발리행동계획 수립 이후, 남아프리카공화국 더반에서 제17차 유엔기후변화협약 당사국총회가 개최되면서 REDD+ 분야가 주요한 온실가스 감축활동으로 논의되기 시작했다. REDD+ 사업은 일반적으로 큰 규모의 산림을 대상으로 하고 있고 주로 해외 개도국에서 이루어지기 때문에 큰 비용이 들어가나, 일반 시민들은 REDD+ 사업에 대해 잘 인지하지 못하고 있다. 이에 본 연구는 의사결정나무모형(decision tree ...
발리행동계획 수립 이후, 남아프리카공화국 더반에서 제17차 유엔기후변화협약 당사국총회가 개최되면서 REDD+ 분야가 주요한 온실가스 감축활동으로 논의되기 시작했다. REDD+ 사업은 일반적으로 큰 규모의 산림을 대상으로 하고 있고 주로 해외 개도국에서 이루어지기 때문에 큰 비용이 들어가나, 일반 시민들은 REDD+ 사업에 대해 잘 인지하지 못하고 있다. 이에 본 연구는 의사결정나무모형(decision treemodel)을 활용하여 국내 일반 시민들의 인구통계학적, 직업적 특성에 따라 REDD+ 사업을 인지하고 있는 시민을 분류하여, 일반시민들의 REDD+ 사업의 지지를 확보하기 위한 기반 마련에 기여하고자 한다. 본 연구는 일반 시민들의 인구통계학적, 직업적 특성에 따라 REDD+ 사업에 대한 인지도에 유의미한 차이를 보이는지 검증하기 위해 SPSS Statistic 20.0 프로그램을 통해 국내 일반 시민들이 분류 특성을 분석하였다. 분석 결과에 다라 ‘REDD+ 사업에 대해 들어보았는가?’에 관련하여 시민들을 통계적으로 가장 유의하게 분류할 수 있는 변수는 ‘직업군’으로 나타났으며, 일반시민들의 노드가 직업군에 따라 3개로 분류되었다. 노드-3에서는 REDD+ 사업에 대해 들어본 적이 있다가 58.8%로 나타나, REDD+ 사업에 대해 가장 많이 인식하고 있는 것으로 나타났으며, 특히 ‘과학 전문가 및 관련직’은 9명으로 REDD+ 사업을 가장 많이 들어본 적이 있다고 나타났다. 이는 REDD+ 사업이 기후변화 및 산림, 탄소배출권 등 전문적인 분야와 관련이 있기 때문인 것으로 추측된다. 노드-2의 직업군에서는 REDD+ 사업에 대해 들어본 적이 있다가 13.9%로 나타났고, 노드-1 직업군은 2.1%로 나타나, 두 그룹은 노드-3 그룹에 비해 상대적으로 REDD+ 사업을 인지하지 못하는 것으로 나타났다. 결론적으로 보았을 때, 본 연구에서는 REDD+를 인지하고 있는지에 대한 여부는 ‘직업군’으로 분류할 수 있었다. 그러나 분석결과 직업군 외 다른 변수에 대한 통계적 특성은 노드 분류에 반영되지 않은 것으로 나타났다. 노드-1 그룹에서는 인구통계학 변수와 기후변화 인식에 대한 변수 등 다른 독립변수가 많음에도, 여러 직업군이 하나의 그룹으로 분류되었으며 노드-2에서의 기후변화 인식에 따라 자식마디가 분류 되었지만 오히려 기후변화에 대해 심각하다고 여기는 시민들이 REDD+ 사업에 대해 인지하지 못하는 것으로 나타났다. 이는 가지를 치는데 영향을 미치는 변수들의 수가 통계적으로 그룹을 분류하는데 영향을 끼칠 만큼 크지 않았기 때문인 것으로 추측된다. 의사결정나무모형을 통한 결과에 대한 자료의 효용성을 극대화하기 위해서는 보다 많은 설문 대상이 필요하다. 향후 보다 많은 시민들을 대상으로 설문조사를 실시하고 연구를 거듭하여 다양한 변수를 실험한다면 노드 분류가 더 구체화 시킬 수 있을 뿐만 아니라 그 원인에 대해서도 명확히 파악할 수 있을 것으로 사료된다.
