| Home | E-Submission | Sitemap | Editorial Office |  
top_img
Korean J Child Stud > Volume 43(4); 2022 > Article
청소년 비행의 잠재집단 분류 및 머신러닝 알고리즘을 활용한 주요 예측 변인 검증

Abstract

Objectives

With the advances in digital technologies, adolescents are more likely to engage in multiple types of delinquent behaviors; however, few studies have considered various types of delinquencies with a multidimensional approach. Therefore, this study aimed to identify the latent groups based on various delinquencies and examine latent groups’ predictors using machine learning and multidimensional approaches.

Methods

Using nationally representative data (N = 8,210; male 52.17%), a latent class analysis was conducted to identify latent groups based on 10 delinquent behaviors self-reported by adolescents. A random forest analysis was then employed to predict latent groups using 53 predictors including demographic (6 items), personal (44 items), and environmental levels (3 items). The Mplus program was used for latent class analysis, and the R version 4.0.5 program was used for random forest analysis.

Results

Three latent groups were identified and categorized as “high online delinquency” (3.2%), “drink/media delinquency” (26.8%), and “low delinquency” (70.0%). Random forest analysis found adolescents’ perception of harmful substances was the most important variable predicting the delinquent groups. Partial dependence plots showed the higher the interest in harmful substances, the lower the ability to respond to the harmful substances; the higher the access to harmful environment, the lower the grade; and the lower the autonomy control ability, the more likely the classification as a high delinquency group.

Conclusion

This study classified three latent groups while considering the detailed types of delinquencies. The study found the prominent predictors using machine learning and multidimensional approaches to suggest useful delinquency prevention programs.

