초록

본 연구의 목표는 데이터 사이언스를 활용하여 공적의료보장제도 가입자의 위험률을 예측하는 모델을 구축하는 것이다. 이를 위해 먼저 본고는 데이터 사이언스적 접근의 개념과 최근 연구 추세를 살펴보았다. 다음으로는 이러한 논의를 적용하여 미국 공적의료보장제도 보험가입자의 입원율을 예측하는 모형을 구축하였다. 전통적 회귀모형, 일반 기계 학습모형, 딥러닝 모형을 포함한 6개의 모형을 비교했을 때, 딥러닝 모형들이 가장 재현율이 높았다. 특히 전방향 다중 신경망 모델은 사회 인구학적 정보를 통해 80%의 정확도로 환자의 재원 여부를 예측할 수 있었다. 결론에서는 모형의 예측력을 높일 수 있는 방안과 함께, 고위험 대상자에 대한 예방적 개입을 실시함에 있어 시사점을 논의하였다. 이러한 논의는 인공지능 기술을 이용하여 사회안전망을 강화하고 사회복지 재원이 위기 가정 및 개인에게 적절히 전달될 수 있도록 하기 위한 학술 및 정책 연구의 일환으로 기여할 수 있을 것이다.

키워드

데이터 사이언스, 인공지능, 빅데이터, 사회안전망

참고문헌(55)open

  1. [기타] 관계부처합동 / 2020 / 한국판 뉴딜 종합계획: 선도국가로 도약하는 대한민국의 대전환

  2. [학술지] 권설아 / 2016 / Future Directions of Research on Crisis Management Using Big Data / Crisisonomy 12 (10) : 133 ~ 148

  3. [학술지] 김기환 / 2013 / 공공부문 빅데이터의 활용성과 위험성 / 정책분석평가학회보 23 (2) : 1 ~ 27

  4. [학술지] 김병조 / 2020 / 행정-정책 의사결정에서 머신러닝(machine learning) 방법론 도입의 정책적 함의: 기계의 한계와 증거기반 의사결정(evidence-based decision-making) / 한국행정학보 54 (1) : 261 ~ 285

  5. [학술지] 김선영 / 2020 / 증거기반 정책에서의 빅데이터에 관한 연구 / 한국정책학회보 29 (1) : 69 ~ 90

  6. [학술지] 박종호 / 2019 / 머신러닝을 이용한 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 / 보건사회연구 39 (1) : 390 ~ 427

  7. [보고서] 송태민 / 2014 / 보건복지 빅데이터 효율적 관리 방안 연구

  8. [학술지] 성욱준 / 2016 / 공공부문 빅데이터 정책 활성화 연구 / 한국정책학회보 25 (2) : 125 ~ 150

  9. [학술지] 송태민 / 2016 / 소셜 빅데이터 기반 보건복지 정책 미래신호 예측 / 보건정보통계학회지 41 (4) : 417 ~ 427

  10. [보고서] 오미애 / 2017 / 기계학습 기반 사회보장 빅데이터 분석 및 예측 모형

  11. [학술지] 오철호 / 2017 / 문제제기: 데이터 기반 정책분석평가의 연구와 적용 / 정책분석평가학회보 27 (2) : 155 ~ 167

  12. [학술지] 윤상오 / 2016 / 빅데이터 시대의 한국과 영국간 개인데이터 활용정책 비교 연구 / 한국정책과학학회보 20 (1) : 29 ~ 56

  13. [학술지] 이동규 / 2016 / 재난관리 예측적 거버넌스 시스템 구축을 위한 시론적 검토 - 미래예측적 이상신호 감지를 위한 협력적 재난관리 의사결정 시스템 제언을 중심으로 - / Crisisonomy 12 (2) : 35 ~ 52

  14. [학술지] 이승용 / 2020 / 빅데이터와 FDS를 활용한 보이스피싱 피해 예측 방법 연구 / 시큐리티연구 (62) : 185 ~ 204

  15. [학술지] 이은미 / 2015 / 빅데이터의 정부 의사결정 반영에 관한 탐색적 연구 - 사회적 관심의 재난위기단계 적용을 중심으로 - / 한국정책학회보 24 (4) : 491 ~ 512

  16. [학술지] 이제복 / 2018 / 공공서비스 인공지능 ML 적용과 공공가치 / 정부학연구 24 (1) : 3 ~ 27

  17. [학술지] 임상규 / 2014 / 빅 데이터를 활용한 스마트 재난관리전략 / Crisisonomy 10 (2) : 23 ~ 43

  18. [학술지] 지광석 / 2014 / 공공데이터의 생산과 제공에 대한 정책적 함의: 소비자 공공데이터 사례분석을 중심으로 / 국가정책연구 28 (3) : 323 ~ 348

  19. [학술지] 정예림 / 2019 / 기후변화 정책 수립 지원을 위한 소셜 빅데이터 분석 / 환경정책 27 (4) : 211 ~ 239

  20. [학술지] 최병관 / 2018 / 인공지능을 이용한 급성 뇌졸중 환자의 재원일수 예측모형 개발 / 디지털융복합연구 16 (1) : 231 ~ 242

  21. [보고서] 최현수 / 2018 / 사회보장정보시스템을 활용한 복지사각지대 발굴 확대방안

  22. [학술지] Agrawal, Ajay / 2019 / Economic policy for artificial intelligence / Innovation Policy and the Economy 19 (1) : 139 ~ 159

