Temel Kavramlar
본 연구는 방글라데시 내 남성 가정 폭력의 실태, 양상 및 관련 요인을 탐색하고자 하였다. 기존 연구가 여성 피해자에 초점을 맞추어 왔던 것과 달리, 이 연구는 남성 피해자에 주목하여 이들의 경험을 조명하고자 하였다.
Özet
본 연구는 방글라데시 내 남성 가정 폭력의 실태, 양상 및 관련 요인을 탐색하고자 하였다. 기존 연구가 여성 피해자에 초점을 맞추어 왔던 것과 달리, 이 연구는 남성 피해자에 주목하여 이들의 경험을 조명하고자 하였다.
데이터 수집: 방글라데시 9개 주요 도시의 2,000명의 기혼 남성을 대상으로 설문조사를 실시하였다. 설문은 가정 폭력의 실태, 유형, 관련 요인 등을 다루었다.
탐색적 데이터 분석: 지역, 연령, 직업, 교육 수준, 가족 구조 등 다양한 인구통계학적 요인과 가정 폭력의 관계를 분석하였다. 이를 통해 남성 가정 폭력의 분포와 특성을 파악하였다.
기계 학습 모델 개발: 전통적 기계 학습 모델, 딥러닝 모델, 앙상블 모델 등 다양한 알고리즘을 적용하여 남성 가정 폭력 예측 모델을 개발하였다. CatBoost 모델이 가장 높은 정확도(76%)를 보였다.
설명 가능한 인공지능 기법 적용: SHAP와 LIME을 활용하여 모델의 의사결정 과정을 해석하고 주요 영향 요인을 도출하였다.
본 연구는 기존 연구의 한계를 극복하고 남성 가정 폭력에 대한 이해를 높이는 데 기여하였다. 특히 기계 학습 기법을 활용하여 남성 피해자 식별 및 관련 요인 분석을 수행함으로써 효과적인 개입 전략 수립에 도움을 줄 것으로 기대된다.
İstatistikler
월 소득이 없는 경우 남성 가정 폭력 발생률이 가장 높다.
부인에게 월 소득의 일정 비율을 할당할수록 남성 가정 폭력 발생률이 감소한다.
결혼 후 1-3년 사이에 남성 가정 폭력 발생이 가장 빈번하다.
부인의 외도가 있는 경우 남성 가정 폭력 발생률이 가장 높다.
Alıntılar
"남성 피해자의 경험은 지속적으로 간과되어 왔으며, 이들에 대한 지원 체계가 부족한 실정이다."
"가부장적 규범과 성 역할 기대로 인해 남성 피해자들은 폭력 경험을 드러내기를 꺼려하는 경향이 있다."
"기존 법적 체계는 주로 여성 피해자 지원에 초점을 맞추고 있어, 남성 피해자들이 도움을 요청할 수 있는 통로가 제한적이다."