소년원생들의 우울증 예측에 기계학습을 적용한 예비연구 = Preliminary Data of Machine-Learning Approach in Prediction of Depression in Juvenile Detention Center
저자
손동훈(Dong Hun Son) ; 장진구(Jhin Goo Chang) ; 송후림(Hoo Rim Song) ; 이수영(Su Young Lee) ; 이승훈(Seung Hoon Lee) ; 방수영(Soo-Young Bhang) ; 이미선(Mi-Sun Lee) ; 김현수(Hyun-Soo Kim) ; 홍민하(Minha Hong)
발행기관
학술지명
권호사항
발행연도
2021
작성언어
-주제어
KDC
515
자료형태
학술저널
수록면
86-93(8쪽)
제공처
연구목적 :
청소년 범죄에서 정신건강의 문제와 범죄가 관련성이 높다는 것은 잘 알려져 있지만 국내에서는 아동청소년 범죄자들의 정신건강에 관한 연구가 거의 없다. 뿐만 아니라 아동청소년정신건강 영역에서 기계학습을 적용한 연구는 아직 초기단계이다. 본 예비연구에 서는 여자청소년 재소자들에서 정신건강 문제 중 우울증의 예측에 기계학습 알고리즘을 적용하여 적합한 지를 알아보고자 한다.
방 법 :
대상자는 청주소년원에 재소중인 87명의 여자청소년을 대상으로 하였다. 대상자들에게 설문지 패키지 (인구학적 정보, 범죄관련 정보, 자기보고척도 설문지(아동기부정적경험 설문지, 벡우울척도)를 배부하여 정보를 수집하였다. 기계학습 기법을 이용하여 수집된 재소자들의 기본 정보를 바탕으로 우울증을 예측할 수 있는 6개의 모델(Logistic regression, Random forest, Supportive vector machine, Decision tree, Nearest neighbor, Adaboost)을 생성하여 각 모델간의 예측 성능을 비교해 보았다.
결 과 :
대상자를 벡우울척도(절단점 13)로 군을 분류한 결과 정상군 18명(21%)과 우울증군 69명(79%)이었다. 6개 모델의 우울증 예측 정확도는 Logistic regression 81.8%, Random forest 81.8%, Supportive vector machine 68.18%, Decision tree 72.7%, Nearest neighbor 77.3%, Adaboost 63.6%였다. 그중에서 Random forest 모델의 AUC score는 0.75로 다른 모델들과 비교하여 가장 높았다.
결 론 :
본 연구는 재소청소년의 정신건강에 중점을 두어 현황을 파악하고,우울증의 예측에 기계학습 기법을 적용을 하여 높은 정확도를 확인하였다는 점에서 의의가 있다. 또한 취약계층의 정신건강 영역에 기계학습 기법을 적용하여 관리 및 감시에 적용 가능성에 대한 근거를 제공하였다.
Objectives :
It is well known that mental health problems and crime are highly related to youth crime, but there is little research on the mental health of young offenders in Korea. Furthermore, research on the application of machine learning in the mental health of children and adolescents is still novel. This preliminary study aims to investigate whether it is appropriate to apply machine learning algorithms to predict depression among female adolescent inmates.
Methods :
The subjects were 87 young females in Cheongju Juvenile Center. A questionnaire was distributed to the subjects to gather their demographic information and crime-related information, as well as their adverse childhood experiences and Beck depression inventory scores using self-reported scale questionnaires. Based on the collected information, six models (logistic regression, random forest, supportive vector machine, decision tree, nearest neighbor, Adaboost) that can predict depression were created to compare the predictive performance between models using machine learning techniques.
Results :
Results showed that 29 victims (25.7%) met the criteria of PTSD and 19 victims (16.8%) met the rigid criteria of PTSD. But, according to the subscales, 41 victims (36.3%) were diagnosed as PTSD. Victims with PTSD had more serious depression, anxiety, sleep disturbance, anger, social withdrawal and life stresses.
Conclusion :
This study identified the current mental health status of female inmates with high accuracy by applying machine learn-ing techniques to predict depression. The applicability of machine learning techniques to the management and surveillance of mental health in vulnerable groups was also highlighted.
분석정보
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)