머신러닝을 활용한 서울지역 아동학대 우발지역 예측

장윤복; 윤현식

추천

검색

질문

자료유형: 학술저널

저자정보: 장윤복 (전남대학교) 윤현식 (전남대학교)

저널정보: 세명대학교 인문사회과학연구소 인문사회과학연구 인문사회과학연구 제31권 제1호

발행연도: 2023.2

수록면: 364 - 385 (22page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

· 연구 주제: 머신러닝 기법을 활용하여 서울지역 아동학대 우발지역을 선제적으로 예측하는 모형을 구축하여 소중한 아동의 인권을 보호하기 위해 우리 사회가 나아가야 할 방향을 제시한 연구이다.
· 연구 배경: 2013년에 울주와 칠곡에서 발생한 아동학대 사망 사건을 계기로 2014년에 ‘아동학대 예방 및 피해아동 조기발견 보호 종합대책’ 발표 및 ‘아동학대범죄의 처벌 등에 관한 특례법’이 제정되었다. 관련 법이 제정된 후 아동학대는 중대한 ‘범죄’라는 인식이 확산되었다. 하지만, 아동학대는 여전히 발생하고 있으며, 정부와 지자체의 노력에도 불구하고, 아동학대 신고 건수는 급격히 증가하고 있다. 아동학대의 악순환을 끊기 위해 이론 탐색과 함께 실질적인 해결방안을 제공할 수 있는 연구가 필요하다.
· 선행연구와의 차이점: 기존 문헌들이 주로 아동학대 사례를 분석하여 아동학대 유발인자들을 사후에 검증하는 탐색적 연구방법에 의존했다면, 본 연구는 서울시 자치구별 데이터를 수집하여 인공지능의 한 영역인 머신러닝 기법을 활용하여 보다 정교하게 아동학대 우발지역을 예측하였다.
· 연구방법: 본 연구에서는 데이터를 수집하기 위해 웹 크롤링 기법을 활용하였다. 수집한 데이터는 전처리 과정을 거쳐 머신러닝을 활용한 추정 모델링을 기반으로 연구를 진행하였다. 추정 모델링으로는 random forest, neural network, support vector machine, AdaBoost 등을 사용했으며, 이 중 제일 정확도가 높은 예측 모형을 선정하여 결과를 도출하였다.
· 연구결과: 데이터 분석 결과, AdaBoost의 AUC 값이 0.829를 나타내 최고의 모형으로 확인되었다. 또한, 관할 지역 내 공원 수가 아동학대 우발지역 예측에 가장 높은 영향력을 나타내는 것으로 나타났으며, 요보호아동 발생 수, 일반주택 주차장 수 순임을 확인할 수 있었다. 이를 통해 인구 밀집도와 경제적/사회적 복지시설의 배치에 따라 아동학대 발생이 영향을 받을 수 있음을 추론할 수 있었다.
· 공헌점 및 기대효과: 국내·외에서 단 한 번도 시도된 적 없는 머신러닝 기법을 활용하여 아동학대 우발지역의 예측을 시도하여 사회학, 사회복지학, 행정학, 지역개발학 분야에 있어서의 연구 방법론의 확장에 기여하였다. 또한, 그 동안 선행연구에서 전혀 고려할 수 없었던 변수들이 아동학대 발생에 중요한 영향을 미침을 확인할 수 있었다. 이를 근거로 중앙정부 및 지자체는 제한된 자원(예산)을 효율적으로 집행할 수 있을 것이며, 범죄가 발생할 가능성이 높은 지역을 선제적으로 예측함으로써 불행한 사건을 미연에 방지할 것으로 기대된다.

· Research topics: This is a study to suggest the direction our society should take to protect the human rights of precious children by constructing a model that preemptively predicts child abuse-prone areas in Seoul by analyzing through machine learning techniques.
· Research background: Following the death case of child abuse that occurred in 2013, the ‘Comprehensive Plan for Prevention of Child Abuse and Protection of Child Victims’ was announced and the ‘Special Act on the Punishment of Child Abuse Crimes’ was enacted in 2014. Since the enactment of the law, not only social interest in child abuse has spread, but also the perception that child abuse is a "criminal". However, child abuse still occurs, and despite the efforts of the federal and local governments, the number of reports of child abuse is rapidly increasing. In order to prevent the occurrence of child abuse, research that can provide practical solutions along with theoretical exploration is needed.
· Differences from prior research: Previous literature mainly relied on an exploratory research method that analyzes cases of child abuse and infers the factors that cause child abuse. However, this study collected various data from various districts in Seoul and used machine learning techniques, an area of artificial intelligence, to more accurately predict child abuse risk areas.
· Research method: In this study, web crawling techniques were used to collect data. The collected data went through a preprocessing process and the research was conducted based on estimation modeling. Random forest, neural network, support vector machine, AdaBoost, etc. were used for estimation modeling, and the result was derived by selecting the prediction model with the highest accuracy among them.
· Research results: As a result of data analysis, Adaboost"s AUC value was 0.829, which was confirmed as the best model. In addition, the number of parks in the jurisdiction (19.6%) was found to have the highest influence on predicting child abuse-prone areas, followed by the number of children requiring protection (18.2%) and the number of parking lots for general housing (13.5%). Through this, it was inferred that the incidence of child abuse could be influenced by the population density and the arrangement of economic/social welfare facilities.
· Contribution points and expected effects: By using machine learning techniques that have never been tried before in Korea or abroad, we try to predict child abuse-prone areas to expand research methodologies in the fields of sociology, social welfare, public administration, and regional development. The standard indicators according to the population density and basic living space for leisure presented through this study can be used as a basis for concentrating resources (budget) of the central and local governments, and preemptively target areas with a high possibility of crime. By predicting, you will be able to contribute to preventing unfortunate events in advance.

#아동학대 #머신러닝 #범죄예측 #의사결정 #Child Abuse #Machine Learning #Crime Prediction #Decision Making

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

장윤복

소속기관 전남대학교

주요연구분야 인문학 > 인문학 일반

논문수 1 이용수 473

윤현식

소속기관 전남대학교

주요연구분야 인문학 > 인문학 일반 사회과학 > 행정학

논문수 6 이용수 1,509

이 논문과 함께 이용한 논문

교대근무간호사의 피로경험

고효정 , 김명애 , 권영숙 외 9명 한국보건간호학회지 2004 .03

법인세 과세에 있어서 차입금 지급이자에 대한 손비처리

김완일 조세법연구 2011 .08

법인세 동기가 기업의 이익관리에 미치는 영향

양규혁 , 최강득 산업경제연구 2005 .10

법인세부담과 자본구조

서갑수 , 최상문 , 김은주 국제회계연구 2009 .06

기업의 법인세부담이 타인자본 비용에 미치는 영향

최학삼 , 김동훈 국제회계연구 2007 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2023-080-000426880

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)