[논문]사회복지 지표조사 자료의 데이터 마이닝 기법 적용 방안 모델

김창기; 윤의정; 이상도; 서정민

문제 정의

즉, 데이터의 물리적 혹은 추상적 객체를 비슷한 객체군으로 묶는 과정이라 할 수 있다. 군집분석의 기본 목적은 관찰대상이 되는 개체들의 집합을 여러 개의 자연스러운 군집으로 분류하는 데 있다. 군집분석의 방법에는 분할 군집법, 계층적 군집법, 밀도에 의한 군집법, 그리드에 의한 군집법, 모형에 의한 군집법 등이 있다.
사회지표조사에서의 데이터마이닝의 적용에 관한 연구로는 국내적으로 연구가 미비한 실정이다. 이에 본 논문에서는 사회복지 지표조사 자료에 대하여 보다 심층적인 분석을 실시하기 위하여 새로운 데이터마이닝 방법론을 제시하고자 한다. 데이터마이닝은 방대한 양의 데이터로부터 쉽게 드러나지 않는 유용한 정보들을 추출하는 과정을 의미하며, 군집분석(Cluster Analysis), 연결 분석 (Link Analysis), 판별 분석(Discrimination Analysis), 연관성규칙 (Association Rule), 의사결정나무기법 (Decision Tree), 신경망모형 (Neural Network) 등의 다양한 분석 기법이 있다.
그러나 각 지자체에서 많은 예산과 시간을 들여 사회복지 지표 조사를 실시하고 있으나, 조사 자료의 분석이 단순 통계분석에 그쳐 실제 사회복지 지표조사 자료를 제대로 활용하고 있지 못하고 있는 실정이다. 이에 본 논문에서는 효율적인 의사결정나무 생성을 위하여 매개연관성규칙, 군집분석, 의사결정나무를 적용하는 데이터마이닝 적용 방법을 제시하였다. 제안한 방법은 데이터마이닝은 매개연관성규칙에 의한 변수들 간의 관계를 파악한 뒤, 이를 바탕으로 K-평균 군집분석을 통하여 여러 개의 변수들을 축소하고 이 축소된 결과를 이용하여 의사결정나무 분석을 실시하는 방법을 제안하였다.

제안 방법

일반적으로 의사결정나무 모형생성 시, 관심대상이 되는 목표변수의 수가 많은 경우 여러 번의 모형 생성 과정을 거치게 된다. 본 논문에서는 매개연관성규칙에 의하여 성향이 유사한 변수들을 도출하고 이 변수들을 이용하여 군집분석을 실시 한 후 의미 있는 군집분석 결과를 도출한다. 최종적으로 도출된 군집 분석 결과를 목표변수로 지정하여 의사결정나무 모형을 생성한다.
본 논문은 효율적인 의사결정나무 생성을 위하여 매개연관성규칙, 군집분석, 의사결정나무를 순차적으로 적용하였다.
표 1의 결과를 살펴보면 9988, 여성농업인, 영유아, 노인일자리, 다문화, 노인장기 등의 6가지 항목에 대하여 각각의 연관성은 9988, 여성농업인, 영유아로 축소할 수 있다. 연관성 규칙에 의하여 나타나는 규칙들 중 실제로 매개변수가 존재하는 가를 파악하기 위하여 표 1의 결과를 이용하여 매개 연관성 규칙을 적용하였다. 적용 결과 표 2, 표 3과 같이 여성농업인, 영유아, 다문화 사이에 영유아가 매개 변수의 역할을 하며, 9988 및 노인일자리, 노인장기의 사이에는 노인이 매개 변수 역할을 하는 것으로 나타났다.
이러한 결과를 이용하여 의사결정나무 모형을 생성한다. 의사결정나무 모형 생성 시 입력변수로는 나이, 성별, 학력, 직업, 건강상태, 월평균 소득의 6개 인구통계학적 문항을 사용하였다. 생성된 의사결정나무 모형은 그림 2, 그림 3과 같다.
이중 6개의 조건(9988행복 나누미, 여성농업인 복지, 영유아 보육, 노인 일자리, 다문화가족, 노인장기/용양보험/돌봄서비스)로 구성된 5개의 주요 문항(이용경험, 이용 만족도, 분양별 중요도, 이용경험, 힘써야 할 복지 분야)을 이용하여 응답자들의 속성을 분류하기 위하여 의사결정나무를 생성하기 위해 비슷한 속성을 가지는 문항들을 하나의 변수로 축소하여 모형의 효율적인 생성 및 해석이 가능하도록 하였다.
본 조사는 2015년부터 2018년도까지의 충청북도 지역사회복지 계획을 위한 조사로 충북의 11개 자자체를 대상으로 충북에서 하고 있는 복지사업에 대한 인식 및 만족도, 충북에서의 특화된 복지사업 발굴, 현황을 조사하였다. 자료조사는 크게 일반사항(인구통계학적 문항)과 도민의 사회복지 의식조사의 두 부문으로 구성되어 있다. 사회복지 의식조사 부문은 이용경험, 이용 만족도, 정보획득 방법, 정보제공 방법 등의 21개 문항으로 구성되어 있다.
이에 본 논문에서는 효율적인 의사결정나무 생성을 위하여 매개연관성규칙, 군집분석, 의사결정나무를 적용하는 데이터마이닝 적용 방법을 제시하였다. 제안한 방법은 데이터마이닝은 매개연관성규칙에 의한 변수들 간의 관계를 파악한 뒤, 이를 바탕으로 K-평균 군집분석을 통하여 여러 개의 변수들을 축소하고 이 축소된 결과를 이용하여 의사결정나무 분석을 실시하는 방법을 제안하였다. 실제 2014년 조사된 충청북도 중장기 복지계획 수립을 위한 사회복지 지표조사 자료에 대하여 본 논문에서 제안하는 방법을 적용한 결과, 관심대상이 되는 5개의 문항과 6개의 사회복지 변수를 9988행복나누미 사업과 영유아 보육의 2개의 변수로 축소할 수 있었다.

