Core Concepts
기계학습 모델을 활용하여 향후 홈리스 위험이 높은 개인을 정확하게 식별하고 이들에게 선제적으로 임대료 지원을 제공함으로써 홈리스 예방에 기여할 수 있다.
Abstract
이 연구는 Allegheny County, PA와의 협력을 통해 향후 홈리스 위험이 높은 개인을 정확하게 식별하고 이들에게 선제적으로 임대료 지원을 제공하는 방식을 제안한다.
주요 내용은 다음과 같다:
- 현재 임대료 지원 프로그램은 선착순 방식으로 운영되어 향후 홈리스 위험이 높은 개인을 체계적으로 고려하지 못하는 한계가 있다.
- 이 연구에서는 기계학습 모델을 활용하여 향후 홈리스 위험이 높은 개인을 정확하게 식별하고 이들에게 선제적으로 임대료 지원을 제공하는 방식을 제안한다.
- 제안된 방식은 현재 방식 대비 최소 20% 이상 효율적이며, 인종과 성별에 있어 공정성도 확보하고 있다.
- 또한 현재 방식에서 간과되는 개인의 28%를 식별할 수 있어 홈리스 예방에 기여할 것으로 기대된다.
- 이 연구 결과는 유사한 상황에서 증거 기반의 의사결정 지원 도구 개발에 활용될 수 있다.
Stats
홈리스 경험이 있는 개인은 향후 홈리스가 될 가능성이 37%로, 전체 집단 평균 6%에 비해 매우 높다.
흑인 개인은 전체 인구의 14%에 불과하지만 퇴거 위기에 놓인 개인의 55%, 향후 홈리스가 된 개인의 59%를 차지한다.
향후 홈리스가 된 개인은 정신건강 위기 사건을 100배 더 많이 경험했고, 정신건강 서비스 이용 기간도 28배 더 길었다.
Quotes
"향후 홈리스 위험이 높은 개인을 정확하게 식별하고 이들에게 선제적으로 임대료 지원을 제공함으로써 홈리스 예방에 기여할 수 있다."
"현재 방식에서 간과되는 개인의 28%를 식별할 수 있어 홈리스 예방에 기여할 것으로 기대된다."