새로운 운동 동작을 배울 때 단순히 동작을 따라 하는 것만으로는 충분하지 않다. 같은 동작을 정확하게 수행하더라도 어떤 선수는 1초 만에 즉각적으로 반응하고, 어떤 선수는 5초를 고민한 끝에 겨우 성공한다면 두 사람의 숙련도는 전혀 다르다고 보아야 한다. 우리가 특정 기술을 얼마나 깊이 이해하고 내면화했는지 파악하기 위해서는 단순히 '성공 여부'를 넘어 그 결과에 도달하기까지 '얼마나 시간이 걸렸는지'를 반드시 살펴야 한다.
학술지 '행동 연구 방법론'에 발표된 이번 연구는 인공지능 신경망 기술을 활용해 학습자의 실력을 진단하는 새로운 모델을 제시했다. 연구팀은 국제 학업성취도 평가를 포함한 세 가지 대규모 데이터를 분석하는 관찰연구를 진행하며, 실력 측정의 정확도를 높이는 핵심 변수를 찾아냈다. 비록 교육 공학 분야에서 출발한 연구이나, 이는 정교한 움직임과 빠른 판단이 필요한 스포츠 과학 분야의 기술 습득 평가에도 중요한 시사점을 던진다.
연구팀이 개발한 '반응 시간 결합 신경망 모델'은 정답 여부와 더불어 문제를 해결하는 데 걸린 시간을 함께 분석한다. 이는 마치 운동선수의 순발력과 정확도를 동시에 측정해 실제 경기력을 판단하는 것과 유사한 원리다. 기존의 통계 모델들이 단순히 맞혔는지 틀렸는지만을 따졌다면, 이 모델은 신경망 기술을 통해 사람과 기술 사이의 복잡하고 비선형적인 상호작용을 정밀하게 계산해낸다.
분석 결과, 인공지능 신경망을 적용했을 때 기존 통계 모델보다 실제 데이터에 대한 예측 적합도가 월등히 높게 나타났다. 특히 문제를 너무 빨리 풀어서 발생하는 오류인 '과속 행동'이 진단 결과에 미치는 부정적인 영향을 크게 줄였다. 단순히 운이 좋아 빨리 성공한 것인지, 아니면 실력이 뛰어나서 즉각적인 반응이 나온 것인지를 명확하게 구분해냄으로써 실력 진단의 신뢰도를 높인 것이다.
또한 인공지능 모델은 반응 시간이라는 새로운 지표를 통해 학습자의 숙련도를 더욱 세분화하여 보여주었다. 숙련도가 올라갈수록 판단에 걸리는 시간이 단축되는 상관관계를 정밀하게 추적함으로써, 겉으로 보이는 성과 뒤에 숨겨진 실제 실력을 파악할 수 있게 되었다. 이는 훈련 과정에서 정답률은 높지만 반응 속도가 느린 선수에게 어떤 보완이 필요한지 구체적인 방향을 제시해준다.
이번 연구는 실력이라는 추상적인 개념을 수치화할 때 '시간'이라는 요소가 얼마나 결정적인 역할을 하는지 증명했다. 스포츠 현장에서도 특정 기술의 성공률만 따지는 기존의 방식은 선수의 진짜 실력을 과대평가하거나 과소평가할 위험이 있다. 다만 이 모델은 컴퓨터 기반의 인지 데이터에 최적화되어 있어, 실제 경기장에서 발생하는 역동적인 신체 움직임에 그대로 적용하기 위해서는 움직임 감지 기술과의 결합 등 추가 연구가 필요하다.
자신의 운동 숙련도를 정확히 평가하고 싶다면 '정확도'와 '수행 시간'을 동시에 기록하는 습관을 들여야 한다. 같은 기술을 10번 성공하는 것에 만족하지 말고, 첫 번째 시도와 마지막 시도 사이의 반응 시간이 얼마나 단축되었는지 확인하는 식이다. 특정 동작을 고민 없이 1초 이내에 즉각적으로 수행할 수 있는 상태를 목표로 삼는다면, 실전에서 흔들리지 않는 진짜 실력을 갖출 수 있다.
📖 *Neural cognitive diagnosis modeling incorporating response times.* (관찰연구) |
논문 원문
※ 이 기사는 스포츠과학 논문을 바탕으로 작성되었습니다. 개인 건강 상태에 따라 다를 수 있으니 전문의와 상담하세요.
When learning a new athletic movement, simply mimicking the motion is not enough. Even if two athletes perform the same movement accurately, their proficiency levels are fundamentally different if one reacts instantaneously within one second while the other succeeds only after five seconds of hesitation. To understand how deeply a specific skill has been internalized and understood, we must look beyond simple "success or failure" and examine "how long it took" to reach that result.
A recent study published in the journal *Behavior Research Methods* presents a new model for diagnosing a learner's proficiency using artificial intelligence neural network technology. The research team conducted an observational study analyzing three large-scale datasets, including the Programme for International Student Assessment (PISA), to identify key variables that increase the accuracy of skill measurement. Although the research originated in the field of educational technology, it offers significant implications for evaluating skill acquisition in sports science, where precise movement and rapid decision-making are essential.
The "Neural Network Model Incorporating Response Times" developed by the team analyzes the time taken to solve a problem alongside whether the answer was correct. This principle is similar to judging an athlete's actual performance by simultaneously measuring their agility and accuracy. While traditional statistical models focused solely on correct or incorrect outcomes, this model uses neural network technology to precisely calculate the complex, non-linear interactions between the individual and the skill.
The analysis revealed that the AI neural network achieved a significantly higher predictive fit for actual data compared to existing statistical models. In particular, it greatly reduced the negative impact of "slipping"—errors caused by solving a problem too quickly—on the diagnostic results. By clearly distinguishing whether a quick success was a result of mere luck or an immediate reaction born of high proficiency, the model enhanced the reliability of the skill diagnosis.
Furthermore, the AI model provided a more granular view of learner proficiency through the new metric of response time. By precisely tracking the correlation where decision-making time decreases as proficiency increases, it became possible to identify the actual skill level hidden behind superficial performance. This provides a specific direction for intervention for athletes who maintain a high success rate during training but exhibit slow response speeds.
This study proves how decisive the element of "time" is when quantifying the abstract concept of proficiency. In sports, traditional methods that only consider the success rate of a specific technique risk overestimating or underestimating an athlete's true ability. However, as this model is optimized for computer-based cognitive data, further research—such as integration with motion-sensing technology—is required to apply it directly to the dynamic physical movements occurring on an actual field.
To accurately evaluate one's own athletic proficiency, it is essential to develop the habit of recording both "accuracy" and "execution time" simultaneously. Rather than being satisfied with succeeding at a technique ten times, one should verify how much the response time has decreased between the first and last attempts. By aiming for a state where a specific movement can be performed instantaneously within one second without hesitation, an athlete can develop true skill that remains steadfast in actual competition.
