• Journal of Intelligence and Information Systems
• /
• v.20 no.3
• /
• pp.19-43
• /
• 2014

The Pareto principle, also known as the 80-20 rule, states that roughly 80% of the effects come from 20% of the causes for many events including natural phenomena. It has been recognized as a golden rule in business with a wide application of such discovery like 20 percent of customers resulting in 80 percent of total sales. On the other hand, the Long Tail theory, pointing out that "the trivial many" produces more value than "the vital few," has gained popularity in recent times with a tremendous reduction of distribution and inventory costs through the development of ICT(Information and Communication Technology). This study started with a view to illuminating how these two primary business paradigms-Pareto principle and Long Tail theory-relates to the success of virtual knowledge collaboration. The importance of virtual knowledge collaboration is soaring in this era of globalization and virtualization transcending geographical and temporal constraints. Many previous studies on knowledge sharing have focused on the factors to affect knowledge sharing, seeking to boost individual knowledge sharing and resolve the social dilemma caused from the fact that rational individuals are likely to rather consume than contribute knowledge. Knowledge collaboration can be defined as the creation of knowledge by not only sharing knowledge, but also by transforming and integrating such knowledge. In this perspective of knowledge collaboration, the relative distribution of knowledge sharing among participants can count as much as the absolute amounts of individual knowledge sharing. In particular, whether the more contribution of the upper 20 percent of participants in knowledge sharing will enhance the efficiency of overall knowledge collaboration is an issue of interest. This study deals with the effect of this sort of knowledge sharing distribution on the efficiency of knowledge collaboration and is extended to reflect the work characteristics. All analyses were conducted based on actual data instead of self-reported questionnaire surveys. More specifically, we analyzed the collaborative behaviors of editors of 2,978 English Wikipedia featured articles, which are the best quality grade of articles in English Wikipedia. We adopted Pareto ratio, the ratio of the number of knowledge contribution of the upper 20 percent of participants to the total number of knowledge contribution made by the total participants of an article group, to examine the effect of Pareto principle. In addition, Gini coefficient, which represents the inequality of income among a group of people, was applied to reveal the effect of inequality of knowledge contribution. Hypotheses were set up based on the assumption that the higher ratio of knowledge contribution by more highly motivated participants will lead to the higher collaboration efficiency, but if the ratio gets too high, the collaboration efficiency will be exacerbated because overall informational diversity is threatened and knowledge contribution of less motivated participants is intimidated. Cox regression models were formulated for each of the focal variables-Pareto ratio and Gini coefficient-with seven control variables such as the number of editors involved in an article, the average time length between successive edits of an article, the number of sections a featured article has, etc. The dependent variable of the Cox models is the time spent from article initiation to promotion to the featured article level, indicating the efficiency of knowledge collaboration. To examine whether the effects of the focal variables vary depending on the characteristics of a group task, we classified 2,978 featured articles into two categories: Academic and Non-academic. Academic articles refer to at least one paper published at an SCI, SSCI, A&HCI, or SCIE journal. We assumed that academic articles are more complex, entail more information processing and problem solving, and thus require more skill variety and expertise. The analysis results indicate the followings; First, Pareto ratio and inequality of knowledge sharing relates in a curvilinear fashion to the collaboration efficiency in an online community, promoting it to an optimal point and undermining it thereafter. Second, the curvilinear effect of Pareto ratio and inequality of knowledge sharing on the collaboration efficiency is more sensitive with a more academic task in an online community.

