청소년에게 인지되는 차별피해가 차별가해 경험에 미치는 영향

홍기혜(Hong, KiHye) 한국피해자학회 2019 被害者學硏究 Vol.27 No.1

본 연구는 청소년들이 인지하는 직접적인 차별피해가 차별가해 경험에 미치는 영향을 살펴보고, 이 과정에서 차별목격과 차별감수성이 차별피해의 영향을 조절하는 기능에 대해 검증하는 것을 목적으로 한다. 분석을 위하여 2016년 한국청소년정책연구원에서 실시한｢청소년 차별실태 조사｣자료를 활용하였으며, 전국 229개의 중 ․ 고등학교 학생 6,235명을 최종 연구대상으로 선정하였다. 에이커스의 사회학습이론과 레스트의 도덕성의 4구성요소 모델(Four components model of morality)을 기본 틀로 한 연구모형을 검증하고자, 희박하게 발생하는 사건의 자료를 분석하고 나타나지 않은 문제의 발생 가능성을 예측할 수 있는 영포화 음이항 회귀분석(Zero-inflated negative binomial regression)을 위계적으로 실시하였다. 주요 연구 결과는 다음과 같다. 첫째, 청소년들의 40.21%는 직접적인 차별피해 경험이 있으며, 32.33%는 차별목격 경험이 있다고 응답하였다. 청소년들이 일상생활에서 많이 경험하는 상위의 차별피해와 가해 경험은 성적, 나이, 성별, 외모 등에 대한 차별로 유형은 동일하였으나 차별피해 경험은 차별가해 경험보다 다소 높게 나타났다. 둘째, 여자청소년은 남자청소년보다 차별피해 경험과 차별목격 경험 그리고 차별감수 성이 유의미한 차이로 높게 나타났다. 또한 고등학생은 중학생보다 차별피해 경험, 차별 목격 경험, 그리고 차별가해 경험이 유의미하게 높게 나타났다.셋째, 차별피해 경험은 차별가해 경험에 유의미한 정(+)적 영향을 미치는 것으로 검증되었다. 넷째, 차별목격 경험은 차별가해 경험을 증가시키며, 차별피해 경험이 차별가해 경험에 미치는 부정적인 영향을 더욱 악화시키는 방향으로 조절하는 효과가 나타났다. 다섯째, 차별감수성은 차별가해 경험을 감소시키며, 차별피해 경험이 차별가해 경험에 미치는 부정적인 영향을 완화시키는 방향으로 조절하는 효과를 확인하였다. 이상의 결과를 바탕으로 차별을 경험하는 청소년들의 어려움에 대한 기초자료를 제공 함과 동시에, 발달과정상 성인들의 차별문제에 대한 접근과 구별되어져야 하는 청소년 차별문제를 개선하고 예방하기 위한 개입방안을 논의하였다. This study set out 1) to identify the distinctive characteristics and situations of adolescent discrimination, 2) to analyze the effects of discrimination damage on discrimination behavior, based on social learning theory, 3) to examine the moderating effects of discrimination witness and discrimination sensibility, based on four components model of morality, and 4) to suggest political and practical implications that can improve adolescent discrimination. 6,235 middle and high school students, who had participated in the ‘Youth Discrimination Survey’ that was conducted by the National Youth Policy Institute of Korea, were analyzed. Zero-inflated negative binomial regression analysis was performed hierarchically to analyze data on rare occurrences and to predict unexposed factors. The main results of this study were as follows: First, 40.21% of the adolescents reported experiencing discrimination damage, and 32.33% of the adolescents reported experiencing discrimination witness. Also, The experience of discrimination damage was somewhat higher than discrimination behavior. Second, female adolescents showed higher discrimination damage, discrimination witness, and discrimination sensitivity than male adolescents. High school students were more likely to experience discrimination damage, discrimination witness, and discrimination behavior than middle school students. Third, discrimination damage was positively associated discrimination behavior. Forth, discrimination witness had positive effects on discrimination behavior, and positively moderated the relationship between discrimination damage and discrimination behavior. Lastly, discrim-ination sensitivity had negative effects on discrimination behavior, and negatively moderated the relationship between discrimination damage and discrimination behavior. The political and practical implications of the study was suggested based on these outcomes.

Machine learning-based prediction of depression levels: developing a model for male and female senior citizens

