Browse > Article
http://dx.doi.org/10.20406/kjcs.2022.11.28.4.661

A Study on the Classic Theory-Driven Predictors of Adolescent Online and Offline Delinquency using the Random Forest Machine Learning Algorithm  

TaekHo, Lee (Seoul National University)
SeonYeong, Kim (Seoul National University)
YoonSun, Han (Seoul National University)
Publication Information
Korean Journal of Culture and Social Issue / v.28, no.4, 2022 , pp. 661-690 More about this Journal
Abstract
Adolescent delinquency is a substantial social problem that occurs in both offline and online domains. The current study utilized random forest algorithms to identify predictors of adolescents' online and offline delinquency. Further, we explored the applicability of classic delinquency theories (social learning, strain, social control, routine activities, and labeling theory). We used the first-grade and fourth-grade elementary school panels as well as the first-grade middle school panel (N=4,137) among the sixth wave of the nationally-representative Korean Children and Youth Panel Survey 2010 for analysis. Random forest algorithms were used instead of the conventional regression analysis to improve the predictive performance of the model and possibly consider many predictors in the model. Random forest algorithm results showed that classic delinquency theories designed to explain offline delinquency were also applicable to online delinquency. Specifically, salient predictors of online delinquency were closely related to individual factors(routine activities and labeling theory). Social factors(social control and social learning theory) were particularly important for understanding offline delinquency. General strain theory was the commonly important theoretical framework that predicted both offline and online delinquency. Findings may provide evidence for more tailored prevention and intervention strategies against offline and online adolescent delinquency.
Keywords
adolescent delinquency; online delinquency; offline delinquency; random forest algorithm; delinquency theory;
Citations & Related Records
Times Cited By KSCI : 4  (Citation Analysis)
연도 인용수 순위
1 이성식, 전신현 (2009). 학업성적과 청소년비행: 청소년패널자료를 통한 비행이론들의 검증. 한국청소년연구, 20(2), 91-111.
2 이은정, 조희숙, 송영수 (2020). 랜덤 포레스트를 활용한 대졸 신입사원 조기이직 예측결정요인 탐색. 기업교육과 인재연구, 22(1), 163-193.
3 이응택, 이은경 (2021). 일반긴장이론에 근거한 청소년기 부정적인 사회적 관계와 사이버 비행의 관계에서 공격성과 우울의 매개효과. 미래청소년학회지, 18(3), 51-75.
4 과학기술정보통신부 (2021). 2021년 스마트폰 과의존 실태조사.
5 경찰청 (2019). 2018 경찰통계연보.
6 경찰청 (2020). 2019 경찰통계연보.
7 경찰청 (2021). 2020 경찰통계연보.
8 김선영, 한윤선 (2022). 부모의 스마트폰 의존이 청소년 사이버 비행에 미치는 영향: 부정적 양육 태도와 청소년 스마트폰 의존의 매개 효과. 청소년복지연구. 24(2), 25-46.
9 김신아, 방은혜, 한윤선 (2017). 청소년 사이버 불링 가해행동 예측요인 탐색을 위한 국내연구 메타분석. 한국콘텐츠학회논문지, 17(5), 18-33.   DOI
10 김소희, 황의갑 (2015). 학교 내 공식처벌이 청소년 비행에 미치는 영향: 자아낙인의 매개효과를 중심으로. 한국범죄학, 9(3), 103-129.
11 김준범, 장대연, 최장원, 서정열 (2018). 청소년의 중비행에 관한 연구: 촉발과 반복에 영향을 미치는 정신건강요인을 중심으로. 청소년문화포럼, 55, 27-51.
12 김준호, 노성호, 이성식, 곽대경, 박정선, 이동원, ... 최수형 (2013). 청소년비행론. 서울: 청목출판사.
13 김판준 (2019). 랜덤포레스트를 이용한 국내학술지 논문의 자동분류에 관한 연구. 정보관리학회지, 36(2), 57-77.   DOI
14 민수홍 (2018). 사회통제이론의 관점에서 본 수형자의 가족관계: 가족접견, 서신교환, 구금 후 가족관계 변화. 교정연구, 28(2), 131-157.