• The Korean Nurse
• /
• v.20 no.4 s.112
• /
• pp.27-38
• /
• 1981

오늘 저희에게 주어진 주제, 내일에 타당한 간호사업 및 간호교육의 향방을 어떻게 정하여야 하는가의 논의는 오늘날 간호계 주변에 일어나고 있는 변화의 실상을 이해하는 데서 비롯되어져야 한다고 생각하는 입장에서 먼저 세계적으로 건강관리사업이 당면한 딜레마가 어떠한 것이며 이러한 문제해결을 위해 어떠한 새로운 제안들이 나오고 있는가를 개관 하므로서 그 교육적 의미를 정의해 보고 장래 간호교육이 지향해야할 바를 생각해 보려 합니다. 오늘의 사회의 하나의 특징은 세계 모든 나라들이 각기 어떻게 전체 국민에게 고루 미칠 수 있는 건강관리체계를 이룩할 수 있느냐에 관심을 모으고 있는 사실이라고 봅니다. 부강한 나라에 있어서나 가장 빈궁한 나라에 있어서나 그 관심은 마찬가지로 나타나고 있읍니다. 보건진료 문제의 제기는 발달된 현대의학의 지식과 기술이 지닌 건강관리의 방대한 가능성과 건강 관리의 요구를 지닌 사람들에게 미치는 실질적인 혜택간에 점점 더 크게 벌어지는 격차에서 발생한다고 봅니다. David Rogers는 1960년대 초반까지 갖고 있던 의료지식의 축적과 민간인의 구매력 향상이 자동적으로 국민 건강의 향상을 초래할 것이라고 믿었던 순진한 꿈은 이루어지지 않았고 오히려 의료사업의 위기는 의료지식과 의료봉사간에 벌어지는 격차와 의료에 대한 막대한 투자와 그에서 얻는 건강의 혜택간의 격차에서 온다고 말하고 있읍니다. 균등 분배의 견지에서 보면 의료지식과 기술의 향상은 그 단위 투자에 대한 생산성을 낮춤으로서 오히려 장애적 요인으로 작용해온 것도 사실이고 의료의 발달에 따른 일반인의 기대 상승과 더불어 의료를 태성의 권리로 규명하는 의료보호사업의 확대로 야기되는 의료수요의 급증은 모두 기존 시설 자원에 압박을 초래하여 전래적 의료공급체제에 도전을 가해 왔으며 의료의 발달에 건 기대와는 달리 인류의 건강 문제 해결은 더욱 요원한 과제로 남게 되었읍니다. 현시점에서 세계인구의 건강문제는 기아, 영양실조, 안전한 식수 공급 및 위생적 생활환경조성의 문제에서부터 가장 정밀한 의료기술발달에 수반되는 의료사회문제에 이르는 다양한 문제를 지니고 있으며 주로 각개 국가의 경제 사회적 여건이 이 문제의 성격을 결정짓고 있다고 볼수 있읍니다. 그러나 건강 관리에 대한 요구는 영구히, 완전히 충족될 수 없는 요구에 속한다는 의미에서 경제 사회적 발달 수준에 상관없이 모든 국가가 공히 요구에 미치지 못하는 제한된 자원문제로 고심하고 있는 실정입니다. 또 하나의 공통된 관점은 각기 문제의 상황은 달라도 오늘날의 건강 문제는 주로 의료권 밖의 유전적 소인, 사회경제적, 정치문화적인 환경여건과 각기 선택하는 삶의 스타일에 깊이 관련되어 있다는 사실입니다. 따라서 오늘과 내일의 건강관리 문제는 의학적 견지에서 뿐 아니라 널리 경제, 사회, 정치, 문화적 관점에서 포괄적인 접근이 시도되어야 한다는 점과 의료의 고급화, 전문화, 일변도의 과정에서 소외되었던 기본건강관리체계 강화에 역점을 둔 다양하고 탄력성 있는 사업전개가 요구되고 있다는 점입니다. 다양한 건강관리요구에 적절히 대처할 수 있기 위한 그간 세계 각처에서 시도된 새로운 건강관리 접근과 그 제안을 살펴보면 대체로 4가지의 뚜렷한 성격들로 집약할 수 있을 것 같습니다. 그 첫째는 건강관리사업계획 및 그 수행에 있어 지역 사회의 적극적 참여를 유도하는 일, 둘째는 지역단위의 일차보건의료에서 부터 도심지 신예 종합병원, 시설 의료에 이르기까지 건강관리사업을 합리적으로 체계화하는 일. 