검색 결과
Predictive Modeling of Attitudes Toward a Good Death: A Machine Learning Approach
Oh, Jongmin(Ewha Womans University) ; Choi, Soyoung(Korea Institute for Health and Social Affairs) ; Shin, Jiyoung(Korea Institute for Health and Social Affairs) 보건사회연구 , Vol.45, No.4, pp.259-282 https://dx.doi.org/10.15709/hswr.2025.45.4.259
Abstract
Components of a “good death” may include not only hospice service and the withdrawal of life-sustaining treatment, but also a broad range of services such as long-term care and psychological support. South Korea is experiencing one of the fastest rates of population aging, with the number of annual deaths continuing to increase. However, research on public perceptions of a good death and related policies remains limited. To address this gap, this study conducted a survey of South Korean adults aged 19 and older to examine their awareness and attitudes toward a good death, and applied a machine learning-based predictive model to analyze their attitudes toward related systems and services. The results revealed that open conversations about end-of-life care with family were limited. Although awareness of end-of-life care systems was relatively high, willingness to use these services was hindered by economic burdens and fear of pain. Additionally, the desire to have one’s end-of-life wishes respected and to reduce the financial burden on family members during end-of-life period emerged as key components of a good death. The predictive model identified key variables associated with attitudes toward a good death, providing essential data for enhancing the effectiveness of end-of-life policies and systems. This study underscores the importance of open communication with both family members and healthcare providers, and highlights the need to dispel misconceptions about existing end-of-life policies in order to improve their effectiveness.
초록
‘좋은 죽음’, 웰다잉을 위한 제도적 요소에는 호스피스, 연명의료 이외에도, 포괄적인 생애 말기 돌봄, 요양, 환자와 가족들을 위한 심리적 지원, 상담 등 다양한 서비스가 포함될 수 있다. 본 연구는 국내 만 19세 이상 성인을 대상으로 좋은 죽음에 대한 인식과 태도에 대하여 설문조사를 수행하고, 관련 제도에 대한 수용성 및 태도를 머신러닝 기반 예측 모델을 통해 분석하였다. 연구 결과, 대부분의 응답자가 자신의 죽음에 대해 생각해 본 경험이 있었지만, 가족과 이러한 죽음에 대한 논의를 하는 경우는 상대적으로 낮게 나타났다. 또한, 웰다잉 관련 제도에 대한 인식은 비교적 높았으나, 제도의 이용 의향에는 경제적 부담과 죽음에 대한 두려움 등이 장벽으로 작용하고 있었다. 특히, 신체적인 통증에 대한 걱정, 죽음에 대한 본인의 의사 존중, 생애 말기에 발생할 수 있는 가족의 경제적 부담이 좋은 죽음과 관련된 중요한 요소로 나타났다. 설문 결과 및 기계학습 기반 예측 모델을 통해 호스피스·완화의료 서비스 이용 의향 여부 및 연명의료 중단 의향 여부와 관련된 주요 변수들을 도출할 수 있었으며, 이는 향후 웰다잉 정책의 실효성을 높이는 데 중요한 기초 자료가 될 수 있다. 마지막으로 본 연구는 개인의 좋은 죽음에 대한 생각을 가족·의료진과 공유하는 과정의 중요성과 현재 마련되어 있는 생애 말기 관련 정책에 대한 오해를 해소할 필요가 있음을 강조한다.
A Study on the Development of Predictive Model for Severity-Adjusted Length of Stay in Nervous System Patients Using Machine Learning
Park, Jongho(Keimyung University Dongsan Medical Center) ; Kang, Sunghong(Inje University) 보건사회연구 , Vol.39, No.1, pp.390-427 https://dx.doi.org/10.15709/hswr.2019.39.1.390
Abstract
This study aims to develop a severity-adjusted length of stay predictive model according to comorbidity index by using machine learning and propose a algorithm of severity-adjusted length of stay (LOS) predictive model. The dataset was taken from Korea Centers for Disease Control and Prevention database of the hospital discharge survey from 2006 to 2015 and the severity-adjusted length of stay predictive model was developed for the nervous system patients to need a urgent management for length of stay. when it comes to the severity-adjusted length of stay predictive model about nervous system discharging patients, three tools were used for the severity-adjustment of comorbidity: the CCI, the ECI, and the CCS. The models using Regression, Decision Tree, Random Forest, Support Vector Regression, Neural Network as a Machine learning analysis methods were developed and then evaluate. As a result, Severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and Neural Network method has the highest R-square and has the most excellent prediction capability. In conclusion, there is a need to develop a severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and make use of severity-adjusted predictive model to has high prediction capability by using various machine-learning analytics.