Introduction

국가는 청소년을 유해한 환경으로부터 보호·구제함으로써 청소년이 건전한 인격체로 성장할 수 있는 환경을 마련해야 할 의무를 지닌다(Juveniles Protection Act, Act No. 18550, 2021). 그러나 지역사회 내 유해업소의 난립, SNS 유해 게시물의 범람, 부실한 성인인증 등 현대 청소년들은 다양한 유해환경에 무분별하게 노출되어 있는 실정이다. 실제로 청소년들이 편의점 등에서 술과 담배 구매를 시도할 때 나이 및 본인 여부를 확인했다는 응답률은 30% 미만에 그쳤으며(J. Kim, Kim, Beak, Hwang, & Choi, 2020), 각종 소셜미디어를 통해 성인용 영상물, 마약, 성매매 등에 대한 정보를 쉽게 접하고 있는 것으로 나타난다(D. Choi, 2021; Kwon & Jeon, 2021).
이에 따라 청소년 비행 또한 다양해지고 심화되는 것으로 나타난다. J. Kim 등(2020)에 따르면, 2018년과 비교하여 미성년자 출입금지 업소인 유흥주점, 나이트클럽의 청소년 이용률은 0.3%p 늘어났으며, 조건만남 채팅앱, 도박성 게임의 유경험률 또한 각각 1.3%p, 0.8%p씩 증가한 것으로 나타났다. 전통적인 비행으로 간주되는 흡연 및 음주 경험률은 최근 몇 년 간 감소되지 않고 답보상태를 보이고 있다. 더욱이 주목할 점은 유해물질 이용과 유해업소 출입 간의 상관이 높다는 H.-J. Lee와 Lee (2001)의 연구와 J. Kim과 Sohn (2014)의 연구에서 확인할 수 있듯이, 청소년은 한 유형의 비행에만 가담하기보다 다수의 비행을 중첩적으로 행하는 모습을 보인다는 것이다. 하지만, 기존 연구에서는 다양한 비행 경험 중 음주, 흡연, 성인물 매체 이용 등 특정 행위에만 초점을 맞추어 연구를 진행해왔다는 점에 주목할 필요가 있다(Brunborg, Andreas, & Kvaavik, 2017; Kristjansson, Kogan, James, & Sigfusdottir, 2021). 청소년들은 유해환경 접촉의 용이성 및 접근경로의 다양화로 인해 다수의 비행에 동시다발적으로 가담하고 있지만 이를 고려한 연구는 드문 편이다. 따라서, 청소년의 중첩적인 비행 경험을 파악하기 위해 비행의 다양한 유형을 동시에 고려하여 중복의 양상과 정도를 파악할 수 있는 사람 중심 분석의 접근(J. Park, Kim, Yu, & Han, 2017)이 필요한 시점이다. 이에 본 연구에서는 청소년의 다양한 비행 경험에 대한 응답패턴을 기반으로 잠재집단을 도출하는 분석인 잠재계층분석을 활용하여 비행의 중첩적 양상과 정도를 파악하고자 하였다.
본 연구에서는 청소년 비행을 청소년보호법 제2조에 명시되어 있는 청소년 유해매체물, 청소년 유해약물, 청소년 유해업소의 정의를 참고하여, ‘유해매체물 비행, 유해약물 비행, 유해업소 비행’으로 분류하였다. 유해매체물 비행이라 함은 영화, 비디오, 게임, 음악, 공연, 인터넷, 간행물, 광고물 등의 매체물 중에서 청소년에게 유해한 선정적이고 폭력적인 내용을 담고 있어서 청소년을 대상으로 한 유통이 부적절한 매체물을 이용하는 비행으로 정의할 수 있다. 19세 이상 영상물 및 간행물, 도박성 게임, 조건만남 채팅앱 등이 이에 속한다. 유해약물 비행은 청소년에게 유해한 것으로 인정되는 약물을 사용하는 비행으로, 주류와 담배, 마약류, 환각물질 등 습관성, 중독성, 내성 등을 유발하여 인체에 유해 작용을 미칠 수 있는 약물을 이용하는 것을 뜻한다. 유해업소 비행은 청소년의 출입과 고용이 청소년에게 유해한 것으로 인정되는 비디오방, 유흥주점, 노래방 등에 출입하는 것을 말한다(JPA, Act No. 18550, 2021).
청소년이 경험하는 다양한 비행 유형을 파악하는 것과 동시에 중요한 것은 청소년 비행에 영향을 미치는 다차원적 예측요인을 고찰하여 청소년을 보호할 수 있는 효과적인 방안을 마련하는 것이다. 그동안 청소년 비행에 영향을 미치는 요인은 크게 인구학적 차원, 개인적 차원, 환경적 차원으로 나뉘어 연구되어왔다. 먼저 청소년 비행과 관련된 인구학적 차원은 성별과 학교급, 가족구조 등과 같은 요인으로 구성된다. 특히 성별에 따라 비행을 경험하는 수준이 상이하게 나타나고 있는데, 여학생은 유해업소 출입 비행 경험이 높고(Sohn, 2014), 남학생은 유해약물과 유해매체물 이용률이 높았다(Sabina, Wolak, & Finkelhor, 2008). 또한 대부분의 연구에서 학교급이 높을수록 유해매체물 비행, 유해약물 비행, 유해업소 비행에 더 많이 가담하고 있었으며(S.-Y. Kim, Lee, & Ahn, 2018), 같은 학교급에 속하더라도 남학교의 학생들은 남녀공학 및 여학교 학생들에 비하여 높은 비행 수준을 보였다(M.-K. Cho & Kim, 2013; S. S. Park, 2018). 가족구조의 경우, 양부모 가정에 비해 한부모 가정일 때, 유해업소 및 유해매체 비행의 정도가 높은 것으로 나타났다(Jeong & Kim, 2016).
개인적 요인으로는 매체이용 경험, 폭력피해 경험, 예방교육 경험, 자율성, 사회유대요인 등이 청소년 비행의 주요 예측요인으로 꼽힌다. 먼저 스마트폰과 TV, 소셜미디어에 많은 시간을 할애할수록, 성적 위험 행동과 흡연, 음주, 약물 사용 등의 비행을 저지르게 되는 것으로 나타났다(J. Choi & Chung, 2012; Jackson, Brown, & Pardun, 2008). 또한 어린 시절에 경험한 심리·신체적 학대 경험 및 사이버폭력 피해 경험은 청소년기의 유해물질 및 유해매체물 이용 비행과 밀접한 관련이 있는 것으로 나타났다(Gajos, Leben, Weymouth, & Cropsey, 2022; Shah, Dodd, Allen, Viner, & Bonell, 2022). 한편 성인용 콘텐츠, 온라인 도박과 관련된 매체이용 교육과 음주 예방교육 등 청소년을 대상으로 이루어지는 비행 예방교육은 비행을 통제하는 주요 요인으로 작용한다(B.-H. Lee & Sohn, 2008). 나아가 개인적 심리 특성인 비행에 대한 호기심은 더욱 이른 시기에 비행 행동에 가담할 가능성을 높이고(Yang, Noh, Hong, & Kim, 2005), 성인용 콘텐츠에 지속적으로 접근하여 중독되게 만드는 요소 중 하나로 검증되어 왔다(Yuliartini & Setianto, 2021). 비행에 대한 호기심과 더불어 낮은 자기통제력은 자신이 처한 상황에서 즉각적이고 손쉬운 욕구 충족의 수단을 추구하는 경향이 있어 비행에 가담할 가능성을 높인다고 할 수 있다(S.-S. Lee, 2010; Nam, 2010). 나아가 가족, 교사, 친구와의 애착으로 대표되는 사회유대요인 또한 청소년 비행에 중요한 예측요인으로 작용한다. 가족 애착이 잘 형성되어 있고, 가족관계가 화목할수록(M. Kim & Yoon, 2001; H.-S. Park & Kim, 2014), 교사로부터 심리·정서적 지지를 많이 받고 학교생활 만족도가 높을수록(Jin & Bae, 2012), 친구와의 친밀도가 높을수록(Hyun & Kim, 2018; J.-R. Lee, 2011) 청소년이 비행에 가담할 가능성은 낮아지는 것으로 나타난다.
마지막으로 환경적 차원에서 지역사회 내 유해환경과의 접근성은 청소년 비행을 예측하는 주요 요인이다(Hoeben & Weerman, 2014; Shim, 2020; Wikström, Ceccato, Hardie, Treiber, 2010). Sohn (2014)에 따르면, 청소년이 집 주변, 등하굣길에서 유해업소 및 유해물에 얼마나 쉽게 접촉할 수 있는지에 따라 청소년 비행의 수준이 상이하게 나타났다. 실제로 단란주점 및 유흥주점 등 지역사회에서 유해업소를 많이 접하는 경우, 청소년의 비행 수준이 높아졌다(Joo & Chung, 2019). 즉 집과 학교 주변에 교육을 저해하는 환경이 많아짐에 따라 청소년들은 비행을 저지르기 쉬운 환경에 노출되게 되고, 이는 더 많은 유해업소 출입과 유해물질 및 유해매체물 이용으로 이어지게 된다는 것이다(Hornor, 2020; H.-J. Lee & Lee, 2001).
이처럼 청소년 문제는 다양하고 복잡한 원인에 의해 발생하는 것으로(Kwon & Jeon, 2021), 단일 측면의 원인만으로 설명하기 어렵고 다수의 영역에서 중첩적으로 일어나는 경우가 많아 다차원적인 고려가 필수적이라고 할 수 있다. 청소년의 비행은 다양한 개인 내·외적 요인들로 인해 발생하지만 기존 연구들의 경우, 개인 변인, 가정 변인, 학교 변인, 환경 변인 등 일부 차원에서만 비행의 원인과 양상을 파악해왔다(Nam, 2010). 즉 선행연구는 주로 특정 차원의 예측요인에만 초점을 맞춰 연구를 진행해왔기 때문에 청소년의 비행을 복합적으로 고려하는 데 한계가 존재한다. 이러한 기존 연구의 한계점을 보완하기 위해 최근에는 청소년 문제행동과 관련한 다양한 연구에서 머신러닝 알고리즘을 활용하고 있다(Ting, Chu, Zeng, Li, & Chng, 2018). 특히 음주, 담배, 마약 등 청소년의 유해 약물 사용을 예측하기 위한 연구들에서 머신러닝 기법이 자주 사용되고 있으며, 부모의 양육태도, 유해물에 대한 청소년의 높은 관심도 및 인식, 접근성 등이 주된 예측 변인으로 언급되고 있다(Afzali et al., 2019; Vázquez et al., 2020). 예를 들어, Negriff, Dilkina, Matai와 Rice (2022)는 청소년의 마리화나 사용을 예측하기 위하여 인구사회학적 요인, 과거 폭력 및 부정적 경험 요인, 접근성 요인, 사회유대요인 등으로 다수의 예측변수를 구성하였고, 분석 결과 또래의 마리화나 사용과 지역사회 유해환경 수준, 폭력 피해 경험 등이 높은 예측력을 나타냄을 확인하였다. 다양한 머신러닝 기법 중에서도 랜덤포레스트 분석은 설명변수가 다량으로 투입되더라도 자유도가 감소하지 않기 때문에 다차원적 예측요인을 분석에 투입할 수 있다는 장점을 지닌다(C. Cho & Lee, 2020). 랜덤포레스트 분석을 활용한 Shi, Fu, Hamilton과 Chation (2022)의 연구에서는 청소년의 전자담배 흡연율을 예측하는 약 170개의 변인을 모형에 투입하였고, 카페인 복용, 무단결석 여부, 학교 규모 등이 전자담배 흡연경험과 높은 상관이 있음을 밝혀내었다. 이처럼 랜덤포레스트 분석은 다수의 변인이 모형에 투입되어도 다중공선성과 같은 문제를 일으키지 않으며 예측력이 가장 높은 변인 순서대로 결과를 도출하는 데 강점이 있다.
이에 본 연구에서는 청소년의 다양한 비행 경험을 고려하는 사람중심분석을 실시하고 다차원 요인을 고려한 청소년 비행 예측모형을 제시하고자 한다. 즉 유해업소 비행, 유해약물 비행 및 유해매체물 비행의 세부 유형을 고려하여 청소년 비행의 잠재집단을 도출하고, 이후 머신러닝 알고리즘을 활용한 랜덤포레스트 분석을 사용하여 청소년 잠재비행집단의 분류에 영향을 미치는 주요 변수를 예측하고자 한다. 이를 통하여 청소년의 유해환경을 둘러싼 비행을 감소시키고 예방할 수 있는 효과적이고 효율적인 개입 방안을 강구하고자 한다. 이상의 논의를 바탕으로 도출된 연구문제는 다음과 같다.