셋째로 의료인력이용의 효율화 및 비의료인의 훈련과 협조 유발을 포함하는 효과적인 인력관리에 대한 제안과 넷째로 의료보험 및 각양 집단 의료유형을 포함하는 대체 의료재정 운영관리에 관련된 제안들을 들 수 있읍니다. 건강관리사업에 있어 지역사회 참여의 의의는 첫째로 사회 경제적인 제약이 모든 사람에게 가능한 최대한의 의료를 모두 고루 공급하기 어렵게 하고 있다는 점에서 제한된 정부재정과 지역사회가용자원을 보다 효율적으로 이용할 수 있게 하는 자조적이고 자율적인 지역사회건강관리체제의 구현에 있다고 볼 수 있으며 둘때로는 개인과 가족 및 지역민의 건강에 영향하는 많은 요인들은 실질적으로 의료권 외적 요인들로서 위생적인 생활양식, 식사습관, 의료시설이용 등 깊이 지역사회특성과 관련되어 국민보건의 실질적 향상을 위하여는 지역 주민의 자발적인 참여가 필수여건이 된다는 점 입니다. 지역 단위별 체계적인 의료사업의 전개는 제한된 의료자원의 보다 합리적이고 효율적인 이용을 가능하게 하며 요구가 있을때 언제나 가까운 거리에서 경제 사회적 제약을 받지 않고 이용할 수 있는 일차건강관리망을 통하여 건강에 관련된 정보를 얻으며 질병예방, 건강증진 및 기초적인 진료의 도움을 얻을 수 있고 의뢰에 대한 제2차, 제3차 진료에의 길은 건강관리사업의 질과 폭을 동시에 높고 넓게 해 줄 수 있는 길이 된다는 것입니다. 인력 관리에 관련된 두가지 기본 방향으로서는 첫째로 기존보건의료인력의 적정배치 유도이고 둘째는 기존인력의 역할확대, 조정 및 비의료인의 교육훈련과 부분적 업무대체를 들수 있으며 이러한 인력관리의 기본 방향은 부족되는 의료인력의 생산성을 높이고 주민들의 자조적 능력을 강화시킨다는 데에 두고 있음니다. 대체적 의료재정운영안은 대체로 의료공급과 재정관리를 이원화하여 주민의 경제능력이 의료수혜의 장애요소로 작용함을 막고 의료인의 경제적 동기에 의한 과잉치료처치에 의한 낭비를 줄임으로써 의료재정의 투자의 효과를 증대하는 데(cost-effectiveness) 그 기본방향을 두고 있다고 봅니다. 이러한 주변의료 사회적인 동향이 간호교육의 미래상에 끼치는 영향은 지대한 것이라 봅니다. 첫째로 장래 세계인구의 건강문제는 정치, 사회, 경제, 환경적인 의료권 밖의 요인들에 의해 더욱 크게 영향 받는다고 전제한다면 건강문제해결에 있어서도 전통적인 의료사업의 접근에서 더나아가 문제발생의 근원이 되는 생활개선이라는 차원에서 포괄적 접근을 생각하여야 하고 이를 위해선 정치, 경제, 사회전반에 걸친 깊이있는 이해과 주민의 생활환경에 직접 영향하는 교통수단, 통신망 mass media, 전력문제, 농업경영방법 및 조직적 사회활동 등 폭넓은 이해가 요구된다고 봅니다. 둘째로, 지역사회참여의 의의를 인정한다면 지역민의 자발적 참여를 효과적으로 유발시킬수 있고 의료집단과 각종 주민조직과 일반주민들 사이에서 협조적으로 일할수 있는 역량을 기르기위한 교육적 준비가 요구된다고 봅니다. 셋째로, 지역주민의 건강관리 자조능력 강화를 하나의 목표로 삼는다면 치료자에서 교육자로, 지도자에서 촉진자로, 제공자에서 지원자료의 역할의 변화 내지 다양화를 요구하게 될 것이므로 그에 대처할 수 있는 준비가 필요하다고 봅니다. 넷째로, 생각되어야 할 점은 지역중심건강관리사업을 지향하는 보건의료의 이념적 방향과 그에 상응하는 구체적 접근방법을 효율적으로 적용하기 위해서는 종횡으로 연결되는 의사소통체계의 정립과 민활한 정보교환이 이루어질 수 있어야 한다는 점에서 의사소통의 구심체로서 역할할 수 있는 역량을 함양해야 할 교육적 과제가 있다고 봅니다. 