근 방식을 제공
DEVELOPMENT OF THE SSQ SCORING SYSTEMS
Method
사용된 dataset은 1,119pairs(pre and posetexposure)개의 MSQs
이때 사용된 MSQ version은 28 symptoms
우리의 목적은 어떤 증상이 노출 전에서 노출 후로 체계적인 변화를 보이는지를 결정하는 것이었기 때문에, 너무 드물게 선택된 증상은 통계 지표로서 가치가 없다(i.e., with less than 1% frequency)
예를 들어 구토는 MS와 SS의 중요한 신호이지만 약 1,200개의 시뮬레이터 결과에서 두 번밖에 발생하지 않았다. 상관 관계 및 기타 통계 데이터가 안정되기에는 너무 낮은 비율이다.
잘못된 징후를 줄 수 있는 증상도 후속 분석에서 제거되었다
이러한 증상(예: 지루함)은 다른 징후가 거의 없거나 전혀 없는 시뮬레이터에서 가장 높은 발생 빈도를 보였으며, 대부분의 다른 증상에 대해 높은 빈도 또는 심각도를 가진 시뮬레이터에서는 거의 볼 수 없었다.
총 28개의 증상 중 12개가 제거되었음(Table 1)
MSQ와 관련된 대부분의 연구는 problem severity의 주요 지표로 post and pre scores 간의 차이를 사용한다. 그러나 차이점수는 신뢰성이 떨어진다.
MSQ 관리의 일환으로, 노출 전 체크리스트를 사용하여 응답자에게 "아프다"거나 "평소의 건강 상태"가 아닌 다른 상태인지 물었다.
이 두 가지 질문 중 하나에 긍정적인 답변을 한 응답자를 제외하였을때, pre-exposure data에 미치는 영향이 거의 없었음
자신을 "건강하지 않은 사람"이라고 보고한 피실험자의 기록은 분석에서 제외되었다.
여기에 보고된 SSQ 점수 시스템은 노출 후 증상에만 적용되며, "건강하지 않은" 피험자에 대한 선별이 필요하다는 추가 전제 조건이 있다.
Factor Analyses
평가의 근거를 제공하기 위해 설문지 내 증상 하위 그룹의 요인 분석 모델을 연구
시뮬레이터 멀미는 0.2Hz에서의 선형 진동, vection, 시각 왜곡, flicker, conflict among oculomotor systems(안구 운동 시스템 간의 충돌), cue asynchrony(신호 비동기) 등 다양한 자극에 의해 발생할 수 있다
요인 분석을 통해 coincidence(우연의 일치) 또는 clusters of symptoms(증상 군집)을 식별할 수 있음
두 가지 형태의 요인 분석이 사용되었다.(principal-factors analysis, hierarchical factor analysis)
principal-factors analysis : normalized varimax rotation
(1) 직교 회전 (orthogonal ratation) : 회전된 인자들이 서로 상관되지 않도록 제약
배리맥스(VARIMAX)
가장 대중적인 기준이며, 관습적으로 가장 많이 쓰이고 있다. 이 회전법은 "분산이 극대화된다"(Variance is maximized)의 약자이다. 여기서는 요인의 분산을 극대화하는 논리를 따르는데, 요인행렬을 변환할 때 행렬의 열(요인)을 기준으로 하여 큰 값은 더 크게, 작은 값은 더 작게 회전하는 길을 찾는다. 배리맥스의 도입 이후, 학계에서 다요인 구조 속의 모든 요인들의 의미가 비로소 뚜렷하게 해석될 수 있게 되었다는 역사적 공로가 있다고 한다. 아무튼 요인의 수가 꽤 많다 싶을 때 쓰기 좋은 방법이다
Results
principal-factors analysis/varimax :
16가지 증상변수에서 3, 4, 5, 6가지 요인 솔루션을 추출하여 분석하였다. 3요인 solution은 가장 쉽게 해석할 수 있었다.
three distinct symptom clusters(Oculomotor, Disorientation, Nausea)
3요인 솔루션은 3개의 (부분적으로) 독립적인 증상 클러스터가 존재하며, 각각은 인간 내 다른 "목표 시스템"에 대한 시뮬레이터 노출의 영향을 반영한다.