연구문제 1

청소년 비행 유형에 따른 잠재집단은 몇 개로 분류되며, 구분된 잠재집단의 특징은 어떠한가?

연구문제 2

앞서 도출된 청소년 비행 잠재집단을 예측하는 주요 변수는 무엇이며, 상대적 중요도는 어떠한가?

Methods

연구대상

본 연구는 J. Kim 등(2020)이 실시한 2020년 청소년 매체이용 및 유해환경 실태조사 자료를 활용하였다. 본 실태조사는 청소년보호법에 의거하여 여성가족부가 청소년의 유해환경 접촉 실태를 파악하고자 전국의 초 · 중 · 고등학생을 모집단으로 하여 2016년부터 실시한 격년 주기의 조사이다. 본 연구에서는 2020년 조사 참여 대상에서 세부 비행 경험에 대해 조사하지 않은 초등학생 자료를 제외한 중·고등학생 9,894명의 자료(중학생: 4,438명, 고등학생: 5,456명) 중 모든 문항에 응답한 8,210명의 자료를 최종 분석에 활용하였다. 연구 참여자 인구사회학적 특성은 남자 청소년이 4,283명(52.17%), 여자 청소년이 3,927명(47.83%)이고 고등학생은 4,603명(56.07%)으로 중학생 3,607명(43.93%)보다 많다. 대부분의 청소년이 대도시/중소도시에 거주하고(80.07%) 양부모와 함께 살고 있다(86.77%).

연구도구

청소년 비행

청소년 비행은 청소년 유해업소 출입, 유해약물 이용, 유해매체물 이용 경험 유무에 대해 묻는 10문항으로 이분 변인이다. 유해업소 출입 비행은 최근 1년 동안 미성년자 출입금지 업소인 비디오방, 유흥주점, 클럽, 이성 동행 숙박업소를 이용해본적 있는지 묻고 있으며, 한 곳이라도 경험했으면 1, 한 곳도 이용하지 않았다면 0으로 코딩하였다. 또한, 멀티방/룸카페 출입 경험도 유해업소 출입 비행에 포함하였으며 방문한 적 있으면 1, 없으면 0으로 코딩하였다. 유해약물 이용 경험은 지금까지 1잔 이상의 음주 경험과 담배 및 전자담배 흡연 경험, 최근 1년간 환각성 물질 이용 경험 유무에 대해 각각 묻고 있는 세 가지 문항을 사용하였다. 유해매체 이용 비행은 5가지 경험으로 최근 1년 동안 19세 이상 시청가로 표시된 영상물, 간행물 및 음악을 이용했는지 묻는 문항, 19세 이상 인터넷 게임 이용 경험, 조건만남 채팅앱 이용 경험, 도박성 게임 이용 경험, 타인정보 도용 경험에 대해 묻고 있다. 타인정보 도용은 최근 1년 동안 다른 사람의 아이디나 주민등록번호를 허락 없이 사용하여 인터넷 게임이나 채팅, 검색, 동영상 등을 이용한 적이 있는지에 대해 묻는 4가지 문항에 대해 한 번이라도 경험했으면 1, 경험하지 않았으면 0으로 이분화하였다.

청소년 비행 예측요인

본 연구에서는 청소년 비행의 예측요인으로 인구사회학적 차원, 개인적 차원, 환경적 차원의 53개 변인을 분석에 활용하였고, 이를 Table 1에 제시하였다. 인구사회적 차원은 청소년의 성별(남자[1], 여자[0]), 학교 유형(남/여자학교[1], 남녀공학[0]), 학교급 유형(중학교 1학년[0]∼고등학교 3학년[5]), 가족 구조(양부모[1], 양부모 외 가정[0]), 거주지역(대, 중소도시[1], 읍면지역, 도서벽지[0]) 등의 6가지 문항으로 구성되어 있다.
개인적 차원에서는 OTT, SNS, 인터넷 실시간 방송을 포함하는 13가지 매체이용 경험 유무, 언어/신체적 폭력, 사이버 따돌림을 포함하는 14가지 폭력피해 경험 유무, 학교폭력, 디지털 성범죄를 포함하는 10가지 예방교육 경험 유무를 활용하였다(경험 있음[1], 경험 없음[0]). 또한, 유해식품 섭취는 고카페인 음료 섭취, 비타스틱 형태의 흡입 비타민 섭취 등을 묻는 4가지 문항을 평균화하여 분석에 사용하였다(Cronbach’s α = .56). 유해물 관심도는 성인용 영상물, 간행물, 술, 담배, 전자담배와 같은 유해물 5가지에 대해 각각 생각해 본 적도 없고 관심도 없는지 청소년의 생각에 대해 물었다. 청소년은 매우 그렇다(1점) 부터전혀 그렇지 않다(4점) 로 응답하였고, 분석에는 5가지 문항을 평균화하여 활용하였다(Cronbach’s α = .75). 유해물 대응능력은 유해물(성인용 영상물, 술, 담배 등)에 대해 스스로 접촉하지 않으려 노력하는 정도에 대해 4점 리커트 척도로 묻고 있으며(전혀 그렇지 않다[1점], 매우 그렇다[4점]), 총 5개 문항을 평균화 분석에 활용하였다(Cronbach’s α = .84). 자율성 통제능력은 “나는 어떤 행동을 할지 결정하기 전에 결과를 예측한다.” 등 총 6문항으로 4점 리커트 척도를 사용하여 묻고 있으며(전혀 그렇지 않다[1점], 매우 그렇다[4점]) 평균화 점수를 활용하였고 높은 내적 일치도를 보였다(Cronbach’s α = .89). 사회유대요인은 친구, 교사, 가족에 대한 애착을 묻는 문항으로 각각 구성되어 있으며 “내가 사랑과 보살핌을 받고 있다고 느끼게 해준다.”, “내가 마음 놓고 의지할 수 있다.”와 같은 5문항으로 4점 리커트 척도로 묻고 있다(전혀 그렇지 않다[1점], 매우 그렇다[4점]). 사회유대요인에 대한 Cronbach’s α는 가족 애착 .95, 친구 애착 .94, 교사 애착 .96의 높은 내적 일치도를 보였다.
환경적 차원은 등하굣길과 집주변에 청소년 출입제한 및 고용금지업소가 얼마나 많다고 느끼는지 4점 리커트 척도로 묻고 있으며(전혀 없다[1점], 매우 많다[4점]) 점수가 높을수록 유해환경에 대한 접근성이 높은 것을 의미한다. 유해물 접근성은 일상생활에서 성인용 간행물, 영상물, 술, 담배, 전자담배 등을 쉽게 접할 수 있는지에 대해 4점 리커트 척도(전혀 그렇지 않다[1점], 매우 그렇다[4점])로 묻는 5가지 문항을 평균화하여 분석에 활용하였다(Cronbach’s α = .78).