마지막으로 생각되어야 할 점은 지역중심으로 전개될 건강관리사업은 건강증진 및 질병예방적 측면과 질병진료 및 회복과 재활에 이르는 종합적이고 포괄적인 사업이어야 한다는 점에서 종래 공공 의료부문과 사설의료기관 사이에 나누어져 있던 예방의학과 치료의학의 통합 뿐 아니라 정부주축으로 이루어 지고 있는 지역사회개발사업 및 농촌지도사업과 종교 및 각종 민간인 집단이 벌이고있는 사업들과의 전체적인 통합적 접근이 이루어져야 한다고 생각하는 입장에서 종래 간호교육이 강조하지 않던 진료의 의무와 대외적 조직활동에 대한 보완적인 교육조치가 요구된다고 봅니다. 간호의 학문체계로서의 입장은 오랜 역사를 두고 논의의 대상이 되어왔으나 아직까지 뚜렷이 어떤 것이 간호 특유의 지식체계이며 건강문제에 관련하여 무엇이 간호특유의 결정영역이며 이 결정과 그 결과를 어떠한 방법으로 치료적 행위로 옮길 수 있는가에 대한 확실한 답을 얻지 못하고 있는 실정이라고 봅니다. 다만 근래에 제시된 여러 간호이론들 속에서 공통적으로 이야기되어지고 있는 개념들로선 우선 간호학문을 건강과 질병에 관련된 인간의 전인적이고 전체적인 상황을 다루는 학제적 과학으로서보는 입장이 있고 따라서 생물신체적인 면 외에 정신심리적, 사회경제적, 정치문화적 환경과의 상호작용 속에서 인간의 건강과 질병문제를 생각한다는 지향을 갖고 있다고 말할 수 있겠읍니다. 간호교육은 간호계 내적인 학문적, 이론적 체계화의 요구에 못지않게 대민봉사하는 전문직으로서의 사회적 책임을 감당해야하는 중요과제를 안고있어 변화하는 사회요구에 효과적으로 대처해 나가야 할 당면문제를 안고 있읍니다. 간효역할 확대, 보건진료원훈련 등 이러한 사회적 요구에 대응하려는 조치가 되겠읍니다. 이러한 시점에서 간호계가 분명히 짚고 넘어가야 할 사실은 이러한 움직임들이 종래의 의사들의 외업무공급을 연장 확대하는 입장에 서서 간호의 특수전문직 명목을 흐리게 할수있는 위험을 감수할 것인지 아니면 가능한 대체방안을 갖고 간호전문직의 독자적인 진로를 개척하면서 다각적인 도전을 받아들일 준비를 갖추든지 그 방향을 뚜렷이 해야할 일이라 생각합니다. 저로서는 이미 잘 훈련된 간호원들과 조산원들의 교육적, 경험적 배경을 기반으로 지역사회 최일선 건강관리요원으로 사회적 효능을 다 할수 있는 일차건강관리간호조직의 구현을 대체방안으로 제시하고 싶습니다. 간호원과 조산원들의 훈련된 역량과 건강관리체제의 구조적 변화를 효과적으로 조화시킨다면 대부분의 세계인구의 건강문제는 해결가능하다고 보는 입장입니다. 물론 정책과 의료와 행정적지원이 활성화되어지는 환경속에서만 그 기대하는 결과가 확대되리라는 점 부언하는 바입니다. 마지막으로 언급하고 싶은 점은 바로 오늘의 주제 ''교육의 동역자-선생과 학생''이라는 개념입니다. 특히 상회정의적 입장에서 보는 의료사업전개에 지역민 내지 의료소비자의 참여를 강조하는 현시점에 있어 교육자와 학생이 교육의 현장에서 서로 동역자로서 학습의 책임을 나누는 경험은 아주 시기적으로 적합하여 교육적으로 지대한 의미를 갖는 것이라고 생각합니다. 이에 수반되어져야 할 역할의 변화에 수용적인 자세를 갖고 적극 실제적용하려 노력하는 선생앞에서 자주적 결정을 행사해본 학생이야말로 건강관리대상자로 하여금 같은 결정권을 행사할수 있도록 촉구하여 주민의 자조적 역량을 기르고 의료사업의 민주화, 인간화를 이룩할 수 있는 길잡이가 될 수 있으리라 믿는 바입니다.