발리행동계획 수립 이후, 남아프리카공화국 더반에서 제17차 유엔기후변화협약 당사국총회가 개최되면서 REDD+ 분야가 주요한 온실가스 감축활동으로 논의되기 시작했다. REDD+ 사업은 일반적으로 큰 규모의 산림을 대상으로 하고 있고 주로 해외 개도국에서 이루어지기 때문에 큰 비용이 들어가나, 일반 시민들은 REDD+ 사업에 대해 잘 인지하지 못하고 있다. 이에 본 연구는 의사결정나무모형(decision tree model)을 활용하여 국내 일반 시민들의 인구통계학적, 직업적 특성에 따라 REDD+ 사업을 인지하고 있는 시민을 분류하여, 일반시민들의 REDD+ 사업의 지지를 확보하기 위한 기반 마련에 기여하고자 한다. 본 연구는 일반 시민들의 인구통계학적, 직업적 특성에 따라 REDD+ 사업에 대한 인지도에 유의미한 차이를 보이는지 검증하기 위해 SPSS Statistic 20.0 프로그램을 통해 국내 일반 시민들이 분류 특성을 분석하였다. 분석 결과에 다라 ‘REDD+ 사업에 대해 들어보았는가?’에 관련하여 시민들을 통계적으로 가장 유의하게 분류할 수 있는 변수는 ‘직업군’으로 나타났으며, 일반시민들의 노드가 직업군에 따라 3개로 분류되었다. 노드-3에서는 REDD+ 사업에 대해 들어본 적이 있다가 58.8%로 나타나, REDD+ 사업에 대해 가장 많이 인식하고 있는 것으로 나타났으며, 특히 ‘과학 전문가 및 관련직’은 9명으로 REDD+ 사업을 가장 많이 들어본 적이 있다고 나타났다. 이는 REDD+ 사업이 기후변화 및 산림, 탄소배출권 등 전문적인 분야와 관련이 있기 때문인 것으로 추측된다. 노드-2의 직업군에서는 REDD+ 사업에 대해 들어본 적이 있다가 13.9%로 나타났고, 노드-1 직업군은 2.1%로 나타나, 두 그룹은 노드-3 그룹에 비해 상대적으로 REDD+ 사업을 인지하지 못하는 것으로 나타났다. 결론적으로 보았을 때, 본 연구에서는 REDD+를 인지하고 있는지에 대한 여부는 ‘직업군’으로 분류할 수 있었다. 그러나 분석결과 직업군 외 다른 변수에 대한 통계적 특성은 노드 분류에 반영되지 않은 것으로 나타났다. 노드-1 그룹에서는 인구통계학 변수와 기후변화 인식에 대한 변수 등 다른 독립변수가 많음에도, 여러 직업군이 하나의 그룹으로 분류되었으며 노드-2에서의 기후변화 인식에 따라 자식마디가 분류 되었지만 오히려 기후변화에 대해 심각하다고 여기는 시민들이 REDD+ 사업에 대해 인지하지 못하는 것으로 나타났다. 이는 가지를 치는데 영향을 미치는 변수들의 수가 통계적으로 그룹을 분류하는데 영향을 끼칠 만큼 크지 않았기 때문인 것으로 추측된다. 의사결정나무모형을 통한 결과에 대한 자료의 효용성을 극대화하기 위해서는 보다 많은 설문 대상이 필요하다. 향후 보다 많은 시민들을 대상으로 설문조사를 실시하고 연구를 거듭하여 다양한 변수를 실험한다면 노드 분류가 더 구체화 시킬 수 있을 뿐만 아니라 그 원인에 대해서도 명확히 파악할 수 있을 것으로 사료된다.
After Bali Action Plan, REDD+ began to be discussed as a major means of greenhouse gas reduction, following COP 17 hosted in Durban, South Africa. REDD+ entails great expense, as it is usually developed in large-scale forest in foreign developing countries, however, regular citizens do not reco...