15 박선숙 (2018). 청소년 개인 특성별 사이버비행 위험군과 안전군에 관한 연구: 의사결정트리 분석을 이용하여. 사회과학연구, 34(2), 53-79.
16 박소영, 정혜원 (2020). 중학생의 진로 결정 예측변수 탐색: 머신러닝 기법 적용. 아시아교육연구, 21(3), 727-753.
17 박영신, 김의철 (2010). 친구가 청소년의 일탈행동에 미치는 영향: 자기효능감, 부모자녀 갈등 및 부모의 통제를 중심으로. 한국심리학회지: 문화 및 사회문제, 16(3), 385-422.
18 박정민 (1998). 비행 청소년의 나르시시즘, 지배성, 공격성 간의 관계. 이화여자대학교 대학원 석사학위 청구논문.
19 박지수, 김하영, 유진경, 한윤선 (2017). 잠재계층분석(LCA)을 이용한 청소년-또래 비행의 유형과 특성. 아동학회지, 38(2), 165-176.   DOI
20 박현수, 박성훈, 정혜원 (2009). 청소년비행에 있어 낙인의 효과에 대한 경험적 연구: 비공식 낙인을 중심으로. 한국청소년연구, 20(1), 227-251.
21 방송통신위원회 (2021). 2021년 사이버폭력 실태조사.
22 법무연수원 (2022). 2021 범죄백서.
23 양준영, 김지원, 김수영, 홍세희 (2019). 잠재전이분석을 적용한 청소년 사이버비행의 잠재계층 분류 및 전이 영향요인 검증. 청소년학연구, 26(2), 101-130.
24 서경현 (2002). 청소년들의 데이트 폭력 가해행동에 대한 사회학습적 변인들과 분노의 역할. 한국심리학회지: 문화 및 사회문제, 8(2), 1-15.
25 서민구 (2014). R을 이용한 데이터 처리 & 분석 실무. 서울: 길벗.
26 손윤희, 박현정, 박민호 (2020). 랜덤 포레스트를 활용한 읽기소양 수준에 따른 집단 결정요인 분석: PISA 2018 자료를 중심으로. 아시아교육연구, 21(1), 191-215.
27 유석봉, 이완희 (2018). 일반긴장이론의 긴장요인과 사이버비행. 한국공안행정학회보, 27 (4), 279-306.
28 유진은 (2015). 랜덤 포레스트. 교육평가연구, 28(2), 427-448.
29 여성가족부 (2020). 2020년 청소년 매체이용 및 유해환경 실태조사.
30 이석영, 이택호, 한윤선 (2015). 청소년의 폭력비행 피해가 사이버 비행에 미치는 영향: 공격성, 우울, 사회적 위축의 매개효과. 한국아동복지학, (50), 27-53.
31 이성식 (2008). 청소년 사이버범죄 유형별 원인 및 통제요소에 관한 통합적 연구. 서울: 형사정책연구원.
32 이성식 (2009). 초등학생들의 사이버비행에 있어서 일상긴장, 낮은 자기통제력, 인터넷 사용시간의 영향작용: 세 이론의 검증을 중심으로. 형사정책연구, 95-115.
33 이종원, 이순래, 정윤미 (2016). 한국아동.청소년패널조사 VII: 기초분석보고서 Ι-청소년 비행의 실태와 추이 분석: 현실비행과 사이버비행. 세종: 한국청소년정책연구원.
34 이준형, 최응렬 (2020). 청소년의 스마트폰 중독이 사이버비행에 미치는 영향-부모⋅교사⋅또래애착의 병렬적 다중매개효과 검증. 한국중독범죄학회보, 10(3), 23-40.
35 임미령, 김지훈, 김미희, 이현, 정애경 (2015). 경기지역 중학생 비행행동 잠재집단분석. 청소년학연구, 22(7), 421-443.
36 최진실, 장현석 (2017). 또래관계에서의 소외가 사이버비행에 미치는 영향: 일반긴장이론과 비행기회이론을 통하여. 한국범죄학, 11(3), 3-17.
37 장은비, 최현주, 하규영, 박은혜, 이상민 (2014). 성별에 따른 부모-자녀 관계, 비공식 낙인, 비행의 관계. 한국심리학회지: 학교, 11(1), 185-205.