초록
본 연구는 머신러닝을 이용하여 동반상병 보정 방법에 따른 중증도 보정 재원일수 예측 모형을 개발하고 이를 평가하여 중증도 보정 재원일수 예측 모형 개발의 알고리즘을 제시하기 위해 수행되었다. 본 연구를 위해 2006년부터 2015년까지 10년간의 질병관리본부 퇴원손상심층조사 자료를 수집하였으며, 재원일수 관리가 시급한 신경계통의 질환을 대상으로 중증도 보정 재원일수 예측 모형을 개발하였다. 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 시 동반상병 보정 방법은 CCI, ECI, CCS 진단군 분류 기준 등 3가지, 머신러닝 분석기법으로는 회귀분석, 의사결정나무, 랜덤 포레스트, 서포트 백터 회귀분석, 신경망 등 5가지를 적용하여 모형을 개발하고 개발된 모형을 평가하였다. 모형 평가 결과 CCS 진단군 분류 기준 동반상병 보정 방법 및 신경망을 이용하여 개발한 중증도 보정 예측 모형의 모형 설명력(R-square)이 가장 높았으며, 모형의 예측력이 가장 우수한 것으로 나타났다. 따라서 중증도 보정 재원일수 예측 모형 개발 시 CCS 진단군 분류 변수를 이용한 동반상병 보정 방법을 이용하여 중증도 보정 예측 모형을 개발하는 것이 필요하며, 머신러닝의 다양한 분석 기법 등을 이용하여 예측력 높은 중증도 보정 예측 모형을 개발하여 재원일수 변이요인 파악 등 재원일수 관리를 위해 활용하는 것이 필요하다.
Factors Associated with Happiness among Korean Ninth-Grade Students: A Comparative Machine Learning Analysis
Lee, Sangmi(Dongyang University) 보건사회연구 , Vol.46, No.3, pp.546-567 https://dx.doi.org/10.15709/hswr.2026.46.3.546
Abstract
This study aimed to identify factors related to happiness among Korean ninth-grade students using machine learning. Data were drawn from the 16th wave (2023) of the Panel Study on Korean Children (PSKC), conducted by the Korea Institute of Child Care and Education, and the final sample included 1,154 ninth-grade students. Happiness was used as the outcome variable, while sociodemographic, psychological, academic, relational, and lifestyle characteristics were included as predictors. Multiple linear regression, Elastic Net, Random Forest, and XGBoost models were compared. Feature importance, SHapley Additive exPlanations (SHAP), and Random Forest partial dependence plots (PDPs) were used to examine predictor importance, direction of predictive contribution, and nonlinear prediction patterns. Model performance rankings differed between cross-validation and final validation, with the models demonstrating broadly comparable predictive performance. In the tree-based machine learning models—Random Forest and XGBoost—self-esteem was the most important predictor, followed by depression, peer attachment, ego-resilience, academic stress, paternal and maternal attachment, self-regulated learning, smartphone overdependence, and subjective socioeconomic status. SHAP analyses showed broadly consistent directions of predictive contribution across the two models, while the Random Forest PDPs indicated nonlinear prediction patterns for several major variables. These findings demonstrate that happiness among Korean ninth-grade students is associated with diverse psychological, relational, and academic factors and provide foundational evidence for understanding adolescent happiness.
