서론

현대 스포츠 과학과 피트니스 분야에서 민첩성은 신체 기능의 효율적인 발휘를 통해 스포츠 경기 뿐만 아니라 건강한 일상생활을 영위하는데 필수적인 능력으로 주목받고 있다. 민첩성은 체력과 운동능력을 구성하는 대표적인 요인으로써 신체활동 시 신체의 일부 혹은 전부를 가능한 빠른 속도로 움직이면서 효과적으로 빠르게 방향을 전환할 수 있는 능력을 말하며, 신경계의 전달속도와 중추신경계의 반사속도에 의한 반응시간, 방향전환, 균형 유지 등의 복합적인 요소로 구성되어 있다.

실제로 선행연구들에서 민첩성은 축구, 농구, 격투기, 테니스 등 다양한 스포츠 종목의 경기력에 긍정적인 영향을 미친다는 일관된 결과를 나타내었다. 이러한 연구들에 따르면, 민첩성이 높은 선수들은 신속한 방향 전환과 반응이 가능하여 경기 상황에서 효율적으로 움직일 수 있도록 만들어 더 나은 수행을 보이며, 민첩성 훈련은 신체 균형과 협응 능력을 강화하여 경기 중 부상 위험을 줄여 전반적인 경기 성과 개선과 장기적인 경기력 유지에 긍정적으로 기여하는 것으로 보고되고 있다(Hachana et al., 2013; Rolland et al., 2023; Sheppard & Young, 2006). 또한 민첩성은 일상생활에서 발생할 수 있는 충돌, 낙상 등 불의의 사고나 응급 상황에서 빠르게 대처할 수 있는 능력을 높여주며, 뇌의 반응 속도와 정보 처리 능력을 강화하여 인지기 능에도 긍정적인 영향을 미침으로써 전반적인 작업을 효율적으로 처리하는데 기여하는 것으로 알려져있다(Gligoroska & Manchevska, 2012; Lajoie & Gallagher, 2004).

따라서, 민첩성은 스포츠 선수들의 경기력을 높이는 필수적인 요소일 뿐만 아니라 건강하고 안전한 일상생활에 필요한 전반적인 능력을 높이는데 중요한 요소이기 때문에 이를 정확히 측정하고, 훈련하는 것이 중요하다. 민첩성은 대표적으로 일리노이 테스트, 헥사곤 테스트, T-test, 사이드스텝 등의 방법을 사용해 반복동작, 방향전환, 반응시간을 측정하게 되며, 제한된 공간 내에서 앞뒤, 좌우, 대각선 방향으로 움직이면서 신체를 빠르고 정확하게 방향을 전환하고, 빠른 속도로 가속과 감속을 반복하며 방향을 바꾸는 능력과 시각이나 청각 자극이 발생한 후 신체가 반응하기까지 걸리는 시간을 측정한다 (Kwon & Park, 2022).

하지만, 기존 민첩성 테스트는 고정된 단순한 방식 때문에 현실적인 동작을 반영하지 못하고, 반응성 부족, 학습 효과, 표준화 문제, 개별 특성을 고려하지 못하는 한계가 지적되어 왔다(Kim, 2022; Kwon et al., 2014). 이러한 한계를 극복하기 위해 새로운 측정 방법 개발이 필요하다. 최근 인공지능(AI), 사물인터넷(IoT), 가상현실(VR), 증강현실(AR), 빅데이터 등 첨단 ICT 융합 기술이 빠르게 발전하며 상용화되고 있으며, 스포츠 분야에서도 실감형 반응 기반 체력 측정 및 훈련 프로그램의 활용이 점점 증가하고 있다(Cossich et al., 2023).

실제, 대만에서는 체육 전문가들이 국가 체력 기준을 반영하여 ARFitness 시스템을 개발하고 현장에서 활용하고 있다. 이 시스템은 체력 요소별로 특화된 AR 프로그램을 제공하며, 심폐지구력을 위한 AR-스테핑, 근지구력을 위한 AR-싯업, 근력을 위한 AR-점핑, 유연성을 위한 AR-벤딩으로 구성되어 있다(Hsiao et al., 2013). 일본에 서는 DigSports(Dentsu Soken, 2023)이라는 AI 기반 스마트 체력 측정 시스템을 개발했다. 약 5m×5m의 제한된 공간에서 카메라를 활용해 3D 동작을 인식하고, 실시간으로 결과를 분석하는 방식이다. 이 시스템은 사용 목적에 따라 신체 측정, 파워(제자리멀리뛰기, 수직 점프), 스피드(50m 달리기), 민첩성(사이드스텝) 등의 체력 요소를 평가할 수 있다. 국내에서도 AR 기술을 적용한 실감반응형 체력 측정 콘텐츠가 개발·활용되고 있으며, 대표적으로 사이드스텝, 컬러캐치, 하버드스텝테스트 등이 있다(Cho, 2023).

