비엔나 대학교의 유시 헬루오(Yuxi Heluo)가 이끄는 연구팀은 2026년 6월 5일 사이언티픽 리포트(Scientific Reports)를 통해 2020년 비엔나의 마스크 착용 행동 변화에 관한 실증 연구 결과를 발표했다. 이번 연구는 보건 당국의 발표가 팬데믹 기간 동안 마스크 착용에 어떠한 영향을 미쳤는지 시각적 증거를 통해 입증했다. 특히 정부 규제와 대중교통 안내 메시지가 대중의 올바른 마스크 착용을 유도하는 데 효과적이었으며, 메시지의 세부 내용에 따라 준수 수준이 다르게 나타났다는 점을 확인했다.

연구진은 분석을 위해 비엔나에서 수집된 시각 데이터를 기반으로 오픈소스 데이터셋을 구축했다. 분석에는 이미지 처리 특화 딥러닝 모델인 합성곱 신경망(CNN), 변수 간의 관계를 모델링하는 통계 기법인 회귀 분석, 그리고 다층 노드로 구성된 피드포워드 신경망인 다층 퍼셉트론(MLP) 등 여러 방법론이 복합적으로 활용되었다.

연구 결과, 신경망 모델이 기존 회귀 분석 모델보다 대중의 반응을 더 정확하게 예측하는 것으로 나타났다. 다만 회귀 분석은 사회적 행동의 인과관계를 밝히는 데 여전히 필수적이었다. 연구팀은 머신러닝과 통계적 회귀의 통합이 복잡한 사회 시스템 연구에 상호 보완적인 접근 방식을 제공한다고 결론지었다. 이번 연구는 명확한 소통 전략의 중요성을 강조하며, 향후 발생할 공중보건 위기 시 비약물적 개입의 효과를 높이는 데 기여할 것으로 기대된다. 해당 연구는 비엔나 대학교의 지원을 받았으며 메이누스 대학교(Maynooth University)와 에든버러 대학교(University of Edinburgh) 등 여러 국제 기관이 참여했다.

비엔나 대학교의 유시 헬루오(Yuxi Heluo)가 이끄는 연구팀은 2026년 6월 5일 사이언티픽 리포트(Scientific Reports)를 통해 2020년 비엔나의 마스크 착용 행동 변화에 관한 실증 연구 결과를 발표했다. 이번 연구는 보건 당국의 발표가 팬데믹 기간 동안 마스크 착용에 어떠한 영향을 미쳤는지 시각적 증거를 통해 입증했다. 특히 정부 규제와 대중교통 안내 메시지가 대중의 올바른 마스크 착용을 유도하는 데 효과적이었으며, 메시지의 세부 내용에 따라 준수 수준이 다르게 나타났다는 점을 확인했다.

연구진은 분석을 위해 비엔나에서 수집된 시각 데이터를 기반으로 오픈소스 데이터셋을 구축했다. 분석에는 이미지 처리 특화 딥러닝 모델인 합성곱 신경망(CNN), 변수 간의 관계를 모델링하는 통계 기법인 회귀 분석, 그리고 다층 노드로 구성된 피드포워드 신경망인 다층 퍼셉트론(MLP) 등 여러 방법론이 복합적으로 활용되었다.

연구 결과, 신경망 모델이 기존 회귀 분석 모델보다 대중의 반응을 더 정확하게 예측하는 것으로 나타났다. 다만 회귀 분석은 사회적 행동의 인과관계를 밝히는 데 여전히 필수적이었다. 연구팀은 머신러닝과 통계적 회귀의 통합이 복잡한 사회 시스템 연구에 상호 보완적인 접근 방식을 제공한다고 결론지었다. 이번 연구는 명확한 소통 전략의 중요성을 강조하며, 향후 발생할 공중보건 위기 시 비약물적 개입의 효과를 높이는 데 기여할 것으로 기대된다. 해당 연구는 비엔나 대학교의 지원을 받았으며 메이누스 대학교(Maynooth University)와 에든버러 대학교(University of Edinburgh) 등 여러 국제 기관이 참여했다.