기부에 영향을 미치는 주요 예측 변수 탐색 : 머신러닝을 이용하여

• Published in: 인문사회과학연구, 33(2) pp. 549 - 571
• Main Authors: 이영주, 김시형, 김진희
• Format: Journal Article
• Language: Korean
• Published: 인문사회과학연구소 01.05.2025
• Subjects: 사회과학일반
• ISSN: 2288-8861; 2671-5376
• DOI: 10.22924/jhss.33.2.202505.023

· 연구 주제: 본 연구는 2022년 기빙코리아 조사 자료를 바탕으로 개인의 기부 행동을 예측하며 이에 영향을 미치는 주요 요인을 머신러닝 기법을 활용하여 도출함으로써, 기부 문화 확산을 위한 실질적인 근거를 마련하려고 한다. · 연구 배경: 최근 들어서 사회적 책임과 공동체 의식이 늘어나면서 기부에 대한 사회적인 논의가 늘어나고 있다. 하지만 실제 기부율은 정체되거나 감소하는 양상을 보이므로 개인의 기부 행동을 예측하고 이를 유도할 수 있는 실질적인 방안 마련이 요구된다. 이에 따라 개인의 기부 행동에 영향을 미치는 요인을 규명하며, 머신러닝 기법을 활용하여 기부 행동을 예측할 수 있는 최적 모델을 살펴보려 한다. · 선행연구와의 차이점: 기존 기부에 대한 영향요인 검증연구는 주로 회귀분석에 기반해서 진행되었다. 반면, 본 연구는 다양한 머신러닝 모형을 비교하여 가장 적합한 모형을 선정하고 변인 간 복합적 상호작용을 반영할 수 있는 학습과 테스트를 통해 실제 기부 행동 예측의 정확도를 높였다. · 연구방법: 본 연구는 2022년 기빙코리아 조사 자료를 활용하였다. 기부 경험이 있는 만 18세 이상 성인 2,099명을 분석 대상으로 데이터 전처리를 활용하여 총 20개의 설명변수를 최종 선정하였다. 이후 기부 행동 여부를 종속변수로 설정하였으며, 총 8개의 머신러닝 모형을 적용하였다. 각 모형의 성능을 비교하기 위하여 Accuracy,Precision, Recall, F1 Score, AUC, Log-loss 평가지표를 사용하였다. · 연구결과: 상위 3개 모형의 변수 중요도 평균 분석 결과, ‘비영리단체에 대한 동의’와 ‘사회참여활동 의향’이 기부 행동에 영향을 미치는 주요 요인으로 확인되었다. · 공헌점 및 기대효과: 개인의 기부 행동을 다양한 머신러닝 기법을 통하여 분석하여, 향후 기부 행동 예측 모델의 고도화 및 자동화 시스템 개발을 위한 기초자료로 활용될 수 있다. 주요 영향 변수를 도출함을 통하여, 기부 유도를 위한 타겟 전략 수립과 함께 공익 캠페인 설계 시에 실질적이면서 체계적인 근거자료를 제공한다. 이를 통하여 기부 문화 확산과 공공 이익을 증진하는데 이바지할 수 있는 실천적 시사점을 제시한다. · Research topics: This study aims to predict individual charitable giving behavior based on the 2022 Giving Korea survey data and to identify the key factors influencing such behavior using machine learning techniques, thereby providing practical evidence for promoting a culture of giving. · Research background: In recent years, social discussions about donation have been increasing due to the growing sense of social responsibility and community. However, the actual donation rate has been stagnant or declining, so there is a need for practical measures to predict and guide individual donation behavior. In this study, we investigate the factors that influence individual donation behavior and explore the best model to predict donation behavior using machine learning techniques. · Differences from prior research: Previous studies on factors influencing giving behavior have mostly been conducted based on regression analysis. In contrast, this study compares various machine learning models and enhances the accuracy of predicting actual giving behavior by incorporating complex interactions among variables through training and testing. · Research method: This study utilized data from the 2022 Giving Korea survey. A total of 20 explanatory variables were finally selected using data preprocessing to analyze 2,099 adults aged 18 and over who have donated before. The dependent variable was donation behavior, and a total of eight machine learning models were applied. The following metrics were used to compare the performance of each model: Accuracy, Precision, Recall, F1 Score, AUC, and Log-loss. · Research results: Based on the average of the importance of the variables in the top three models, 'agreement with the nonprofit organization' and 'intention to engage in socially engaged activities' were identified as the main factors affecting donation behavior. · Contribution points and expected effects: This study analyzes individual giving behavior using a range of machine learning techniques to provide foundational insights for the development and automation of donation behavior prediction models. It also identifies key influencing factors, offering practical and systematic evidence for the design of targeted strategies to encourage donations and the planning of public interest campaigns. The findings present actionable implications for fostering a culture of giving and enhancing the public good. KCI Citation Count: 0