756793_ko-KR

liliconcom

JMP의 SEM 플랫폼을 활용한 명상 프로그램 평가(2021-US-30MP-897)

A Narayanan, Procter & Gamble의 수석 과학자
Annie Weisbrod, Procter & Gamble의 수석 지속 가능성 과학자
마크 베일리, 인사 전문가, Procter & Gamble

코로나19 위기 동안 P&G는 세 가지 우선순위, 즉 P&G 직원의 안전, 소비자 및 고객 서비스, 그리고 지역 사회 지원을 최우선으로 삼았습니다. 직원들의 지속적인 웰빙을 보장하기 위한 노력의 일환으로, 명상과 스트레스 회복탄력성을 가르치는 온라인 라이브 수업을 제공했습니다. 이 프로그램은 내부적으로 개발되어 전 세계적으로 제공되었습니다. 본 논문에서는 회복탄력성, 공감, 스트레스, 마음챙김의 네 가지 주요 차원과 기타 하위 차원을 사용하여 이 새로운 명상 프로그램의 효과를 평가합니다. 45개의 의학적 기반 설문지를 사용하여 8주 동안 참가자들의 태도와 행동 변화를 조사했습니다. JMP 16의 SEM 플랫폼을 사용하여 명상/마음챙김 프로그램의 성공, 특히 직원의 웰빙과 생산성 측면을 평가하는 데 있어 이러한 구성개념의 척도 속성과 시간 경과에 따른 변화를 측정했습니다. 현재까지의 결과는 고무적입니다.

자동 생성된 대본...

스피커	성적 증명서
니콜라스 셸턴	좋습니다. 녹음이 시작되었습니다. 음소거로 전환하겠습니다. 준비가 되면 시작해도 됩니다.
	좋아요.
애니 와이스브로드	안녕하세요 여러분. 저는 애니 와이스브로드입니다. 저는 P&G의 동료인 A 나라야난과 마크 베일리와 함께 이 자리에 있습니다. 오늘 발표를 진행하게 되어 기쁩니다.
	JMP SEM 플랫폼을 사용한 명상 프로그램 평가.
	그러니 먼저 왜 이 이야기를 하게 되었는지 설명하고 싶습니다.
	그래서 P&G의
	특히 코로나19 기간 동안 우리는 우선순위를 정하고 사람들의 건강에 정말 집중했습니다.
	팬데믹으로 인해 여러 가지 이유로 매우 스트레스가 많은 시기이지만 시민 불안이 있는 지역, 공급망이 바뀌어 물건을 구할 수 없는 경우도 있습니다.
	생활 습관, 질병, 타인 돌봄 등 변화하는 삶. 지난 몇 년 동안 우리 삶은 여러 면에서 상당히 크게 변화했습니다.
	20개월, 2년 정도. 그래서 P&G 직원들의 건강과 복지를 보호하는 것이 이 시기에 더욱 중요한 우선순위가 되었습니다.
	그래서 우리가 집중해 온 것은 사람들이 직장 생활을 하는 동안 신체적, 정신적으로 스스로를 돌볼 수 있도록 돕는 방법입니다.
	고객에게, 소비자에게, 그리고 우리가 살고 있는 지역 사회를 지원하기 위해 노력합니다. 저희는 사람들이 웰빙의 다양한 측면을 실천할 수 있도록 교육하고 지원하는 사내외 프로그램을 운영하고 있으며, 이를 통해 건강 증진에도 기여할 수 있기를 바랍니다.
	따라서 전염병이 발생하면서 우리는 개인과 부서에 대한 지원을 제공하는 방식을 변경해야 했습니다.
	각 직원의 상황은 다릅니다.
	회사에서 맡은 업무 종류, 거주 지역, 건강이나 가족 돌봄과 관련된 개인적 상황 등입니다.
	그래서 제가 몇 년 동안 가르쳐 온 것은 한 장소에서 직접 수업을 하는 것이었습니다. 사람들이 강의실에 오면, 저는 스트레스, 회복탄력성, 명상에 대한 정보를 공유했습니다. 그런데 이제는 모두 라이브 스트리밍으로 전환해야 하는 상황이 되었습니다.