홍기혜(KiHye Hong) 연세대학교 사회복지연구소 2021 한국사회복지조사연구 Vol.70 No.-

본 연구는 머신러닝 기법을 활용하여 우울 척도의 측정 없이 개별 노인의 우울 수준을 예측할 수 있는 모형 개발을 목적으로 한다. 아울러 예측에 기여하는 요인들의 특성을 성별로 분석하여 노인의 우울 수준을 줄이거나 예방하기 위한 방향을 제시하고자 한다. 실증분석에는 노인실태조사 자료를 활용하였으며 최종 연구대상자는 남성노인 12,544명과 여성노인 18,425명이다. 선행연구에서 노인의 우울에 영향을 미치는 것으로 보고한 변수에 대해 스트레스-대처 이론에 근거하여 56개의 요인을 설명변수로 취하고, 그래디언트 부스팅 머신러닝 알고리즘을 활용하여 예측 모형을 추정한 후, 예측 요인을 성별로 분석하였다. 예측 모형의 성능은 6개의 평가 지표로 남성노인과 여성노인에 대해 각각 평가되었다: 정분류율 76.0%과 73.9%, 민감도 60.7%와 73.3%, 특이도 85.3%과 74.4%, 정밀도 71.5%와 73.3%, F1-점수 65.7%와 73.6%, ROC-AUC-점수 82.7%와 82.1%. 건강 관련 요인과 소소한 사회적 활동은 노인의 우울을 예측하는데 중요한 요인이었으며 주목할만한 성별의 차이가 나타난 요인은 배우자와의 관계와 운동이었다. 본 연구는 노인과 가까운 사람이면 쉽게 알 수 있는 정보를 활용하여 노인의 우울 수준을 예측할 수 있는 모형을 개발했다는 점에 의의가 있다. 이는 사회복지 영역에서 우울의 위험에 노출되어있는 노인을 식별하는 것에 활용될 수 있을 것이다. 또한 본 연구는 56개의 설명변수를 분석하여 노인의 우울 예방에 통합적인 관점을 지원하고 성별에 따라 구별되거나 공통되는 근거를 제공하였다는 점에도 의의가 있다. This study aims to develop a predictive model for individuals’ depression levels without using depression assessment scales. It will instead use a gradient boosting machine learning algorithm. This study will also analyze the predictive factors of depression by gender and suggests directions of intervention for depression in senior citizens. Data from the ‘Korean National Survey on the Elderly’ were used in this study. The participants were 12,544 elderly males and 18,425 elderly females. This study set 56 factors as explanatory variables based on stress-coping theory for the variables verified in previous studies, estimated a predictive model, and analyzed predictors by gender. The model performance of elderly males and females was evaluated, respectively, using six classification performance metrics: Accuracy was 76.0% and 73.9%. Recall was 60.7% and 73.3%. Specificity was 85.3% and 74.4%. Precision was 71.5% and 73.3. F1-score was 65.7% and 73.6%. ROC-AUC-score was 82.7% and 82.1%. Day-to-day health and small social activities were important in developing a predictive model for individuals’ depression levels. The predictors that have shown notable gender differences were marital relationships and exercise. This study demonstrated that it could be possible to predict geriatric depression with the factors that were recognizable to people close to the elderly. This predictive model can be used to identifying at-risk elderly individuals in the social welfare sector. This study is also meaningful in that 56 factors contributing to the prediction of depression levels were analyzed by gender. This supports an integrated perspective and provides gender-specific and gender-common evidence to prevent or reduce depression among senior citizens.

머신러닝 기반 복지재원 부담 태도 예측 및 분석 : 세대별 비교를 중심으로

홍기혜(KiHye Hong),엄태호(TaeHo Eom) 연세대학교 사회과학연구소 2021 社會科學論集 Vol.52 No.2

본 연구는 머신러닝 기법을 활용하여 복지재원 부담 태도를 예측하는 모형을 제시하고 예측 요인을 세대별로 비교 분석하는 것을 목적으로 한다. 실증분석에는 재정패널조사 자료를 활용하였으며 최종 연구대상자는 산업화세대 10,977명, 민주화세대 10,732명, 정보화세대 8,103명 등 총 29,812명이다. 예측 모형은 다속성 태도 모델과 경험적 선행연구의 이론적 근거에 기반하여 자기이익 차원, 가치지향 차원, 주관적 인식 차원, 인구사회학적 특성 차원 등 4개 범주의 32개의 변수를 설명변수로 설정하고 그래디언트 부스팅 머신러닝 알고리즘을 활용하여 추정하였다. 모형의 예측 성과는 산업화, 민주화, 정보화 세대 각각 정분류율이 77.52%, 67.28%, 67.97%, 특이도가 96.10%, 83.34%, 80.53%, 민감도가 20.00%, 43.65%, 51.96%, 정밀도가 62.33%, 64.05%,67.69%로 나타났다. 예측에 높은 중요도를 갖는 설명변수는 산업화세대에서 자기이익 차원, 정보화세대에서 가치지향 및 주관적 인식 차원으로 나타났으며, 민주화세대에서는 산업화세대와 유사하면서도 정보화세대의 특징을 공유하는 특성이 나타났다. 또한 민주화세대와 정보화세대는 산업화세대와는 달리 복지와 증세에 대한 사고와 태도가 일관적으로 나타나는 것을 다수의 설명변수를 통해 확인할 수 있었으며 정보화세대가 복지증세에 보다 적극적인 것으로 나타나 복지국가 조망에 긍정적인 단서를 발견할 수 있었다. This study aims to develop a predictive model for the attitude toward tax increase for social welfare using a gradient boosting machine learning algorithm. Also, it analyzes the predictive factors of attitude toward the tax increase by cohorts. Participants were 10,977 industrialization generation(IdG), 10,732 democratization generation(DG), and 8,103 information generation(IfG). This study included 32 factors as explanatory variables based on the multi-attribute models and previous studies, estimated a predictive model, and analyzed feature importance and partial dependence by generation. The model performance of IdG, DG, and IfG was evaluated, respectively, using four classification performance metrics: Accuracy was 77.52%, 67.28%, and 67.97%. Specificity was 96.10%, 83.34%, and 80.53%. Recall was 20.00%, 43.65%, and 51.96%. Precision was 62.33%, 64.05% and 67.69%. The attitudes toward tax increase for social welfare were distinct from generation to generation. IdG had high importance of self-interest factors. Value-oriented and subjective recognition factors in IfG ranked as important. DG shared the characteristics of the IfG as well as the IdG. In DG and IfG, unlike the IdG, it was confirmed through several explanatory variables that value-oriented and recognition were consistent with the attitude toward tax increase for social welfare.