KR100799665B1 - 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템 - Google Patents

노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템 Download PDF

Info

Publication number
KR100799665B1
KR100799665B1 KR1020070035252A KR20070035252A KR100799665B1 KR 100799665 B1 KR100799665 B1 KR 100799665B1 KR 1020070035252 A KR1020070035252 A KR 1020070035252A KR 20070035252 A KR20070035252 A KR 20070035252A KR 100799665 B1 KR100799665 B1 KR 100799665B1
Authority
KR
South Korea
Prior art keywords
assessment
desire
item
items
correlation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
KR1020070035252A
Other languages
English (en)
Inventor
김영숙
Original Assignee
삼육대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼육대학교산학협력단 filed Critical 삼육대학교산학협력단
Priority to KR1020070035252A priority Critical patent/KR100799665B1/ko
Application granted granted Critical
Publication of KR100799665B1 publication Critical patent/KR100799665B1/ko
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Game Theory and Decision Science (AREA)
  • Emergency Management (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Child & Adolescent Psychology (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 욕구 사정 예측 방법 및 상기 방법을 수행하기 위한 시스템에 관한 것으로, 보다 상세하게는 노인들로부터 입력받은 사정 항목을 분석하여 노인들의 욕구 항목을 정확히 추출하고, 상기 추출된 욕구 항목에 따라 노인들에게 적합한 복직 서비스를 제공하기 위한 욕구 사정 예측 시스템 및 방법에 관한 것이다.
본 발명에 따르면, 노인들의 욕구 항목을 도출함에 있어서, 그 정확도 및 신뢰도를 높이고, 복지 서비스의 효율적 배분과 관리가 가능하게 된다.
욕구 사정, 복지 서비스, 예측률, 데이터마이닝, 상관 패턴