	제 시청자층은 전 세계로 확장되었는데, 상당수의 시청자들이 서로 다른 시간대와 언어를 사용하고 있기 때문입니다. 그리고 지금 이 프레젠테이션에서처럼 라이브 스트리밍 기법을 시험해 보고 있습니다.
	그래서 이러한 전환을 진행하면서, 우리는 이 웰빙 프로그램들이 얼마나 효과적인지 궁금했습니다. 글로벌 라이브 스트리밍이라는 새로운 형식과 콘텐츠가 웰빙을 위한 주요 정신 및 감정 건강 영역에 어떤 영향을 미칠까요?
	저는 명상이라는 코스를 가르칩니다.
	기대하세요. 8주 동안 진행되는 글로벌 라이브 스트리밍 강좌입니다. 매주 한 번씩 45분씩 모입니다.
	매우 체험적인 수업입니다. 간단한 소개로 시작하고, 그 후 수업의 대부분을 실습합니다.
	그리고 참가자들은 그 접근법을 일주일 내내 연습하도록 권장됩니다. 목표는 참가자들이 자신의 마음챙김을 통해 더욱 자립적으로 행동하는 것입니다.
	주의, 집중, 회복력,
	공감 능력과 스트레스 감소를 위해 이런 기술을 장기간 연습하는 것이 필요합니다.
	이러한 연습은 우리 주변에서 무슨 일이 일어나고 있는지, 우리가 어떻게 느끼고 있는지, 무엇을 생각하고 있는지에 대한 인식을 높이는 데 도움이 되도록 선택되었습니다.
	스트레스와 관련된 다양한 측면과 이를 줄이는 방법, 이런 경험에 대한 다른 접근 방식, 그리고 기쁨을 증진하는 방법에 대해 알아보았습니다.
	우리는 통찰, 규율, 그리고 연민과 관련된 여러 가지 수행을 통해 이를 실천합니다. 여덟 가지 수행 중 몇 가지는 바로 지금 여기에 존재하는 것과 관련이 있습니다.
	따라서 그 예는 오감 명상이 될 수 있습니다.
	그냥 보고, 그냥 듣고, 그냥
	냄새만 맡고, 맛만 보고,
	지금 당장 여기로 오는 것의 예로, 피부에 느껴지는 것을 느껴보세요. 또한 자기 성찰과 감사와 관련된 수행도 있습니다.
	주의 산만함에 대처하는 것이죠. 우리는 항상 주의가 산만해지기 때문입니다. 마음은 그저 제멋대로 움직이기 때문에, 셈하기, 만트라 연습 등이 그 예입니다. 또한 마음과 관련된 연습도 있습니다.
	그래서 이 매우 오래된 관행, 메타
	통렌은 수천 년의 역사를 가지고 있으며, 아시아의 문화에서 유래되었으며, 사랑과 친절, 타인에 대한 배려, 주고받는 정신을 실천하는 것을 목표로 합니다.
	그리고 마지막으로 선택의 여지가 없는 인식이 있습니다.
	그냥 존재하는 것.
	아무것도 하지 않고 그저 있는 그대로. 선종에서 매우 인기 있음
	예를 들어 실무자분들을 예로 들 수 있습니다. 지난 한 해 동안 1,000명이 넘는 분들이 이 과정에 등록했습니다. 등록자 중 약 50%가 8주 과정을 모두 수료했으며, 이에 대한 통계를 공유해 드리겠습니다.
	이러한 제품이 실제로 무엇을 제공하는지 보여줍니다.
	우리는 조사한다
	참가자의 수업 전과 수업 후 태도와 행동을 조사합니다. 의학적 기준에 따라 45개의 질문이 있습니다.
	설문조사는 자발적이고 익명으로 진행되며, 기본적으로 네 가지 표준 설문지를 참고하고 있습니다. 첫 번째는 5가지 측면으로 구성된 마음챙김 설문지입니다.
	우리는 또한 공감과 관련된 대인 관계 반응성 지수를 사용합니다. 즉, 공감적 관심과 관점, 다양한 관점을 취하는 것입니다.
	오늘 시연에서 집중적으로 살펴볼 것은 슬픔 회복력 척도와 인지된 스트레스 척도입니다.
	이것은 사람들이 스트레스에 대해 어떻게 생각하는지, 그들이 처한 상황의 스트레스 정도, 그리고 스트레스에 대한 생각과 관련된 다양한 설문지 중 가장 널리 사용되는 것입니다.
