재가노인 사례관리의 욕구사정 정확도 향상을 위한 욕구추출 알고리즘 개발 - 데이터 마이닝 분석기법을 활용하여 - Development of Needs Extraction Algorithm Fitting for Individuals in Care Management for the Elderly in Home원문보기
본 연구자들은 재가노인의 사례관리 과정에서 가장 핵심적인 요소가 되는 욕구 중심의 통합적 사정을 위한 28개의 욕구가 포함된 사정도구를 개발하였으며, 그 후속 연구로 개발된 욕구사정도구를 활용해 전국 노인복지관 협회 산하 120개 기관의 재가 노인 676명의 사정 데이터를 수집하고 데이터마이닝의 의사결정 나무분석 기법을 활용하여 욕구에 적합한 사회복지 서비스를 제공하기 위한 욕구추출 알고리즘을 개발하였다. 본 연구를 통해 재가노인의 욕구 28개에 대한 욕구추출 알고리즘은 <표3>에 요약하였다. 욕구 8번 "외출 시 도움을 원한다."의 의사결정모형을 예로 들면, 호소 23번을 주요 변인으로 외부이동 도움을 요청할 경우 80.3%와 요청하지 않을 경우 11.4%로 구분되었다. 이용자가 외부 이동에 대한 호소가 있고, 수발자가 있는 경우 87.9%로 욕구가 증가하였지만, 수발자가 없는 이용자의 경우 47.4%로 감소하였다. 노인이 외부이동 지원에 대한 요청과 수발자가 있으며, 청소하기의 완전도움이 필요한 경우, 외부이동 도움에 대한 욕구는 94.2%로 나타났다. 그러나 이용자가 외부이동의 도움을 요청하지 않더라도, ADL의 목욕하기에 완전도움으로 응답한 경우 외출도움의 욕구는 11.4%에서 80.0%로 급격히 증가하는 것을 확인할 수 있다. 그러나 ADL 목욕하기의 기능이 부분도움 또는 완전자립의 경우 외출도움이 필요하다고 분류될 가능성은 7.7%로 낮게 나타났다. 위와 같은 의사결정모형은 최대 나무 깊이는 5수준을 정지규칙으로 하여, 부모마디와 자식마디의 사례 수를 각각 50과 25로 지정하였다. 이를 통해 "외출 시 도움을 원한다"라는 욕구의 경우 182.13%의 효과적인 의사결정을 하고 있다. 본 연구의 결과로 제시한 알고리즘은 재가노인의 욕구를 추출함에 있어서 체계적이고 과학적인 기초자료로 활용될 수 있다.
본 연구자들은 재가노인의 사례관리 과정에서 가장 핵심적인 요소가 되는 욕구 중심의 통합적 사정을 위한 28개의 욕구가 포함된 사정도구를 개발하였으며, 그 후속 연구로 개발된 욕구사정도구를 활용해 전국 노인복지관 협회 산하 120개 기관의 재가 노인 676명의 사정 데이터를 수집하고 데이터마이닝의 의사결정 나무분석 기법을 활용하여 욕구에 적합한 사회복지 서비스를 제공하기 위한 욕구추출 알고리즘을 개발하였다. 본 연구를 통해 재가노인의 욕구 28개에 대한 욕구추출 알고리즘은 <표3>에 요약하였다. 욕구 8번 "외출 시 도움을 원한다."의 의사결정모형을 예로 들면, 호소 23번을 주요 변인으로 외부이동 도움을 요청할 경우 80.3%와 요청하지 않을 경우 11.4%로 구분되었다. 이용자가 외부 이동에 대한 호소가 있고, 수발자가 있는 경우 87.9%로 욕구가 증가하였지만, 수발자가 없는 이용자의 경우 47.4%로 감소하였다. 노인이 외부이동 지원에 대한 요청과 수발자가 있으며, 청소하기의 완전도움이 필요한 경우, 외부이동 도움에 대한 욕구는 94.2%로 나타났다. 그러나 이용자가 외부이동의 도움을 요청하지 않더라도, ADL의 목욕하기에 완전도움으로 응답한 경우 외출도움의 욕구는 11.4%에서 80.0%로 급격히 증가하는 것을 확인할 수 있다. 그러나 ADL 목욕하기의 기능이 부분도움 또는 완전자립의 경우 외출도움이 필요하다고 분류될 가능성은 7.7%로 낮게 나타났다. 위와 같은 의사결정모형은 최대 나무 깊이는 5수준을 정지규칙으로 하여, 부모마디와 자식마디의 사례 수를 각각 50과 25로 지정하였다. 이를 통해 "외출 시 도움을 원한다"라는 욕구의 경우 182.13%의 효과적인 의사결정을 하고 있다. 본 연구의 결과로 제시한 알고리즘은 재가노인의 욕구를 추출함에 있어서 체계적이고 과학적인 기초자료로 활용될 수 있다.