하지만, 현재까지 체력 관련 콘텐츠는 주로 게임 형태로 제공되어 흥미 유발에 초점을 맞춰 개발되어 왔기 때문에 과학적 근거를 기반으로 한 측정의 신뢰도에 대한 연구는 거의 이루어지지 않았다. 따라서 보다 신뢰성 있는 체력 측정 방법을 검증하는 연구가 필요하다. 또한, 현장에서는 기존 체력 측정 방식을 활용해 선수 및 일반인의 데이터를 축적해왔기 때문에 AR 기술을 적용한 새로운 측정 방법만을 도입할 경우 기존 데이터와의 비교·분석이 어려워질 수 있으며, 측정의 연속성에도 한계가 발생할 가능성이 크다. 이에 본 연구는 기존의 민첩성 측정 방식과 AR 기반 민첩성 측정 방식의 결과를 비교하여, 새롭게 개발된 AR 기반 측정 방법의 신뢰도를 검증하는 것을 목표로 한다.

연구방법

2차 측정

2차 측정은 기존의 방법들과 동일한 측정 프로토콜에 맞춰 개발된 AR 기술 기반 실감반응형 민첩성 측정 콘텐츠(Cho, 2023)를 활용하여 수행하였다. 측정 항목은 사이드스텝과 컬러캐치로 총 2가지였으며, 각 항목의 자세한 측정 프로토콜은 1차 체력 측정과 동일하게 구성하였다. 측정 방법에 대한 예시는 아래에 제시한 <Figure 1>, <Figure 2)와 같다.

View original

Fig. 1

AR based sidestep measurement example

View original

Fig. 2

AR based colorcatch measurement example

연구결과

논 의

기존 민첩성 측정 방법과 AR 민첩성 측정 방법의 측정치 비교를 통해 새롭게 개발된 민첩성 측정 방법(Cho, 2023)의 신뢰도를 검증함으로써 그 활용가능성을 확인하고자 연구를 수행하였다.

AR 민첩성 측정 콘텐츠의 신뢰도 검증 결과, 사이드스텝(횟수), 컬러캐치(횟수), 컬러케치(반응시간) 모두에서 1회와 2회 측정치 간에 유의한 상관이 있는 것으로 나타나 신뢰도가 검증되었다.

이는 남성 미군 병사들을 대상으로 한 Raya et al.(2013)의 연구에서 사이드스텝을 2회 반복측정하여 분석한 결과 통계적으로 유의미한 차이가 발견되지 않아 신뢰도 보이는 것으로 나타난 결과와 Kwon et al.(2014)의 연구에서 시행횟수 간 휴식시간을 다르게 적용하여 사이드스텝을 4회 반복측정한 결과 통계적으로 유의한 차이가 나타나 신뢰도를 확인한 결과들과 일치하는 결과이다. 또한, Hoffman(2020)의 연구에서는 Blazepod을 활용한 1m 반응 민첩성을 반복측정 한 결과, 측정치 간 높은 급내상관계수(Intraclass Correlation Coefficient, ICC)를 보이는 것으로 나타나 우수한 신뢰도를 보였으며, 본 연구에서 활용한 AR 컬러캐치 콘텐츠는 Blazepod을 활용한 민첩성 측정 드릴을 바탕으로 개발되었기 때문에 일치하는 결과를 보이는 것으로 판단된다.

기존의 사이드스텝 횟수 측정 방법과 AR 사이드스텝 횟수 방법 간에는 유의미한 차이가 나타나지 않아 두 측정 방법 간에 일관성이 확인되었다, 이는 새로 개발된 기술을 적용하더라도 신뢰도 있는 측정 결과를 얻을 수 있음을 시사하며, 기존 방법을 통해 측정된 데이터들과 비교 및 분석이 가능함을 의미한다.

또한, 기존의 컬러캐치 횟수 측정과 AR 컬러캐치 횟수 측정 간에는 유의미한 차이가 있는 것으로 나타나 일관성이 확인되지 않았다. 하지만 기존의 컬러캐치 반응시간 측정과 AR 컬러캐치 반응시간 측정 간에는 유의미한 차이가 없는 것으로 나타났고, 유의한 상관관계를 보이는 것으로 나타남으로써 두 측정 방법 간에는 일관성이 있는 것으로 확인되었다. 이러한 결과는 AR 컬러캐치 횟수 측정에서 기존 방법과 일관성이 떨어지는 결과를 보였지만, 종합적으로 AR 기반의 컬러캐치 측정 방법을 현장에서 운동 기능 평가 및 훈련 방법으로 활용 할 수 있음 시사하는 결과이다.

