Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.418-419
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Machine Learning-Based Gambling Addiction Level Prediction Model

기계학습 기반의 도박중독 수준 예측 모델

  • Seo-Jin Lee (Dept. of Counseling Psychology, Sahmyook University) ;
  • Ji-Woong Choi (Dept. of Artificial Intelligence Convergence, Sahmyook University) ;
  • Seung-Hyeon Hong (Dept. of Counseling Psychology, Sahmyook University) ;
  • Nam-Jae Kim (Global Biz Tech Co., Ltd.) ;
  • Jong-wan Kim (Software Convergence Education Center, Sahmyook University)
  • 이서진 (삼육대학교 상담심리학과) ;
  • 최지웅 (삼육대학교 인공지능 융합학부) ;
  • 홍승현 (삼육대학교 상담심리학과) ;
  • 김남재 ((주)글로벌비즈텍) ;
  • 김종완 (삼육대학교 SW융합교육원 (주)글로벌비즈텍)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 논문은 도박중독 수준에 따라 중독자를 선별하는 선형회귀 기반의 기계학습 모델을 제안한다. 도박인구는 점차 증가하고, 청소년들도 도박을 경험하며 문제가 심각하다. 도박중독 유병률을 조사하는 것은 향후 발생할 도박으로 인한 문제를 해결하는 것에 도움이 된다. 제안 모델은 한국판 도박 문제 선별척도(K-Canadian Problem Gambling Index) 데이터를 기반으로 학습하였고, 개인의 중독 수준에 따라 도박중독자를 분류한다. 본 모델은 도박중독 수준에 따라 신속하고 정확하게 도박중독자를 구분함으로써 도박중독 치료 연계와 함께 도박중독률을 낮추는 데 기여할 것이다.

Keywords

Acknowledgement

본 연구는 2021년 과학기술정보통신부및정보통신기획평가원의 SW중심대학사업 지원을받아 수행되었음(2021-0-01440).

References

  1. 김교헌. 도박행동의 자기조절 모형: 상식모형의 확장. 한국심리학회지: 건강, 11, 243-274. (2006).
  2. 김교헌. 한국 도박중독 문제의 책임과 대처. 한국심리학회지: 건강, 14, 27-39. (2009).
  3. 전주영. (2024.3.1). 국민 5.5% 도박중독 청소년 등 예방집중, 동아일보.
  4. 차명희. 한국과 일본의 도박중독 대처에 대한 비교 연구. 교정담론, 16(3), 281-308. (2022)
  5. 강성군, 김교헌, 이민규, 임지향. 도박중독의 측정: KNODS, KCPGI 및 KSOGS의 비교. 한국심리학회지: 건강, 15(3), 569-581. (2010).
  6. 김아영, 차정은, 권선중, 이순묵. CPGI의 한국판 제작 및 타당화. 한국심리학회지:일반, 30(4), 1011-1038. (2011).