Health and Social Welfare Review

Abstract

초록

본 연구의 목적은 첫째, 성학대 피해 아동을 대상으로 피해에 대한 알리는 발고 행위를 피해 후 즉각적으로 한 집단과 보름 이상 지연되어 발고한 집단의 인구학적 특성과 성학대 특성, 환경적 요인에서 어떤 차이가 있는지 확인하고, 발고지연 여부에 대해 어떤 요인이 유의미한 예측인인지 탐색하는 것이다. 두 번째 목적은 발고지연 여부에 따라 심리적 부적응의 정도에서 차이가 있는지 평가하고, 그러한 차이가 발고지연과 관련된 연령과 성학대 특성, 환경적 요인을 공변량으로 통제한 후에도 여전히 유의한지 확인하는 것이었다. 만 6-13세 성학대 피해 아동 410명을 대상으로 인구학적 특성, 성학대 특성, 환경적 특성을 조사하였으며, 더불어 행동문제를 평가하였다. 연구 결과, 즉각발고 집단과 발고지연 집단간에는 연령, 가족 가해자, 폭력동반여부, 가족형태, 월수입 등에서 유의한 차이가 있었다. 로지스틱 회귀분석 결과 두 집단을 구분하는 유의한 예측인은 연령, 가족가해자, 폭력동반여부와 가족형태였다. 그리고 발고지연 집단이 즉각발고 집단에 비해 내재화, 외현화, 총행동 문제에서 모두 높은 수준을 보였으나 연령과 성학대 특성, 환경적 요인을 통제한 후에는 외현화와 총행동문제만이 유의한 차이를 보였다. 연구결과의 시사점과 제한점을 논의하였다.;The present study examined the predictors that could differentiate children who immediately disclose from children whose disclosure was delayed in a sample of sexually abused children. In addition, the study investigated whether differences in behavioral problems existed between the two groups. With 410 sexually abused children (age 6-13), we assessed demographic characteristics (gender, age), abuse characteristics (type of abuse, duration of abuse, relationship with the perpetrator), environmental characteristics (family structure, family income), and behavior problems. Logistical regression analyses revealed that age, relationship with the perpetrator, type of abuse, and family structure were significant predictors of delayed disclosure. In addition, children in the delayed disclosure group manifested higher externalizing behavior and total problem behaviors when demographic variables, sexual abuse characteristics, and environmental factor were considered together. Implications and limitations of the study were discussed.

Abstract

This study aimed to identify latent subtypes of happiness trajectories during early adolescence and to explore key predictors of trajectory membership using machine learning approaches. Data were drawn from Waves 12 to 15 of the Panel Study on Korean Children (PSKC), corresponding to grades 5 through 8. Latent Class Growth Analysis (LCGA) was conducted to identify distinct trajectories of happiness over time. Baseline individual, family, peer, environmental, and future-oriented variables were then used to develop machine learning models predicting trajectory membership. Multiple models were compared, and SHAP (SHapley Additive exPlanations) analysis was applied to the best-performing model to examine the relative importance of predictors. Three distinct happiness trajectories were identified: a high-level slow-decline group, a mid-level average-decline group, and a low-level rapid-decline group. Among the machine learning models, the Random Forest demonstrated the most stable predictive performance. SHAP analysis indicated that multidimensional factors contributed to classifying different happiness trajectories. The findings suggest that changes in overall happiness during early adolescence can be characterized by distinct latent trajectories with different initial levels and rates of decline. Furthermore, the use of machine learning models allowed for a more flexible prediction of happiness trajectories by accounting for the combined influence of individual, family, peer, environmental, and expectations and perceptions about the future.

초록

본 연구는 초기 청소년의 전반적 행복감 변화 궤적의 하위 유형을 규명하고, 머신러닝을 활용하여 행복감 궤적 유형을 예측하는 주요 변인을 탐색하는 것을 목적으로 하였다. 한국아동패널조사(KCPS) 12-15차 자료(초5-중2)를 활용하여 잠재계층성장분석을 실시하여 행복감 변화 궤적 유형을 도출하였다. 기저선 시점의 개인, 가족, 또래, 환경 및 미래인식 관련 변인을 투입하여 행복감 궤적 집단을 예측하는 머신러닝 모델들을 구축·비교하였으며, 최적 모델에 대해서 SHAP 분석을 실시하였다. 초기 청소년기의 행복감 변화 궤적은 고수준-완만감소형, 중간수준-평균감소형, 저수준-빠른감소형의 세집단으로 분류되었다. 머신러닝 모델 중에서는 랜덤포레스트가 가장 안정적인 예측성능을 보였으며, 상대적 중요도 분석 결과, 다차원적 요인이 행복감 궤적 분류에 기여하는 것으로 나타났다. 본 연구는 초기 청소년기의 전반적 행복감 변화가 서로 다른 수준과 감소속도를 지닌 잠재집단으로 구분됨을 확인하였으며, 머신러닝 모델을 통해 개인, 가족, 또래, 환경 및 미래 관련 변인이 복합적으로 작용하는 행복감 변화 궤적을 유연하게 예측할 수 있음을 보여주었다.