앙상블 기반 기계학습 방법을 통한 디지털 정보격차 계층 분류
Classification of digital divide hierarchies using ensemble-based machine learning methods
- 발행
- 2025 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 조선대학교
- 출처
- 국내 KCI
- DOI
- 10.7465/jkdi.2025.36.4.617
- 원문
- 원문 보기 ↗
개념
키워드
기계학습, 디지털 정보격차, 앙상블, 정보취약계층, XGBoost, Digital divide, information disadvantaged class, ensemble, machine learning, XGBoost
초록
인류의 급격한 발전은 사회적, 경제적 차이를 통한 정보 접근성 차이를 심화시켜, 정보격차라는 새로운 형태의 불평등을 불러일으킨다. 이는 디지털 기기 보유 유무나 접근성 만으로 국한되지 않으며, 정보의 이해 및 활용 능력에 따라 정보수혜층과 정보취약계층의 정보격차가 심화된다. 특히, 생성형 AI가 상용화되는 현재의 시점에서 기술 습득 및 활용 능력은 매우 중요하다. 본 연구에서는 디지털 정보격차에 대한 인식 및 PC·모바일기기 활용 능력 등 다양한 특성과 인공지능 기술에 대한 인식을 포함하는 2024 디지털 정보격차 실태조사 설문 데이터를 통해 앙상블 기반 기계학습 방법을 활용하여 일반계층과 정보취약계층과의 분류 모형을 개발하였다. 앙상블 기반 기계학습 방법은 랜덤포레스트, AdaBoost, GBM, XGBoost 총 4가지로 분석하였으며, XGBoost가 가장 우수한 결과를 보였다. 또한, 제안한 4가지 모형을 통해 계층 분류에 대한 변수 중요도를 계산한 결과, 직업, 소득, 삶의 만족도, 디지털 활용 역량, PC 이용 및 활용 능력 등이 공통된 주요 변수로 나타났고, 가장 우수한 모형인 XGBoost에서는 인공지능 기술 관련 인식 등도 중요 변수로 나타났다. 이러한 결과는 정보 격차 해소를 위한 정보 복지 및 역량 강화 교육과 같은 종합적 정책이 필요할 것로 보인다.