The authors developed 28 needs assessment tools for integrated assessment centered on needs, which is the core element in care management for the elderly in home. Also, the authors collected the assessment data of 676 elderly persons in home from 120 centers under the Korea Association of Senior Wel...
The authors developed 28 needs assessment tools for integrated assessment centered on needs, which is the core element in care management for the elderly in home. Also, the authors collected the assessment data of 676 elderly persons in home from 120 centers under the Korea Association of Senior Welfare Centers by using the needs assessment tools, and finally developed needs extraction algorithm through decision tree analysis in data mining to identify their actual needs and provide social welfare service suitable for such needs. The needs extraction algorithm for 28 needs of the elderly in home are summarized in . The Need No. 8 "Having need of help in going out" of the decision-making model, for example, was divided into 80.3% of asking for help and 11.4% not asking for help with Appeal No. 23 as a major variable. The need increased by 87.9% when the elderly appealed for help to go out and they had a caregiver but decreased by 47.4% when they had no caregiver. When the elderly asked for help in going out, they had a caregiver, and they needed complete help in cleaning, their need of help in going out was shown as 94.2%. However, seen from their answer that they needed complete help in bathing of ADL even if they did not ask for help in going out, it was found that the need of help in going out sharply increased from 11.4% to 80.0%. On the other hand, when they needed partial help or self-supported in bathing, the potential for them to be classified as asking for help in going out was shown to be low as 7.7%. In the said decision-making model, the number of cases for parent node and child node was designated as 50 and 25, respectively, with level 5 of the maximum tree depth as stopping rule. By this, it was shown that their decision-making was found to be effective as 182.13% for the need "Having need of help in going out". The algorithm presented in this study can be useful as systematic and scientific fundamental data in assessment of needs of the elderly in home.
The authors developed 28 needs assessment tools for integrated assessment centered on needs, which is the core element in care management for the elderly in home. Also, the authors collected the assessment data of 676 elderly persons in home from 120 centers under the Korea Association of Senior Welfare Centers by using the needs assessment tools, and finally developed needs extraction algorithm through decision tree analysis in data mining to identify their actual needs and provide social welfare service suitable for such needs. The needs extraction algorithm for 28 needs of the elderly in home are summarized in . The Need No. 8 "Having need of help in going out" of the decision-making model, for example, was divided into 80.3% of asking for help and 11.4% not asking for help with Appeal No. 23 as a major variable. The need increased by 87.9% when the elderly appealed for help to go out and they had a caregiver but decreased by 47.4% when they had no caregiver. When the elderly asked for help in going out, they had a caregiver, and they needed complete help in cleaning, their need of help in going out was shown as 94.2%. However, seen from their answer that they needed complete help in bathing of ADL even if they did not ask for help in going out, it was found that the need of help in going out sharply increased from 11.4% to 80.0%. On the other hand, when they needed partial help or self-supported in bathing, the potential for them to be classified as asking for help in going out was shown to be low as 7.7%. In the said decision-making model, the number of cases for parent node and child node was designated as 50 and 25, respectively, with level 5 of the maximum tree depth as stopping rule. By this, it was shown that their decision-making was found to be effective as 182.13% for the need "Having need of help in going out". The algorithm presented in this study can be useful as systematic and scientific fundamental data in assessment of needs of the elderly in home.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
데이터 마이닝은 군집화, 연관규칙의 발굴, 나무모형과 앙상블기법, 신경망 모형, 로지스틱 회귀모형과 평점표 기법 등을 통해 가공되지 않은 원자료로부터 의미 있는 정보를 형성해갈 수 있는데, 본 연구에서는 나무모형을 활용해 원자료를 분석하고 의미 있는 정보를 형성하여 재가노인의 욕구추출 과정을 살펴보고자 한다.