초록
본 연구는 중학교 3학년 청소년의 행복감 관련 요인을 머신러닝을 활용하여 파악하기 위해 육아정책연구소의 2023년 제16차 한국아동패널 Ⅱ 자료를 이용하였으며, 분석대상은 중학교 3학년 학생 1,154명이었다. 행복감을 결과변수로 하고, 청소년의 인구사회학적·심리적·학업적·관계적 및 생활습관 특성을 예측변수로 구성하였다. 분석에서는 평균예측모형을 기준으로 다중선형회귀, 엘라스틱넷, 랜덤포레스트 및 XGBoost의 예측 성능을 비교하였다. 또한 변수 중요도와 SHAP 분석을 통해 주요 변수의 상대적 중요도와 예측 기여 방향을 확인하고, 랜덤포레스트의 부분의존도 분석을 통해 비선형적 예측 양상을 탐색하였다. 분석 결과, 교차검증과 최종 검증에서 모형 간 성능 순위는 일관되지 않았으며 전반적으로 유사한 수준을 보였다. 트리 기반 머신러닝 모형(랜덤포레스트 및 XGBoost)에서 자아존중감이 가장 중요한 변수로 나타났으며, 우울, 또래애착, 자아탄력성, 학업스트레스, 부모애착, 자기조절학습, 스마트폰 과의존 및 주관적 사회경제적 지위도 주요 관련 요인으로 확인되었다. SHAP 분석에서 주요 변수의 기여 방향은 두 모형 간 대체로 일관되었으며, 부분의존도 분석에서는 일부 주요 변수와 행복감 간의 비선형적 관계 양상이 나타났다. 이러한 결과는 중학교 3학년 청소년의 행복감이 다양한 심리적·관계적·학업적 요인과 관련되어 있음을 보여주며, 청소년 행복감 이해를 위한 기초자료를 제공한다.
Exploring Predictors of Happiness Trajectories in Early Adolescence: Using Latent Class Growth Analysis and Machine Learning
Song, So Yeon(Inha University) ; Bang, Yoon Seock(Inha University) ; Choi, Ji Young(Inha University) 보건사회연구 , Vol.46, No.2, pp.329-349 https://dx.doi.org/10.15709/hswr.2026.46.2.329
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.
Divergent Effects of Subjective Status and Objective Income on Outgroup Exclusion: Causal Inference Using Double/Debiased Machine Learning
Tak, Hyeonsam(University of Maryland) 보건사회연구 , Vol.46, No.3, pp.99-122 https://dx.doi.org/10.15709/hswr.2026.46.3.99
Abstract
This study examines objective income, subjective socioeconomic status, and perceived economic security as determinants of outgroup exclusion. Using data from the 2024 Social Integration Survey, it analyzes how these factors are associated with attitudes toward five outgroups. The findings show that objective income, subjective status, and perceived economic security are related to outgroup acceptance in opposite directions. Individuals with higher subjective status and greater perceived economic security report significantly lower levels of outgroup exclusion. By contrast, individuals with higher objective income report stronger exclusionary attitudes toward outgroups. In the Korean context, this pattern may reflect the way material affluence reduces perceived dependence on others and strengthens a sense of self-sufficiency. When coupled with meritocratic beliefs, material affluence may also reinforce the defense of existing privilege and weaken social solidarity. The study shows that outgroup exclusion in Korea is not simply a response to resource scarcity. It is also associated with status inconsistency, especially when objective income is high but subjective status and perceived economic security are low. These findings suggest that efforts to reduce social conflict and promote social integration should move beyond a growth-centered focus on income. They should instead emphasize life predictability and psychological security. A more integrative society also requires broader sources of subjective status, supported by a social climate in which multiple forms of value are recognized rather than judged by a single material standard.