	이 명상 과정처럼 스트레스 감소 개입의 효과. 따라서 표준적인 진술과 질문은 예측 불가능한 상황을 어떻게 다루는지 보여줍니다.
	그 사람이 자신의 상황을 어떻게 느끼는지, 통제할 수 있는지 없는지, 과중한 부담을 느끼는지, 그리고 그 사람이 인식하는 무력감 수준은 어느 정도인지에 대한 것입니다.
	그들은 이 상황에 대해 아무것도 할 수 없습니다.
	자기 효능감, 즉 상황이 바뀔 수 있다는 자신감과 스트레스를 관리할 수 있다는 자신감을 얼마나 느끼는지입니다. 그래서 우리는 과부하와 그 상황에서 통제 불능이라는 느낌과 관련된 두 가지 하위 척도에 초점을 맞출 것입니다.
	우리는 시범을 보일 뿐만 아니라 이러한 과정을 통해서도 의도적으로 스트레스에 집중하고 있습니다. 왜냐하면 스트레스는 오늘날 세계에서 가장 위험한 생활 방식 요소 중 하나이기 때문입니다.
	많은 기관들이 전 세계적으로 발표되는 다양한 보고서에 대응하기 위해 통합 웰빙 프로그램을 개발하고 있습니다. 세계보건기구(WHO)는 지난 10년 이상 만성적이거나 해결되지 않은 스트레스가 가장 큰 생활 습관 위험 요인이라고 밝혀왔습니다.
	비만과 신체 활동 부족은 전 세계적으로 신체적, 정신적 만성 질환을 일으키는 가장 큰 원인입니다.
	그래서
	좋은 소식은, 결과를 간략하게 요약하자면, 이 8주 기간 동안 눈에 띄는 증가가 나타났다는 것입니다.
	우리가 처음 들어오는 데이터를 살펴보았을 때, 여기서 우리가 보는 단순한 수단은 마음챙김 전반에 걸쳐 눈에 띄는 증가를 보는 것입니다.
	공감, 회복력, 그리고 사람들이 스트레스를 인식하는 방식도 눈에 띄게 감소했습니다. 정말 좋은 결과였고, 저희는 이 문제에 대해 더 심층적인 조사를 하고 싶어서 통계학 파트너에게 연락했습니다. 파트너가 여러분과 함께 그 결과를 공유해 드리겠습니다.
	사전 및 사후 쌍으로 구성된 설문 조사 결과 중 일부입니다. 이제 그가 맡아서 설문 조사에서 얻은 응답을 바탕으로 작업한 JMP 기능 중 일부를 보여드리겠습니다.
안	고맙습니다, 애니.
	제 화면 보고 계신가요? 저는 못 보는데요.
	안녕하세요 여러분, 저는 시간을 좀 가져야 하는데, 잘 모르겠어요. 여기가 제대로 작동하지 않는 것 같아요.
	고마워요, 애니. 안녕하세요 여러분. 제 이름은 나라야난이에요.
	저는 P&G의 고급 소비자 모델링 및 통계 부서에 소속되어 있습니다. 오늘 제가 하고 싶은 일은 데이터 분석 세부 정보를 공유하는 것입니다.
	애니가 방금 설명한 프로그램에서 나온 내용입니다. 제 일정은 세 가지 주제로 구성될 예정입니다. 요인 모형 최적화에 대해 이야기하고, 그다음 확인적 요인 분석에 대해 이야기하겠습니다.
	최적화된 요인 모형입니다. 마지막으로 종단 측정 불변성에 대해 논의하겠습니다. 잠재 평균의 시간 경과에 따른 변화를 측정해야 하기 때문에 이 부분이 중요합니다. 바로 첫 번째 주제로 넘어가 보겠습니다.
	그리고 요인 모형 최적화, 도대체 왜 이걸 하는 걸까요? 이유는... 제가 이걸 하고 싶은 데는 두 가지 이유가 있습니다. 먼저 애니가 언급한 10가지 질문입니다.
	실제로 우리가 측정하고자 하는 두 가지 구성 요소에 대해 최적화되어 있지 않습니다.
	또한 표본 크기가 작기 때문에 사전 및 사후에 너무 많은 질문이 오지 않도록 하고 싶습니다.