Description

노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기 방법을 수행하기 위한 시스템{METHOD AND SYSTEM FOR PREDICTING THE DESIRE FOR THE ATGED WELFARE}
도 1은 본 발명에 따른, 욕구 사정 예측을 위한 네트워크 시스템 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른, 욕구 사정 예측 시스템의 내부 블록도를 도시한 도면이다.
도 3a 내지 도 3g는 욕구 사정 정보의 입력에 대한 일례로서, 데이터 쉬트의 일례를 도시하고 있다.
도 4는 본 발명의 일실시예에 따라서, 욕구 항목 생성부(203)부터 생성된 욕구 항목 목록(리스트, List)의 일례를 도시한 것이다.
도 5는 상관 패턴 도출을 위하여 각 욕구에 대하여 적용되는 모델링 기법을 설명하기 위한 예측 모형을 도시한 것이다.
도 6은 도 5의 각 노드들에 있어서, 욕구 항목이 "있다"라고 답변한 예측률 표(Gain Chanrt)를 도시하고 있다.
도 7은 사정 항목과 욕구 항목의 관계도를 도시하고 있다.
도 8은 사용자에게 제공하는 복지 서비스 제공 항목의 일례를 도시한 것이다.
도 9는 본 발명에 따른 또다른 일례로서, 복지 서비스 제공 항목을 이용하여, 실제 노인들에게 제공하는 복지 서비스 일정을 도시한 것이다.
도 10은 본 발명에 따른 복지 서비스를 위한 욕구 사정 예측 방법을 도시한 흐름도이다.
도 11은 본 발명에 따른 욕구 사정 예측 시스템을 구성하는 데 채용될 수 있는 범용 컴퓨터 시스템의 내부 블록도이다.
<도면의 주요 부분에 대한 부호의 설명>
욕구 사정 정보 입력부(201)
데이터 분석부(202)
욕구 항목 생성부(203)
복지 서비스 데이터베이스(204)
복지 서비스 제공부(205)
본 발명은 욕구 사정 예측 방법 및 상기 방법을 수행하기 위한 시스템에 관한 것으로, 보다 상세하게는 노인들로부터 입력받은 사정 항목을 분석하여 노인들의 욕구 항목을 정확히 추출하고, 상기 추출된 욕구 항목에 따라 노인들에게 적합한 복직 서비스를 제공하기 위한 욕구 사정 예측 시스템 및 방법에 관한 것이다.
현대 의학의 급속한 발전은 인간의 수명을 획기적으로 증가시키면서, 고령화 사회를 촉진시키고 있다. 전체 인구 중에서 노인 수가 증가하면서, 노인의 복지에 대한 관심도 높아지고 있다.
노인 복지(The aged welfare)는 노인이 복지적인 상태를 유지하도록 하는 사회적 활동으로 사회복지실천의 한 분야이다. 보다 구체적으로 정의하면 노인 복지는 "노인이 인간다운 생활을 영위하면서 자기가 속한 가족과 사회에 적응하고 통합될 수 있도록 필요한 자원과 서비스를 제공하는 데 관련된 공적 및 사적 차원에서의 조직적 제반활동"을 의미한다.
노인 복지 서비스를 제공하기 위한 다양한 시스템이 현재 개발되어 운용되고 있다. 노인에게 최적의 복지 서비스를 제공하기 위해서는 무엇보다도 노인의 욕구를 정확히 파악하고 그에 적합한 복지 서비스의 제공이 필수적이다.
그러나, 노인의 욕구를 파악함에 있어서, 종래 시스템은 단순히 상담 과정을 통하여 기록지와 정보를 입력하는 단계를 수행함으로써, 노인의 욕구에 대한 정확한 패턴과 유형 추적이 힘들었다. 또한, 누적된 입력 정보의 체계적인 관리가 미흡하고 그나마 이들 자료의 분석 과정에 있어서 분석자의 주관적 성향에 의존함으로써 객관적이고 신뢰도 높은 욕구 추출이 어렵다는 문제가 있었다.
또한, 복지 서비스를 제공함에 있어, 노인들의 실제 욕구에 부합된 복지 서비스의 체계적인 제공이 이루어지지 못하고 있었다.
본 발명은 상기와 같은 종래기술을 개선하기 위해 안출된 것으로서, 객관적이고 신뢰도 높은 분석 방법을 통하여 노인들의 욕구를 정확히 파악할 수 있도록 하는 것을 목적으로 하고 있다.
본 발명의 다른 목적은 노인의 욕구에 대한 패턴을 데이터베이스를 통하여 지속적으로 관리, 추적할 수 있도록 하는 것이다.
본 발명의 또다른 목적은 노인들의 욕구를 도출함에 있어, 시간적으로 또는 환경적 변화에 관계없이 신뢰도 높은 분석 결과를 얻을 수 있도록 하는 것이다.
본 발명의 또다른 목적은, 도출된 욕구에 따라 가장 적합한 복지 서비스 항목들을 선별하여 맞춤형 복지 서비스를 제공할 수 있도록 하는 것이다.
상기의 목적을 달성하고, 상술한 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 복지 서비스를 위한 욕구 사정 예측 시스템은, 사용자로부터 적어도 하나 이상의 욕구 사정 항목을 포함하는 욕구 사정 정보를 입력 받는 욕구 사정 정보 입력부, 상기 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목들 사이의 상관도를 분석하는 데이터 분석부, 및 상기 분석된 상관도에 따라서 상기 사용자와 상관된 적어도 하나 이상의 욕구 항목을 생성하는 욕구 항목 생성부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 복지 서비스를 위한 욕구 사정 예측 방법은, 사용자로부터 적어도 하나 이상의 욕구 사정 항목을 포함하는 욕구 사정 정보를 입력 받는 단계, 상기 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목들 사이의 상관도를 분석하는 단계, 및 상기 분석된 상관도에 따라서 상기 사용자와 상관된 적어도 하나 이상의 욕구 항목을 생성하는 단계를 포함하는 것을 특징 으로 한다.
이하 첨부된 도면을 참조하여 본 발명에 따른 복지 서비스를 위한 욕구 사정 예측 방법 및 상기 방법을 수행하기 위한 시스템에 대하여 상세히 설명한다.
본 발명에서 사용하는 "욕구 항목"이라는 용어는, 노인이 자신의 신체, 심리, 주거환경 등 일상 생활의 모든 분야에서 본능적으로, 육체적으로, 정신적으로 또는 사회적으로 바라는 항목들을 포괄하여 의미하는 것으로 해석될 수 있다.
도 1은 본 발명에 따른, 욕구 사정 예측을 위한 네트워크 시스템 구성을 도시한 도면이다.
본 발명에 따른 네트워크 시스템은, 욕구 사정 정보 입력 단말기(101), 욕구 사정 예측 시스템(102), 복지 서비스 데이터베이스(103), 및 욕구 정보 관리 단말기(104)를 포함한다.
본 발명에 따른 사용자는 노인 복지사(또는 워커)를 의미할 수 있으며, 직접 노인을 방문하거나 또는 노인과 접촉하여 상담하면서 노인으로부터 욕구 사정 정보를 입력받게 된다. 욕구 사정 정보 입력 단말기(101)는 PDA, 핸드폰 등의 모바일 기기, 터치 스크린 또는 키 패드를 구비한 컴퓨터 기록 장치 및 스캔, OMR 장치 중 어느 하나를 포함하고, 적외선 통신(IrDA: Infrared Data Association) 모듈, 블루투스(Bluetooth) 모듈 및 초광대역통신(UWB: Ultra Wide Band) 모듈 중에서 어느 하나의 모듈을 탑재하여 통신망(네트워크)를 통하여 욕구 사정 예측 시스템(102)에 연결될 수 있다. 사용자는 데이터 쉬트를 작성하여 단말기에 입력하거나 또는 인터넷에 접속하여 웹사이트 상에서 욕구 사정 정보를 입력할 수 있다. 또달리, 파 일 형태로 욕구 사정 정보를 단말기에 입력할 수도 있다.