이는 서비스 중심 보다 욕구 중심의 서비스 전달이 이용자의 서비스에 대한 만족도를 높여주기 때문일 것이다. 본 연구는 서비스를 이용하는 재가노인 개인의 상태를 다각적으로 사정한 후 나타나는 그 결과들이 상호간의 영향력을 통해 실제욕구로 추출되는 과정을 체계적으로 살펴봄으로써, 생태체계적 관점에서의 욕구사정 중요성을 객관적으로 확인하였다. 욕구를 사정하는 각 항목들이 서로 조합되어 실제욕구가 추출되며, 추출 된 욕구에 의해 개입계획이 작성된다는 것을 논리적으로 증명하였으며, 사례관리실천 과정에서 최적으로 활용될 수 있을 것이라 기대한다.
본 연구는 이와 같은 관점에서 사례관리실천 과정 중 특히, 욕구를 사정함에 있어 재가노인이 가진 강점을 충분히 반영하고, PIE시스템에 근거한 사정 준거틀을 확보하고자 하였으며, 사회적 관계망을 사정 준거틀에 포함시켜 분석하였다.
본 연구는 재가노인들에게 복합적으로 발생되는 욕구를 객관적으로 살펴보기 위하여 욕구가 추출되는 과정을 연구하는데 목적이 있다. 이러한 욕구추출과정을 살펴보기 위해 2007년 김영숙ㆍ정국인ㆍ박소라가 개발한 ‘한국재가노인의 욕구사정 도구’를 활용하였다.
본 연구는 재가노인들의 사례관리 과정에서 재가노인의 욕구에 적합한 서비스를 제공하기 위해 표집 된 방대한 사정 데이터를 데이터 마이닝의 의사결정나무분석 기법을 활용하여 욕구추출을 위한 알고리즘을 개발하였다.
본 연구에서는 성별과 연령을 제외한 명명 척도와 서열 척도 등이 혼합된 200여개의 독립변인들을 동시에 투입하여, 명목형 종속변인(욕구 구분)을 가장 효과적으로 변별하는 독립변인들의 조합을 알아내고자 하였다. 따라서 자료 분석과정에서는 방대한 양의 정보 속에서 의미 있는 정보의 패턴과 규칙을 분석해 내는 데이터 마이닝 분석기법을 활용하였는데, 이는 질문지에 대한 반응특성이 다소 이질적이고 결측치들이 많은 특성을 감안한 비모수 통계를 기초로 하는 분석기법이다.
본 연구에서는 확인된 수많은 욕구 속에서 ‘알고리즘 구성을 통한 욕구추출’이라는 과학적이고 체계적인 기반에 근거해 신속하고 정확하게 재가노인의 실제욕구(real needs)가 추출됨으로써 통합적이고 적합한 서비스를 제공하는 기본적 토대를 마련하고자 한다.
「외출 시 도움을 원한다」의 욕구추출에 관한 최종결과는 <표 2>에서와 같은 이익도표로 나타낼수 있다. 본 이익도표는 모델의 효율성을 판단하고 가지치기를 설명하기 위한 자료이다.
이에 본 연구는 재가노인의 실제욕구를 파악하는 욕구사정도구의 각 문항이 다른 문항과의 상호작용을 통해 하나의 욕구를 구성한다는 점을 객관적으로 나타내고자 한다. 욕구 구성요인을 객관적으로 나타내고자 데이터 마이닝의 의사결정 나무분석 기법을 활용하고자 하며, 욕구사정 단계에서 욕구추출의 경로를 알고리즘으로 구성하여 살펴봄으로써 사례관리실천 과정에서 욕구사정의 정확도를 높이고자 한다.
이러한 분석방식으로 인해 최근 들어 건강 및 보건 분야에서의 효율성이 적극적으로 제고되고 있으며, 의료정보학(Medical Informatics)이나 건강정보학(Health Informatics)이라는 다소 생소한 학문에까지도 적용되기 시작하고 있다. 이는 건강에 관련되는 위험 요인들을 제거하고 보호 요인들을 개발하려는 일반적이고 공통적인 목표를 달성하는데 있어 방대한 원자료로부터 유용한 정보를 확인하여 분석하고 활용하는 하나의 방법으로 데이터 마이닝을 적용하고자 시도하는 것이다.
이에 본 연구는 재가노인의 실제욕구를 파악하는 욕구사정도구의 각 문항이 다른 문항과의 상호작용을 통해 하나의 욕구를 구성한다는 점을 객관적으로 나타내고자 한다. 욕구 구성요인을 객관적으로 나타내고자 데이터 마이닝의 의사결정 나무분석 기법을 활용하고자 하며, 욕구사정 단계에서 욕구추출의 경로를 알고리즘으로 구성하여 살펴봄으로써 사례관리실천 과정에서 욕구사정의 정확도를 높이고자 한다.