일반적으로 민첩성(Agility)을 측정하는 다양한 방법 중 전자식 시스템을 이용한 측정과 수동 측정 간에는 높은 신뢰도를 보이는데 (Hachana et al., 2013), 본 연구에서 활용한 AR 기반 민첩성 측정 또한 이러한 전자식 측정 방식을 적용한 유사한 방식이기 때문에 기존의 측정 방식과 높은 수준의 신뢰도를 보이는 결과값을 얻은 것으로 해석할 수 있다.

이와 관련하여, Hoffman(2020)의 연구에서 Blazepod을 활용한 민첩성 측정 드릴과 전통적인 민첩성 측정 드릴을 활용하여 측정한 결과 두 측정치 간에 유의미한 상관계수를 보이는 것으로 나타난 본 연구와 일치하는 결과를 보였다. Kil et al.(2020)의 연구에서는 증강현실(AR) 기반의 스포에듀테인먼트스쿨 서비스 콘텐츠를 개발하여 기존의 체력측정 항목과 비교분석을 실시한 결과, 민첩성을 나타내는 순간반응지표에서 AR 기반 측정과 기존 측정 간에 일관된 결과를 보임으로써 본 연구와 동일한 결과를 보였다. 또한, Bae et al.(2018)의 증강현실 기반의 언어능력 평가와 기존의 언어능력 평가가 유사한 결과를 보이는 것으로 나타났다. Ahn(2024)의 연구에서는 AR 기반 인터페이스가 현실과 가상에서의 일관된 반응을 이끌어낼 수 있음을 보여주었으며, 이러한 결과들은 AR 민첩성 측정방법이 기존의 민첩성 측정 방법과 유사한 수준의 측정 결과를 제공하며, 두 방법 간에 높은 신뢰도가 있음을 시사하는 연구들이다.

기존의 AR 기반의 체력 관련 콘텐츠는 대상자들의 재미와 흥미를 유발하기 위해 게임의 형태로 개발 및 제공되고 있다(Cho et al., 2024). 그러나 AR 기술을 적용한 체력 측정은 환경적 변수를 보다 엄격하게 통제할 수 있어 기존의 측정 방법 보다 측정 결과의 신뢰도를 높이는 데 기여할 수 있을 뿐만 아니라 센서 기반 기술을 활용하여 반응 속도, 이동 거리 등을 보다 더 정밀하게 측정할 수 있으며, 인공지능(AI)를 활용한 실시간 데이터 분석을 통해 측정 시 피험자의 수행 능력 변화를 평가가 가능해 질 수 있다. 따라서 단순히 기존의 측정 방법의 대체 가능성을 넘어 기존 체력 측정 방식의 단점들을 극복 할 수 있는 새로운 측정 방식으로의 전환이 가능하다. 이에 AR 기반의 체력 측정 시스템 고도화와 현장에 보급하기 위한 노력이 이루어 질 필요가 있을 것으로 사료되며, 이를 통해 흥미와 정확성이 동반된 새로운 체력 측정 및 평가 방법을 제공할 수 있을 것이다.

결론 및 제언

본 연구는 기존 민첩성 측정 방법과 AR 민첩성 측정 방법의 측정치 비교를 통해 새롭게 개발된 AR 민첩성 측정 방법의 신뢰도를 검증 하는데 그 목적이 있다. 연구결과, 기존의 사이드스텝 횟수 측정 방법과 AR 사이드스텝 횟수 측정 방법 간에는 일관성이 있는 것으로 나타났다. 컬러캐치 횟수 측정과 AR 컬러캐치 횟수 측정 간에는 일관성이 확인되지 않았지만, 컬러캐치 반응시간 측정과 AR 컬러캐치 반응시 간 측정 간에는 일관성이 있는 것으로 나타났다. 이러한 결과를 바탕으로 AR 민첩성 측정 방법은 신뢰도가 있는 것으로 판단하였다.

향후 연구에서는 AR 기반의 근력, 근지구력 등의 측정 콘텐츠를 개발하고 유효성을 검증할 필요성이 있을 것이다. 또한, 인공지능을 활용한 자동 평가 시스템을 개발하여 피험자의 반응 패턴 등 실시간으로 정밀하게 분석하고 평가는 등의 연구가 필요할 것으로 생각된다.