38 정혜원 (2009). 사이버비행 지속에 미치는 영향: 사회유대이론, 자기통제이론, 비행기회이론을 중심으로. 정보화정책, 16(4), 97-112.
39 조춘범 (2017). 청소년의 스마트폰 중독이 오프라인 비행에 미치는 영향: 온라인 비행의 매개효과 검증. 한국사회복지조사연구, 55, 317-345.
40 최필선, 민인식 (2018). 머신러닝 기법을 이용한 대졸자 취업예측 모형. 직업능력개발연구, 21(1), 31-54.   DOI
41 홍기혜 (2020). 랜덤포레스트 머신러닝 알고리즘 기반 남.여 청소년의 자살생각 예측 및 분석. 한국사회복지학, 72(3), 157-180.
42 홍기혜, 엄태호 (2021). 머신러닝 기반 복지재원 부담 태도 예측 및 분석: 세대별 비교를 중심으로. 사회과학논집, 52(2), 91-114.
43 홍명기, 민수홍, 조은비 (2020). 다문화 청소년의 비행 원인에 대한 연구: 사회통제이론과 일상활동이론을 중심으로. 형사정책, 32(3), 223-259.   DOI
44 홍정윤, 이수정 (2020). 잠재프로파일 분석을 통한 사이버 비행청소년 유형 분류 및 영향요인 탐색. 한국범죄학, 14(2), 63-81.
45 황성현, 이강훈 (2013). 청소년 비행의 원인에 관한 사회학습, 사회유대, 일반긴장이론적 접근. 한국청소년연구, 24(3), 127-145.
46 황성현 (2010). 청소년 지위비행에 관한 비행이론 비교연구. 청소년학연구, 17(5), 49-68.
47 황성현 (2015). 청소년 비행이론의 상대적인 영향력 검증: 아동.청소년 패널자료를 중심으로. 한국경호경비학회지, (44), 225-250.
48 周志華 (2020). 단단한 머신러닝. 김태헌 (번역). 경기: 제이펍. (원전은 2016년에 출판)
49 Agnew, R. (1992). Foundation for a general strain theory of crime and delinquency. Criminology, 30(1), 47-88.   DOI
50 Agnew, R., & Brezina, T. (2012). Juvenile delinquency: Causes and control. New York: Oxford University Press.
51 Agustina, J. R., & Felson, M. (2015). Routine activities, delinquency, and youth convergences. In Alex R. Piquero (Ed), The handbook of criminological theory (pp. 137-155). UK: John Wiley & Sons.
52 Akers, R. L., & Jennings, W. G. (2015). Social learning theory. In Alex R. Piquero (Ed.), The handbook of criminological theory (pp. 230-240). UK: John Wiley & Sons.
53 Akers, R. L., Sellers, C. S., & Jennings, W. G. (2017). Criminological Theories: Introduction, Evaluation, and Application 7th Edition, UK: Oxford University Press.
54 Alboukordi, S., Nazari, A. M., Nouri, R., & Sangdeh, J. K. (2012). Predictive factors for juvenile delinquency: the role of family structure, parental monitoring and delinquent peers. International Journal of Criminology and Sociological Theory, 5(1), 770-777.
55 Barry, C. T., Grafeman, S. J., Adler, K. K., & Pickard, J. D. (2007). The relations among narcissism, self-esteem, and delinquency in a sample of at-risk adolescents. Journal of Adolescence, 30(6), 933-942.   DOI
56 Baumeister, R. F., Smart, L., & Boden, J. M. (1996). Relation of threatened egotism to violence and aggression: The dark side of high self-esteem. Psychological Review, 103(1), 5-33.   DOI
57 Bernburg, J. G. (2019). Labeling theory. In J. G. Bernburg (Eds.), Handbook on crime and deviance (pp. 179-196). New York: Springer.
58 Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5-32.