• Clinical and Experimental Pediatrics
• /
• v.52 no.5
• /
• pp.557-566
• /
• 2009

Purpose : To evaluate the clinical features and characteristics of childhood periodic syndromes (CPS) in Korea using the new criteria of the International Classification of Headache Disorders (ICHD)-II. Methods : The study was conducted at pediatric neurology clinics of five urban tertiary-care medical centers in Korea from January 2006 to December 2007. Patients (44 consecutive children and adolescents) were divided into three groups (cyclic vomiting syndrome [CVS], abdominal migraine [AM], and benign paroxysmal vertigo of childhood [BPVC]) by recurrent paroxysmal episodes of vomiting, abdominal pain, dizziness, and/or vertigo using the ICHD-II criteria and their characteristics were compared. Results : Totally, 16 boys (36.4%) and 28 girls (63.6%) were examined (aged 4-18 yr), with 20 CVS (45.5%), 8 AM (18.2%), and 16 BPVC (36.4%) patients. The mean age at symptom onset was $6.3{\pm}3.6$ yr, $8.5{\pm}2.7$ yr, and $8.5{\pm}2.9$ yr in the CVS, AM, and BPVC groups, respectively, showing that symptoms appeared earliest in the CVS group. The mean age at diagnosis was $8.0{\pm}3.4$ yr, $10.5{\pm}2.6$ yr, and $10.1{\pm}3.2$ yr the CVS, AM, and BPVC groups, respectively. Of the 44 patients, 17 (38.6%) had a history of recurrent headaches and 11 (25.0%) showed typical symptoms of migraine headache, with 5 CVS (25.0%), 2 AM (25.0%), and 4 BPVC (25.0%) patients. Family history of migraine was found in 9 patients (20.4%): 4 in the CVS group (20.0%), 2 in the AM group (25.0%), and 3 in the BPVC group (18.8%). Conclusion : The significant time lag between the age at symptom onset and final diagnosis possibly indicates poor knowledge of CPS among pediatric practitioners, especially in Korea. A high index of suspicion may be the first step toward caring for these patients. Furthermore, a population-based longitudinal study is necessary to determine the incidence and natural course of these syndromes.

• Journal of Intelligence and Information Systems
• /
• v.26 no.4
• /
• pp.27-65
• /
• 2020

Many companies on information and communication technology make public their own developed AI technology, for example, Google's TensorFlow, Facebook's PyTorch, Microsoft's CNTK. By releasing deep learning open source software to the public, the relationship with the developer community and the artificial intelligence (AI) ecosystem can be strengthened, and users can perform experiment, implementation and improvement of it. Accordingly, the field of machine learning is growing rapidly, and developers are using and reproducing various learning algorithms in each field. Although various analysis of open source software has been made, there is a lack of studies to help develop or use deep learning open source software in the industry. This study thus attempts to derive a strategy for adopting the framework through case studies of a deep learning open source framework. Based on the technology-organization-environment (TOE) framework and literature review related to the adoption of open source software, we employed the case study framework that includes technological factors as perceived relative advantage, perceived compatibility, perceived complexity, and perceived trialability, organizational factors as management support and knowledge & expertise, and environmental factors as availability of technology skills and services, and platform long term viability. We conducted a case study analysis of three companies' adoption cases (two cases of success and one case of failure) and revealed that seven out of eight TOE factors and several factors regarding company, team and resource are significant for the adoption of deep learning open source framework. By organizing the case study analysis results, we provided five important success factors for adopting deep learning framework: the knowledge and expertise of developers in the team, hardware (GPU) environment, data enterprise cooperation system, deep learning framework platform, deep learning framework work tool service. In order for an organization to successfully adopt a deep learning open source framework, at the stage of using the framework, first, the hardware (GPU) environment for AI R&D group must support the knowledge and expertise of the developers in the team. Second, it is necessary to support the use of deep learning frameworks by research developers through collecting and managing data inside and outside the company with a data enterprise cooperation system. Third, deep learning research expertise must be supplemented through cooperation with researchers from academic institutions such as universities and research institutes. Satisfying three procedures in the stage of using the deep learning framework, companies will increase the number of deep learning research developers, the ability to use the deep learning framework, and the support of GPU resource. In the proliferation stage of the deep learning framework, fourth, a company makes the deep learning framework platform that improves the research efficiency and effectiveness of the developers, for example, the optimization of the hardware (GPU) environment automatically. Fifth, the deep learning framework tool service team complements the developers' expertise through sharing the information of the external deep learning open source framework community to the in-house community and activating developer retraining and seminars. To implement the identified five success factors, a step-by-step enterprise procedure for adoption of the deep learning framework was proposed: defining the project problem, confirming whether the deep learning methodology is the right method, confirming whether the deep learning framework is the right tool, using the deep learning framework by the enterprise, spreading the framework of the enterprise. The first three steps (i.e. defining the project problem, confirming whether the deep learning methodology is the right method, and confirming whether the deep learning framework is the right tool) are pre-considerations to adopt a deep learning open source framework. After the three pre-considerations steps are clear, next two steps (i.e. using the deep learning framework by the enterprise and spreading the framework of the enterprise) can be processed. In the fourth step, the knowledge and expertise of developers in the team are important in addition to hardware (GPU) environment and data enterprise cooperation system. In final step, five important factors are realized for a successful adoption of the deep learning open source framework. This study provides strategic implications for companies adopting or using deep learning framework according to the needs of each industry and business.

