학령기 아동의 학대 사건 경험에 대한 가정환경요인의 예측모델 평가: 한국아동패널과 머신러닝 기법의 활용

• 영문명: Evaluation of a predictive model of home environment factors for school-age children's experiences of abuse: Utilizing the Panel Study on Korean Children and machine learning techniques
• 발행기관: 학습자중심교과교육학회
• 저자명: 고은경(Eun-Kyoung Goh)
• 간행물 정보: 『학습자중심교과교육연구』제25권 5호, 1131~1144쪽, 전체 14쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.03.15

국문 초록

목적 본 연구의 목적은 학령기 아동의 가정환경요인이 1년 후의 부모에 의한 신체 및 정서적 학대 사건의 발생을 정확히 예측하는지 예측모델의 성능을 평가하고, 중요 예측요인을 확인하는 것이다. 방법 연구자료는 한국아동패널 11차(2018년), 12차(2019년) 자료를 활용하였다. 투입변수는 11차 자료에서 10세가 된 아동 1,352명(여아 664명, 남아 668명)의 인구학적 변수, 부모가 보고한 양육행동 및 정신건강 관련 변수, 아동이 보고한 가족관계 변수이다. 결과변수는 12차 자료에서 11세가 된 아동이 신체적, 정신적 학대 사건 경험의 빈도를 보고한 자료이다. 예측모델 개발을 위해 XGBoost 알고리즘을 활용하였으며, 전통적인 로지스틱 회귀모델과 예측성능을 비교하였다. 결과 첫째, 아동학대 사건의 발생을 예측하는 XGBoost 모델의 예측성능은 .97~1.00의 우수한 수준이었으며, 로지스틱 회귀모델보다 유의하게 우수했다. 둘째, 아동학대 발생을 예측하는 가장 중요한 변수는 부모의 권위적 양육행동의 감소와 권위주의적 양육행동의 증가이었다. 부모의 양육행동 외에 부부갈등의 증가, 가구소득의 감소도 주요 예측변수로 포함되었다. 결론 한국아동패널 자료와 머신러닝 기법을 활용해 개발된 아동학대 예측모델은 아동이 경험한 학대 사건의 발생을 사전에 정확하게 예측하는 우수한 모델로, 아동학대를 예방하기 위해 부모의 지원을 우선하는 것이 중요함을 보여준다.

영문 초록

Objectives The purpose of this study was to evaluate the performance of a prediction model to determine whether a child's home environment factors accurately predict the occurrence of physical and emotional abuse incidents by parents one year later and to identify important predictive factors. Methods The research data used the 11th and 12th data of the Panel Study on Korean Children. The input variables are demographic variables, parenting behavior and mental health-related variables reported by parents, and family relationship variables reported by children from the 12th data of 1,352 11-year-old children (664 girls and 668 boys). The output variable is the frequency of physical and mental abuse incidents reported by children who turned 11 in the 12th data. The XGBoost algorithm was used to develop the prediction model, and the prediction performance was compared by referring to the logistic regression model. Results First, the predictive performance of XGBoost models predicting the occurrence of child abuse cases was excellent, ranging from .97 to 1.00, and all were significantly better than the logistic regression model. Second, the most important variables predicting the occurrence of child abuse were the decrease in parental authoritative parenting behavior and the increase in authoritarian parenting behavior. In addition, Increased marital conflict and decreased household income were included as predictors of child abuse. Conclusions The child abuse prediction model developed using the Panel Study on Korean Children data and machine learning is an excellent model that accurately predicts the occurrence of abuse cases in advance, and shows the importance of prioritizing parental support.

목차

Ⅰ. 서론

Ⅱ. 연구 방법

Ⅲ. 연구결과

Ⅳ. 결론 및 제언

참고문헌

키워드

학령기 아동 학대 가정환경 요인 한국아동패널 기계학습 school-aged children abuse family environment factors Panel Study on Korean Children machine learning