주어진 시뮬레이터는 인간이 영향을 받는 메커니즘이나 메커니즘에 따라 이러한 클러스터 중 하나 또는 그 이상으로 분류되는 증상을 일으킬 수 있다.(A given simulator may cause symptoms that fall into none, one or more, or all of these clusters, depending on the mechanism or mechanisms by which the human is affected)
이러한 증상의 대상 시스템 조직은 이론적 및 실제적 중요성을 모두 가지고 있다. 보고된 증상의 생리학적 근거를 연구하는 데에도 유용할 수 있다.
또한 시뮬레이터가 사용자에게 문제를 일으킬 수 있는 방법을 결정하는 과정을 단순화
4요소, 5요소 및 6요인 솔루션은 채점에는 유용하지 않지만, 응답자가 시뮬레이터 노출에 따른 감정 사이에 더 세밀한 구분을 할 수 있는 능력을 제안했다는 점에서 일부 관심사가 되었다.
The 10 simulators on which data were collected divide themselves conveniently into two distinct groups(five simulators with little or no reported symptomatology and five with a markedly higher level of reported symptoms)
낮은 발생률 그룹의 약 500개의 관측치는 변수 간의 공분산에 약간만 기여했고, 따라서 증상 간의 상관 관계의 절대 수준을 줄이는 데 작용
Hierarchical :
표 2의 변수 최대 요인 행렬을 검사하면 각 요인에 대해 중간에서 큰 적재(.50 - 0.75)를 가지며 적재 범위가 .15 - .35인 동일한 수의 변수가 있음을 알 수 있습니다. 또한 적어도 두 개 또는 때로는 세 개 모두에 상당한 하중을 가하는 여러 변수가 있습니다.
이러한 행렬에 대한 이상적인 패턴은 모든 인자가 몇 개의 매우 큰 하중을 가지고 다른 대부분의 하중은 0에 가깝고 모든 변수는 한 인자에 대해서만 큰 하중을 가지고 다른 인자에 대한 하중은 0에 가까운 것이다.
the number of "insignificant" loadings (absolute value < .10)
Hierarchical 모델에 기반한 SSQ 측정은 적어도 이론적으로 varimax 모델에 기반한 측정보다 우수해야 한다.
그러나, 해석적으로 덜 명확하지만, varimax 인자는 SSQ에 포함된 제한된 증상 집합에 대해 수학적 의미에서 더 잘 정의됨
Deriving the SSQ Measures
SSQ 점수 체계는 표본에서 파생된 매개변수 값의 정밀도에 가장 덜 의존하기 때문에 선택되었다.
가중치 시스템과 관련 상수는 두 가지 중요한 속성을 가진 점수 분포를 생성한다.
USING AND SCORING THE SSQ
Administration
이후 약술된 채점 절차는 평상시 건강 상태가 아닌 모든 개인이 표본에서 제거되고 노출 후 데이터만 채점된다고 가정
Scoring
variable score(0,1,2,3) / conversion formulas given at the bottom of the table
Interpreting the SSQ Scores
변환 공식의 값에 대한 특별한 해석적 의미는 없다.
그들의 기능은 값이 더 쉽게 비교될 수 있는 유사한 가변성을 가진 척도를 생성하는 것 뿐이다.
table 5,6 비교를 통해 새로운 샘플에서 SS 문제의 상대적 심각성과 특성에 대한 표시를 얻을 수 있다.
새로운 수단이 주어진 척도에서 상위 3~4개 시뮬레이터의 범위 내에 있는 경우, 데이터와 시뮬레이터 자체에 대한 면밀한 검토가 보장될 수 있다.(If the new means fall within the range of the upper three to four simulators on a given scale, closer examination of the data and of the simulator itself is probably warranted)
조사된 10개의 시뮬레이터는 훈련 시뮬레이터 커뮤니티의 시뮬레이터를 대표할 수 있기 때문에 표 5의 정보를 통해 해당 값보다 다소 극단적인 모집단의 관측치 수를 결정할 수 있다
표에서 모든 척도에 대해 0-값(영점)이 관측치의 최소 40%와 최대 75%를 포함한다는 것을 유의해야 합니다. 이는 일반적으로 시뮬레이터 전반의 SS에 대한 모달 위치가 지시된 증상학이 전혀 아니며, 척도의 민감도는 증상학 범위의 상위 극단에 있다는 것을 지적한다.
