KCI등재
인공지능 기법을 활용한 공직기강 감찰활동 효과성 향상에 관한 연구 = A Study on Improving the Effectiveness of Supervision of Public Official Discipline Using Artificial Intelligence Techniques
저자
발행기관
학술지명
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
101-121(21쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
소장기관
With the widespread digitalization, the availability and cases of RegTech are also increasing. Among them, cases proving that machine learning is highly likely to be applied to audit activities are drawing attention.
In this study, we aim to improve the problems of post-detection-oriented public discipline inspection activities and utilize artificial intelligence technology to carry out preventive inspection activities on a regular basis. Specifically, the machine learning techniques were used to create a prediction model for PC ON overtime, and the possibility of using artificial intelligence techniques on a regular basis was studied for checking the absenteeism and tardiness of public office discipline.
For this experiment, in-house PC ON time data of employees of a public institution were used from February 2020 to July 2020, and the entire data were separated into 75% of training data and 25% of test data, respectively, with using k-fold cross-validation method for improving prediction accuracy.
For various predictive model generation experiments, five machine learning techniques were used: k-NN, decision tree, random forest, gradient boosting, and neural network. Optimization of each technique was performed to compare the accuracy of the optimization model.
The results of the experiment confirmed that the ‘work type’, ‘employee number’, ‘department’, and ‘month’variables were selected as important characteristic elements when the PC ON overtime classification prediction model was created. The best model in the forecast was the optimized random forest model with 94.4% accuracy.
광범위하게 확산되고 있는 디지털화에 따라 레그테크(RegTech)의 활용 가능성과 사례도점점 증가하고 있으며, 그중에서도 감사활동에 기계학습의 응용 가능성이 높음을 증명하는 사례들이 주목을 받고 있다.
본 연구에서는 사후 적발 위주의 공직기강 감찰 활동의 문제점을 개선하고, 상시적 예방 감찰 활동 수행을 위하여 인공지능 기술을 활용하고자 한다. 구체적으로 기계학습 기법을 활용하여 특히 PC ON 초과 시간 여부 예측 모형을 만들었으며, 공직기강 감찰활동의 근태점검에 상시적으로 인공지능 기법의 활용 가능성에 대해서 연구하였다.
본 실험을 위해서 2020년 2월부터 2020년 7월까지의 모공공기관 직원의 사내 PC ON 시간 데이터 88,723개를 사용하였으며, 전체데이터는 훈련데이터 75%와 테스트데이터 25%로각각 분리하였고, k-겹 교차검증(K-fold Cross-validation) 방법을 사용하여 예측 정확도를 향상시키기 위해 노력하였다.
다양한 예측모형 생성 실험을 위해서 k-NN, 의사결정트리, 랜덤 포레스트, 그래디언트 부스팅, 신경망 등 5개의 기계학습 기법들을 사용하였으며, 각 기법들에 대한 최적화를 수행하여 최적화 모델의 정확도를 비교 분석하였다.
실험 결과 PC ON 초과 시간 여부 예측 모델 생성시‘근무유형’, ‘사번’, ‘부서명’, ‘월’ 변수가 중요한 특성 요소로 선택되었음을 확인하였고, 예측 결과가 가장 좋은 모델은 94.4%의 정확도를 가진 최적화된 랜덤 포레스트 모델이였다.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2028 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2022-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2019-01-01 | 평가 | 등재학술지 선정 (계속평가) | KCI등재 |
2017-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)