욕구 사정 예측 시스템(102)은 욕구 사정 정보를 분석 및 통계화하여 사용자와 상관된 욕구 항목의 패턴을 분석하고, 사용자의 사정 항목과 상관된 실제 욕구 항목을 도출할 수 있다.
복지 서비스 데이터베이스(103)는 욕구 항목별로 여러 가지 다양한 복지 서비스 항목을 저장하고, 사용자로부터 요청이 있는 경우 해당 서비스 항목을 제공하게 된다.
도 2는 본 발명의 일실시예에 따른, 욕구 사정 예측 시스템의 내부 블록도를 도시한 도면이다.
본 발명에 따른 욕구 사정 예측 시스템(200)은, 욕구 사정 정보 입력부(201), 데이터 분석부(202), 및 욕구 항목 생성부(203)를 포함할 수 있다. 또다른 일례로서, 욕구 사정 예측 시스템(200)은 복지 서비스 데이터베이스(204), 및 복지 서비스 제공부(205)를 더 포함할 수 있다. 이하, 각 구성 요소별로 그 기능을 상술하기로 한다.
욕구 사정 정보 입력부(201)는 사용자로부터 적어도 하나 이상의 사정 항목을 포함하는 욕구 사정 정보를 입력 받는다. 사용자는 노인과의 상담 과정을 통하여 사정 항목에 대해서 질문하고, 그에 대한 답변을 욕구 사정 정보로서 욕구 사정 정보 입력부(201)를 통하여 입력하게 된다. 사용자의 입력을 위하여, 도 1에 도시한 욕구 사정 정보 입력 단말기(101)가 사용될 수 있다.
노인들이 진정 바라는 소기의 욕구 항목을 추출하기 위해서는 노인들에게 다 양한 사정(査定) 항목을 통하여 질문할 필요가 있다. 이에, 본 발명에 따른 일례로서, 사정 항목은 분야별로 또는 질문 속성별로 카테고리화할 수 있으며, 이러한 카테고리의 일례로서 주관적 호소, 주수발자 기본정보, 현재 이용하고 있는 서비스, 주거환경, 건강상태, 재활상태, 일상생활, 사회적 지지, 행동장애, 문제행동 부문, 의료건강, 생활습관 및 강점 중 적어도 어느 하나를 포함할 수 있다.
욕구 사정 항목은 과거부터 현 시점까지, 노인들에게 제공된 복지서비스를 분석하여 전문가, 복지관리자 및 학술적 의견을 취합하여 선정될 수 있다. 복지 서비스 제공 대상이 되는 노인들이 처한 환경 등을 고려하여, 적절히 선정 기준을 설정하고 이에 따른 맞춤형 사정 항목의 제공도 가능하다.
욕구 사정 정보의 입력에 대한 일례로서, 상기한 적어도 하나의 사정 항목을 목록화한 데이터 쉬트를 이용할 수 있다.
도 3a 내지 도 3g는 데이터 쉬트의 일례를 도시하고 있다. 도 3a 내지 도 3g에 따르면, 각각의 사정 항목은 복수의 하위 문항을 포함할 수 있다. 이하, 각 도면 별로 사정 항목을 상세히 설명하기로 한다.
본 발명에서 사용하는 "호소"라는 용어는 노인으로부터 표출된 어려움(complain)을 의미하는 것으로서, 욕구 상담 과정을 통하여 얻게 되는 노인들의 심리적 상태로서 실제 노인들의 마음 속에 내재된 욕구와는 구별된다.
도 3a의 "주관적 호소" 항목은 노인이 주관적으로 느끼고 있는 불편에 대한 정보를 질문하는 항목으로서, 일례로서 노인의 신체, 심리, 환경 등에 대한 정보를 질문할 수 있다.
도 3b의 "주수발자 기본정보" 항목은 노인의 수발자에 대한 정보를 질문하는 항목으로서, 일례로서 수발자의 존재 여부, 수발자의 동거 여부, 수발자의 수행시간, 수발자에 대한 만족도 등에 대한 정보를 질문할 수 있다.
도 3b의 "현재 이용하고 있는 서비스" 항목은 노인이 현재 여러 복지 시설 또는 복지 기관으로부터 제공받고 있는 복지서비스 정보를 질문하는 항목으로서, 일례로서 목욕, 청소, 차량이송, 통원치료 등에 대한 정보를 질문할 수 있다.
도 3b의 "주거환경" 항목은 현재 노인이 생활하고 있는 주거 공간에 대한 정보를 질문하는 항목으로서, 자택의 구조, 외부 이동 통로, 채광 및 통풍상태에 대한 것들을 질문할 수 있다.
도 3c의 "건강상태" 항목은 노인의 건강 상태에 대한 정보를 질문하는 항목으로서, 노인이 과거 치료하였거나, 현재 앓고 있는 질병 상태 및 복약유무에 대한 정보를 질문하게 된다.
도 3d의 "재활상태" 항목은 노인의 재활여부에 대한 정보를 질문하는 항목으로서, 일례로서 노인의 신체 이상 정도(마비, 구축)에 대한 정보를 질문하게 된다.
도 3d의 "일상생활" 항목은 기본적인 일상생활을 영위하는데 필요한 행동을 노인이 단독으로 수행할 수 있는지 여부를 질문하는 항목으로서, 일상 생활 활동 능력(ADL: Activity of Daily Living)과 도구적 일상 생활 활동 능력(IADL: Instrumental Activity of Daily Living)에 대한 정보를 질문하게 된다.
도 3e의 "사회적 지지" 항목은 생활여력에 대한 정보를 질문하는 항목으로서, 일상생활을 영위하기 위하여 친족 및 지역사회로부터 금전적, 물질적으로 후원 을 받거나 도움을 받는 정도에 대한 정보를 질문할 수 있다. 따라서, 소외된 노인에게 지역사회와 연계된 자원을 보다 집중적으로 제공하여 평준화된 일상생활을 영위할 수 있도록 하는데 활용될 수 있다.
도 3e의 "행동장애 항목"은 노인의 행동유형에 대한 정보를 질문하는 항목으로서, 인지기능과 문제행동에 대한 정보를 질문하게 된다. 따라서, 평소 노인의 행동유형을 파악하여 치매를 진단 및 치료를 위한 조치를 취할 수 있도록 한다.
도 3f의 "의료건강" 항목은 노인의 간호 처치상태에 대한 정보를 질문하는 항목으로서, 기관지 절개관 간호, 욕창간호 및 경관간호 등의 정보를 질문하게 된다. 따라서, 노인에게 건강진단 및 치료를 위한 조치를 취할 수 있고, 노인을 병간호하는 가족에게 수발을 위한 교육을 실시함으로써, 다양한 경로를 통하여 노인이 의료서비스를 제공받을 수 있도록 할 수 있다.
도 3f의 "생활습관" 항목은 노인의 평소 생활 패턴 정보를 질문하는 항목으로서, 흡연, 음주, 식사 및 사회활동 빈도 등의 정보를 질문하게 된다. 따라서, 바른 생활 습관을 유지할 수 있도록 노인에게 지원과 교육을 제공할 수 있다.
도 3g의 "강점" 항목은 노인이 다른 노인과 비교하여 상대적으로 우위에 있는 개인 성향에 대한 정보를 질문하는 항목으로서, 적극적인 사고, 여가활동의 참여 및 자기관리 등의 정보를 질문하게 된다.
사용자는 도 3a 내지 도 3g에 도시한 사정 항목들에 대한 노인들의 답변 사항을 데이터 쉬트에 표기하고, 이를 욕구 사정 정보 입력부(201)를 통하여 시스템에 입력하게 된다.
도 2의 데이터 분석부(202)는 욕구 사정 정보 입력부(201)로부터 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목에 대한 상관도를 분석하게 된다.
본 발명에서의 "상관도 분석"이라 함은 소정의 욕구 항목의 원인 또는 근거가 되는 사정 항목들을 찾아내는 과정으로서, 사용자가 특정의 사정 항목들을 선택한 경우에는 이들 선택된 사정 항목들로부터 소정의 욕구 항목을 가진 것으로 볼 수 있다는 것을 의미한다.