  23. [학술지] Athey, Susan / 2017 / Beyond prediction : Using big data for policy problems / Science 355 (6324) : 483 ~ 485

  24. [기타] Atkinson, David / 2019 / What Gets Echoed? Understanding the “Pointers” in Explanations of Persuasive Arguments / arXiv preprint arXiv:1911.00523

  25. [학술지] Blumenstock, Joshua / 2015 / Predicting poverty and wealth from mobile phone metadata / Science 350 (6264) : 1073 ~ 1076

  26. [학술지] Brady, Henry E. / 2019 / The challenge of b ig data and data cience / Annual Review of Political Science 22 : 297 ~ 323

  27. [학술지] Breiman, Leo / 2001 / Random forests / Machine learning 45 (1) : 5 ~ 32

  28. [학술지] Chetty, Raj / 2011 / How does your kindergarten classroom affect your earnings? Evidence from Project STAR / The Quarterly Journal of Economics 126 (4) : 1593 ~ 1660

  29. [학술대회] Chouldechova, Alexandra / 2018 / A case study of algorithm-assisted decision making in child maltreatment hotline screening decisions / Conference on Fairness, Accountability and Transparency : 134 ~ 148

  30. [학술지] Clark, William Roberts / 2015 / Big data, causal inference, and formal theory: Contradictory trends in political science?:Introduction / PS: Political Science & Politics 48 (1) : 65 ~ 70

  31. [학술지] Coglianese, Cary / 2016 / Regulating by robot: Administrative decision making in the machine-learning era / Geo. LJ 105 : 1147

  32. [학술지] Ellen, Ingrid Gould / 2016 / Why don"t housing choice voucher recipients live near better schools? Insights from Big Data / Journal of Policy Analysis and Management 35 (4) : 884 ~ 905

  33. [인터넷자료] Fu, Runshan / Crowd, Lending, Machine, and Bias

  34. [학술지] Gebru, Timnit / 2017 / Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States / Proceedings of the National Academy of Sciences 114 (50) : 13108 ~ 13113

  35. [학술대회] Geiger, R. Stuart / 2020 / Garbage in, garbage out? do machine learning application papers in social computing report where human-lab eled training data comes from? / Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency : 325 ~ 336

  36. [학술지] Grimmer, Justin / 2015 / We are all social scientists now: How big data, machine learning, and causal inference work together / PS, Political Science & Politics 48 (1) : 80

  37. [기타] Hsu, Chih-Wei / 2003 / A practical guide to support vector classification

  38. [기타] Hurley, Dan / 2018 / Can an Algorithm Tell When Kids Are in Danger? / The New York Times 2018(January, 2)

  39. [학술대회] Jean, Neal / 2019 / Tile2Vec: Unsupervised representation learning f or s patially distributed data / Proceedings of the AAAI Conference on Artificial Intelligence 33 : 3967 ~ 3974

  40. [학위논문] Jung, Woojin / 2019 / Combating Poverty through Aid: Critical Analysis of Alternative Models

  41. [학술대회] Jung, Woojin / 2019 / Mapping community development projects:Spatial analysis in Myanmar / Paper presented at the conference of Association for Public Policy Analysis & Management

  42. [학술지] King, Gary / 2014 / Reverse-engineering censorship in China : Randomized experimentation and participant observation / Science 345 (6199) : 1251722

  43. [학술지] Kleinberg, Jon / 2018 / Human decisions and machine predictions / The quarterly journal of economics 133 (1) : 237 ~ 293

  44. [단행본] Kotu, Vijay / 2014 / Predictive Analytics and Data Mining : Concepts and Practice with Rapidminer / Morgan Kaufmann

  45. [학술지] Kum, Hye-Chung / 2015 / Using big data for evidence based governance in child welfare / Children and Youth Services Review 58 : 127 ~ 136

  46. [학술지] LeCun, Yann / 2015 / Deep learning / Nature 521 (7553) : 436 ~ 444

  47. [보고서] Milusheva, Sveta / 2020 / Using Mobile Phone Data to Reduce Spread of Disease

  48. [인터넷자료] NIST Big Data Public Working Group / Big data interoperability framework: Volume 1, definitions

  49. [학술지] Onnela, Jukka-Pekka / 2014 / Using sociometers to quantify social interaction patterns / Scientific reports 4 : 5604

  50. [학술지] Pan, Ian / 2017 / Machine learning for social services: a study of prenatal case management in Illinois / American journal of public health 107 (6) : 938 ~ 944

  51. [학술지] Pan, Yue / 2017 / Factors associated with HIV testing among participants from substance use disorder treatment programs in the US : A machine learning approach / AIDS and Behavior 21 (2) : 534 ~ 546

  52. [학술지] Shroff, Ravi / 2017 / Predictive Analytics for City Agencies: Lessons from Children’s Services / Big data 5 (3) : 189 ~ 196

  53. [학술지] Stephens-Davidowitz, Seth / 2014 / The cost of racial a nimus on a black candidate: Evidence using Google search data / Journal of Public Economics 118 : 26 ~ 40

  54. [학술지] Wilson, Daniel L. / 2016 / Measuring and increasing adoption rates of cookstoves in a humanitarian crisis / Environmental science & technology 50 (15) : 8393 ~ 8399

  55. [기타] Nation 2013 / 2013 / US scientists ‘spied’ on phone users / Nation 2013(August 10, Saturday)