초록
본 연구는 외집단 배제의 핵심 동인으로 기존 연구에서 주목해 온 객관적 소득뿐만 아니라 주관적 사회경제적 지위와 경제적 안정감에 주목하고, 이들 변수가 다섯 가지 외집단에 대한 태도에 미치는 영향을 2024 사회통합실태조사 데이터를 활용해 분석한다. 연구 결과, 개인이 인지하는 주관적 지위와 경제적 안정감이 높을수록 외집단에 대한 배타성은 유의미하게 감소하였으나 객관적 소득수준이 높을수록 외집단에 대한 배타적 태도는 오히려 강화되는 현상이 관찰되었다. 본 연구는 한국 사회에서 외집단에 대한 배타성이 단순한 자원의 결핍이 아닌, 객관적 소득은 높으나 주관적 지위와 안정감이 낮은 지위 불일치에서 기인함을 실증적으로 규명하였다는 것에 의의가 있다. 사회 갈등 해소와 통합을 위해서는 단순한 소득 증대 중심의 성장 담론에서 벗어나, 구성원의 삶의 예측 가능성을 높이고 심리적 안정감을 제고하는 패러다임의 전환이 시급함을 시사한다. 또한, 단일한 물질적 잣대가 아닌 다양한 가치가 존중받는 사회적 분위기를 조성함으로써 개인이 자신의 삶을 평가할 수 있는 주관적 지위의 원천을 다변화해야 한다.
An Analysis of Research Trends in Social Welfare Studies in Korea: Association Rules Approac
Yoo, Hyerim(Health Insurance Review & Assessment Service) ; Min, Insik(Kyunghee University) 보건사회연구 , Vol.38, No.2, pp.555-588 https://dx.doi.org/10.15709/hswr.2018.38.2.555
Abstract
In this study, we conduct the association rules approach to analyze recent research trends in social welfare studies. Unlike previous literature based on 1-2 academic journals, there exists an academic contribution in that we deal with the latest 2377 articles from five major journals. Research trends are defined not only by topics but also by econometric methodology and empirical data. From association rules, we found that first, a number of recent subjects of research on the elderly, employment economy, poverty and income has increased significantly. Second, regression and logit analyses are most commonly used as an analytical tool. Mediation and moderation analyses through structural equation model are also frequently associated. Third, in terms of lift measure, multinomial logit analysis using Korea Welfare Panel Survey (KOWEPS) data shows a high degree of association. Fourth, restricting to the elderly-related papers, depression topics and mediation analysis are highly associated. It is expected that this study can identify the flow of change of research methodologies and fields of interest in the social welfare academic world. Through this, it is possible to supplement the research competitiveness of the related-scholars. This study suggests diversification of research topics, harmonization of qualitative and quantitative methodologies, and application of the new research methodology such as machine learning.
초록
본 연구에서는 사회복지학의 최근 연구경향을 분석하기 위해 머신러닝 기법 중 하나인 연관규칙 분석(association rules)을 실행한다. 특히 1~2개의 소수의 학술지에 근거하지 않고 사회복지 전반적 주제를 다루는 5개 저명 학술지의 수록된 최근 논문 2,377편에 대한 연구주제, 분석방법론, 데이터를 포괄하여 다루었다는 점에서 학문적 기여가 있다. 사회복지 연구영역에 기초하여 탐색적 자료분석을 통해 귀납적으로 선택한 243개 단어에 대한 빈도분석을 하였으며, 단어들의 연관규칙을 분석하였다. 분석 결과, 첫째, 노인, 고용경제, 빈곤, 소득 관련 연구들이 최근 연구주제로 많이 다루어지고 있다. 특히 노인관련 연구는 2010년 이후 그 비율이 크게 증가하고 있다. 둘째, 분석방법론은 회귀분석, 로짓분석이 가장 많이 활용되고 있고 전통적인 분석방법인 구조방정식 모형을 통해 매개효과와 조절효과를 추정하는 논문의 출현빈도가 높다. 셋째, 향상도를 기준으로 판단하였을 때 복지패널 데이터를 이용하여 다항로짓모형을 추정하는 연구가 연관규칙 정도가 매우 높다. 또한 면접조사와 사례조사 데이터를 이용하여 질적분석을 실행하는 연관규칙도 자주 나타난다. 넷째, 노인관련 연구로 한정하였을 때, 노인의 우울관련 연구에서 매개회귀분석이 사용되는 연관성이 매우 높다. 분석결과를 토대로 사회복지학의 발전방안을 제시하면 연구 주제의 다양화, 질적 방법론과 양적 방법론의 조화, 양적방법론에서도 고전적인 분석방법론에서 벗어나 머신러닝 등 새로운 연구방법론을 적용할 필요성을 시사한다.