59 Brownfield, D., & Sorenson, A. M. (1994). Sibship size and sibling delinquency. Deviant Behavior, 15(1), 45-61.   DOI
60 Cohen, L. E., & Felson, M. (1979). Social change and crime rate trends: A routine activity approach.. American Sociological Review, 44(4), 588-608.   DOI
61 Costello, B. J., & Laub, J. H. (2020). Social control theory: The legacy of Travis Hirschi's causes of delinquency. Annual Review of Criminology, 3(1), 21-41.   DOI
62 Diaz-Uriarte, R., & Alvarez de Andres, S. (2006). Gene selection and classification of microarray data using random forest. BMC Bioinformatics, 7(1), 1-13.   DOI
63 Dudovitz, R. N., Chung, P. J., Reber, S., Kennedy, D., Tucker, J. S., Shoptaw, S., ... & Wong, M. D. (2018). Assessment of exposure to high-performing schools and risk of adolescent substance use: a natural experiment. JAMA Pediatrics, 172(12), 1135-1144.   DOI
64 Farrington, D. P. (2010). Family influences on delinquency. Juvenile Justice and Delinquency, 10, 203-222.
65 Gasper, J., DeLuca, S., & Estacion, A. (2012). Switching schools: Revisiting the relationship between school mobility and high school dropout. American Educational Research Journal, 49(3), 487-519.   DOI
66 Geron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. California: O'Reilly Media, Inc.
67 Hirschi, T. (1969). A control theory of delinquency. In Williams III, F. P., & McShane (Ed.), Criminology theory: Selected classic readings (pp. 289-305). New York: Routledge.
68 Hoeben, E. M., & Weerman, F. M. (2016). Why is involvement in unstructured socializing related to adolescent delinquency? Criminology, 54(2), 242-281.   DOI
69 Hoffmann, J. P., Thorpe, J. D., & Dufur, M. J. (2020). Family social capital and delinquent behavior in the United Kingdom. Social Sciences, 9(10), 178.
70 Hoeben, E. M., Osgood, D. W., Siennick, S. E., & Weerman, F. M. (2021). Hanging out with the wrong crowd? The role of unstructured socializing in adolescents' specialization in delinquency and substance use. Journal of Quantitative Criminology, 37(1), 141-177.   DOI
71 Kierkus, C. A., & Hewitt, J. D. (2009). The contextual nature of the family structure/ delinquency relationship. Journal of Criminal Justice, 37(2), 123-132.
72 Kuhn, M. (2008). Building predictive models in R using the caret package. Journal of Statistical Software, 28, 1-26.
73 Marcal, K. E. (2021). Pathways to adolescent emotional and behavioral problems: An examination of maternal depression and harsh parenting. Child Abuse & Neglect, 113, 104917.
74 Matsueda, R. L. (1992). Reflected appraisals, parental labeling, and delinquency: Specifying a symbolic interactionist theory. American Journal of Sociology, 97(6), 1577-1611.   DOI
75 Miller, J. (2013). Individual offending, routine activities, and activity settings: Revisiting the routine activity theory of general deviance. Journal of Research in Crime and Delinquency, 50(3), 390-416.   DOI
76 Muller, M. P., Tomlinson, G., Marrie, T. J., Tang, P., McGeer, A., Low, D. E., ... & Gold, W. L. (2005). Can routine laboratory tests discriminate between severe acute respiratory syndrome and other causes of community-acquired pneumonia? Clinical Infectious Diseases, 40(8), 1079-1086.   DOI
77 Obsuth, I., Murray, A. L., Knoll, M., Ribeaud, D., & Eisner, M. (2021). Teacher-student relationships in childhood as a protective factor against adolescent delinquency up to age 17: A propensity score matching approach. Crime & Delinquency, 00111287211014153.
78 Van Ouytsel, J., Ponnet, K., & Walrave, M. (2018). Cyber dating abuse victimization among secondary school students from a lifestyle-routine activities theory perspective. Journal of Interpersonal Violence, 33(17), 2767-2776.   DOI
79 Sabatine, E., Lippold, M., & Kainz, K. (2017). The unique and interactive effects of parent and school bonds on adolescent delinquency. Journal of Applied Developmental Psychology, 53, 54-63.   DOI
80 Valasik, M., & Barton, M. S. (2018). The George Wilson effect: does intergenerational closure and collective efficacy reduce juvenile delinquency in a neighborhood?. Deviant Behavior, 39(12), 1658-1671.
81 Walters, G. D. (2018). Resistance to peer influence and crime desistance in emerging adulthood: A moderated mediation analysis. Law and Human Behavior, 42(6), 520.
82 Warr, M. (2002). Companions in crime: The social aspects of criminal conduct. UK: Cambridge University Press.