earticle

영어

This study aims to explore ways to promote the utilization of local government accounting information, particularly in the context of the accrual-based double-entry accounting system that has been introduced since 2008. Although institutional, academic, and practical efforts have been made to enhance the use of such accounting information, concerns remain that its utilization has not been as active as initially expected. To address this issue, the study examines whether the application of machine learning techniques can provide alternative approaches to the traditional methods of analysis. The research conducts a review of the relevant literature and applies various empirical methodologies, including cross-sectional analysis, association analysis, and time-series forecasting, to investigate the usefulness of local government accounting information. The results indicate that machine learning techniques can complement conventional approaches by capturing complex patterns more effectively and offering new possibilities for financial analysis. This study contributes to the academic discussion by presenting a methodological alternative that integrates machine learning into the field of governmental accounting research, and it provides practical implications for enhancing the utilization of accrual-based accounting information in local governments.

한국어

본 연구에서는 지방자치단체의 발생주의 복식부기 회계정보 활용도를 높이기 위해 머신러닝 기법을 적용한 새로운 접근법을 제안하였다. 기존의 회계정보 분석은 주로 전통적인 분석방법에 의존하였으 나, 본 연구는 K-means, Silhouette 분석 등을 통하여 재정회계 위상을 파악하고, OLS, Neural Network Analysis, XGboost의 방법을 통해 사회문제의 연관성을 분석하였다. 마지막으로 Panel Data 분석, VAR, GRU(Gated Recurrent Unit)와 같은 머신러닝 방법을 통해 재정회계 미래예측을 진행하였다. 분석 결과, 머신러닝 기법은 재정회계 정보의 시각화와 유형화를 개선하고, 자치단체 간 재정 위상을 비교하는 데 유용성을 보였다. 또한, 주요 사회적 이슈인 주민수와 지역내 총생산과 연관 된 자치단체의 회계정보를 도출해냈다. 그러나 머신러닝 기법이 전통적 기법 대비 혁신적인 발견을 도 출하지는 못하였으며, 이는 회계 데이터의 특성 및 한계와 관련이 있을 수 있다. 본 연구는 재정회계 정 보의 신뢰성과 정합성을 개선하기 위한 머신러닝 기반 연구의 필요성을 강조하였고, 추후에는 비정형 데이터를 활용한 분석이 새로운 가능성을 열 수 있음을 제시하였다.