첫째, 본 연구는 과학적이고 체계적으로 욕구를 추출하기 위하여 알고리즘 구성을 통해 재가노인의 욕구를 보다 객관적으로 확인하고자 하였다. 알고리즘은 일대일의 단선적인 대응이 아니라 각각의 상태를 If, and, or의 조합조건을 활용하여 확률을 산출할 수 있는 구조로 구성된 순환적인 대응 체계이다.
제안 방법
「외출 시 도움을 원한다」라는 욕구를 끌어내는 사정항목으로서 「걷기가 어렵다(호소)」, 「혼자 목욕 하기 어렵다(호소)」, 「보장구를 필요로 한다(호소)」, 「옷을 입고 벗기가 힘들다(호소)」, 「외부 이동시 동행 및 이동서비스가 필요하다(호소)」, 「수발부담이 크다(호소)」, 「식사준비가 어렵다(호소)」, 「화장실 사용이 어렵다(호소)」, 「시장보기가 어렵다(호소)」, 「정리정돈이 어렵다(호소)」, 「이ㆍ미용 서비스를 원한다(호소)」, 「ADL , 「IADL」, 「배변 및 배설」, 「인지기능」, 「낙상」, 「강점-ADL, IADL 용이하다」 등의 44개 설명 변수를 조합하여 욕구를 추출해내는 데이터 마이닝 분석을 시도했다.
05 수준이었으며 자동적으로 집단내의 구 (또는 범주 수)을 변경한 것을 감안해 p값에 대한 Bonferroni 조정을 거쳤다. 결측치는 특정마디에서 예측이 일치하는 순서에 따라서 대체규칙(surrogate rule)을 설정하였다. 정지규칙으로 최대한의 나무 깊이(maximum tree depth)는 5수준이었으며, 부모마디(parent node)와 자식마디(child node)의 사례 수는 각각 50과 25로 지정하였다.
다섯째, 본 연구는 수많은 원자료 속에서 유용한 정보의 패턴을 추출하는데 유용한 분석기법인 데이터 마이닝을 활용하여 재가노인의 실제욕구를 추출해내는 알고리즘을 구성하였다. 데이터 마이닝은 의미 있는 문제들의 조합을 찾아내고 이를 통하여 앞으로의 상황을 예측하기 때문에 사회복지 실천현장에서 이용자 문제의 본질을 파악하여 인식하지 못한 정보들을 점검하는데 유용하게 활용될 수 있다.
또한 재가노인의 표집을 단순임의추출법으로 분할하여, 교차타당성 평가를 시행해 보았다. 여기서는 전체 응답자를 70%의 훈련 집단과 30%의 타당화 집단으로 나누어 모형을 구축한 후, 이 모형들의 위험평균을 전체 모형의 위험 추정치로 사용하는 방식을 채택하였다.
본 연구에서는 데이터 마이닝의 의사결정나무분석(decision tree analysis)을 활용하였다. 본 연구에서는 데이터 마이닝 분석기법을 통해 독립변인들의 구간별 조합으로 명목형 종속변인의 확률(%)을 확인하였다. 이를 위해 실제 빈도와 기대 빈도가 다를 확률을 χ²값으로 다지 분리(multiway-split)하는 CHAID(Chi-Squared Automatic Interaction Detection) 알고리즘을 채택하였다.
본 연구에서는 데이터 마이닝의 CHAID 기법을 활용하였으므로 모형의 과잉맞춤(overfitting)은 나타나지 않았으나, 의미 없는 가지확장이나 욕구사항과 연결되지 않는 문항을 삭제하거나 타당성이 확보된 가지의 경우에도 각 노드의 누계 Index(%)가 120미만인 경우 가지치기(pruning)를 실시하여 모델을 간략화하고, 예측률을 높일 수 있도록 조절하였다.
사례관리는 장기적이고 복합적인 차원에서의 돌봄을 요하는 재가노인에게 매우 효과적인 방법으로, 본 연구자들은 사례관리실천에서 몇 가지 중요한 이론적 관점 중 다음의 세 가지 관점을 재가노인의 욕구추출 알고리즘 구성에 중요한 개념적 틀로 반영하였다.
또한 재가노인의 표집을 단순임의추출법으로 분할하여, 교차타당성 평가를 시행해 보았다. 여기서는 전체 응답자를 70%의 훈련 집단과 30%의 타당화 집단으로 나누어 모형을 구축한 후, 이 모형들의 위험평균을 전체 모형의 위험 추정치로 사용하는 방식을 채택하였다. 위험 추정치는 동일한 해당 마디에 포함되어야 할 임의의 두 사례가 다른 마디로 구분될 확률을 각 마디별로 합산한 지수이다.