데이터 분석부(202)는 상관도 분석을 위하여 사정 항목과 욕구 항목에 관계에 대한 상관 패턴을 이용하게 된다. 즉, 다른 일반 노인들이 사정 항목들에 대하여 어떤 형태로 답변을 했고, 상기 답변을 한 노인들이 가지고 있는 욕구 항목이 무엇인지를 찾아낼 수 있다면, 이들 사정 항목과 욕구 항목 사이의 상관 패턴을 얻을 수 있게 된다.
욕구 항목 생성부(203)는 데이터 분석부(202)에서 분석된 상관도에 따라서 사용자와 연관된 적어도 하나 이상의 욕구 항목을 생성하게 된다.
데이터 분석부(202) 및 욕구 항목 생성부(203)는 입력된 데이터를 소정의 알고리즘에 따라 분석하거나 또는 특정 결과 데이터를 추출하는 연산 기능을 구비한 장치로서, 마이크로 프로세서 또는 콘트롤러, 및 메모리로 구성될 수 있다.
도 4는 본 발명의 일실시예에 따라서, 욕구 항목 생성부(203)부터 생성된 욕구 항목 목록(리스트, List)의 일례를 도시한 것이다. 도 4에 도시한 30개의 기본적 욕구 항목들 중에서, 각 노인들이 답변한 사정 항목들로부터 일상 생활에서의 거동이나 질병 치료, 또는 기타 경제적인 측면 등 다양한 분야에서의 노인들의 소정의 욕구 항목들을 생성할 수 있다. 생성된 욕구 항목들은 목록(리스트) 형태로 사용자에게 제공될 수 있다.
도 4에 도시한 욕구 항목 목록은 시간적 또는 환경적 변화에 따라서 그 내용이 바뀔 수 있으며, 현장 실무자, 복지 전문가의 의견을 반영하여 지속적으로 업데이트하는 것이 바람직할 것이다. 즉, 노인의 실제 욕구와 상관성이 결여되거나 미미한 욕구 항목을 삭제하고, 누락된 욕구 항목을 추가하여 노인의 욕구 항목을 갱신하여 저장함으로써, 보다 정확한 욕구 항목의 도출을 가능하도록 유도한다.
욕구 항목 생성부(203)는 욕구 항목들을 목록 형태로 생성함에 있어, 소정의 우선 순위에 따라 욕구 항목을 배열할 수 있다.
이하에서는, 데이터 분석부(202)에서 데이터마이닝 기법을 이용하여 상관 패턴을 도출하고, 이렇게 도출된 상관 패턴에 따라서 사정 항목들 사이의 상관도를 분석하는 과정들을 보다 자세히 설명하기로 한다.
데이터마이닝(data mining)이란 대용량의 데이터에 숨겨져 있는 데이터간의 상관 관계와 패턴을 탐색하고 이를 모형화하여 업무 및 일련의 프로세스에 적용할 수 있는 의미있는 정보로 변환하여 의사결정에 적용하는 과정을 의미한다.
수집된 데이터베이스로부터 과거에는 알지 못했지만 데이터 속에서 유도된 새로운 데이터 모델을 발견하여 미래에 실행 가능한 정보를 추출해 내고 의사결정에 이용하는 과정을 말한다. 즉 데이터에 숨겨진 패턴과 관계를 찾아내어 광맥을 찾아내듯이 정보를 발견해 내는 것이다. 여기에서 정보 발견이란 데이터에 고급 통계 분석과 모델링 기법을 적용하여 유용한 패턴과 관계를 찾아내는 과정이다.
본 발명에서도 상기한 데이터마이닝 기법을 이용하여 상관 패턴을 도출하게 되는데, 일례로서 복수의 다른 사용자들(또는 노인들)로부터 복수의 사정 항목 및 복수의 욕구 항목에 대한 설문 조사를 동시에 수행하여 대용량의 데이터를 데이터베이스에 축적하고, 그 축적된 데이터를 분석하여 패턴을 도출한다.
즉, 도 3a 내지 도 3g의 사정 항목들과 도 4의 욕구 항목 목록들에 대하여 노인들로부터 동시에 답변을 들음으로써, 욕구 항목과 사정 항목들 사이의 패턴을 찾을 수 있게 된다. 즉, 사정 항목 및 욕구 항목을 동시에 체크한 경우, 서로 상관이 있는 것으로 볼 수 있다는 것이다.
또달리, 패턴 도출 과정은 욕구 항목에 대한 산출 근거로서 어떠한 사정 항목들이 상관이 있는지 유무를 따져가는 것으로 볼 수 있다. 예를 들어서, 도 4의 욕구 1번의 "의료적 처치를 원한다"라는 욕구 항목에 대해서, 이러한 욕구 항목이 도출된 근거(이유)가 되는 사정 항목들로서 노인들이 자주 답변한 "질환 상태가 자주 발생하고(있고), 주수발자가 없고, 질환을 참고 견딜 수 있는 상태가 아니다(호소), 자원을 찾거나 상황에 대해서 대처 능력이 없다"에 대하여 호소상황, 일상생활, 주수발자 정보, 강점 등의 사정 항목의 조합을 통하여 그 근거를 찾는다.
또다른 일례로서, 도 4의 욕구 9번 항목인 "외출시 도움을 원한다(필요로 한다)"라는 욕구 항목에 대하여 "있다"라는 답변을 한 노인들이 소정의 사정 항목들에 대하여 주로 일관된 형태로 답변하였다고 가정하기로 한다. 즉, 도 3a의 "주관적 호소" 사정 항목의 23번 하위 항목인 "외부 이동시 동행을 희망한다(필요로 한 다)", 도 3b의 "주수발자 기본정보" 사정 항목의 1번 하위 항목인 "주수발자가 있다", 도 3d의 "일상생활 - a. ADL 기능 자립도" 사정 항목의 9번 하위 항목인 "방밖으로 나오는데 부분도움을 필요로 한다", 도 3d의 "일상생활 - d. 조력" 사정 항목의 1번 하위 항목인 "ADL 지원을 희망한다"라고 주로 답변한 경우, 이들 사정 항목들과 상기 욕구 항목은 서로 상관 패턴을 형성한 것으로 볼 수 있게 된다.
본 발명에 따르면, 데이터 분석부(202)는 복수의 다른 사용자(여기서, 복수의 다른 사용자라 함은 복수의 다른 노인들로부터 얻은 답변들을 시스템에 입력하는 워커들을 의미하는 것으로 해석할 수 있다)로부터 수신한 복수의 사정 항목 및 복수의 욕구 항목에 대한 입력에 대하여, 상기 수신된 복수의 사정 항목 중에서 상기 수신된 복수의 욕구 항목과 연관된 사정 항목을 추출하고, 상기 추출된 사정 항목과 상기 수신된 복수의 욕구 항목에 대한 상관 패턴을 도출할 수 있다.
복수의 다른 사용자로부터 복수의 사정 항목 및 복수의 욕구 항목에 대한 입력의 일례로서, 앞서 설명한 바와 같이 욕구 사정 정보 입력부(201)는 욕구 사정 정보 입력 단말기(101)를 통하여 데이터 쉬트에 기재된 정보들을 수신할 수 있다.
도 5는 상관 패턴 도출을 위하여 각 욕구에 대하여 적용되는 모델링 기법을 설명하기 위한 예측 모형을 도시한 것이다.
도 5에서는 데이터마이닝 기법의 일례로서, 의사결정나무 기법(Decision Tree)을 예시하고 있다. 의사결정나무 기법에서는 과거에 수집된 데이터의 레코드들을 분석하여 이들 사이에 존재하는 패턴(Predictive), 즉 결과값 별 특성을 고객속성의 조합으로 나타내는 분류 모형을 나무의 형태로 만드는 것이다. 이렇게 만들 어진 분류 모형은 새로운 레코드를 분류하고 해당 결과값을 예측하는 데 사용되는 것이다.
의사결정나무기법을 이용한 분류 모형은 순환적 분할(Recursive Partitioning)방 식을 이용하여 나무를 구축하는 기법으로, 나무의 가장 상단에 위치하는 뿌리마디(Root Node), 속성의 분리기준을 포함하는 내부 마디(Internal Node), 마디와 마디를 이어주는 가지(Link), 그리고 최종 분류를 의미하는 잎(Leaf)로 구성된다.
앞서 설명한 도 4의 욕구 9번 항목의 예측 모형은 도 5와 같이 설명될 수 있는데, "외출시 도움을 원한다(필요로 한다)"라는 뿌리마디에 대하여 11개의 노드들을 도시하고 있다.
본 발명에 따르면, 데이터 분석부(202)는 각각의 욕구 항목을 독립 변수, 모든 사정 항목을 종속 변수로 하여 각 독립 변수에 대하여 상관 있는 종속 변수들을 추출하게 된다. 그런데, 각각의 독립 변수에 영향을 미치는 종속 변수의 개수는 무수히 많을 것이고, 다만 영향을 미치는 정도가 서로 상이할 것이다. 본 발명에서는 종속 변수가 독립 변수에 영향을 미치는 정도(상관 정도)를 예측률(또는 게인)로 나타낼 수 있다. 도 5의 예측 모형에서는 욕구 항목 각각에 대한 각 노드들의 예측률을 도시하고 있다.
