읽기 중 시선 추적(eye-tracking-while-reading) 코퍼스는 다양한 학문 분야와 활용 사례에 걸쳐 귀중한 자원이다. 활용 사례는 읽기의 기저에 있는 인지 과정 연구부터, 독해 능력의 시선 기반 평가와 같은 머신러닝 응용에 이르기까지 다양하다. 지난 수십 년간 읽기 중 시선 추적 데이터셋의 수와 규모가 증가해 왔으며, 다루는 자극 언어, 참가자의 언어적 배경, 또는 동반되는 심리측정 및 인구통계 데이터 측면에서도 다양성이 높아졌다. 여러 학문 분야에 걸친 데이터의 분산과 커뮤니티 간 데이터 공유 표준의 부재로 인해, 상호운용성 부족 때문에 많은 기존 데이터셋을 쉽게 재사용할 수 없는 상황이다. 본 연구에서는 i) 기존 데이터셋과 그 특성에 대한 광범위한 개요를 제시하고, ii) 각 데이터셋의 55개 이상의 특성을 제공하는 리빙 개요(https://t.uzh.ch/1Yh)를 온라인에 게시하여 새로 생성된 데이터셋의 공유를 간소화하며, iii) 공개적으로 이용 가능한 모든 데이터셋을 시선 추적 데이터셋 라이브러리를 제공하는 파이썬 패키지 pymovements에 통합함으로써, 서로 다른 학문 분야에 걸친 기존 데이터셋과 그 특성에 대한 투명성과 명확성을 높이고자 한다. 이를 통해 읽기 중 시선 추적 연구에서 FAIR 원칙을 강화하고, 연구 재현 및 복제와 같은 바람직한 과학적 실천을 촉진하고자 한다.
정신 건강 장애를 적시에 탐지하는 것은 중요한 사회적 과제이다. 탐지를 보조하기 위해 사용되는 자연어 처리(NLP) 및 머신러닝(ML) 방법들은 주로 소셜 미디어에서 수집된 데이터에 의존한다. 그러나 이러한 데이터셋은 표본 편향과 고유한 윤리적·프라이버시 문제를 내포하는 경우가 많다. 이러한 한계를 극복하는 한 가지 방안은 비소셜 미디어 데이터를 활용하는 것이다. 본 논문은 정신 건강 연구를 위한 비소셜 미디어 자유 텍스트 데이터셋에 대한 최초의 포괄적 리뷰를 제시한다. PRISMA 방법론을 적용하여 조사를 수행하였으며, 다양한 언어로 제공되는 데이터셋을 검토하였다. 비소셜 미디어 자유 텍스트 기반 데이터셋은 영어에 집중되어 있으며 우울증 탐지에 주로 초점을 맞추고 있음을 확인하였다. 또한 이러한 데이터셋은 인구 통계, 플랫폼, 데이터 유형, 어노테이션 기법, 방법론 면에서 다양한 차이를 보인다. 본 체계적 리뷰는 핵심적인 공백을 밝히고, 보다 다양하고 신뢰할 수 있으며 임상적으로 관련성 높은 자원을 개발할 기회를 조명한다.
기존 두부 자세 데이터셋은 주로 서양 또는 동아시아 출신의 피험자들을 대상으로 하여, 남아시아 인구, 특히 벵갈인이 크게 과소 대표되어 있다. 우리는 벵갈 피험자를 중심으로 한 최초의 공개 두부 자세 데이터셋인 Bengal-HP_RU를 소개한다. 이 데이터셋은 연속적인 편요(yaw), 앙각(pitch), 롤(roll) 값으로 주석이 달린 12,894장의 레이블된 두부 이미지로 구성된다. 이미지는 자유 라이선스 하에 Wikimedia Commons에서 수집되었으며, 자동화된 파이프라인과 수동 레이블 수정 과정을 거쳐 처리되었다. 데이터셋은 데이터 오염을 방지하기 위해 Wikimedia 업로더 신원을 기준으로 분할되어, 296명의 고유 업로더에 걸쳐 10,494개의 학습 이미지와 2,400개의 테스트 이미지로 구성된다. Bengal-HP_RU는 피험자 연령, 성별, 폐색, 조명 및 배경에서 상당한 다양성을 보이며, 실제 환경(in-the-wild) 조건을 반영한다. 데이터셋은 https://doi.org/10.17632/xbw9kr37jb.2 에서 공개적으로 이용 가능하다.
도시 열은 불투수면과 이질적인 건축 환경에 의해 증폭되지만, 다중 센서 관측 데이터가 필요한 시공간 규모에서 일관되고 분석 가능한 형태로 거의 제공되지 않아 거리 수준의 변동성을 정량화하는 데 어려움이 있습니다. 본 논문에서는 도시 열 연구의 기계 학습(machine learning) 응용을 위해 설계된 공개적이며 FAIR 지향 데이터셋인 "Urban Heat MiniCubes"를 소개합니다. 이 데이터셋은 2022년부터 2023년까지 서반구 48개 도시에 대한 통합된 90 x 90 km 격자 데이터 큐브(data cubes)를 제공하며, 전처리(예: 재투영, 리샘플링, 시공간 정렬)를 최소화하기 위해 변수들이 공통 격자로 재투영 및 위치 정렬(collocated)되었습니다. Urban Heat MiniCubes는 두 가지 상호 보완적인 모달리티(modalities)를 포함합니다: (i) Landsat 8/9(예: 표면 반사율) 및 Sentinel-1(예: 합성 개구 레이더 후방 산란)의 높은 공간 해상도와 낮은 시간 빈도 관측, 그리고 (ii) GOES-R(예: 장파 적외선 휘도 온도) 및 마이크로파 지표 온도 산출물의 높은 시간 빈도와 낮은 공간 해상도 관측입니다. 변수와 메타데이터를 기술하고, 픽셀 클래스(예: 물, 구름) 간의 변수 간 분석 및 오토인코더(autoencoder) 기반 재구성 오차 요약을 사용하여 기술적 평가를 제공합니다. 잠재적인 사용 사례와 한계점에 대해서도 논의합니다.