한국보건사회연구원

【연구의 필요성 및 목적】

□ Machine Learning 또는 기계학습은 AI 의 한 분야로 데이터를 바탕으로 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이며, 이미지 처리, 영상인식, 음성인식, 인터넷 검색 등의 다양한 분야의 핵심 기술로 Prediction에 탁월한 성과를 나타냄
□ Machine Learning에 기반한 사회보장 빅데이터 분석·연구를 통해 효과적인 정책 수립 및 집행으로 공공·행정부문에서 효율성 증대 가능
□ 빅데이터 시대의 데이터 활용가치 증대
□ 따라서 본 과제의 연구목적은 현재 국내에서 생산되고 있는 사회보장 빅데이터의 특성을 파악하고 Machine Learning 통계기법을 연구함으로써, 사회보장 빅데이터 분석에 적합한 Machine Learning 기반 예측모형을 설계하고 근거기반(evidence-based) 연구에 적용할 수 있는 Machine Learning 방법론을 제시함 

【주요연구내용】

□ 사회보장 빅데이터 개념 정의 및 특성을 분석하고 Machine Learning 기법 비교 연구를 통해 각 기법의 장단점을 검토
□ Machine Learning 기법 최신 동향을 파악하고 실제 활용사례를 살펴봄으로써, 사회정책분야에 적용 가능한 정책 활용 사례 분석
□ 다양한 사회정책 시나리오를 고려하여, 사회보장 빅데이터에 적합한 Machine Learning 기반 예측 모형을 설계
□ Machine Learning 기반 예측모형 의 평가를 위해 모의실험 실시

【기대효과】

□ 근거기반 연구의 이론적 근거 제시
□ 사회보장 빅데이터에 적합한 최신 분석기법 활용방안 제시
□ Machine Learning 기반 예측 분석을 통해 보건·복지정책 관련 연구를 향상
□ 사회보장 빅데이터 분석·연구를 통해 효과적인 정책 수립 및 집행