자료분석

분석 방법은 첫째, 잠재계층분석을 실시하여 청소년 비행 유형에 대한 잠재집단을 도출하였다. 잠재집단 분류는 정보적합도 지수인 BIC와 잠재집단 분류의 질을 나타내는 Entropy 수치, 모형비교 검증값을 나타내는 BLRT p값 유의도 등의 통계적 수치를 종합적으로 참고하였다.
둘째, 앞서 도출된 잠재집단을 분류하는 주요 변인을 예측하기 위해 머신러닝 알고리즘을 활용한 랜덤포레스트 분석을 실시하였다. 랜덤포레스트 분석은 의사결정 트리 기반의 앙상블 기법으로 대량의 예측변인을 분석모형에 안정적으로 투입시킬 수 있으며 예측오차 감소가 가장 큰 순서대로 예측에 중요한 역할을 하는 변인을 평가하여 모든 변인에 대한 상대적 중요도를 파악할 수 있다는 장점이 있다(Song & Song, 2018). 머신러닝 예측모형 평가를 위해 전체 데이터는 7(훈련데이터) 대 3(검증데이터) 비율로 무작위하게 나눈 뒤, 과적합을 예방하기 위해 훈련데이터를 다시 10개로 나눠 검증하는 10겹 교차 검증법을 활용하였다. 모형의 평가지표는 값이 클수록 모형의 예측력이 높아짐을 의미하는 정분류율(accuracy)과 Kappa 계수를 활용하여 최적의 훈련데이터 모델을 선택하였고 중요도 지수 결과를 산출하였다.
셋째, 청소년 비행 예측모형 중요도 순서별 부분의존도 도표를 산출하여 비행유형과의 관계를 살펴보았다. 중요도 지수 상위 5개 변인에 대한 부분 의존성 도표를 시각화하여 제시하였다.
데이터 클리닝 작업은 STATA 16 (StataCorp LLC, College Station, Texas), 잠재계층분석은 Mplus 8.6 (Muthén & Muthén, 1998-2017), 랜덤포레스트 분석은 R (version 4.0.5) 프로그램과 randomForest 패키지(Liaw & Wiener, 2002)를 활용하여 각각 실시하였다.

Results

청소년 비행 잠재집단 유형화

청소년 비행 잠재계층 분류

청소년 비행 유형에 대한 잠재집단 분류를 위하여 집단의 수를 늘려가며 분석을 실시하였고 Table 2에 제시하였다. 분석 결과, 집단의 수가 증가할수록 BIC 수치는 낮아져 좋은 모델로 나타났지만, 2집단에서 3집단으로 증가할 때 가장 큰 감소폭을 보였다. Entropy 수치는 0.67에서 0.75 사이로 나타나고 있으며 3집단일 때가 0.75로 가장 높은 수치를 가졌다. BLRT의 p값은 모든 모형에서 유의하게 나타났다. 모형별 분류 수치를 종합적으로 고려했을 때, 3집단이 가장 적합한 모형인 것으로 최종 선택하였다.

청소년 비행 잠재유형과 특성

Figure 1과 같이, 청소년 비행 잠재유형은 총 세 집단으로 분류되었다. 첫 번째 집단은 26.8%의 청소년이 속하며 이 집단은 주로 유해물 영역에서 음주 경험율이 높고 유해매체 영역에서 19세 이상 미디어 이용 경험율이 높은 특성을 보이고 있다. 따라서 이 집단은 ‘음주/미디어 비행 집단’으로 명명하였다. 두 번째 집단은 70.0%의 분포를 보이며 대다수의 청소년이 속하고 비행 경험률이 대체적으로 낮은 것으로 나타나 ‘저비행 집단’으로 명명하였다. 마지막으로, 세 번째 집단은 3.2%의 분포를 보이며 환각물질 이용을 제외한 대부분의 비행 경험율이 높은 편이고, 특히 19세 이상 미디어 이용, 인터넷 게임, 도박성 게임, 조건만남 채팅앱과 같은 유해매체 이용 대한 높은 경험율을 보이고 있어 이 집단을 ‘유해매체 고비행 집단’으로 명명하였다.

청소년 잠재 비행집단 예측요인 분석

청소년 잠재 비행유형 예측모형 성과분석

청소년 비행 잠재유형 예측모형에 대한 성과분석은 Table 3에 제시하였다. 훈련데이터의 평균 정분류율은 76.63%로 나타났고(CI [0.73, 0.80], p < .05), Kappa 계수도 0.32의 일치도를 보였다. 10겹 교차 모형 중 정분류율과 Kappa 계수가 가장 높은 모형을 선택하여 최종 분석한 결과, 검증데이터의 정분류율은 76.25%, Kappa 계수는 0.31로 나타나 적합한 수준의일치도를 보였다.

청소년 잠재 비행유형 예측모형 설명변수의 중요도

청소년 잠재 비행유형을 예측하는데 상대적 중요도가 높은 변수를 Figure 2에 제시하였다. 가장 높은 중요도를 보인 변수는 유해물 관심도로 나타났다. 그다음 중요 변인은 유해물 대응 능력, 유해물 접근성, 학교급 유형, 자율성 통제능력, 유해식품 섭취, 사회유대요인의 순서로 상위권에 위치하였다.

부분 의존성 도표

청소년 비행 잠재집단 분류에 영향을 미치는 상위 5개 변수의 부분 의존성 도표는 Figure 3에 제시하였다. 유해물 관심도의 부분 의존성 도표를 보면, 청소년이 유해물에 대해 관심이 많을수록 유해매체 고비행 집단일 확률이 증가하였고, 이와 반대로 유해물에 대한 관심이 낮을수록 저비행 집단일 확률이 증가하였다. 미디어/음주 비행 집단의 경우에는 다른 집단의 확률 변화 정도보다는 완만한 모습을 보였다. 그다음, 유해물 대응능력이 높을수록 유해매체 고비행 집단일 확률을 감소시키고, 저비행과 미디어/음주 집단일 확률을 증가시켰다. 유해물에 대한 접근성은 정도가 높을수록 고비행 집단일 확률을 증가시켰으며, 유해물 접근성이 낮을수록 미디어/음주 및 저비행 집단일 확률을 증가시켰다. 학교급의 경우, 청소년의 학년이 높을수록 미디어/음주 비행 집단일 확률이 증가하였고, 낮은 학년일수록 유해매체 고비행 집단일 확률이 증가하였다. 저비행집단의 경우 고등학교 3학년에서 급감하는 것으로 나타났다. 마지막으로, 자율성 통제 능력이 낮으면 유해매체 고비행 집단일 확률이 증가하고, 자율성 통제 능력이 높으면 미디어/음주 및 저비행 집단일 확률이 증가하였다.