일례로서, "주관적 호소" 사정 항목의 23번 하위 항목 "외부 이동시 동행을 희망함"에 대하여 "희망"이라는 답변을 한 305명의 노인들 중에서 "외출시 도움을 필요로 한다"라는 욕구 항목에 대하여 "있다"라고 답변한 노인들의 수는 245명으로 그 80.3% 에 해당하는 예측률을 나타낸다. 또한, "희망"이라는 답변을 한 305명의 노인들 중에서 "주수발자 기본정보" 사정 항목의 1번 하위 항목 "주수발자"에 대하여 주수발자가 있는 것으로 답변한 노인들은 248명이고, 이들 248명의 노인들 중에서 "외출시 도움이 필요하다"라는 욕구 항목에 대하여 "있다"라고 답변한 노인들의 수는 218명으로 87.9%의 예측률을 나타낸다.
도 5에 따른 예측 모형에서는 각 사정 항목(노드)들을 서로 "AND"로 조합해서, 예측률을 계속 높여가는 과정들을 도시하고 있다. 상기 노드들의 조합 중에서 가장 높은 예측률을 나타내는 것이 결국 패턴이 되는 것이다.
도 2에서 예시하지 아니하였지만, 복수의 다른 사용자로부터 수신한 복수의 사정 항목 및 복수의 욕구 항목에 대한 설문 조사 결과는 별도의 상관 패턴 데이터베이스에 저장되어 기초 자료로 활용될 수 있으며, 데이터 분석부(202)는 상관 패턴 데이터베이스에 저장된 설문 조사 결과들로부터 상관 패턴을 추출하고, 추출된 상관 패턴은 다시 상관 패턴 데이터베이스에 저장되어 유지될 수 있다. 새로운 사용자로부터 새로운 설문 조사 결과가 수신될 때마다, 상기 상관 패턴 데이터베이스에 저장된 기초 자료를 계속 업데이트하고, 이들 업데이트된 자료로부터 상관 패턴을 반복적으로 다시 추출하고 그 결과를 지속적으로 업데이트함으로써, 보다 실제 노인 욕구와 적합한 최적의 상관 패턴을 도출할 수 있게 된다.
도 6은 도 5의 예측 모형에서 각 노드들에 있어서, 욕구 항목이 "있다"라고 답변한 예측률 표(Gain Chanrt)를 도시하고 있다.
도 6에서, node(n/%)은 해당 노드에 ‘있다’또는 ‘없다’라고 응답한 해당 노드의 전체 레코드 수와 비율을, Resp(n/%)은 해당 노드에 ‘있다’라고 응답한 레코드수와 전체 레코드 중에 차지하는 비율을, Gain(%)은 해당 노드에 ‘있다’라고 응답한 레코드 수가 해당 노드 전체 레코드 수에서 차지하는 비율을, Index(%)는 해당 노드의 전체 레코드에 ‘있다’라고 응답한 비율에 대하여 Gain(%) 가지는 변별력의 향상 정도를 나타내는 비율을 각각 나타내고 있다.
도 5의 예측 모형을 통하여 총 11가지 분류 규칙 노드들이 정해졌다. 이 11가지 분류 규칙 중에서, 도 6에서 도시한 상위 노드의 "있다/없다" 답변 사이의 구분 능력이 향상된 하위 Leaf(잎) 중에서 적정 개수를 취하여 상관 패턴으로 활용할 수 있다. 도 6에 따르면, 예측률이 높은 4개의 사정 항목들(NODE 6, NODE 2, NODE 11, NODE 9)을 선택하여 상관 패턴 알고리즘으로 활용한 일례를 도시한다.
이와 같이, 예측률은 상관 패턴을 결정하는데 활용될 수 있으며, 또다른 일례로서, 욕구 항목 생성부(203)가 욕구 항목들을 목록 형태로 생성함에 있어, 욕구 항목을 목록 상에 배열하는 우선 순위로 활용될 수 있다. 즉, 예측률이 높은 욕구 항목을 우선적으로 사용자에게 제공함으로써, 욕구 사정의 정확도를 높일 수 있으며, 궁극적으로는 사용자가 노인의 실제 욕구와 보다 부합되게 복지 서비스를 제공할 수 있도록 한다.
도 5 및 도 6의 욕구 예측모형 및 예측률 표는 전체 30개 욕구문항에 대하여 개별적으로 산출될 수 있으며, 사정 항목과 욕구 항목의 관계도는 도 7과 같이 도시할 수 있다. 참고로, 도 7에서는 도 4의 30개의 욕구 항목들 중에서 욕구 1 ? 욕구 19까지의 욕구 리스트만을 나열하여 관계도로 도시하였다.
도 7에서 도시한 바와 같이, 복수의 사정 항목과 복수의 욕구 항목들 사이에 무수한 상관 관계가 존재할 수 있으며, 본 발명에서는 이들 상관 관계 사이에 일정한 규칙인 상관 패턴을 찾아서 이에 기초하여 욕구 항목을 생성하게 된다.
또한, 본 발명에 따르면, 상관 패턴의 신뢰성을 높이기 위해서 전문가의 의견을 반영할 수 있다. 즉, 복수의 다른 사용자로부터 입력된 설문 조사의 결과에 따라, 독립 변수(욕구 항목)에 영향을 미치는 종속 변수로서 특정의 사정 항목들이 추출되었을 때, 상기 추출된 사정 항목들이 과연 사용자의 실제 욕구에 적합한지에 대한 전문가(또는 연구진)들의 판별 정보를 수신하고, 상기 판별 정보에 따라서 사정 항목을 재추출한다. 이렇게 재추출된 사정 항목에 대하여 상관 패턴을 도출함으로써, 상관 패턴의 신뢰성을 높일 수 있다.
일례로서, 예측률 70%의 사정 항목에 대하여 전문가의 견해를 통하여 추가, 기각하는 결과를 다시 데이터베이스에 다시 알고리즘을 수정하는 거침으로써, 예측률이 결국 향상되는 효과를 얻을 수 있게 된다. 이러한 과정은 데이터의 정제(data cleaning) 과정으로서, 데이터에 존재하는 오류값이나 이상값을 보정하고, 결손값을 처리하며, 중복 데이터를 제거하는 노력으로 볼 수 있다.
앞서 설명한 데이터 정제 과정은 전문가뿐만 아니라, 실제 노인들과 접촉하여 사정 항목을 입력하는 사용자(워커)들이 현장에서 데이터 입력을 보충하면서 예측률을 계속 높여가는 과정을 포함할 수 있다.
본 발명에 따른 또다른 일례로서, 데이터 분석부(202)는 사정 항목이 노인의 욕구와 일치하여 노인들이 실제로 선택할 가능성에 대한 예측률을 조정 및 관리할 수 있다. 도 6에 따르면, 예측률의 크기에 따라 욕구 항목들을 리스팅해 준 결과를 도시하고 있지만, 또다른 일례로서 리스팅 결과를 다시 사용자가 순서를 조절하고, 이를 시스템에 다시 반영함으로써 상관 패턴의 변화를 줄 수도 있다. 일례로서, 사용자가 노인 별로 그 개인적 특성에 맞도록 어떤 특정 사정 항목을 우선하여 배치함으로써, 보다 실제 욕구에 부합되도록 조절할 수 있다.
본 발명에 따르면, 노인들의 욕구에 맞추어 복지 서비스 항목을 자동적으로 추출할 수 있는 실시예를 제공하게 된다. 즉, 본 발명에 따른 욕구 사정 예측 시스템(200)은 복지 서비스 데이터베이스(204) 및 복지 서비스 제공부(205)를 더 포함할 수 있다.
복지 서비스 데이터베이스(204)는 복수의 욕구 항목에 대한 적어도 하나 이상의 복지 서비스 항목을 상기 욕구 항목에 각각에 대응시켜 저장한다. 복지 서비스 제공부(205)는 상기 생성된 욕구 항목에 대하여 상기 복지 서비스 데이터베이스(204)를 참조하여 상기 사용자에 대한 복지 서비스 제공 항목을 추출하게 된다.
도 8은 본 발명에 따른 일례로서, 복지 서비스 제공부(205)에서 도출하여 사용자에게 제공하는 복지 서비스 제공 항목의 일례를 도시한 것이다.
