데이터기반 미래예측·정책지원 모델연구
주관연구기관: 정보통신정책연구원, 연구책임자: 정용찬, 공동연구원: 고동환, 노희용, 서영선, 김윤화, 오윤석, 하승희, 박지원, 협력연구기관: 한국교통연구원, 한국법제연구원, 한국여성정책연구원, 한국행정연구원, 연구책임자: 조범철, 현준원, 조선미, 김성근, 공동연구원: 안덕배, 김동균, 정원준, 감대영, 백재현, 황이경, 양재호, 박미진, 김효경, 채종헌
경제·인문사회연구회·2023-07-01
- 220쪽
- 190×260mm
- 사회과학
로그인하면 내 서재에 추가할 수 있어요.
책 소개
챗GPT의 확산 등 AI기반 기술의 상용화는 검색과 같은 일상 활동에서도 데이터의 중요성이 강조되 는 이른바 데이터 경제 시대로 전환을 촉진하고 있다. 코로나가 촉발한 디지털 전환과 데이터 경제의 가속화는 여러 사회 현안이 얽힌 융복합화와 맞물려 해결 방안 마련을 위해서는 정책 이슈를 선제적으 로 발견하고 미리 대응책을 마련하는 역량 강화가 그 어느 때보다 필수적임을 시사하고 있다. 경제·인 문사회연구회 소관 연구기관 또한 그간 개별 연구기관 단위로 수행해온 예측 모형 개발 연구의 한계를 극복하는 통합적 정책 제언의 필요성을 절감하고 있다. 본 보고서는 경제인문사회연구회가 운영 중인 NRC데이터정보시스템에서 수집·저장된 텍스 트 데이터와 통신 및 신용카드 등 외부 데이터를 활용하여 ICT, 교통, 법제, 여성, 행정 분야의 미래예측·정책지원 모형 개발을 통해 미래예견적 국정관리를 지원하는 체계를 구축하기 위한 연 구의 3차년도 결과물이다. 2장 지역별 ICT 고용 전망 모형 개발은 지방 인구소멸과 저출산의 가장 핵심적인 요인이 양질의 지 방 일자리 부족으로 보고, 타 산업 대비 부가가치가 높은 지역별 ICT 산업 전망을 위한 모형 개발을 목적으로 한다. 이를 위해 총 3개의 과업을 수행했다. 첫 번째는, ICT 고용 지수 개발이다. 뉴스 기사 의 텍스트를 대상으로 거대언어모형 중 하나인 KPF-sBERT 모형을 적용했다. 지수 산출 및 검증 결과 TLCC(time-lagged cross correlation) 기준 매월 채용인원 수 대비 2개월가량의 선행성이 있는 것 으로 확인했다. 두 번째는 지역별 전망 모형 개발이다. ICT 뉴스심리지수와 정형 자료들을 활용한 SARIMAX 모형의 단기 고용 전망 결과, 수도권 대비 지방 도시의 ICT 일자리 전망이 상대적으로 부 정적인 것을 확인했다. 마지막으로, 보다 폭넓은 시사점 도출을 위해 전국의 600개 기업을 대상으로 설문 조사를 수행했다. 모형의 결과와 유사하게 단기 고용 전망에 있어 상대적으로 지방의 전망이 부 정적이었으며, 이는 ICT 산업의 경기와 기업의 재무상황의 영향이 큰 것으로 확인되었다. 3장 지역발전 정책지원을 위한 도시경쟁력 예측 모델 고도화 연구는 도시경쟁력 전망 모형을 현행 화하고, 지역소멸 등과 같은 사회·경제적 현안을 반영할 수 있도록 고도화하는 것을 주목적으로 하고 있다. 올해 연구에서는 코로나 상황 완화 등 모빌리티 여건 변화를 고려하여 도시경쟁력 전망 모형의 기준연도를 2022년으로 재설정하였다는 점, 합성인구와 통신정보 기반의 통행분포, 신용카드 기반의 소비분포, 도시 경쟁력 지표 등을 활용하여 인공지능 기반의 예측 모형을 만들고 변수 간 영향 관계를 해석한 점, 향후 통행분포를 예측하고 진단했다는 점에서 그 의의가 있다. 연구 결과, 장래 인구 감소 로 대부분 지역에서 내부/유입/유출 통행량과 소비액 모두 감소하는 것으로 분석되었으며, 특히 지역 소멸이 예상되는 지역과 통행, 소비 연결성이 높은 지역에서 그 감소 폭은 더욱 큰 것으로 나타났다. 또한, 출근 통행과 여가 통행 모두 2022년 대비 감소할 것으로 전망되며, 이는 합성인구 자료 중 65 세 이하의 인구는 모두 감소하였고, 65세 이상 인구는 증가하는 것으로 예측된 것에 기인하는 것으로 보인다. 4장 데이터기반 입법수요 예측 모형 개발 및 고도화에서는 먼저 수집한 한국언론진흥재단 빅카인즈 언론데이터에서 학습&테스트 데이터셋을 구축하여 법제･입법 이슈와 관련성 판단 및 분류 문제를 XGBoost 모형이 가장 잘 해결하는 것을 확인하였다. 그 다음 국회 입법데이터에서 내용기반의 분류 기준을 마련하는 연구에서는 파라미터 튜닝을 적용한 토픽모델링(LDA) 분석으로 지역(균형)발전, 인 구감소, 재정수반과 같은 목표 토픽들이 안정적으로 관측됨을 분석했다. 이 결과를 바탕으로 입법수요 예측모형 탐색을 파일럿 연구로 수행하여, 목표 토픽를과 도로/교통/운송, 문화/체육, 국민연금/건강 보험/보장성과 같은 토픽을 가지는 정책분야의 입법수요 예측 가능성을 탐색했다. 본 연구는 법학과 타 학제 간 융합연구의 틀을 마련하는 동시에 지방활성화, 재정효율화, 인구감소 등 각종 국정현안에 서 입법·법제적 대응에 기여할 수 있을 것으로 기대된다. 5장 인구변화에 대응한 지속 가능한 양성평등정책 분야 이슈 발굴 모형 개발에서는 저출산·고령화 의 인구구조 변화 대응와 관련된 양성평등정책 분야의 이슈 동향 파악과 미래전망 예측을 위한 모형을 개발하여 효과적 정책 의사결정을 도출하는데 필요한 기초자료를 제공하고자 한다. 분석목표는 세 가 지이다. 첫째, 인구변화와 관련된 주요 양성평등정책 분야의 정책적 의사결정을 지원할 수 있는 사회 이슈 현안을 주기적으로 모니터링하고 동향을 파악할 수 있는 분석모형을 개발하였다. 