Discussion

현대 청소년들은 기술의 발전으로 다양한 유해환경에 무분별하게 노출되어 있고 이와 더불어 비행 수준도 심화되어 나타나고 있다. 나아가 청소년은 특정 영역이 아닌 다차원의 영역에서 중첩적으로 비행을 경험하고 있는데, 이러한 비행 경험과 비행의 예측요인을 고려한 연구는 제한적인 실정이다. 따라서 본 연구는 청소년보호법에서 지정하고 있는 유형에 따라 청소년 비행을 세부적으로 분류하고 잠재집단을 도출한 뒤, 비행집단에 영향을 미치는 다차원적 예측요인을 고찰하여 유해환경으로부터 청소년을 보호할 수 있는 효과적인 방안을 마련하고자 하였다.
먼저 유해업소 출입(비디오방, 유흥주점, 클럽, 이성동행숙박업소), 유해약물 이용(음주, 흡연, 환각성 물질), 유해매체 이용(성인용 미디어, 인터넷 게임, 조건만남 채팅앱, 도박성 게임, 타인정보 도용 경험) 비행을 고려하여 잠재계층분석을 실시한 결과, 총 3개의 잠재비행집단이 도출되었다. 저비행 집단(70%)은 대체적으로 유해매체 영역에서 성인용 미디어 이용 경험을 제외한 대부분의 영역에서 낮은 비행률을 보였고, 음주/미디어 비행 집단(26.8%)은 유해약물 영역인 음주 경험과 유해매체 영역인 성인용 미디어 이용 경험이 두드러지게 나타났다. 마지막으로, 소수의 청소년이 속하였지만, 유해업소와 유해매체물 이용 경험이 대체적으로 많고, 특히 유해매체물 비행 영역에서 더욱 높은 수준을 보이는 유해매체 고비행 집단(3.2%)이 도출되었다. 이러한 연구 결과는 흡연, 음주 등의 유해약물 비행을 행하는 청소년들의 70% 이상이 성인용 간행물, 영상물, 게임 등의 유해매체 비행을 저지른다는Moon (2009)의 연구와, 유해업소 출입 비행을 저지르는 학생들이 흡연 및 음주 등의 유해약물 비행에 더 많이 가담한다는 J. Kim과 Sohn (2014)의 연구와 맥을 같이 한다고 볼 수 있다. 하지만, 본 연구에서는 선행연구에서 활용한 변인 중심의 분석이 아닌 청소년의 실제 응답 패턴을 기반으로 하는 사람중심분석을 활용하여 잠재적 비행 집단을 도출해냈다는 것에 의의가 있다. 즉 본 연구의 결과는 비행집단의 속성에 따라 청소년이 질적으로 구분되는 비행 경험을 하고 있음을 보여주며, 특히 유해매체 고비행 집단과 음주/미디어 집단을 통해 중첩적 비행 양상을 면밀히 파악할 수 있었다. 이러한 결과는 비행의 유형에 따라 세부적인 예방 및 개입 프로그램을 마련하기보다는 집단 맞춤형 프로그램을 고려해야 할 필요성이 있음을 보여준다. 결과적으로 청소년기 비행은 단일 차원에서만 일어나지 않으며 유해매체물, 유해약물, 유해업소 영역 간에 중첩적으로 일어나고 있으며, 이러한 복합적 상황을 고려하는 청소년 비행 예방책이 필요함을 시사한다.
한편, 본 연구 결과에서 흥미로운 점은 성인용 미디어 이용경험이 저비행 집단을 포함한 모든 집단에서 가장 높은 수준을 보였다는 점이다. 이는 유해약물 이용 및 유해업소 출입에 비하여 성인용 영상물에 대한 접근이 수월하여 많은 청소년들이 일상적으로 노출되어 있는 현실을 여실히 반영하는 결과라고 볼 수 있다. 성인용 미디어에 관심이 없더라도 자주 노출된다는 청소년이 76.3%라는 결과를 참고하여(J. Kim et al., 2020) 성인용 매체에 노출되는 사이버 환경에 대한 모니터링단 운영을 더욱 강화하고 강력한 모니터링 시스템이 구축되어야 할 필요가 있음을 시사한다.
앞서 도출된 잠재비행집단에 대해 심층적으로 이해하고자 청소년 비행에 영향을 미치는 인구사회학적, 개인적, 환경적 차원의 53개 요인을 활용하여 랜덤포레스트 분석을 실시하였다. 랜덤포레스트 분석 결과, 개인적 차원의 유해물 관심도가 세 개의 비행집단을 분류하는 데에 가장 중요한 요인으로 나타났다. 랜덤포레스트 분석은 다수의 예측 변인 중에서 가장 영향력 있는 변인을 나타내는 데 강점이 있는 분석 방법으로써 이를 토대로 청소년의 유해물 관심도에 초점을 맞춘 청소년 비행 연구가 활성화되고 비행 개입방안 마련에 적극적으로 활용되어야 함을 강조하고자 한다. 이외에 개인적 차원의 유해물 대응능력, 환경적 차원의 유해물 접근성, 인구사회학적 차원의 학교급 유형 등 다양한 차원에서 중요도가 높은 요인이 복합적으로 나타났다. 이는 청소년비행 예측요인 관련 메타 연구에서 유해물 접근성, 대응능력과 같은 다양한 차원의 변수가 청소년 비행과 높은 상관관계를 보였다는 Jin과 Bae (2012)의 연구와 맥을 같이 한다. 즉 청소년의 비행을 예방하고 이에 개입하기 위해서는 우선적으로 유해물에 대한 개인적 관심을 환기하는 등 개인적 차원의 접근을 필수적으로 고려하는 것에서 나아가 환경적 차원, 인구학적 차원을 동시에 고려하는 다차원적 접근을 취해야 할 필요가 있음을 보여준다.