도 8에 도시한 바와 같이, "낙상 위험을 낮추기 위한 도움을 원한다"라는 욕구 항목에 대하여, 복지 서비스 데이터베이스(204)는 "방문간호", "지역사회지원", "복지용구 렌탈 및 구매", "주간보호"라는 다양한 서비스 항목(서비스명)을 포함할 수 있으며, 복지 서비스 제공부(205)는 상기 복지 서비스 데이터베이스(204)를 참조하여 해당 서비스 항목을 추출하여 사용자에게 제공하게 된다. 상기 복지 서비 스 데이터베이스(204)는 도 8과 같이 복지 서비스 항목들을 "수발목표"라는 하부 분류 제목 하에 몇 개의 그룹별로 분류하여 저장할 수도 있다.
이와 같이, 본 발명에 따르면, 노인의 욕구 항목별로 그에 적합한 복지 서비스 항목들을 미리 데이터베이스에 저장해 두고서, 실제 노인의 욕구가 도출될 때마다 그에 맞는 맞춤형 복지 서비스를 제공할 수 있다는 효과를 얻을 수 있게 된다.
도 9는 본 발명에 따른 또다른 일례로서, 복지 서비스 제공부(206)가 도출한 복지 서비스 제공 항목을 이용하여, 실제 노인들에게 제공하는 복지 서비스 일정을 도시한 것이다.
도 9에 따르면, 복지 서비스 제공부(206)를 통하여 "방문간호"라는 복지 서비스 항목에 대하여 보다 구체적인 일정을 용이하게 수립할 수 있도록 함으로써, 케어매니저(care manager)가 노인들에게 보다 편리한 복지 서비스를 제공하고, 체계적인 복지 서비스 관리도 가능하게 된다.
도 8 및 도 9에서 일례로 도시한 복지 서비스 항목은 재가노인복지시설, 노인요양시설, 간호시설, 및 의료시설 등 여러 가지 노인 복지 시설과 연동되어 제공될 수 있으며, 이와 같이 본 발명에서는 노인 복지 서비스를 위한 기존 시설(리소스)들을 효율적으로 배분할 수 있는 효과를 얻을 수 있게 된다.
도 10은 본 발명에 따른 복지 서비스를 위한 욕구 사정 예측 방법을 도시한 흐름도이다. 이하, 각 단계별로 수행되는 과정들을 상세히 설명하기로 한다.
먼저, 단계(S1000)에서는 사용자로부터 적어도 하나 이상의 욕구 사정 항목을 포함하는 욕구 사정 정보를 입력 받게 된다.
사용자는 복지 서비스를 희망하는 노인들로부터 여러 가지 사정 항목을 질문하고, 그에 대한 답변으로서 욕구 사정 정보를 사용자로부터 입력 받게 된다.
본 발명에 따른 욕구 사정 항목은 분야별 또는 속성별로 카테고리화 될 수 있으며, 이러한 카테고리의 일례로서 주관적 호소, 주수발자 기본정보, 현재 이용하고 있는 서비스, 주거환경, 건강상태, 재활상태, 일상생활, 사회적 지지, 행동장애, 문제행동 부문, 의료건강, 생활습관 및 강점 중 적어도 어느 하나를 포함할 수 있다.
다음으로 단계(S1010)에서는 상기 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목들 사이의 상관도를 분석하게 된다.
상관도 분석을 위하여, 사정 항목과 욕구 항목의 관계에 대한 상관 패턴을 이용할 수 있다. 즉, 단계(S1010)에서는 복수의 다른 사용자로부터 복수의 사정 항목 및 복수의 욕구 항목에 대한 설문 조사 결과를 수신하여 저장하는 단계, 및 상기 저장된 설문 조사 결과에 기초하여, 상기 수신된 복수의 사정 항목 중에서 상기 수신된 각각의 욕구 항목과 연관된 사정 항목을 추출하고, 상기 추출된 사정 항목과 상기 수신된 복수의 욕구 항목에 대한 상관 패턴을 도출하는 단계, 상기 도출된 상관 패턴에 따라서 상기 상관도를 분석하는 단계를 포함할 수 있다.
본 발명에 따르면, 상관 패턴 도출을 위하여 데이터마이닝 기법을 이용할 수 있으며, 데이터마이닝 기법에서는 다수의 노인들로부터 수신한 대용량의 설문 조사 결과 데이터를 축적하고, 그 축적된 데이터를 분석하여 패턴을 도출한다.
단계(S1020)에서는 앞서 단계(S1010)에서 분석된 상관도에 따라서 사용자와 상관된 적어도 하나 이상의 욕구 항목을 생성하게 된다. 욕구 항목들은 소정의 우선 순위에 따라 목록 형태로 배열되어 사용자에게 제공될 수 있다.
지금까지 본 발명에 따른 욕구 사정 예측 방법의 실시예에 대하여 설명하였고, 앞서의 욕구 사정 예측 시스템과 관련된 실시예들에서 언급한 내용들이 본 실시예에도 그대로 적용 가능하므로, 이하 상세한 내용은 생략하기로 한다.
본 발명의 실시예에 따른 욕구 사정 예측 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 로컬 데이터 구조 등을 지정하는 신호를 전송하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
도 11은 본 발명에 따른 욕구 사정 예측 시스템을 구성하는 데 채용될 수 있는 범용 컴퓨터 시스템의 내부 블록도이다.
컴퓨터 시스템(1100)은 램(RAM: Random Access Memory)(1402)과 롬(ROM: Read Only Memory)(1130)을 포함하는 주기억장치와 연결되는 하나 이상의 프로세서(1110)를 포함한다. 프로세서(1110)는 중앙처리장치(CPU)로 불리기도 한다. 본 기술분야에서 널리 알려져 있는 바와 같이, 롬(1130)은 데이터(data)와 명령(instruction)을 단방향성으로 CPU에 전달하는 역할을 하며, 램(1120)은 통상적으로 데이터와 명령을 양방향성으로 전달하는 데 사용된다. 램(1120) 및 롬(1130)은 컴퓨터 판독 가능 매체의 어떠한 적절한 형태를 포함할 수 있다. 대용량 기억장치(Mass Storage)(1140)는 양방향성으로 프로세서(1110)와 연결되어 추가적인 데이터 저장 능력을 제공하며, 상기된 컴퓨터 판독 가능 기록 매체 중 어떠한 것일 수 있다. 대용량 기억장치(1140)는 프로그램, 데이터 등을 저장하는데 사용되며, 통상적으로 주기억장치보다 속도가 느린 하드디스크와 같은 보조기억장치이다. CD 롬(1160)과 같은 특정 대용량 기억장치가 사용될 수도 있다. 프로세서(1110)는 비디오 모니터, 트랙볼, 마우스, 키보드, 마이크로폰, 터치스크린 형 디스플레이, 카드 판독기, 자기 또는 종이 테이프 판독기, 음성 또는 필기 인식기, 조이스틱, 또는 기타 공지된 컴퓨터 입출력장치와 같은 하나 이상의 입출력 인터페이스(1150)와 연결된다. 마지막으로, 프로세서(1110)는 네트워크 인터페이스(1170)를 통하여 유선 또는 무선 통신 네트워크에 연결될 수 있다. 이러한 네트워크 연결을 통하여 상기된 방법의 절차를 수행할 수 있다. 상기된 장치 및 도구는 컴퓨터 하드웨어 및 소프트웨어 기술 분야의 당업자에게 잘 알려져 있다.
상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프 트웨어 모듈로서 작동하도록 구성될 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
본 발명에 따르면, 체계적이고도 과학적인 분석을 통하여, 노인들의 욕구 항목을 도출함에 있어서, 그 정확도 및 신뢰도를 배가할 수 있게 된다.
본 발명에 따르면, 도출된 욕구에 따라 가장 적합한 복지 서비스 항목들을 선별하여 맞춤형 복지 서비스를 제공할 수 있게 된다.
본 발명에 따르면, 복지 서비스의 효율적 배분과 관리가 가능하게 된다. 또한, 재가노인복지시설, 요양시설 및 간호시설, 의료시설 등의 종합적인 관리가 가능하게 된다.