	이것이 바로 우리가 요인 모형 최적화를 하는 두 가지 이유입니다. 이를 위해 고전적 검정 이론의 두 가지 아이디어를 활용하겠습니다.
	하나는 신뢰도입니다. 신뢰도는 실제로 측정의 일관성과 관련이 있습니다. 우리는 구성개념 내의 항목들이 동일한 것을 측정하는지 확인하고자 합니다. 신뢰도에는 여러 가지 척도가 있는데, 여기서 제가 사용할 척도는 다음과 같습니다.
	신뢰도 계수, 즉 크론바흐 알파입니다. 공식은 여기에서 확인할 수 있습니다. 제가 이 공식을 사용하는 이유 중 하나는 JMP의 다변량 플랫폼에서 항목 신뢰도 옵션을 사용하여 사용할 수 있기 때문입니다.
	이제 하나
	이 측정법의 단점은 모든 변수나 항목이 동일하게 신뢰할 만하다고 가정한다는 것입니다.
	그리고 우리는 일부 항목이 다른 항목과 동일한 신뢰도를 가지고 있지 않다는 것을 알고 있으며, 그런 경우에는 평균 분산 추출기를 사용할 수 있습니다.
	자, 이게 뭐죠? 설명하기 위해 확인적 요인 모형의 경로 다이어그램을 실제로 사용해 보겠습니다. 여기서 제가 설명하고 싶은 세 가지 구성 요소가 있습니다.
	맨 위에 있는 것은 실제로 원으로 둘러싸여 있는데, 이것이 잠재 변수입니다.
	그 다음 아래쪽에 사각형으로 둘러싸인 지표가 있습니다. 이 예에서, 이 잠재 변수를 활용하는 매우 큰 질문인 지표가 4개 있습니다.
	그런 다음 실제로 각 지표의 강도를 제공하는 요인 로딩인 4개의 람다 변수가 있습니다.
	구조를 활용합니다. 따라서 추출된 평균 분산은 람다와
	오차의 분산은 하단에 있습니다. 델타는 하단에 있습니다. 오차는 다음과 같습니다.
	구성 요소입니다. 단순화를 위해 이를 측정 오류로 간주하고, 이러한 오류의 분산도 추출된 평균 평점 계산에 포함됩니다.
	공식을 살펴보면, 하단에 오차 분산이 없다면 최대값은 1이 되는데, 바로 이것이 우리가 원하는 값입니다.
	그래서
	신뢰도 측정에 유용한 또 다른 항목은 항목 신뢰도입니다. 사실 항목 신뢰도는 잠재 변수에 대한 지표의 각 회귀 분석 결과의 개별 R 제곱에 불과합니다. JMP를 살펴보면서 이에 대해 알아보겠습니다.
	고전적 검사 이론에서 중요한 두 번째 개념은 타당도입니다. 타당도는 변인이 측정하려는 것을 측정하는지 여부와 관련이 있습니다. 그리고 여기서도 여러 가지가 있습니다.
	타당도의 여러 버전 중 제가 집중적으로 살펴볼 것은 변별 타당도입니다. 이는 측정하는 구성개념이 고유하고 구별되는지 여부와 관련이 있습니다.
	좋아요, 이 두 가지 개념을 바탕으로 JMP를 본격적으로 살펴보고 모델링의 세부 사항을 몇 가지 보여드리겠습니다. 10가지 질문에 대한 탐색적 요인 분석부터 시작해 보겠습니다.
	스트레스 영역과 관련이 있습니다. 이제 모든 분석에서
	분석 결과를 보여드리겠습니다. 단계별로 설명하고 클릭만 하도록 하지는 않겠습니다. 시간이 오래 걸리고 JMP에 잘 정리되어 있기 때문입니다.
	우리가 부르는 큰 것
	과부하된 구성 요소와 세 개의 항목을 가진 더 작은 구성 요소를 통제할 수 없는 것으로 분류합니다. 따라서 이는 탐색적 요인 분석이며, 두 가지 요인을 뒷받침하는 것으로 보입니다.
	그리고 우리는 그것이 실제로 사실인지, 그리고 데이터가 그것을 뒷받침하는지 확인하고 싶습니다. 그래서 같은 10개 질문에 대한 확인적 요인 분석을 시작하겠습니다.
