KCI등재
딥러닝 기법을 이용한 공공기관 설문조사 주관식 문항 활용방안에 관한 연구 = A Study on the Utilization Strategies of Subjective Questions in Public Agency Surveys Using Deep Learning Techniques
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2023
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
2187-2200(14쪽)
DOI식별코드
제공처
본 연구의 목적은 공공기관 설문조사에서 주관식 문항의 포함 여부가 만족도 조사 결과에 미치는 영향을 딥러닝 기법을 통해 분석하는 데 있다. 매년 약 1,000여 개의 공공기관이 만족도 조사를 시행하고 있으나, 비교가능성을 위해 보편화된 설문을 사용함에 따라 구체적 정보의 확인에 한계를 보이며, 이에 대한 대안으로 주관식 문항이 활용되고 있다. 그러나 주관식 문항에 대한 분석은 분절적으로 이루어져, 실질적으로 만족도 조사에 활용되지 못하고 있다. 이와 같은 문제를 해결하기 위해 K-공공기관 만족도 조사 결과 약 1,500명의 데이터를 통해 주관식 문항의 활용방안을 탐색했다. RoBERTa 알고리즘을 통해 주관식 문항을 Embedding하고, XGBoost, 인공신경망, 로지스틱 회귀분석 등의 알고리즘을 활용하여 만족도 예측 결과를 비교했다. 실험 결과, 알고리즘에 따른 성능 차이는 일반적으로 알려진 것과 같이 Table data에서는 XGBoost의 성능이 우수한 것으로 나타났다. 하지만 주관식 문항을 포함할 때는 결과가 상이할 수 있음을 확인하였다. 나아가 주관식 문항을 포함하여 만족도 점수를 예측할 때 정확도(accuracy)와 재현률(recall)에 긍정적인 영향을 미칠 수 있음을 확인하였다. 따라서 딥러닝 기반의 분석 방법을 통해 주관식 문항의 복잡성과 다양성을 더욱 정확하게 반영할 수 있으며, 이를 통해 만족도 조사의 효과성과 투명성을 높일 수 있다고 기대된다.
더보기The objective of this study is to assess the impact of incorporating subjective questions in public agency satisfaction surveys using deep learning techniques. Each year, around 1,000 public agencies carry out satisfaction surveys. Nevertheless, the reliance on standardized surveys for comparability restricts the gathering of nuanced information. In response, subjective questions have been introduced. Yet, the examination of these questions remains fragmented and hasn't been integrated into mainline satisfaction surveys. To address this gap, we evaluated feedback from roughly 1,500 participants associated with K-Public Agency. For handling these subjective questions, we leveraged the RoBERTa algorithm and employed a range of models, such as XGBoost, neural networks, and logistic regression. Preliminary findings underscore the effectiveness of XGBoost when dealing with structured data. Notably, its performance showed variations when considering subjective inputs. A significant finding was that integrating subjective questions enhanced both the accuracy and recall in predicting satisfaction levels. This indicates that deep learning offers a detailed interpretation of subjective inquiries, which elevates the overall quality of public satisfaction surveys.
더보기분석정보
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)