마지막으로, 부분의존성 도표를 토대로 잠재집단별 상대적 중요도가 높게 나타난 상위 다섯 가지 요인과의 관계성을 상세히 살펴본 결과, 유해물 관심도가 높을수록, 유해물 대응능력이 낮을수록, 유해물 접근성이 높을수록, 학교급이 낮을수록, 자율성 통제능력이 낮을수록 유해매체 고비행 집단으로 분류될 확률이 증가하였다. 이는 유해물 접근성이 높고, 유해물 관심도 및 대응능력이 낮을수록 인터넷 도박 행동 등 유해매체 비행에 가담할 확률이 높아졌다는 Shon (2016)Han, Kim과 Lee (2018)의 연구와 유사한 결과이다. 즉 유해매체 고위험 집단의 비행을 예방하기 위해서는 청소년 개인의 유해물에 대한 관심도를 낮추고 유해물에 스스로 접촉하지 않도록 청소년의 자가 대응능력을 높일 수 있는 개인적 차원의 프로그램이 필요하다는 점을 보여준다. 동시에 유해물에 대한 접근성을 낮출 수 있는 차별화되고 집중적인 예방 및 개입 프로그램을 구상해야 할 필요가 있음을 시사한다. 특히 기존 연구에서는 개인적 차원 요인(자아통제력의 향상 등)과 가정적 차원(보호자 교육 등)을 고려한 청소년 비행 개입 매뉴얼을 개발하여 보급하고 있지만(Cha et al., 2019), 다양한 비행유형을 고려하지 못했다는 한계가 있다. 따라서, 본 연구 결과를 발전시켜 유해매체 고비행 집단에 적용할 수 있도록 대상을 세분화하고 개인적 차원뿐만 아니라 유해물 접근성과 같은 환경적 차원의 요인까지 고려하는 복합적 매뉴얼을 개발하여 제공할 필요가 있다. 또한, 학교에서 전교생 대상으로 일률적으로 진행되던 기존의 예방 교육은 비행 유형 및 연령에 따라 소수 인원의 조를 편성하여 집단 특성에 맞는 교육 프로그램으로 제공되어야 할 것이다. 즉 비행 경험이 없는 집단의 경우에는 전반적인 내용의 비행 예방 프로그램을 제공하고, 미디어/음주 비행집단 및 고비행 집단에 속하는 청소년의 경우, 유해물 관심도 감소를 유도할 수 있는 프로그램과 자가 대응능력을 향상시킬 수 있는 프로그램으로 구성하는 방안을 제안하고자 한다.
한편, 대부분의 선행연구에서는 학교급이 높을수록 유해매체물 비행에 더 많이 가담하고 있는 것으로 나타나는데(Hornor, 2020), 본 연구에서는 학교급이 낮을수록 유해매체 고비행 집단으로 분류될 확률이 높게 나타났다. 이러한 결과는 최근 청소년의 인터넷 방송 등 매체 이용률이 증가하고 특히 저연령 청소년의 성인 영상물 이용이 급증하였다(J. Kim et al., 2020)는 국내의 실태를 반영하고 있다고 할 수 있다. 이와는 달리 기존의 선행연구와 동일하게, 학교급이 높을수록 더 많은 청소년들이 음주/미디어 비행 집단에 속할 확률이 높아지는 것으로 나타나며, 이 결과는 고등학교 3학년 시기에 저비행 집단에 속할 확률이 급감하는 결과와 연관지어 생각해 볼 수 있다. 이 시기에는 특히 학업 스트레스 등의 긴장감을 경험하는데, 청소년들은 음주를 하거나(S.-H. Lee & Hwang, 2019) 음란물 시청을 통해 이러한 긴장감을 해소하는 것으로 보고되고 있다(S. H. Park, 2013). 따라서 수험생을 대상으로 하는 비행 예방 및 개입 프로그램에서는 긴장 완화를 목적으로 한 비행행위의 위험성 및 올바른 스트레스 대처 전략에 대하여 정보를 제공해야 할 필요가 있다.
본 연구는 청소년이 경험하는 다양한 비행을 세밀히 파악하고자 잠재계층분석을 실시하고, 비행에 영향을 미치는 최대한의 변인을 고려할 수 있는 머신러닝 방법을 활용하여 청소년 비행 연구를 확장 및 발전시켰다. 특히, 비행의 유형이 다양해지고 청소년의 경험률 또한 증가하고 있는 상황에서 청소년의 비행 경험을 면밀하게 살펴봤다는 점에서 의의가 있다. 또한, 잠재비행집단에 영향을 미치는 요인을 파악함에 있어 인구사회학적 차원, 개인적 차원, 환경적 차원과 같이 다차원적인 접근을 취하여 예측요인을 검증하였다는 것에 의의가 있다.
하지만, 본 연구에서 다루지 못한 한계점도 존재하며 이를 바탕으로 한 후속 연구를 다음과 같이 제안하고자 한다. 첫째, 본 연구는 여성가족부에서 실시한 실태조사를 활용한 연구로 2차 데이터를 활용함에 있어 측정 도구에 한계가 존재한다. 향후 연구에서는 내적 신뢰도뿐만 아니라 척도 타당도 등이 확보된 도구를 활용하여 진행할 필요가 있다. 뿐만 아니라 2차 자료의 한계로 인해 대부분의 예측 변인이 개인적 차원에 집중되어 있고 각 차원별로 균일하게 분포하지 못하였다는 한계를 지닌다. 향후 연구에서는 이러한 점을 보완하여 가정, 학교, 지역사회 등 다양한 환경적 차원의 변인을 측정하는 등의 노력으로 청소년 비행을 둘러싼 다차원적 요인의 영향력을 규명할 필요가 있다. 둘째, 예측 변인 중 개인적 차원의 변인들은 개인의 위험요인, 보호요인 등으로 세분화할 수 있지만 본 연구에서는 다수의 예측 변인 중 가장 예측력이 높은 변인을 선별하는데 목적이 있었다. 따라서 향후 연구에서는 본 연구에서 나타난 주요 상위 변인을 활용하여 매개 및 조절효과 등 비행 경험과의 구조적 관계를 면밀히 살펴볼 것을 제안하고자 한다. 예를 들어 상위 예측 변인으로 나타난 자율성 통제 능력의 경우, 대체적으로 자율성 통제 능력이 높을수록 저비행 집단과 음주/미디어 비행 집단에 속할 확률이 증가하는 것을 확인할 수 있었지만, 가장 높은 수준의 자율성 통제능력을 가진 경우에는 오히려 두 집단에 속할 가능성이 감소하는 것으로 나타났다. 이와 같은 결과는 자율성 통제 능력과 관련이 높다고 알려진 부모-자녀 관계(Bynum & Kotchick, 2006) 혹은 비행 친구(Dishin et al., 2004) 등의 변인들로 인한 것은 아닌지 후속 연구에서 그 관계성을 자세히 살펴볼 필요가 있다. 셋째, 머신러닝 알고리즘을 활용하여 10겹 교차 검증을 하는 등 과적합을 방지하기 위해 노력하였지만, 훈련데이터와 검증데이터를 한 자료 내에서 실시하였다는 데 한계가 있다. 따라서 추후 연구에서는 훈련데이터와 검증데이터를 독립적 자료로 구성하여 머신러닝의 특성을 더욱 활용할 수 있는 연구를 실시할 필요가 있다.

