기계학습을 활용한 스마트폰 과의존 예측분석

Predictive Analysis of Problematic Smartphone Use by Machine Learning Technique

발행

2020 등록이 논문은 발행 시점을 확인하지 못해 원문 등록일을 적었습니다. KCI가 2005~2008년에 옛 논문을 몰아서 올린 탓에, 그 시기 등록분은 발행보다 평균 3~5년 늦습니다. 실제 발행연도는 더 이를 수 있습니다.

소속·발행

조선간호대학교

출처

국내 KCI

DOI

10.9708/jksci.2020.25.02.213

원문

원문 보기 ↗

개념

키워드

스마트폰 과의존, 기계 학습, 스마트폰 이용 유형, 의사결정기법, 랜덤 포레스트, 서포트 벡터 머신, Problematic Smartphone Use, Machine Learning, Smartphone Use Type, Decision Tree, Random Forest, and Support Vector Machine

초록

본 연구는 스마트폰 과의존을 진단하고 예측하기 위하여 할 수 있는 분류분석 방법과 스마트폰 과의존 분류율에 영향을 미치는 중요변수를 규명하고자 시도되었다. 이를 위해 인공지능의 방법인 기계학습분석 기법 중 의사결정트리, 랜덤포레스트, 서포트벡터머신의 분류율을 비교하였다. 자료는 한국정보화진흥원에서 제공한 ‘2018년 스마트폰 과의존 실태조사’에 응답한 25,465명의 데이터였고, R 통계패키지(ver. 3.6.2)를 사용하여 분석하였다. 분석한 결과, 3가지 분류분석 기법은 정분류율이 유사하게 나타났으며, 모델에 대한 과적합 문제가 발생되지 않았다. 3가지 분류분석 방법 중 서포트벡터머신의 분류율이가장 높게 나타났고, 다음으로 의사결정트리 기법, 랜덤포레스트 기법 순이었다. 스마트폰 이용 유형중 분류율에 영향을 미치는 상위 3개 변수는 생활서비스형, 정보검색형, 여가추구형이었다.

같은 개념의 다른 논문

이 개념이 나오는 강연