대상 데이터

본 논문에서 제안하는 방법을 2014년 제3기 충청북도 중장기 지역사회복지계획을 위한 설문 및 욕구조사에 적용하였다. 본 조사는 2015년부터 2018년도까지의 충청북도 지역사회복지 계획을 위한 조사로 충북의 11개 자자체를 대상으로 충북에서 하고 있는 복지사업에 대한 인식 및 만족도, 충북에서의 특화된 복지사업 발굴, 현황을 조사하였다.
본 논문에서 제안하는 방법을 2014년 제3기 충청북도 중장기 지역사회복지계획을 위한 설문 및 욕구조사에 적용하였다. 본 조사는 2015년부터 2018년도까지의 충청북도 지역사회복지 계획을 위한 조사로 충북의 11개 자자체를 대상으로 충북에서 하고 있는 복지사업에 대한 인식 및 만족도, 충북에서의 특화된 복지사업 발굴, 현황을 조사하였다. 자료조사는 크게 일반사항(인구통계학적 문항)과 도민의 사회복지 의식조사의 두 부문으로 구성되어 있다.

데이터처리

표 2와 표 3의 결과를 바탕으로 변수 축소를 위하여 k-평균 군집분석을 실시한다. K-평균 군집분석 시, 군집의 수를 2개에서 5개로 다양하게 지정하여 분석을 실시한 결과 표 4와 같이 군집의 수를 2개로 지정하였을 때, 군집의 특성이 명확하게 구분되었다.

이론/모형

즉, 군집 1은 긍정 집단으로 군집 2는 부정적 집단으로 분류가 가능하다. 이러한 결과를 이용하여 의사결정나무 모형을 생성한다. 의사결정나무 모형 생성 시 입력변수로는 나이, 성별, 학력, 직업, 건강상태, 월평균 소득의 6개 인구통계학적 문항을 사용하였다.

