$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

광역자치단체의 기계학습 행정서비스 업무유형에 관한 연구 -서울시를 중심으로-
A Study on the Work Type of Machine Learning Administrative Service in Metropolitan Government 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.12, 2020년, pp.29 - 36  

하충열 (한성대학교 공공컨설팅학과) ,  정진택 (한성대학교 행정학과)

초록
AI-Helper 아이콘AI-Helper

본 연구의 배경은 최근 포스트 코로나시대의 비대면 행정서비스를 위한 주요 정책수단으로 기계학습 행정서비스가 주목을 받고 있는 가운데 기계학습 행정서비스를 시범적으로 운영하고 있는 서울특별시를 대상으로 기계학습 행정서비스 도입 시 효과가 예상되는 업무유형에 대하여 살펴보았다. 연구방법으로는 2020년 7월 한 달 동안 기계학습 기반 행정서비스를 활용하거나 수행하고 있는 서울시 행정조직을 대상으로 설문조사를 실시하여 조직단위별 도입 가능한 기계학습 행정서비스 및 응용서비스를 분석하고, 지도학습, 비지도학습, 강화학습 등 기계학습 행정서비스의 업무유형별 특성을 분석하였다. 그 결과, 지도학습 및 비지도학습 업무유형의 특성에서 유의미한 차이가 있는 것으로 나타났고, 특히 강화학습 업무유형이 기계학습 행정서비스에 가장 적합한 업무적 특성요인을 포함하고 있는 것으로 밝혀져 그에 대한 정책적 시사점을 도출하였다. 본 연구결과는 기계학습 행정서비스를 도입하고자 하는 실무자들에게는 참고자료로 제공될 수 있고, 향후 기계학습 행정서비스를 연구하고자 하는 연구자들에게는 연구의 기초자료로 활용될 수 있을 것이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The background of this study is that machine learning administrative services are recently attracting attention as a major policy tool for non-face-to-face administrative services in the post-corona era. This study investigated the types of work expected to be effective when introducing machine lear...

주제어

#재택근무   #원격근무   #모바일근무   #유연근무제   #비대면 행정서비스  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 즉, 개인이 행정기관을 상대로 공공행정서비스를 신청하면 이에 대하여 행정기관은 전자 행정서비스를 제공하기 위하여 사전 개인과의 인터페이스를 통하여 수집된 개인정보에 관한 데이터를 사용하게 되는데, 일반적으로 행정기관은 개인과 대상 서비스별 데이터를 식별하기 위한 정보를 포함시켜 데이터베이스에 저장하고 필요한 후속처리 및 분석과정 등을 거쳐 해당 서비스가 즉시 제공될 수 있도록 한다. 결국 개인정보에 관한 데이터는 해당 응용프로그램 상의 정확한 처리 내지는 처리 결과를 개인에게 전달하기 위해 분석되어 진다.
  • 따라서 본 연구는 이러한 문제인식에서 출발하여 새롭고 실증주의적인 접근방법을 통하여 광역자치단체의 조직단위를 대상으로 실증사례를 수집하고, 이를 토대로 기계학습행정서비스의 운영실태 진단, 기계학습 행정서비스의 업무 유형 파악, 조직단위 차원의 도입 가능한 기계학습 행정서비스 및 응용서비스 분석 등을 통하여 기계학습 행정서비스의 도입 및 활성화를 위한 이해의 틀을 마련하고자 한다.
  • 본 연구에서는 기계학습 행정서비스의 도입실태에 대한 정확한 이해를 돕기 위하여 광역자치단체의 조직단위를 대상으로 통계적 검증을 통하여 기계학습 행정서비스 도입 시 효과가 예상되는 업무유형과 기계학습 행정서비스 및 응용서비스 유형을 살펴보았다.
  • 본 연구의 목적은 기계학습 행정서비스 관련 실증자료에 기초하여 대표적 광역자치단체인 서울특별시를 대상으로 기계학습 행정서비스를 도입할 경우 효과가 발생될 것으로 예상되는 업무유형을 진단하고, 도입 가능한 기계학습 행정서비스 및 응용서비스를 제시하고자 한다.
  • 공무원들이 조사에 참여하였다. 주요 조사 및 분석내용은 조직단위별 기계학습 행정서비스 도입 시 효과가 예상되는 업무유형과 조직단위 차원에서 도입을 고려하고 있는 기계학습 행정서비스 유형을 분석함으로써 기계학습 행정서비스 활성화에 기여 할 수 있는 토대를 마련하고자 하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. Accenture (2016). Digital government: Your digital citizens are ready, willing… and wait in Retrieved March 

  2. R. Ayachi, I. (2016). Proactive and reactive e-government services recommendation Universal Access in the Information Society, 15 (4) pp. 681-697 

  3. J. Bosse, M. Burnett, (2015). European Public Sector Award 2015: The public sector as partner for a better society European Institute of Public Administration, Maastricht, the Netherlands. 

  4. European Commission 2016). eGovernment benchmark 2016: A turning point for eGovernment development in Europe? Final insight report Vol. 1. 

  5. Hendrik Scholta et al (2019). From one-stop shop to no-stop shop: An e-government stage model, Government Information Quarterly 36(1), pp. 11-26. 

    상세보기

  6. Initiative D21, & fortiss eGovernment Monitor (2018). Nutzung und Akzeptanz digitaler Verwaltungsangebote-Deutschland, Osterreich und Schweiz im Vergleich Retrieved March 30, 2018. 

  7. D. Linders, et al. (2018). Proactive e-governance: Flipping the service delivery model from pull to push in Taiwan, Government Information Quarterly 35(4) S68-S76 

    상세보기

  8. Sirendi and Taveter (2016). Bringing service design thinking into the public sector to create proactive and user-friendly public services, Proceedings of the 3rd International Conference on HCI in Business, Government and Organizations (2016), pp. 221-230 

  9. Kaiming He et al., (2016) "Deep Residual Learning for Image Recognition," Proc. IEEE Conference Computer Vision and Pattern Recognition (CVPR), 2016, pp. 770-778, http://mng.bz/PO5P. 

  10. Christian Szegedy et al., (2015) "Going Deeper with Convolutions," Proc. IEEE Conference Computer Vision and Pattern Recognition (CVPR), 2015, pp. 1-9, http://mng.bz/JzGv. 

  11. Large Scale Visual Recognition Challenge 2017 (ILSVRC2017) results, http://image-net.org/ challenges/LSVRC/2017/results. 

  12. Yunpeng Chen et al., "Dual Path Networks," https://arxiv.org/pdf/1707.01629.pdf. 

  13. Yonghui Wu et al.,(2016) "Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation," submitted 26 Sept. 2016, https://arxiv.org/ abs/1609.08144. 

  14. Chung-Cheng Chiu et al.,(2017) "State-of-the- Art Speech Recognition with Sequence-to- Sequence Models," submitted 5 Dec. 2017, https://arxiv.org/abs/1712.01769. 

  15. Volodymyr Mnih et al., (2013) "Playing Atari with Deep Reinforcement Learning," NIPS Deep Learning Workshop 2013, https://arxiv.org/ abs/1312.5602. 

  16. David Silver et al., "Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm," submitted 5 Dec. 2017, https://arxiv.org/abs/1712.01815. 

  17. Varun Gulshan et al., "Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs," JAMA, vol. 316, no. 22, 2016, pp. 2402-2410, http://mng.bz/wlDQ. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로