둘째, 이슈 모 니터링 분석결과를 토대로, 미래에 나타날 변화 추이를 예측하고 중요도가 증가하는 현안이 무엇인지 파악하기 위한 미래 전망예측 모형을 개발하였다. 셋째, 개발모형의 타당성 검토를 통해 차년도 모형 고도화 방안을 모색하였다. 6장 사회통합지수 개발 및 예측 모형 개발은 연구는 주관적인 인식에 기반한 사회통합지수가 기존 에 상대적으로 많이 연구되었던 객관적인 지표, 다시 말해 사회통합의 조건 중심의 지표체계와 어떤 관계를 가지며, 이러한 관계로부터 어떤 예측이 가능할지 살펴보았다. 퍼지 다차원척도를 활용하여 사 회통합지수를 측정한 후 기존에 제안된 사회통합지수 체계중 세 가지 변수-상대빈곤율, 민주주의 지 수, 성별 임금 격차-를 선정하여 벡터자기상관모형을 활용하여 예측을 시도한 결과 민주주의 지수와 성별 임금 격차를 활용하여 사회통합지수를 예측한 모형은 현재의 자료만으로 판단하였을 때 가능성 있어 보이는 결과를 보여주었다. 물론 이러한 모형은 아직 부족한 점이 많으므로 이로부터 사회통합지 수의 예측이 가능하다는 점을 장담하는 것은 불가능하지만, 최소한 이러한 연구를 통해 사회통합지수 를 측정하려는 다양한 노력들을 조화시킬 수도 있다는 가능성은 보여줄 수 있었다. 7장에서는 경제 ․ 인문사회연구회 소관 기관의 연구자들의 NRC데이터정보시스템 활용을 촉진하기 위해 구성된 빅데이터 연구반과 교육프로그램 운영 성과에 대해 기술하였다. NRC데이터정보시스템 은 2021년 구축된 뉴스 및 블로그 데이터와 다양한 분석 툴을 갖춘 플랫폼이다. 빅데이터 연구반은 경 제 ․ 인문사회연구회의 데이터 기반 정책지원 기능을 강화하기 위해 소관 기관의 빅데이터 관련 연구자 를 중심으로 구성되었고, 각 기관의 빅데이터 연구 성과를 공유하고 NRC데이터정보시스템 발전방안 을 논의하였다. 빅데이터 연구반은 총 5회에 걸쳐 진행되었으며 26개 기관 30여 명이 참여하였다. 각 미팅에서는 NRC 소관기관 및 외부 기관의 미래예측 전문가 세미나를 진행함으로써 빅데이터 연구 성 과를 공유하였다. 연구반 운영 결과, 각 기관의 빅데이터 활용 능력 간 편차가 커 다양한 수준의 교육 프로그램 제공이 필요하다는 점을 확인하였고, 시스템을 활용한 경험이 있는 연구자들의 피드백을 통 한 시스템 개선이 필요하고 이를 기반으로 선순환을 만들어 내는 것이 중요하다는 점을 확인하였다.
목차펼치기접기
제1장 서론 제1절 연구 목적 및 추진전략 ································································································ 3 1. 연구 배경 및 목적 ················································································································ 3 2. 연구 내용 ······························································································································ 5 제2절 연구 차별성과 추진 체계 ····························································································· 9 1. 선행연구와 본 연구의 차별성 ······························································································· 9 2. 연구 추진 체계 ··················································································································· 14 제2장 지역별 ICT 고용 전망 모형 개발 제1절 연구 배경과 필요성 및 목적 ······················································································ 19 1. 연구 배경 ···························································································································· 19 2. 연구 필요성 ························································································································ 20 3. 연구 목적 ·························································································································· 20 제2절 연구 프레임워크 ········································································································· 22 1. 