위와 같이 재가노인의 욕구 28개에 대한 각각의 의사결정모형을 작성하였으며, 해당 모형에 대한 이익도표와 누계 Index(%)에 따라 작성된 알고리즘 요약을 아래 과 같이 28개의 욕구 중 7개를 표본으로 추출하였다.
이 연구에서의 독립변인들은 에 제시한 13개 하위영역의 항목이며, 종속변인은 「의료적 처치를 원한다」, 「목욕이 곤란하여 도움을 원한다」와 같은 노인의 욕구 28개를 「있다」, 「보통」, 「없다」의 세 가지 수준으로 구분하여 활용하였다.
알고리즘은 일대일의 단선적인 대응이 아니라 각각의 상태를 If, and, or의 조합조건을 활용하여 확률을 산출할 수 있는 구조로 구성된 순환적인 대응 체계이다. 이러한 알고리즘의 구조는 한 개인의 상태를 평가하는 단계에서 각각의 사정 항목의 상호간 영향을 체계적이고, 객관적으로 나타낼 수 있는 최적의 수단이며, 본 연구는 이러한 구조를 찾아내어 재가노인의 실제욕구를 추출하는 도구로 활용하였다.
‘환경 속의 인간’이라는 관점은 인간과 환경이 상호간에 영향을 주고받는다는 차원에서 문제를 확인하고 개입하는 토대를 제공한다. 이용자의 욕구를 사정할 때 개인체계의 신체적, 심리적인 측면만을 파악하는 것이 아니라 그 개인을 둘러싼 심리적ㆍ물리적 환경체계를 보다 구체적으로 파악한 후 두 체계간의 상호작용 결과를 통해 개인의 욕구를 추출해 낸다. 계획된 개입 과정에서 필요한 서비스를 연계할 때에도 표적문제에 대한 직접적인 서비스를 제공하기도 하지만 때로는 이용자 변화에 가장 효과적인 표적체계를 선택하여 접근함으로 전체적인 체계의 변화를 꾀하기도 한다.
위와 같이 재가노인의 욕구 28개에 대한 각각의 의사결정모형을 작성하였으며, 해당 모형에 대한 이익도표와 누계 Index(%)에 따라 작성된 알고리즘 요약을 아래 <표 3>과 같이 28개의 욕구 중 7개를 표본으로 추출하였다. 재가노인의 욕구추출을 위한 알고리즘은 최대 Depth를 5로 하였으나, 지면의 한계상 3까지만 나타냈으며, 각 사정문항별 응답여부에 따른 Gain(%)과 Index(%), 욕구문항에 대한 각각의 평균을 기록하였다. 재가노인의 욕구 28개에 대한 Gain(%)평균은 49.
결측치는 특정마디에서 예측이 일치하는 순서에 따라서 대체규칙(surrogate rule)을 설정하였다. 정지규칙으로 최대한의 나무 깊이(maximum tree depth)는 5수준이었으며, 부모마디(parent node)와 자식마디(child node)의 사례 수는 각각 50과 25로 지정하였다.
인간의 신체, 심리, 사회ㆍ환경적 상태는 상호작용하고 있지만, 그 영향의 정도를 구체적이고 객관적으로 파악하는 면에 있어서는 어려움이 많았다. 하지만 본 연구는 재가노인의 욕구추출과정에서 알고리즘 구조를 찾음으로써 그 영향을 객관적으로 확인하였다. 이 객관적인 자료는 사례관리실천 과정에서 욕구에 적합한 서비스를 제공할 수 있게 할 것이며, 클라이언트와 전문가가 인식하지 못하는 위험 요인을 실제욕구로 발현시킴으로써 예방적인 서비스를 제공하는데도 유용하게 활용될 수 있을 것이다.
대상 데이터
본 연구는 비확률 표본 추출방법인 할당 표본방식을 취하였고, 재가노인들의 특성을 비교적 고르게 반영하기 위하여 전국 노인종합복지관협회 산하 120개 기관의 재가대상 노인 1,000명을 조사대상으로 선정하였다. 1,000부의 설문지 중 708부가 회수되었으나, 불성실하게 응답된 32부를 제외하고 유효한 설문지 676부를 분석에 사용하였다. 본 자료 수집기간은 2006년 4월부터 2006년 5월까지였다.
본 연구는 비확률 표본 추출방법인 할당 표본방식을 취하였고, 재가노인들의 특성을 비교적 고르게 반영하기 위하여 전국 노인종합복지관협회 산하 120개 기관의 재가대상 노인 1,000명을 조사대상으로 선정하였다. 1,000부의 설문지 중 708부가 회수되었으나, 불성실하게 응답된 32부를 제외하고 유효한 설문지 676부를 분석에 사용하였다.
1,000부의 설문지 중 708부가 회수되었으나, 불성실하게 응답된 32부를 제외하고 유효한 설문지 676부를 분석에 사용하였다. 본 자료 수집기간은 2006년 4월부터 2006년 5월까지였다.
이론/모형
본 연구에서는 데이터 마이닝의 의사결정나무분석(decision tree analysis)을 활용하였다. 본 연구에서는 데이터 마이닝 분석기법을 통해 독립변인들의 구간별 조합으로 명목형 종속변인의 확률(%)을 확인하였다.
본 연구에서의 ‘욕구추출과정’은 Maslow의 계층적 욕구 차원을 토대로 하여 가장 기본적 욕구인 생리적 욕구의 충족부터 보다 높은 차원의 욕구 충족을 순차적으로 고려하는 것을 기준으로 삼았다.
이러한 욕구추출 패턴에 대한 연구는 이용자의 실제 욕구를 찾아내기 위한 개인과 환경간의 상호작용에 기반을 둔 생태 체계적 관점에 기반을 둔 사정 정보의 조합이라는 측면에 있어서, 사회복지실천 현장에서 이용자 욕구 중심의 사례관리를 실천하는데 유용한 준거틀을 제시하였다. 사례관리의 욕구추출과정에서 생태체계적 관점과 사회적 지지망, 강점관점을 포함한 사정정보를 Bradshow의 4가지 욕구수준으로 분석, 적용하기 위해 데이터마이닝 의사결정모형을 활용하였다는 점에서 학문적 의의를 찾을 수 있겠다.
연구과정에서는 재가노인의 욕구사정도구(김영숙 외, 2007)를 활용하였으며, 전국 재가노인 676명을 대상으로 욕구사정을 실시하였다. 욕구사정도구의 13개 하위영역 문항에서 조사된 노인의 상태 및 욕구추출은 데이터 마이닝 분석기법을 통해 알고리즘으로 구성되었다.
연구과정에서는 재가노인의 욕구사정도구(김영숙 외, 2007)를 활용하였으며, 전국 재가노인 676명을 대상으로 욕구사정을 실시하였다. 욕구사정도구의 13개 하위영역 문항에서 조사된 노인의 상태 및 욕구추출은 데이터 마이닝 분석기법을 통해 알고리즘으로 구성되었다. 재가노인의 욕구추출 알고리즘의 구조를 체계화한 본 연구는 다음과 같은 의의를 갖는다.
이러한 욕구추출과정을 살펴보기 위해 2007년 김영숙ㆍ정국인ㆍ박소라가 개발한 ‘한국재가노인의 욕구사정 도구’를 활용하였다.
이를 위해 실제 빈도와 기대 빈도가 다를 확률을 χ²값으로 다지 분리(multiway-split)하는 CHAID(Chi-Squared Automatic Interaction Detection) 알고리즘을 채택하였다.
성능/효과
「욕구21-시장보기에 도움을 원한다」의 경우에도 이용자의 「시장보기가 어렵다」는 호소, 「행정지원을 받고 싶다」는 호소와 「IADL 지원」에 대한 이용자의 희망과 사회복지사의 판단에 따라 154.5%의 결정을 하는 것으로 나타났다. 「시장보기가 어렵다」는 호소에 「그렇다 라고 응답하는 경우 61.
결론적으로 본 연구에서 활용된 데이터마이닝의 의사결정 나무분석은 욕구추출을 위한 알고리즘을 구성함에 있어서 종속변인을 설명하는 독립변인 간 χ²의 가설을 기준으로 부모노드와 자식노드 사이의 실제빈도가 욕구추출을 위한 기대빈도와 다르다는 영가설을 기각하는 형태이다.