성능/효과

표 2와 표 3의 결과를 바탕으로 변수 축소를 위하여 k-평균 군집분석을 실시한다. K-평균 군집분석 시, 군집의 수를 2개에서 5개로 다양하게 지정하여 분석을 실시한 결과 표 4와 같이 군집의 수를 2개로 지정하였을 때, 군집의 특성이 명확하게 구분되었다.
[조건 3] X1 및 X2와 Y와의 연관성규칙의 결과가 지정된 최소 지지도와 최소 신뢰도보다 커야 한다.
제안한 방법은 데이터마이닝은 매개연관성규칙에 의한 변수들 간의 관계를 파악한 뒤, 이를 바탕으로 K-평균 군집분석을 통하여 여러 개의 변수들을 축소하고 이 축소된 결과를 이용하여 의사결정나무 분석을 실시하는 방법을 제안하였다. 실제 2014년 조사된 충청북도 중장기 복지계획 수립을 위한 사회복지 지표조사 자료에 대하여 본 논문에서 제안하는 방법을 적용한 결과, 관심대상이 되는 5개의 문항과 6개의 사회복지 변수를 9988행복나누미 사업과 영유아 보육의 2개의 변수로 축소할 수 있었다. 즉, 원래 관심대상이 되는 문항별 항목별 약 30개 변수 각각에 대한 의사결정나무 모형을 생성해야 하나, 본 논문에서 제안하는 방법을 이용하면 2개의 의사결정나무 모형만으로도 해석이 가능하므로 의사결정나무 모형 생성 및 해석에 있어 효율적이라고 할 수 있다.
연관성 규칙에 의하여 나타나는 규칙들 중 실제로 매개변수가 존재하는 가를 파악하기 위하여 표 1의 결과를 이용하여 매개 연관성 규칙을 적용하였다. 적용 결과 표 2, 표 3과 같이 여성농업인, 영유아, 다문화 사이에 영유아가 매개 변수의 역할을 하며, 9988 및 노인일자리, 노인장기의 사이에는 노인이 매개 변수 역할을 하는 것으로 나타났다.
실제 2014년 조사된 충청북도 중장기 복지계획 수립을 위한 사회복지 지표조사 자료에 대하여 본 논문에서 제안하는 방법을 적용한 결과, 관심대상이 되는 5개의 문항과 6개의 사회복지 변수를 9988행복나누미 사업과 영유아 보육의 2개의 변수로 축소할 수 있었다. 즉, 원래 관심대상이 되는 문항별 항목별 약 30개 변수 각각에 대한 의사결정나무 모형을 생성해야 하나, 본 논문에서 제안하는 방법을 이용하면 2개의 의사결정나무 모형만으로도 해석이 가능하므로 의사결정나무 모형 생성 및 해석에 있어 효율적이라고 할 수 있다. 추후 연구 과제로 변수들 간의 관계 및 변수 축소에 있어 꼭 연관성 규칙 및 군집분석을 사용해야 하는 것은 아니므로 변수들 간의 관계 파악 및 다양한 변수들을 축소하여 새로운 변수로 추출하는 방법에 대하여 여러 가지 다양한 분석 방법을 접목해 볼 필요성이 있다.
표 1의 결과를 살펴보면 9988, 여성농업인, 영유아, 노인일자리, 다문화, 노인장기 등의 6가지 항목에 대하여 각각의 연관성은 9988, 여성농업인, 영유아로 축소할 수 있다. 연관성 규칙에 의하여 나타나는 규칙들 중 실제로 매개변수가 존재하는 가를 파악하기 위하여 표 1의 결과를 이용하여 매개 연관성 규칙을 적용하였다.

후속연구

즉, 원래 관심대상이 되는 문항별 항목별 약 30개 변수 각각에 대한 의사결정나무 모형을 생성해야 하나, 본 논문에서 제안하는 방법을 이용하면 2개의 의사결정나무 모형만으로도 해석이 가능하므로 의사결정나무 모형 생성 및 해석에 있어 효율적이라고 할 수 있다. 추후 연구 과제로 변수들 간의 관계 및 변수 축소에 있어 꼭 연관성 규칙 및 군집분석을 사용해야 하는 것은 아니므로 변수들 간의 관계 파악 및 다양한 변수들을 축소하여 새로운 변수로 추출하는 방법에 대하여 여러 가지 다양한 분석 방법을 접목해 볼 필요성이 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

사회복지 지표조사 자료의 데이터 마이닝 기법 적용 방안 모델
A Model on Data Mining Technique in Society Indicator Survey on Social Service 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

사회복지 지표조사 자료의 데이터 마이닝 기법 적용 방안 모델 A Model on Data Mining Technique in Society Indicator Survey on Social Service 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

사회복지 지표조사 자료의 데이터 마이닝 기법 적용 방안 모델
A Model on Data Mining Technique in Society Indicator Survey on Social Service 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper