earticle

영어

The purpose of this study is to identify recidivism risk factors of KSORAS (Korean Sex Offender Risk Assessment Scale) by using machine learning method, especially decision tree analysis and random forest algorithm which are currently being studied actively in the US. Also the limitation of existing risk assessments is explained. By using revised version of KSORAS data of the offenders who are under electronic monitoring, it was feasible to figure out the most related factors among 55 other factors to recidivism. The most affective factor to recidivism was the item number 8 which is problematic behavior while supervision period. This statistical approach is expected to be a latest way of making up for any weak points of existing risk assessments.

한국어

본 연구에서는 재범위험성 평가 도구와 관련한 국내 현황과 한계점에 대하여 설명 하고 이를 위한 새로운 통계적 접근 방법을 제시하고자 하였다. 현재 미국에서 활발한 연구가 이루어지고 있는 머신 러닝 기법인 의사결정 나무(decision tree) 분석과 랜덤 포레스트 기법을 도입하여 한국 성범죄자 위험성 평가척도인 K-SORAS의 개정판을 이 용하여 수집한 데이터 샘플에서 성범죄 재범을 일으키는 가장 큰 위험요인을 확인하였다. 그 결과 KSORAS의 문항 중 8번 문항인 ‘감독 기간 내 문제 행동’이 재범과 가장 관련이 큰 것을 확인할 수 있었다. 이를 통해 한국의 재범위험성 평가가 가진 한계점을 보완하는 방법을 고찰해 보았다. 이와 같이 재범위험성 평가에 머신 러닝 기법을 함께 활용하여 분석하는 연구들은 현재 국내에서는 아직 그 흔적을 찾기가 어려운 상황이다. 따라서 본 연구가 그 발판이 되어 머신 러닝 기법 등을 재범위험성 평가 등에 적용하여 분석해보는 활발한 추가 연구가 이루어지게 되기를 바란다.