마지막으로 본 연구과정에서 확인된 바에 따르면, 욕구사정척도 중 의료건강영역에서의 신뢰도가 매우 낮게 나타났다. 그 이유를 분석하여 본 결과 의료건강영역에서의 간호처치에 대한 응답률이 다른 영역에 비해 매우 저조한 것으로 나타났다. 이와 같은 결과의 원인을 여러 측면에서 살펴볼 때 본 연구에 참여한 대상이 지역사회에서 거주하고 있는 재가노인으로 이 노인들은 요양시설이나 병원에 있는 노인들에 비해서 건강 상태가 나쁘지 않다고 추정해 볼 수 있으며, 또 다른 측면에서는 본 설문지의 작성자 대부분이 사회복지사로서 상당수의 사회복지사가 의료적 상태에 대한 인식이 부족하여 의료적인 질문에 무응답 처리 된 사례가 많았던 것으로 추정해 볼 수 있다.
0%로 급격히 증가하는 것을 확인할 수 있다. 그러나 외출도움에 대한 호소가 없고, ADL 목욕하기의 기능이 부분도움이거나 완전자립의 경우 외출도움이 필요하다고 분류될 가능성은 7.7%로 매우 낮게 나타났다.
05에서 유의미한 것으로 나타나 자료의 상관이 요인분석에 적합하다고 판단되었다. 노인의 요인 분석 결과는 3가지 요인으로 분석되었고 세 요인의 전체 변량은 44%였고, varimax회전 후 요인 부하량이 .25 이하인 문항이 없어 더 이상 삭제할 문항은 없다고 판단되었다.
마지막으로 본 연구과정에서 확인된 바에 따르면, 욕구사정척도 중 의료건강영역에서의 신뢰도가 매우 낮게 나타났다. 그 이유를 분석하여 본 결과 의료건강영역에서의 간호처치에 대한 응답률이 다른 영역에 비해 매우 저조한 것으로 나타났다.
90 이하의 문항은 없는 것으로 확인되어 욕구의 신뢰도 분석 결과는 매우 양호한 것으로 나타났다. 본 연구에서는 표본 적절성 측정치인 Kaiser-Mayer-Olkin(KMO) 값이 .918이고, Bartlett의 구형성 검증 통계치가 유의수준 .05에서 유의미한 것으로 나타나 자료의 상관이 요인분석에 적합하다고 판단되었다. 노인의 요인 분석 결과는 3가지 요인으로 분석되었고 세 요인의 전체 변량은 44%였고, varimax회전 후 요인 부하량이 .
위험 추정치는 동일한 해당 마디에 포함되어야 할 임의의 두 사례가 다른 마디로 구분될 확률을 각 마디별로 합산한 지수이다. 이두 표집의 경우 모두 훈련 집단과 타당화 집단의 위험 추정치(표준오차)가 .005보다 작아 과잉일반화의 위험성은 크지 않은 것으로 확인되었다.
4%로 감소하였다. 이용자의 외부이동 도움에 대한 호소가 있고 수발자가 있으며, 청소하기의 완전도움이 필요한 노인의 경우 외부이동 도움에 대한 욕구가 94.2%로 나타났다. 그러나 이용자가 외부이동의 도움을 요청하지 않더라도, ADL의 목욕하기 기능이 완전도움을 필요로 하는 경우 외출도움의 욕구는 11.
첫째, 사례관리실천에서 최근 강조되고 있는 ‘강점관점’이다.
후속연구
본 연구의 욕구추출 알고리즘 구성에 쓰인 표집 데이터는 노인복지관 또는 재가복지센터를 이용하고 있는 재가노인들로부터 얻어진 자료이므로 일반화시키는데 한계가 있다. 그러나 앞으로 지속적인 재가노인의 사정 데이터를 수집하여 욕구추출 알고리즘의 예측률을 높일 것이며, 더불어 다른 영역에서도 욕구추출 알고리즘 구성에 관한 연구를 지속적으로 수행할 계획이다.
이러한 특징 때문에 이 기법이 다른 분야에서는 많이 활용되어지고 있으나 사회복지에서의 활용은 미진하였다. 본 연구를 통하여 소개된 데이터 마이닝의 의사결정모형이 사회복지 연구에 적절히 활용되어진다면 사회복지의 학문적 저변을 확대하는 계기가 될 것이라 기대한다.
본 연구의 욕구추출 알고리즘 구성에 쓰인 표집 데이터는 노인복지관 또는 재가복지센터를 이용하고 있는 재가노인들로부터 얻어진 자료이므로 일반화시키는데 한계가 있다. 그러나 앞으로 지속적인 재가노인의 사정 데이터를 수집하여 욕구추출 알고리즘의 예측률을 높일 것이며, 더불어 다른 영역에서도 욕구추출 알고리즘 구성에 관한 연구를 지속적으로 수행할 계획이다.