Claims (10)

  1. 복지 서비스를 위한 욕구 사정 예측 시스템에 있어서,
    사용자로부터 적어도 하나 이상의 욕구 사정 항목을 포함하는 욕구 사정 정보를 입력 받는 욕구 사정 정보 입력부;
    상기 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목들 사이의 상관도를 분석하는 데이터 분석부; 및
    상기 분석된 상관도에 따라서 상기 사용자와 상관된 적어도 하나 이상의 욕구 항목을 생성하는 욕구 항목 생성부
    를 포함하는 것을 특징으로 하는 욕구 사정 예측 시스템.
  2. 제1항에 있어서,
    복수의 욕구 항목에 대한 적어도 하나 이상의 복지 서비스 항목을 상기 욕구 항목에 각각에 대응시켜 저장하는 복지 서비스 데이터베이스; 및
    상기 생성된 욕구 항목에 대하여 상기 복지 서비스 데이터베이스를 참조하여 상기 사용자에 대한 복지 서비스 제공 항목을 추출하여 상기 사용자에게 제공하는 복지 서비스 제공부
    를 더 포함하는 욕구 사정 예측 시스템.
  3. 제1항에 있어서,
    상기 사정 항목은 주관적 호소, 주수발자 기본정보, 현재 이용하고 있는 서비스, 주거환경, 건강상태, 재활상태, 일상생활, 사회적 지지, 행동장애, 문제행동 부문, 의료건강, 생활습관 및 강점 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 욕구 사정 예측 시스템.
  4. 제1항에 있어서,
    상기 데이터 분석부는 복수의 다른 사용자로부터 수신한 복수의 사정 항목 및 복수의 욕구 항목에 대한 입력에 대하여, 상기 수신된 복수의 사정 항목 중에서 상기 수신된 각각의 욕구 항목과 연관된 사정 항목을 추출하고, 상기 추출된 사정 항목과 상기 수신된 복수의 욕구 항목에 대한 상관 패턴을 도출하고, 상기 도출된 상관 패턴에 따라서 상기 상관도를 분석하는 것을 특징으로 하는 욕구 사정 예측 시스템.
  5. 제4항에 있어서,
    상기 상관 패턴 도출은 데이터마이닝 기법을 이용하는 것을 특징으로 하는 욕구 사정 예측 시스템.
  6. 제4항에 있어서,
    상기 상관 패턴은 상기 욕구 항목에 대한 상기 추출된 사정 항목의 예측률을 고려하여 도출되는 것을 특징으로 하는 욕구 사정 예측 시스템.
  7. 제4항에 있어서,
    상기 데이터 분석부는 상기 추출된 사정 항목이 상기 사용자의 실제 욕구에 적합한지에 대한 판별 정보를 수신하고, 상기 판별 정보에 따라서 상기 사정 항목을 재추출하고, 상기 재추출된 사정 항목에 대하여 상기 상관 패턴을 도출하는 것을 특징으로 하는 욕구 사정 예측 시스템.
  8. 욕구 사정 예측 방법에 있어서,
    사용자로부터 적어도 하나 이상의 욕구 사정 항목을 포함하는 욕구 사정 정보를 입력 받는 단계;
    상기 입력된 욕구 사정 정보를 분석하여, 상기 적어도 하나 이상의 사정 항목들 사이의 상관도를 분석하는 단계; 및
    상기 분석된 상관도에 따라서 상기 사용자와 상관된 적어도 하나 이상의 욕구 항목을 생성하는 단계
    를 포함하는 것을 특징으로 하는 욕구 사정 예측 방법.
  9. 제8항에 있어서,
    상기 상관도를 분석하는 단계는,
    복수의 다른 사용자로부터 복수의 사정 항목 및 복수의 욕구 항목에 대한 설문 조사 결과를 수신하여 저장하는 단계; 및
    상기 저장된 설문 조사 결과에 기초하여, 상기 수신된 복수의 사정 항목 중에서 상기 수신된 각각의 욕구 항목과 연관된 사정 항목을 추출하고, 상기 추출된 사정 항목과 상기 수신된 복수의 욕구 항목에 대한 상관 패턴을 도출하는 단계; 및
    상기 도출된 상관 패턴에 따라서 상기 상관도를 분석하는 단계
    를 포함하는 것을 특징으로 하는 욕구 사정 예측 방법.
  10. 제8항 또는 제9항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.
KR1020070035252A 2007-04-10 2007-04-10 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템 Expired - Fee Related KR100799665B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070035252A KR100799665B1 (ko) 2007-04-10 2007-04-10 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070035252A KR100799665B1 (ko) 2007-04-10 2007-04-10 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템