연구 프로세스 ····················································································································· 22 2. 연구 방법론 ························································································································ 23 제3절 ICT 고용지수 산출 ···································································································· 25 1. 데이터 준비 및 전처리 ······································································································· 25 2. 데이터 레이블링 ·················································································································· 25 3. 모형 훈련 ·························································································································· 26 4. 지수화 및 검증 ················································································································· 27 제4절 지역별 ICT 고용 전망 모형 개발 ·············································································· 30 경제⋅인문사회연구회1. 데이터베이스 비교 및 전망목표 변수의 선택 ····································································· 30 2. 정보통신업 고용현황 ··········································································································· 31 3. 지역별 ICT 전망 모형의 개발 ···························································································· 33 4. 지역별 ICT 단기 고용 전망 비교 ······················································································· 37 제5절 지역별 ICT 고용 설문조사 수행 ················································································ 43 1. 설문 목적 및 대상 ·············································································································· 43 2. 단기전망 결과 ····················································································································· 43 3. 정책 요구사항 ····················································································································· 47 제6절 결론 ··························································································································· 49 제3장 지역발전 정책지원을 위한 도시경쟁력 예측 모델 고도화 제1절 연구의 배경 및 목적 ·································································································· 55 1. 연구의 배경 ························································································································ 55 2. 연구의 목적 ························································································································ 56 3. 연구의 범위 ················································…
출처: 국립중앙도서관 서지정보
리뷰 남기기
로그인하면 리뷰를 남길 수 있어요.
리뷰 0개
아직 리뷰가 없어요.