earticle

영어

This study investigated the associations between H-T-P drawings produced by five-year-old children and the K-CBCL (Korean Child Behavior Checklist) and PAT (Parenting Attitude Test) scales evaluated by their parents. Data were collected via smartphone, and a machine learning (ML) device assessed a total of 80 items from the drawings. The scale scores from the K-CBCL and PAT were automatically processed using an existing computerized system. Multivariate analyses were conducted with the H-T-P evaluation indicators as independent variables and the 12 K-CBCL subscales and 8 PAT subscales as dependent variables. The results were as follows. First, evaluation indicators related to house drawings showed significant differences in three K-CBCL areas ("wall size," "chimney," "pond") and four PAT areas ("window," "chimney," "fence," "pond"). Second, evaluation indicators related to tree drawings demonstrated significant differences in three K-CBCL areas ("crown," "branches," "roots") and four PAT areas ("trunk thickness," "crown size," "roots," "leaves"). Third, evaluation indicators related to person drawings revealed significant differences in four K-CBCL areas ("male ear," "male button," "female hand," "female pocket") and six PAT areas ("male nose," "female nose," "male ear," "female ear," "male foot," "female foot"). These findings suggest that machine learning (ML) devices equipped with artificial intelligence capabilities have potential for use in preliminary psychological screening.

한국어

본 연구는 만 5세 전·후 아동 193명과 그 부모를 대상으로 하여, 아동이 그린 HTP그 림과 그 아동의 부모가 평가한 K-CBCL척도 및 PAT척도 간의 연관성을 규명하기 위한 것이다. 스마트폰을 통해 그림 자료를 수집하여, 기계학습(ML) 장치가 총 80개 항목에 대해서 평가하였다. K-CBCL과 PAT 검사의 각 척도 값은 기존 전산처리시스템에서 자 동처리 된다. 수집된 자료는 HTP 평가지표를 독립변수로 하고 K-CBCL 12개 척도 및 PAT 8개 척도를 종속변수로 하여 다변량분석을 실시하였다. 본 연구의 결과는 다음과 같다. 첫째, 집 그림에 대한 평가지표는 K-CBCL의 3개 영역(‘벽 크기’, ‘굴뚝’, ‘연못’), PAT의 4개 영역(‘창문’, ‘굴뚝’, ‘울타리’, ‘연못’)에서 통계적 차이를 보였다. 둘째, 나무 그 림에 대한 평가지표는 K-CBCL의 3개 영역(‘수관’, ‘가지’, ‘뿌리’), PAT의 4개 영역(‘나무 기둥 굵기’, ‘수관크기’, ‘뿌리’, ‘나뭇잎’)에서 통계적 차이를 보였다. 셋째, 사람 그림에 대 한 평가지표는 K-CBCL의 4개 영역(‘남자 귀’, ‘남자 단추’, ‘여자 손’, ‘여자 주머니’), PAT의 6개 영역(‘남자 코’, ‘여자 코’, ‘남자 귀’, ‘여자 귀’, ‘남자 발’, ‘여자 발’)에서 통계 적 차이를 보였다. 본 연구를 통하여 인공지능 기능을 탑재한 기계학습(ML) 장치가 심리 진단에서 사전 스크리닝의 목적으로 사용 될 수 있을 가능성을 높여 줄 수 있을 것 같다.