Publications (1)

Publication Number Publication Date
KR100799665B1 true KR100799665B1 (ko) 2008-01-30

Family

ID=39219826

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070035252A Expired - Fee Related KR100799665B1 (ko) 2007-04-10 2007-04-10 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템

Country Status (1)

Country Link
KR (1) KR100799665B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101825025B1 (ko) * 2015-12-18 2018-03-22 주식회사 디커뮤니케이션즈 사회적 약자의 라이프 로그 빅데이터를 이용한 생애주기별 복지서비스 제공 방법 및 그 시스템
KR20190060267A (ko) 2017-11-24 2019-06-03 한국과학기술원 노인 주거 우울 상태 판정 방법 및 장치
KR20190095678A (ko) 2018-02-07 2019-08-16 한국과학기술원 자아 투사 이미지 기반으로 한 고령자의 주거 우울 지수 산출 방법 및 장치
KR20190095677A (ko) 2018-02-07 2019-08-16 한국과학기술원 Khtp 이미지 기반으로 한 고령자의 주거 우울 지수 산출 방법 및 장치
US10878957B2 (en) * 2015-06-30 2020-12-29 Koninklijke Philips N.V. Need determination system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010031687A (ko) * 1997-11-04 2001-04-16 포만 제프리 엘 온라인 데이터베이스 마이닝
KR20030000493A (ko) * 2001-06-25 2003-01-06 포시엠넷(주) 통신망을 이용한 국가행복지수 통합관리 시스템 및 서비스방법
KR20030032096A (ko) * 2001-10-10 2003-04-26 이창환 데이터 마이닝 방법 및 컴퓨터로 판독가능한 기록 매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010031687A (ko) * 1997-11-04 2001-04-16 포만 제프리 엘 온라인 데이터베이스 마이닝
KR20030000493A (ko) * 2001-06-25 2003-01-06 포시엠넷(주) 통신망을 이용한 국가행복지수 통합관리 시스템 및 서비스방법
KR20030032096A (ko) * 2001-10-10 2003-04-26 이창환 데이터 마이닝 방법 및 컴퓨터로 판독가능한 기록 매체

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10878957B2 (en) * 2015-06-30 2020-12-29 Koninklijke Philips N.V. Need determination system
KR101825025B1 (ko) * 2015-12-18 2018-03-22 주식회사 디커뮤니케이션즈 사회적 약자의 라이프 로그 빅데이터를 이용한 생애주기별 복지서비스 제공 방법 및 그 시스템
KR20190060267A (ko) 2017-11-24 2019-06-03 한국과학기술원 노인 주거 우울 상태 판정 방법 및 장치
KR20190095678A (ko) 2018-02-07 2019-08-16 한국과학기술원 자아 투사 이미지 기반으로 한 고령자의 주거 우울 지수 산출 방법 및 장치
KR20190095677A (ko) 2018-02-07 2019-08-16 한국과학기술원 Khtp 이미지 기반으로 한 고령자의 주거 우울 지수 산출 방법 및 장치

Similar Documents

Publication Publication Date Title
KR102162522B1 (ko) 맞춤형 의료 정보 제공 장치 및 방법
Kadri et al. A simulation-based decision support system to prevent and predict strain situations in emergency department systems
US20180101650A1 (en) Method for providing patient indications to an entity
Johnson et al. Digital transformation to mitigate emergency situations: increasing opioid overdose survival rates through explainable artificial intelligence
Shenas et al. Identifying high-cost patients using data mining techniques and a small set of non-trivial attributes
Yu et al. Improving chronic disease management for children with knowledge graphs and artificial intelligence
US12237056B2 (en) Event data modelling
Han et al. THE-MUSS: Mobile u-health service system
Bertl et al. A systematic literature review of AI-based digital decision support systems for post-traumatic stress disorder
US20220351846A1 (en) System and method for determining retention of caregivers
KR100799665B1 (ko) 노인 복지 서비스를 위한 욕구 사정 예측 방법 및 상기방법을 수행하기 위한 시스템
Gresenz et al. Community effects on access to behavioral health care
CN112057038A (zh) 一种基于云平台的大数据智能健康监护系统
Benjamin et al. An analysis of the concept of patient flow management
Liu et al. Gaining insights into patient satisfaction through interpretable machine learning
US20100161348A1 (en) Clinical Management System
Osamor et al. Tuberculosis–Diagnostic Expert System: An architecture for translating patients information from the web for use in tuberculosis diagnosis
Brice et al. Modeling disease progression and treatment pathways for depression jointly using agent based modeling and system dynamics
Petry et al. Toward a ubiquitous model to assist the treatment of people with depression
CN118506999B (zh) 一种适用于特殊健康状态患者的转诊自动推荐方法及系统
Farahani et al. On adaptive fairness in software systems
KR20100021894A (ko) 욕구 추출 알고리즘을 이용한 사회복지 클라이언트에 대한 케어 관리 서비스 방법 및 시스템
US20060106744A1 (en) Apparatus and method for establishing knowledge database used in expert system and recording medium therefor
Zhang et al. Key Experimental Factors of Machine Learning‐Based Identification of Surgery Cancellations
JP2019168860A (ja) データ分析装置及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20070410

PA0201 Request for examination
A302 Request for accelerated examination
PA0302 Request for accelerated examination

Patent event date: 20071114

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20070410

Patent event code: PA03021R01I

Comment text: Patent Application

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20080118

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20080124

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20080125

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20101110

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20111229

Start annual number: 5

End annual number: 5

FPAY Annual fee payment

Payment date: 20130122

Year of fee payment: 6

PR1001 Payment of annual fee

Payment date: 20130122

Start annual number: 6

End annual number: 6

FPAY Annual fee payment

Payment date: 20131112

Year of fee payment: 7

PR1001 Payment of annual fee

Payment date: 20131112

Start annual number: 7

End annual number: 7

FPAY Annual fee payment

Payment date: 20150115

Year of fee payment: 8

PR1001 Payment of annual fee

Payment date: 20150115

Start annual number: 8

End annual number: 8

FPAY Annual fee payment

Payment date: 20151112

Year of fee payment: 9

PR1001 Payment of annual fee

Payment date: 20151112

Start annual number: 9

End annual number: 9

LAPS Lapse due to unpaid annual fee
PC1903 Unpaid annual fee

Termination category: Default of registration fee

Termination date: 20171104