• Journal of Intelligence and Information Systems
• /
• v.27 no.1
• /
• pp.83-102
• /
• 2021

The government recently announced various policies for developing big-data and artificial intelligence fields to provide a great opportunity to the public with respect to disclosure of high-quality data within public institutions. KSURE(Korea Trade Insurance Corporation) is a major public institution for financial policy in Korea, and thus the company is strongly committed to backing export companies with various systems. Nevertheless, there are still fewer cases of realized business model based on big-data analyses. In this situation, this paper aims to develop a new business model which can be applied to an ex-ante prediction for the likelihood of the insurance accident of credit guarantee. We utilize internal data from KSURE which supports export companies in Korea and apply machine learning models. Then, we conduct performance comparison among the predictive models including Logistic Regression, Random Forest, XGBoost, LightGBM, and DNN(Deep Neural Network). For decades, many researchers have tried to find better models which can help to predict bankruptcy since the ex-ante prediction is crucial for corporate managers, investors, creditors, and other stakeholders. The development of the prediction for financial distress or bankruptcy was originated from Smith(1930), Fitzpatrick(1932), or Merwin(1942). One of the most famous models is the Altman's Z-score model(Altman, 1968) which was based on the multiple discriminant analysis. This model is widely used in both research and practice by this time. The author suggests the score model that utilizes five key financial ratios to predict the probability of bankruptcy in the next two years. Ohlson(1980) introduces logit model to complement some limitations of previous models. Furthermore, Elmer and Borowski(1988) develop and examine a rule-based, automated system which conducts the financial analysis of savings and loans. Since the 1980s, researchers in Korea have started to examine analyses on the prediction of financial distress or bankruptcy. Kim(1987) analyzes financial ratios and develops the prediction model. Also, Han et al.(1995, 1996, 1997, 2003, 2005, 2006) construct the prediction model using various techniques including artificial neural network. Yang(1996) introduces multiple discriminant analysis and logit model. Besides, Kim and Kim(2001) utilize artificial neural network techniques for ex-ante prediction of insolvent enterprises. After that, many scholars have been trying to predict financial distress or bankruptcy more precisely based on diverse models such as Random Forest or SVM. One major distinction of our research from the previous research is that we focus on examining the predicted probability of default for each sample case, not only on investigating the classification accuracy of each model for the entire sample. Most predictive models in this paper show that the level of the accuracy of classification is about 70% based on the entire sample. To be specific, LightGBM model shows the highest accuracy of 71.1% and Logit model indicates the lowest accuracy of 69%. However, we confirm that there are open to multiple interpretations. In the context of the business, we have to put more emphasis on efforts to minimize type 2 error which causes more harmful operating losses for the guaranty company. Thus, we also compare the classification accuracy by splitting predicted probability of the default into ten equal intervals. When we examine the classification accuracy for each interval, Logit model has the highest accuracy of 100% for 0~10% of the predicted probability of the default, however, Logit model has a relatively lower accuracy of 61.5% for 90~100% of the predicted probability of the default. On the other hand, Random Forest, XGBoost, LightGBM, and DNN indicate more desirable results since they indicate a higher level of accuracy for both 0~10% and 90~100% of the predicted probability of the default but have a lower level of accuracy around 50% of the predicted probability of the default. When it comes to the distribution of samples for each predicted probability of the default, both LightGBM and XGBoost models have a relatively large number of samples for both 0~10% and 90~100% of the predicted probability of the default. Although Random Forest model has an advantage with regard to the perspective of classification accuracy with small number of cases, LightGBM or XGBoost could become a more desirable model since they classify large number of cases into the two extreme intervals of the predicted probability of the default, even allowing for their relatively low classification accuracy. Considering the importance of type 2 error and total prediction accuracy, XGBoost and DNN show superior performance. Next, Random Forest and LightGBM show good results, but logistic regression shows the worst performance. However, each predictive model has a comparative advantage in terms of various evaluation standards. For instance, Random Forest model shows almost 100% accuracy for samples which are expected to have a high level of the probability of default. Collectively, we can construct more comprehensive ensemble models which contain multiple classification machine learning models and conduct majority voting for maximizing its overall performance.