기계학습 기반 도박중독 위험도 예측 모델
Machine Learning-Based Gambling Addiction Risk Prediction Model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 도박 문제 감소를 위해 중독 수준에 따라 도박중독자를 변별하는 기계학습 기반의 예측 모델을 제안한다. 최근 인터넷과 스마트폰의보급으로 인해 도박 접근성이 높아지면서 도박 문제를 겪는 중독자가 점차 증가하고 있다. 도박중독은 개인의 문제가 아닌 사회 전반에 영향을미치는 중대한 문제로, 이를 조기에 발견하고 개입하는 것이 중요하다. 도박 문제를 예방하고 치료 개입을 강화하기 위해서는 도박중독자를 신속하고정확하게 식별할 수 있는 모델이 필요하다. 본 연구에서는 한국판 도박 문제 선별척도(K-Canadian Problem Gambling Index, K-CPGI) 데이터를기반으로 학습된 기계학습 모델을 활용하여, 개인의 도박 행동 수준에 따라 중독 위험도를 예측하는 방법을 제안한다. 본 연구에서는 다양한 기계학습모델을 비교 분석한 결과, 로지스틱 회귀가 상대적으로 높은 성능을 보였으며, 해석 가능성과 신뢰성을 고려하여 최종 모델로 선정하였다. 그러나본 연구에서 사용된 데이터가 제한적이므로, 추가적인 데이터 확보와 일반화 성능 검증이 필요함을 논의한다. 이를 통해 본 연구는 도박중독자를보다 신속하고 정확하게 예측하여, 치료 연계를 강화하고 도박중독 예방 및 개입 전략 수립에 기여할 수 있을 것으로 기대된다.
Abstract
This paper proposes a machine learning-based prediction model to distinguish gambling addicts according to their level of addictionto mitigate gambling-related problems. With the widespread use of the Internet and smartphones, gambling accessibility has increased,leading to a growing number of individuals experiencing gambling addiction. Gambling addiction is not just a personal issue but a significantsocietal problem that requires early detection and intervention. To prevent gambling problems and strengthen treatment interventions,a model capable of quickly and accurately identifying gambling addicts is necessary. In this study, we propose a method to predict addictionrisk levels based on an individual’s gambling behavior using a machine learning model trained on data from the Korean version of theCanadian Problem Gambling Index (K-CPGI). We compared and analyzed various machine learning models and found that logisticregression demonstrated relatively high performance. Considering its interpretability and reliability, it was selected as the final model. However, due to the limitations of the dataset used in this study, we discuss the need for additional data collection and validation ofgeneralization performance. Through this research, we expect to enhance the early and accurate identification of gambling addicts, therebystrengthening treatment linkage and contributing to the development of gambling addiction prevention and intervention strategies.