Acknowledgements

This work was supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea (NRF-2020S1A5A2A03045529).

Notes

This article was presented at the 2022 Annual Spring Academic Conference of the Korean Association of Child Studies.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

Figure 1
Figure 1
Latent classes of adolescent delinquency.
kjcs-43-4-499f1.jpg
Figure 2
Figure 2
Importance plot of random forest.
kjcs-43-4-499f2.jpg
Figure 3
Figure 3
Partial dependence plots of top fi ve variables.
kjcs-43-4-499f3.jpg
Table 1
Predictor Variables
Categories Predictors
Demographic level Gender, school type, grade, family structure, habitation, migration
Personal level Media use experience TV broadcasting, OTT, newspapers, comic books, magazines or books, online newspapers, online cartoons, online magazines (books), online real-time broadcasting, online/mobile messengers, SNS, file-sharing sites
Violence victimization Verbal violence, physical violence, extortion, threats, group bullying, forced errands, cyberbullying, stalking, sexual humiliation, intentional physical contact, online stalking, online prostitution, forcing online body shots
Prevention education experience R-rated materials, online gambling, Internet use, bullying, prostitution/sexual violence, digital sexual crime, alcohol use, smoking, using highly caffeinated drinks, hallucinogenic substances
Consumption of unhealthy food Experience drinking highly caffeinated drinks, taking vitastic vitamins, or candy cigarettes
Psychological factor Perception of harmful things, self-ability to control harmful things, self-management
Social bond factor Friend attachment, teacher attachment, family attachment
Environmental level Accessibility of harmful environments Accessibility of harmful things, harmful environments around school, harmful environments around house
Table 2
Model Fit Indices
Model BIC Entropy BLRT p value Class proportion
C1 C2 C3 C4 C5
2 49489.32 .70 < .001 .79 .21
3 49087.74 .75 < .001 .25 .72 .03
4 48813.36 .67 < .001 .09 .02 .64 .25
5 48727.05 .74 < .001 .02 .07 .64 .02 .25

Note. N = 8,210. BIC = bayesian information criterion; BLRT = bootstrap likehood ratio test.

Table 3
Prediction Indices in the Train Data Set and Performance of the Test Data
Accuracy 95% CI No information rate p value Kappa
Train data 76.63% [.73, .80] .72 < .05 .32
Test data 76.25% [.75, .78] .72 < .001 .31

References

Afzali, M. H., Sunderland, M., Stewart, S., Masse, B., Seguin, J., Newton, N., Teessson, M., & Conrod, P. (2019). Machine‐ learning prediction of adolescent alcohol use: A crossstudy, cross-cultural validation. Addiction, 114(4), 662-671 doi:10.1111/add.14504.
crossref pmid pdf
Brunborg, G. S., Andreas, J. B., & Kvaavik, E. (2017). Social media use and episodic heavy drinking among adolescents. Psychological Reports, 120(3), 475-490 doi:10.1177/0033294117697090.
crossref pmid pdf
Bynum, M. S., & Kotchick, B. A. (2006). Mother-adolescent relationship quality and autonomy as predictors of psychosocial adjustment among African American adolescents. Journal of Child and Family Studies, 15:528-541 doi:10.1007/s10826-006-9035-z.
crossref pdf
Dishion, T. J., Nelson, S. E., & Bullock, B. M. (2004). Premature adolescent autonomy: Parent disengagement and deviant peer process in the amplification of problem behaviour. Journal of Adolescence, 27(5), 515-530 doi:10.1016/j.adolescence.2004.06.005.
crossref pmid pdf
Gajos, J. M., Leban, L., Weymouth, B. B., & Cropsey, K. L. (2022). Sex differences in the relationship between early adverse childhood experiences, delinquency, and substance use initiation in high-risk adolescents. Journal of Interpersonal Violence, doi:10.1177/08862605221081927.
crossref pmid pdf
Hoeben, E. M., & Weerman, F. M. (2014). Situational conditions and adolescent offending: Does the impact of unstructured socializing depend on its location. European Journal of Criminology, 11(4), 481-499 doi:10.1177/1477370813509346.
crossref pdf
Hornor, G. (2020). Child and adolescent pornography exposure. Journal of Pediatric Health Care, 34(2), 191-199 doi:10.1016/j.pedhc.2019.10.001.
crossref pmid
Jackson, C., Brown, J. D., & Pardun, C. J. (2008). A TV in the bedroom: Implications for viewing habits and risk behaviors during early adolescence. Journal of Broadcasting & Electronic Media, 52(3), 349-367 doi:10.1080/08838150802205421.
crossref
Kim, J., & Sohn, A. (2014). Smoking and alcohol drinking related to experience of harmful shops among Korean adolescents. Osong Public Health and Research Perspectives, 5(3), 138-147 doi:10.1016/j.phrp.2014.04.005.
crossref pmid pmc
Kristjansson, A. L., Kogan, S. M., James, J. E., & Sigfusdottir, I. D. (2021). Adolescent caffeine consumption and aggressive behavior: A longitudinal assessment. Substance Abuse, 42(4), 450-453 doi:10.1080/08897077.2021.1876810.
crossref pmid
Liaw, A., & Wiener, M. (2002). Classification and Regression by random Forest. R News, 2(3), 18-22.

Mplus (Version 8.6). [Computer software]. Los Angeles, CA: Muthén & Muthén.

Negriff, S., Dilkina, B., Matai, L., & Rice, E. (2022). Using machine learning to determine the shared and unique risk factors for marijuana use among child-welfare versus community adolescents. PLoS ONE, 17(9), e0274998. doi:10.1371/journal.pone.0274998.
crossref pmid pmc
Sabina, C., Wolak, J., & Finkelhor, D. (2008). The nature and dynamics of internet pornography exposure for youth. CyberPsychology & Behavior, 11(6), 691-693 doi:10.1089/cpb.2007.0179.
crossref pmid
Shah, R., Dodd, M., Allen, E., Viner, R., & Bonell, C. (2022). Is being a victim of bullying or cyberbullying in secondary school associated with subsequent risk‐taking behavior in adolescence? A longitudinal study in secondary schools. Journal of Adolescence, 94(4), 611-627 doi:10.1002/jad.12050.
crossref pmid pdf
Shi, J., Fu, R., Hamilton, H., & Chaiton, M. (2022). A machine learning approach to predict e-cigarette use and dependence among Ontario youth. Health Promotion and Chronic Disease Prevention in Canada: Research, Policy and Practice, 42(1), 21-627 doi:10.24095/hpcdp.42.1.04.
crossref pmid pmc
Ting, M. H., Chu, C. M., Zeng, G., Li, D., & Chng, G. S. (2018). Predicting recidivism among youth offenders: Augmenting professional judgement with machine learning algorithms. Journal of Social Work, 18(6), 631-649 doi:10.1177/1468017317743137.
crossref pmid pmc pdf
Vázquez, A. L., Domenech Rodríguez, M. M., Barrett, T. S., Schwartz, S., Amador Buenabad, N. G., Bustos Gamiño, M. N., Gutiérrez López, M. D. L., & Villatoro Velázquez, J. A. (2020). Innovative identification of substance use predictors: machine learning in a national sample of Mexican children. Prevention Science, 21:171-181 doi:10.1007/s11121-020-01089-4.
crossref pmid pdf
Wikström, P-OH., Ceccato, V., Hardie, B., & Treiber, K. (2010). Activity fields and the dynamics of crime: Advancing knowledge about the role of the environment in crime causation. Journal of Quantitative Criminology, 26:55-87 doi:10.1007/s10940-009-9083-9.

