본 논문은 웨어러블 기기를 통해 수집된 생리적 신호(ECG, EDA)를 이용하여 불안감을 감지하는 머신러닝 모델의 일반화 가능성을 평가한 연구이다. 111명의 참가자를 대상으로 세 가지 불안 유발 활동을 수행하게 한 후, 자체 데이터셋과 두 개의 공개 데이터셋을 사용하여 다양한 분류기, 특징 집합, 훈련-테스트 구성을 통해 3348개 이상의 불안 감지 모델을 학습 및 테스트했다. 모델의 일반화 가능성은 참가자 내(동일 활동 및 상이 활동), 참가자 간(동일 활동 및 상이 활동)으로 평가되었다. AUROC, 불안 상태 재현율, 비불안 상태 재현율을 주요 지표로 사용하였으며, 결과는 세 지표 모두 0.5를 약간 상회하는 수준이었다. AUROC는 0.620.73 범위였고, 불안 클래스의 재현율은 35.19%74.3%였다. 모델 성능(AUROC 기준)은 다양한 활동과 참가자 그룹에서 상대적으로 안정적이었으나, 불안 클래스의 재현율은 다소 변동이 있었다.
