Główne pojęcia
예측 모델을 활용하여 퇴거 위험이 높은 개인을 선별하고 이들에게 선제적으로 임대료 지원을 제공함으로써 노숙을 예방할 수 있다.
Streszczenie
이 연구는 알레게니 카운티(Allegheny County)와의 협력을 통해 진행되었다. 현재 임대료 지원 프로그램은 선착순 방식으로 운영되어 실제 노숙 위험이 높은 개인들이 지원을 받지 못하는 문제가 있다. 연구팀은 행정 데이터를 활용한 기계학습 모델을 개발하여 향후 12개월 내 노숙 서비스 이용 가능성이 높은 개인을 선별하고, 이들에게 선제적으로 임대료 지원을 제공하는 방식을 제안했다.
주요 결과는 다음과 같다:
- 기계학습 모델은 기존 방식 대비 최소 20% 더 효율적이고 효과적으로 노숙 위험이 높은 개인을 선별할 수 있다.
- 기계학습 모델은 현재 지원 대상에서 누락되는 개인의 28%를 찾아낼 수 있다.
- 모델 개발 과정에서 인종과 성별에 따른 형평성을 고려하였으며, 이를 검증하였다.
- 과거 노숙 경험과 정신건강 위기가 향후 노숙 위험을 예측하는 주요 요인으로 나타났다.
이 연구는 유사한 맥락에서 증거 기반 의사결정 지원 도구를 개발하는 데 활용될 수 있는 교훈을 제공한다.
Statystyki
노숙 경험이 있는 개인은 그렇지 않은 개인에 비해 34배 더 응급 쉼터를 이용했다.
노숙 경험이 있는 개인은 그렇지 않은 개인에 비해 31배 더 노숙을 경험했고, 28배 더 많은 노숙 일수를 기록했다.
정신건강 위기 사건을 경험한 개인은 그렇지 않은 개인에 비해 100배 더 최근 3년 내 정신건강 위기를 겪었고, 34배 더 평생 정신건강 위기를 겪었다.
Cytaty
"예측 모델을 활용하여 퇴거 위험이 높은 개인을 선별하고 이들에게 선제적으로 임대료 지원을 제공함으로써 노숙을 예방할 수 있다."
"기계학습 모델은 현재 지원 대상에서 누락되는 개인의 28%를 찾아낼 수 있다."