이는 일반적으로 시뮬레이터 전반의 SS에 대한 모달 위치가 지시된 증상학이 전혀 아니며, 척도의 민감도는 증상학 범위의 상위 극단에 있다는 것을 지적한다.
따라서 척도는 문제가 없는 시뮬레이터를 구별하지 않고 문제 시뮬레이터와 표시된 어려움이 없는 시뮬레이터를 구별하기 위한 것이다.
AN ILLUSTRATIVE EXAMPLE: FIELD TESTING A SEMIAUTOMATICALLY SCORED SSQ
Method
20-month program of data acuisition
TH-57 trainers(helicopter)
3,691hops
자체 채점 소프트웨어는 즉각적인 피드백을 제공하여 조종사의 증상 및 그에 따른 제한 사항에 대한 인식을 높여 후속 활동에서 위험을 줄이기 위해 필요한 예방 조치를 취할 수 있습니다.
둘째, 시간에 걸쳐 모니터링될 때, 특정 유형의 증상뿐만 아니라 전체 발병률은 후속 증상 데이터를 비교할 수 있는 기준선이 될 수 있다.
마지막으로, 시뮬레이터 유도 증상학의 자동화된 모니터링을 사용하여 교육 강의 계획 변경뿐만 아니라 엔지니어링 기능 수정의 영향을 평가할 수 있다.
Results
그림 2의 데이터는 정상 비행 스케줄이 재개되었을 때 4가 급등한 것과 일치하며, 질병의 발생률도 감소했습니다.
그림 3은 SS 스트레스에 대한 적응에 대한 반복 홉의 영향을 보여준다. Hop 1에서 75번째 백분위수 사람은 15의 점수를 보여주는데, 이는 해군의 가장 질병을 유발하는 시뮬레이터의 평균 점수와 비슷하다(표 6 참조).
그림 4는 각 조종사의 두 번째 노출에서 얻은 점수를 노출 간 분리의 함수로 나타낸다.
질병률은 홉이 같은 날 또는 하루 간격으로 있을 때 가장 높다는 것을 유의
마찬가지로 홉이 5일 이상 간격을 두면 적응이 거의 없다.
이 시뮬레이터에서 SS의 발생률을 제어하는 측면에서 최적의 간격은 홉 사이의 2일에서 5일로 보입니다.
아마도 이 간격은 한 노출에서 다음 노출로 증상이 전달되지 않도록 충분히 길고 시뮬레이터에 대한 적응을 유지할 정도로 짧다.
Discussion
흥미로운 결과 중 하나는 75백분위수 메트릭이 시뮬레이터에서 매우 안정적인 활동 지표가 될 수 있으며, 사용 중인 엔지니어링 동안 장비의 유지 보수를 모니터링하는 데 어느 정도 유용하다는 것이다.
시뮬레이터 구성에 엔지니어링을 변경한 후 기준 점수를 얻은 다음 사건 및 증상 혼합과 비교할 것을 권장
CONCLUSIONS
SS와 관련된 증상 유무 및 심각도의 패턴은 멀미 패턴과 충분히 다르므로 이러한 특정 패턴의 정량화에 맞춘 별도의 측정 시스템의 사용을 정당화할 수 있다
현재 분석 및 관련 분석 모두에서 MS와 SS의 기초에는 적어도 세 가지 개별 차원이 있는 것으로 보인다
이러한 각 차원은 인간 유기체의 다른 표적 시스템을 통해 작동하여 바람직하지 않은 증상을 생성한다
VARIMAX 회전으로 식별된 변수에 단위 가중치를 사용하는 것)은 대부분의 애플리케이션에 적합