본 연구는 서비스를 이용하는 재가노인 개인의 상태를 다각적으로 사정한 후 나타나는 그 결과들이 상호간의 영향력을 통해 실제욕구로 추출되는 과정을 체계적으로 살펴봄으로써, 생태체계적 관점에서의 욕구사정 중요성을 객관적으로 확인하였다. 욕구를 사정하는 각 항목들이 서로 조합되어 실제욕구가 추출되며, 추출 된 욕구에 의해 개입계획이 작성된다는 것을 논리적으로 증명하였으며, 사례관리실천 과정에서 최적으로 활용될 수 있을 것이라 기대한다.
하지만 본 연구는 재가노인의 욕구추출과정에서 알고리즘 구조를 찾음으로써 그 영향을 객관적으로 확인하였다. 이 객관적인 자료는 사례관리실천 과정에서 욕구에 적합한 서비스를 제공할 수 있게 할 것이며, 클라이언트와 전문가가 인식하지 못하는 위험 요인을 실제욕구로 발현시킴으로써 예방적인 서비스를 제공하는데도 유용하게 활용될 수 있을 것이다.
하지만 본 연구는 사례관리실천 과정에서의 욕구사정 단계를 욕구추출 알고리즘으로 구성하여 시스템화함으로써, 업무의 효율성을 높이고, 재가노인을 체계적으로 관리할 수 있는 기본적인 틀을 제시하고 있다. 이러한 계기를 통하여 사회복지 실천현장에서 실천과정이 효율적으로 변화할 수 있는 기회를 제공할 수 있을 것이다.
인간의 욕구는 신체, 심리, 사회ㆍ환경적인 면에서 다양하게 영향을 받고 있기 때문에 알고리즘의 구조를 활용한다면, 그 상호 영향력을 객관적으로 나타낼 수 있을 것이다. 이러한 객관적인 욕구 사정은 이용자가 가지고 있는 문제의 본질을 구체적으로 살펴볼 수 있을 뿐만 아니라 인식하지 못하는 환경의 영향력까지도 파악하여, 잠재된 욕구를 확인할 수 있는 장점이 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 마이닝이란 무엇인가?
본 연구에서 적용한 데이터 마이닝(Data Mining)은 방대한 양의 자료 속에서 의미 있는 패턴과 규칙을 찾아내기 위해 자동적이거나 반자동적인 방식으로 자료를 탐색하고 분석하는 것이다. 장남식과 그의 동료들(1999)은 데이터 마이닝을 “대량의 데이터로부터 새롭고 의미 있는 정보를 추출하여 의사결정에 활용하는 작업”이라고 정의하면서 기존의 데이터베이스 조회도구를 대체하는 것이 아니라 보완하는 기능을 제공하는 것이라고 설명했다.
Bradshow의 4가지 욕구 수준은 어떻게 구성되는가?
특히 Bradshow의 4가지 욕구수준은 욕구 사정에 중요한 개념적 틀을 제공해 주고 있다. 4가지 욕구 수준은 규범적 욕구(normative needs), 인지적 욕구(felt needs), 표현적 욕구(expressed needs), 비교적 욕구(comparative needs)로 구분하고 있다. 규범적 욕구는 서비스를 제공하는 전문가에 의해 파악되며, 인지적 욕구는 이용자 스스로가 인식하고 체감한 것을 나타내는 욕구이다.
강점관점을 활용한 사례관리실천의 장점은 무엇인가?
이용자 자신이 지닌 내?외적 강점과 자원을 스스로 파악하고 변화과정에 활용하도록 격려하는 이 관점은 Cowger(1994), Saleebey(1992), Ronnau(1990) 등에 의해 이용자의 욕구 사정 및 서비스 제공이라는 전반적인 사례관리실천 과정에서 매우 영향력이 있음이 보고 되었다. 이 관점을 활용한 사례관리실천은 개인으로 하여금 사장될 수 있는 잠재적 자원을 발견하게 함으로써 자신의 가치와 존엄성을 높이도록 도울 수 있으며, 발견된 강점은 개인의 문제를 상쇄시키는 요인으로 작용하여 문제를 해결하는 데 쓰이는 사회적 노력이나 비용을 줄일 수 있다. 또한 개인 스스로가 자신에 대한 시각의 변화를 통해 서비스의 수혜자가 아닌 권리자로서의 인식을 갖도록 도움으로써 문제 해결의 주체자로 성장하게 한다(송성자, 2003; ?間香代子, 2001).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.