	그리고 과부하된 구성요소는 7개의 지표에 연결되어 있고, 제어할 수 없는 구성요소는 3개의 지표에 연결되어 있는 것을 볼 수 있습니다.
	이 데이터가 얼마나 잘 맞는지, 이 모델이 데이터에 얼마나 잘 맞는지 살펴보고 싶습니다. 카이제곱을 보면... 카이제곱은 자유도 34에서 44이고 유의미하지 않으므로, 이 모델은 데이터에 의해 뒷받침됩니다.
	그리고 우리가 맨 아래에서 보고 싶은 또 다른 것은 제가 언급한 구성 타당성 행렬입니다.
	이 행렬의 대각선은 추출된 평균 분산을 나타냅니다. 이를 통해 제어 불가능한 요인의 분산은 상당히 높고, 과부하된 요인의 분산은 실제로 낮음을 알 수 있습니다.
	직교 요소는 각 요인이 다른 요인과 공유하는 분산의 양을 나타냅니다. 그리고 오버로드된 요인의 경우, 이
	통제 불가능한 요인의 비중은 대각선에 표시된 것처럼 실제로 자체 지표의 분산보다 높습니다. 이는 우리가 원하는 최적화된 요인 구조가 아닙니다.
	그리고 또한 당신이 가서 보면
	추정치를 포함한 경로 다이어그램을 실제로 볼 수 있습니다.
	여기에 표시된 개별 항목 신뢰도
	여기 사각형이 있습니다. 그리고 볼 수 있습니다
	과부하 요인 구성 요소에 연결된 7개 지표는 .277에서 .551까지 다양한 항목 신뢰도를 갖습니다.
	그리고 우리는 몇 가지를 선택하고 싶습니다.
	높은 신뢰성을 가지고 있음.
	그래서 우리는 이러한 품목 신뢰도 개념을 사용할 것입니다.
	실제로, 우리의 요인을 최적화하기 위해 차별적 타당성을 추구합니다.
	그리고 나는 돌아가서 볼 것입니다
	이 모든 측정 항목을 표로 정리했습니다.
	그리고 이 표에는 이 두 열에 Cronbach의 알파가 있고, 항목이 삭제될 때 Cronbach의 알파가 변경되는 것도 있습니다.
	전체 복합 변수의 크론바흐 알파 값을 기준으로 하고, 마지막 열에는 항목 신뢰도가 있습니다. 따라서 이 숫자 행렬을 보고 요인을 최적화하는 한 가지 방법은 신뢰도가 높은 항목, 즉 상위 3개 항목을 선택하는 것입니다.
	이제, 이 특정 상황에서 나는 또한 다음을 사용하고 싶습니다.
	그만큼
	항목이 삭제되었을 때의 크론바흐 알파입니다. 그리고 세 번째 항목을 살펴보면,
	그 항목이 세 번째로 높은데도
	항목 신뢰도, 이 열을 볼 때, 저는 그것을 알파 델타라고 부릅니다.
	이 항목은 해당 항목을 삭제했을 때 전체 복합 항목에서 신뢰도가 어떻게 변하는지를 보여줍니다. 사실 세 번째 항목에는 큰 변화가 있기 때문에 이 항목을 선택하지 않고 바로 아래 항목을 선택했습니다.
	따라서 최적화된 요인 솔루션의 경우, 첫 번째 요인과 다섯 번째 항목에서 상위 두 항목을 선택하고, 두 번째 요인은 통제할 수 없으므로 상위 두 항목을 선택할 것입니다. 세 번째 항목은 항목 신뢰도가 매우 낮기 때문입니다.
	그래서,
	10개의 질문에서 5개로 요인 솔루션을 최적화했습니다.
	최적화된 요인 솔루션을 확인하고 방금 논의한 모든 지표 측면에서 어떤 성과를 보이고 있는지 살펴보겠습니다.
	최적화된 요인 솔루션은 다음과 같습니다. 순서 요인에는 지표가 3개, 통제할 수 없는 요인에는 지표가 2개 있습니다. 다시 한번 말씀드리지만, 저희 모델은 데이터에 훨씬 더 잘 맞습니다. 카이 제곱 계수는 2, 자유도는 4이고 카이 제곱 값은 기각되지 않습니다.
