머신러닝을 활용한 학교안전사고 예측모형 개발 연구

국문 초록 (Abstract)

본 논문에서는 학교 수준의 정보인 정보공시 자료와 학교안전사고 관련 데이터를 머신러닝 알고리즘으로 분석하여 학교안전사고가 많이 일어나는 학교를 예측할 수 있는 모형을 개발하였다. 학교안전사고란 교육활동 중에 발생한 사고로서 학생·교직원 또는 교육활동참여자의 생명 또는 신체에 피해를 주는 모든 사고 등을 의미하며[1] 이를 예방하기 위한 노력이 다각도로 추진되고 있다. 하지만 학교안전사고를 예방하고 사전에 대처하기 위한 많은 노력에도 불구하고 관련 통계 자료를 보면 학교안전사고는 지속적으로 증가하고 있는 것을 볼 수 있다. 특히, 사고로 인한 보상 금액은 2019년 390억 원으로 2011년 230억 원에 비해 약 70%가량 증가하여 사회적 비용 부담을 가중시키고 있다. 학교안전사고 및 보상통계에서 살펴보았듯이 사고 발생건수가 점진적으로 증가하고 보상금액도 증가 추세에 있다는 점에서 보다 효과적인 분석 방법의 활용과 예측을 통한 정교한 정책 수립을 지원할 필요가 있다. 본 논문에서는 LightGBM 알고리즘을 활용해 성능 평가 결과를 측정하였으며 예측요인탐색을 위해 설명가능한 인공지능(XAI: eXplainable Artificial Intelligence) 기술을 활용하였다. 개발된 초중등학교 예측모형은 0.919(최적 임계치 0.54)의 ROC-AUC을 달성하였고, 학교안전사고에 영향을 미칠 가능성이 높은 요인 상위 20개를 도출하였다. 본 연구는 추후 학교안전사고 감소 관련 정책을 추진하는 데 시사점을 제공할 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

In this paper, we develop a method that can predict schools where many school safety accidents occur by analyzing information with a machine learning. School safety accidents are accidents that occur during educational activities and mean any accidents that damage the life of body of students, faculty, or participants in educational boundaries. Many efforts to prevent them are being promoted from various angles. However, in spite of many efforts to prevent and respond to school safety accidents in advance, we can identify that the number of accidents is continuously increasing. In particular, the amount of compensation due to accidents was 39 billion in 2019, which is an increase of about 70% compared to 23 billion in 2011, aggravating the burden of social assets. Therefore, it is necessary to support the establishment of sophisticated policies through more effective analysis methods and prediction rules. In this paper, we evaluate using LightGBM algorithm, and XAI:eXplainable Artificial Intelligence(XAI) for predictive factors. Our model achieved 0.919 ROC-AUC(optimal threshold of 0.54) for elementary and secondary schools and derived the top 20 factors that are related to accidents. This paper intends to draw implications for promoting policies related to reducing accidents in the future.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 데이터 수집 및 전처리 과정
• Ⅲ. 머신러닝을 활용한 학교안전사고 예측모형 개발
• Ⅳ. 결론
• 참고문헌