Machine Learning Based Indicator Analysis for Sustainable Cocoa Production in Ecuador = AI 를 활용한 코코아 재배 전략에 따른 환경, 경제 및 사회적 관점의 지속가능성 분석

다국어 초록 (Multilingual Abstract)

Even though organic practices and their role in adapting to climate change in agriculture are widely recognized, there is still a low adoption rate. Transitioning to organic agriculture involves significant changes in farming practices, such as eliminating synthetic pesticides and fertilizers. The lack of research contributes to uncertainties about market demand, profitability, and long-term sustainability of organic products. This study aims to analyze and compare the factors that influence the performance of cocoa production using organic and conventional farming in Ecuador by using a Machine Learning model to predict profit in both types of farming, to get an insight on what are the main indicators that affect the profit and how these indicators are interrelated. Numerous studies have employed Machine Learning models in agriculture to assess performance across various domains. In this study, Machine Learning models are utilized with secondary data from two official national statistics institutions of Ecuador to predict the market price of cocoa and identify the most influential factors. The results demonstrate that organic farming has the potential to outperform conventional farming under different circumstances.

국문 초록 (Abstract)

유기농 경영 방식과 농업 분야에서 기후 변화에 대응하는 역할이 널리 인정되고 있지만, 아직 채용률은 낮습니다. 유기농 농업으로 전환하기 위해서는 합성 농약과 비료를 제거하는 등 농업 관행에 상당한 변화가 필요합니다. 연구의 부족은 유기농 제품의 시장 수요, 수익성 및 장기적인 지속 가능성에 대한 불확실성을 증가시킵니다. 본 연구는 머신 러닝 모델을 사용하여 에콰도르에서 유기농과 전통적인 경영방식을 사용한 코코아 생산의 성과에 영향을 미치는 요소를 분석하고 비교하기 위해, 두 가지 유형의 경영에서의 수익을 예측하는 데 사용됩니다. 주요 지표가 수익에 어떤 영향을 미치고 이러한 지표가 어떻게 관련되는지에 대한 통찰력을 얻기 위해 머신 러닝 모델을 활용합니다. 다양한 연구에서는 농업에서 성과를 평가하기 위해 머신 러닝 모델을 활용해왔습니다. 본 연구에서는 에콰도르의 두 공식 국가 통계 기관에서 제공하는 2차 데이터를 활용하여 코코아의 시장 가격을 예측하고 가장 영향력 있는 요소를 확인하기 위해 머신 러닝 모델을 활용합니다. 결과는 유기농 경영이 다양한 상황에서 전통적인 경영보다 우수한 성과를 낼 수 있는 잠재력을 보여줍니다.

목차 (Table of Contents)

• Abstract i
• List of Figures iv
• List of tables v
• List of equations vi
• List of abbreviations vii
• Chapter 1. Introduction 1
• 1.1 Background 1
• 1.2 Problem statement 5
• 1.3 Research objective 6
• 1.3.1 Research questions 7
• Chapter 2. Literature Review 8
• Chapter 3. Methodology 13
• 3.1 Data description 14
• 3.1.1 Population 14
• 3.1.2 Dataset construction 16
• 3.1.3 Exploratory data analysis 18
• 3.2 Machine Learning analysis framework 19
• 3.2.1 Predictive models 19
• 3.2.2 Data pre-processing 19
• 3.2.3 Data splitting and Cross-validation 19
• Chapter 4. Experiment results 20
• 4.1 Determining indicators characteristics by an exploratory data analysis (EDA) 20
• 4.2 Prediction of cocoa production profit by using Machine Learning models 26
• 4.2.1 Determining organic and conventional farming main indicator by SHAP analysis 32
• 4.2.2 Analysis of the change over time of organic and conventional farming main indicators 36
• Chapter 5. Discussion 41
• Chapter 6. Conclusions 43
• References 52
• 국문초록 64
• Appendices 65
• Appendix 1: 65
• Acknowledgements 66