After Bali Action Plan, REDD+ began to be discussed as a major means of greenhouse gas reduction, following COP 17 hosted in Durban, South Africa. REDD+ entails great expense, as it is usually developed in large-scale forest in foreign developing countries, however, regular citizens do not recognize REDD+ generally. This study is to classify regular citizens according to demographic variables by using decision tree model, and aims to contribute to laying the groundwork to win the support of regular citizens for REDD+. This study analyzed classification property by using SPSS Statistic 20.0 in order to verify meaningful recognition variables of demographic and occupational characteristic of general citizens. In accordance with the analysis, the most meaningful variable to classify the regular citizens regarding the question ‘Have you ever heard of REDD+?’ is an occupational cluster, and it resulted that citizens are classified as 3 groups, node-1, node-2, and node-3. It turned up that citizens in node-3 are most recognized REDD+ because 58.5% of them have heard of REDD+. Especially, 9 people of ‘Science experts and related job’ responded that they have heard of REDD+ and it is highest number among responses. It is estimated that REDD+ is considered as professional environment as it is related to climate change, forest, carbon emission and etc. In node-2, 13.9% of citizens appeared that they know REDD+ and, in node-1, 2.1% of citizens appeared that they know REDD+. Two groups above did not recognize REDD+ as much as citizens in node-1. As a result, regular citizens’ categorization in terms of recognition of REDD+ is mostly affected occupational cluster and citizens are sorted as 3 groups. However, other variables’ demographic characteristics are not reflected in classification. In node-1, although there are many other variables such as demography and recognition of climate change, citizens are classified in one group according to occupational cluster only, and node-2 are classified as two group according to recognition of climate change but people who take it seriously do not recognize REDD+ relatively, otherwise who take it normally recognize it more. It is supposed that the number of variables which affect to branch nodes did not affected as much as they are used to classify nodes statistically. More surveys are needed to maximize data’s utilities for decision tree model. If we survey more citizens and repeat studies in future, we could not only classify citizens more concretely but also comprehend the cases clearly.
After Bali Action Plan, REDD+ began to be discussed as a major means of greenhouse gas reduction, following COP 17 hosted in Durban, South Africa. REDD+ entails great expense, as it is usually developed in large-scale forest in foreign developing countries, however, regular citizens do not recognize REDD+ generally. This study is to classify regular citizens according to demographic variables by using decision tree model, and aims to contribute to laying the groundwork to win the support of regular citizens for REDD+. This study analyzed classification property by using SPSS Statistic 20.0 in order to verify meaningful recognition variables of demographic and occupational characteristic of general citizens. In accordance with the analysis, the most meaningful variable to classify the regular citizens regarding the question ‘Have you ever heard of REDD+?’ is an occupational cluster, and it resulted that citizens are classified as 3 groups, node-1, node-2, and node-3. It turned up that citizens in node-3 are most recognized REDD+ because 58.5% of them have heard of REDD+. Especially, 9 people of ‘Science experts and related job’ responded that they have heard of REDD+ and it is highest number among responses. It is estimated that REDD+ is considered as professional environment as it is related to climate change, forest, carbon emission and etc. In node-2, 13.9% of citizens appeared that they know REDD+ and, in node-1, 2.1% of citizens appeared that they know REDD+. Two groups above did not recognize REDD+ as much as citizens in node-1. As a result, regular citizens’ categorization in terms of recognition of REDD+ is mostly affected occupational cluster and citizens are sorted as 3 groups. However, other variables’ demographic characteristics are not reflected in classification. In node-1, although there are many other variables such as demography and recognition of climate change, citizens are classified in one group according to occupational cluster only, and node-2 are classified as two group according to recognition of climate change but people who take it seriously do not recognize REDD+ relatively, otherwise who take it normally recognize it more. It is supposed that the number of variables which affect to branch nodes did not affected as much as they are used to classify nodes statistically. More surveys are needed to maximize data’s utilities for decision tree model. If we survey more citizens and repeat studies in future, we could not only classify citizens more concretely but also comprehend the cases clearly.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.