	그럼 우리는 내려갑니다
	판별 타당도를 살펴보세요. 이제 최적화된 요인 분석을 통해 과부하 분산이 실제로 증가한 것을 확인할 수 있습니다.
	그리고 제어 불가능한 값과 공유하는 분산이 감소했습니다. 따라서 직교 값은 대각선 값보다 작으며, 이것이 바로 우리가 지지하고자 하는 것입니다.
	변별 타당도. 따라서 솔루션을 최적화함으로써 변별 타당도를 달성했고, 원래 10개 질문으로 얻은 모델보다 더 나은 모델을 얻었습니다.
	좋습니다. 이제 우리는 요인 솔루션을 최적화했습니다.
	다음 단계는 측정 모델 불변성을 수행하는 것입니다.
	우리가 어디에 있는지 다시 한번 생각해 봅시다. 우리는 다양한 표와 분석을 살펴보았습니다.
	공감, 스트레스, 회복력, 마음챙김.
	그리고 우리는 스트레스에만 집중할 것입니다. 여기서 우리가 답하고자 하는 주요 질문은 잠재 변수들의 평균 점수가 향상되었는지 여부입니다.
	8주간의 프로그램 동안 사전부터 사후까지 어떤 점이 달랐나요?
	이를 확립하기 위해서는 먼저 종단적 측정 불변성을 보여야 합니다.
	이게 뭐죠? 사실, 저는 최근에 이 사실을 알게 되었고, JMP 개발자인 Laura Schilo와 Paul Russo가 쓴 훌륭한 논문을 여기에 소개합니다.
	구조 방정식 모델링의 최신호에서는 종단 측정 불변성을 포함한 JMP의 다양한 기능에 대해 자세히 설명했습니다.
	종단적 측정 불변성의 개념은 잠재 변수의 의미가 시간이 지나도 변하지 않았는지 확인하는 것입니다.
	잠재 변수의 평균 변화량을 계산하기 전에, 처음과 마지막에 동일한 값을 측정하고 있는지 확인해야 합니다. 이를 위해 네 가지 단계가 있습니다.
	실제로는 네 가지 모델이 있습니다. 첫 번째 모델은 동일한 요인 수와 부하 패턴을 가지면서도 제약 조건이 가장 적은 구성 모델입니다.
	두 번째는 약한 불변성 모델로, 몇 가지 제약 조건을 더 추가합니다. 나사를 조금 더 조여 이 모델이 여전히 지원되는지 묻는 것입니다.
	그리고 나사를 더 조이고, 여기에 아이템 차단 품질을 추가하면 어떨까요? 마지막으로,
	나사의 마지막 나사산에, 항목별 변동을 추가하고 두 시점에 걸쳐 그에 따른 품질을 적용하면 어떨까요?
	단계별로 진행하는 방법에 대한 자세한 내용은 방금 언급했던 글에 포함되어 있습니다. 여기서는 결과만 보여드리겠습니다.
	앗.
	그래서 이것에
	경로 다이어그램을 보여드릴게요
	두 가지 요인, 즉 과부하와 통제 불가능은 사전 조사 단계와 사후 조사 단계 모두에서 발생합니다. 즉, 과부하된 사전, 통제 불가능한 사전, 그리고 사후 조사 단계가 있습니다.
	과부하는 세 가지 항목으로 설명되고, 통제 불가능은 두 가지 항목으로 연결됩니다. 여기 있는 글자들은 서로 다릅니다.
	모델에 적용된 제약 조건입니다. 예를 들어, C3
	과부하에서 "긴장되고 스트레스를 받았다"는 항목까지
	게시물의 동일한 항목과 동일하도록 제한됩니다. 이는 제약 조건이 충족되도록 모델에 적용하는 제약 조건의 일부입니다.
	따라서 문자는 모델에 적용된 다양한 제약 조건을 나타내며 이러한 추정치는 동일하게 설정됩니다. 마찬가지로,
	동등 항목의 절편도 동일하게 만들어집니다.
	에 의해 표시됩니다
	에이.

고급 통계 모델링기본 데이터 분석 및 모델링소비자 및 시장 조사데이터 탐색 및 시각화예측 모델링 및 머신 러닝품질 및 공정 엔지니어링신뢰성 분석결과 공유 및 전달