Yuliartini, N. P. R., Setianto, M. J. (2021). Juvenile delinquency in accessing pornography through social media in the city of Singaraja. Proceedings of the 2nd International Conference on Law, Social Sciences and Education. Singaraja, Bali: Indonesia: doi:10.4108/eai.10-11-2020.2303422.
crossref
Cha, J., Lee, C., Park, J., Jang, H., Son, J. (2019). Gowigi cheongsonyeon jeongsingeongang sangdamgaeib maenyueol: bihaeng pyeon [고위기 청소년 정신건강 상담개입 매뉴얼: 비행 편]. Retrieved from Korea Youth Counselling & Welfare Institute website: https://www.kyci.or.kr.

Cho, C., & Lee, H. (2020). A predictive model for digital sexual crime of adolescents using random forests. The Journal of Humanities and Social Science, 11(6), 3127-3141 doi:10.22143/HSS21.11.6.219.
crossref
Cho, M.-K., & Kim, H.-Y. (2013). The relationship between truancy and adolescent delinquency. Korean Journal of Youth Studies, 20(6), 103-125.

Choi, D. (2021, October). Seongmaemae·mayag…teuwiteoneun yeojeonhi ‘cheongsonyeon yuhaegesimul sogul’ [성매매·마약… 트위터는 여전히 ‘청소년 유해게시물 소굴’]. Hankyung sahoe. Retrieved from https://www.hankyung.com/society/article/202110146187i.

Choi, J., & Chung, D. (2012). Influence of sexual attitudes, personal relations, and mobile media on the sexual behavior of adolescents. Information Society & Media, 17(2), 1-34.

Han, Y. K., Kim, J. I., & Lee, Y. G. (2018). The effect of internet gaming on gambling among adolescents. Journal of Social Sciences, 57(2), 363-390 doi:10.22418/JSS.2018.12.57.2.363.
crossref
Hyun, T.-K., & Kim, H.-M. (2018). The effect of adolescents’ family environment, friendship, educational environment, and community environment on delinquent behavior: Focused on the mediating effects of self-awareness and emotional problems. Korean Journal of Youth Studies, 25(4), 1-26 doi:10.21509/KJYS.2018.04.25.4.1.
crossref
Jeong, K.-H., & Kim, H.-J. (2016). The effects of parental monitoring/affection perceived by adolescents on juvenile delinquency: A comparison between two-parent families single-parent families. Journal of Korean Society of Child Welfare, 56:195-220.

Jin, H.-M., & Bae, S.-W. (2012). A meta-analysis on the variables related with juvenile delinquency. Journal of Adolescent Welfare, 14(2), 193-221.

Joo, Y. S., & Chung, I.-J. (2019). The effects of neighborhood environments on juvenile delinquency. Studies on Korean Youth, 30(4), 33-62 doi:10.14816/sky.2019.30.4.33.
crossref
Juveniles Protection Act, Act No. 18550, 2021. Retrieved from Korea Law Information Center website: https://www.law.go.kr.

Kim, J., Kim, S., Baek, H., Hwang, Y., Choi, S. (2020). 2020nyeon cheongsonyeon maecheiyong mich yuhaehwangyeong siltaejosa [2020년 청소년 매체이용 및 유해환경 실태조사](Report No. 2020-22). Retrieved from Ministry of Gender Equality and Family website: http://www.mogef.go.kr.

Kim, M., & Yoon, O. (2001). Visit to entertainment shops and delinquent experience of youths in Korea. Korean Journal of Youth Studies, 8(1), 99-116.

Kim, S.-Y., Lee, S.-H., & Ahn, K.-S. (2018). A study on influence of mental health on the harmful business, harmful materials and harmful media of adolescents. Korean Journal of Youth Studies, 25(2), 447-475 doi:10.21509/KJYS.2018.02.25.2.447.
crossref
Kwon, I., Jeon, M. (2021). Cheongsonyeon munjewa boho [청소년 문제와 보호]. Seoul: Changjisa.

Lee, B.-H., & Sohn, A. (2008). The effects of alcohol control policy on alcohol-related knowledge, attitudes and behavior among middle school students. Alcohol and Health Behavior Research, 9(2), 103-111.

Lee, H.-J., & Lee, M.-S. (2001). Adolescents’ use of harmful environment and correlates of risk health behaviors. Korean Journal of Health Education and Promotion, 18(2), 129-140.

Lee, J.-R. (2011). The relationships between attachment to parents, attachment to friends, and adolescent delinquency: A longitudinal study. The Journal of Play Therapy, 15(2), 21-30.

Lee, S.-H., & Hwang, S.-H. (2019). A study on the theories of delinquency that have decisive influence on drinking behavior through a comparative study of high school senior and social beginner. Korean Association of Addiction Crime Review, 9(3), 117-138 doi:10.26606/kaac.2019.9.3.6.
crossref
Lee, S.-S. (2010). The effects of low self-control and opportunity on offline and online delinquency: A test of general theory. Korean Criminological Review, 21(1), 203-223.

Moon, I. (2009). A study of the relationship between use of harmful media, smoking, and drinking among junior highschool students. The Journal of Korean Society for School Health Education, 10(2), 43-54.

Nam, J. (2010). Haggyo yuhyeonggwa cheongsonyeon bihaeng [학교 유형과 청소년 비행]. Journal of Social Science, 27(2), 59-91.

Park, H.-S., & Kim, Y.-K. (2014). Effects of Korean adolescents’ emotion (affect), family, peer, and school environment on juvenile delinquency. Korean Journal of Social and Personality Psychology, 28(2), 119-143 doi:10.21193/kjspp.2014.28.2.007.
crossref
Park, J., Kim, H. Y., Yu, J. K., & Han, Y. (2017). Typologies and characteristics of adolescent-peer delinquency using latent class analysis. Korean Journal of Child Studies, 38(2), 165-176 doi:10.5723/kjcs.2017.38.2.165.
crossref pdf
Park, S. H. (2013). A study on the adolescents’ recognitions and attitudes toward smart phone pornography by Q-methodology. (Master’s thesis). Retrieved from http://www.riss.kr/link?id=T13076270.

Park, S. S. (2018). A Study on the risky and safe group of adolescent’s cyber-delinquency classified by personal characteristics: Using decision tree analysis. Social Science Research Review, 34(2), 53-79 doi:10.18859/ssrr.2018.05.34.2.53.
crossref
Shim, S. H. (2020). The effect of juvenile harmful environment on juvenile delinquency: Application of spatial regression. The Journal of Police Science, 20(2), 211-233 doi:10.22816/polsci.2020.20.2.008.

Shon, K. S. (2016). The relationship between monetary motivation and future gambling behavior of internet gambling adolescents: Focus on the mediating effects of irrational gambling belief. Journal of Learner-Centered Curriculum and Instruction, 16(12), 229-247 doi:10.22251/jlcci.2016.16.12.229.
crossref
Sohn, A. (2014). Characterizing patterns of experience of harmful shops among adolescents using decision tree models. Korean Journal of Health Education and Promotion, 31(3), 15-26 doi:10.14367/kjhep.2014.31.3.15.
crossref
Song, J., Song, T. (2018). Bigdeiteoleul hwalyonghan beomjoeyecheug: Meosin leoningeul jungsimeulo [빅데이터를 활용한 범죄예측: 머신 러닝을 중심으로]. Seoul: Hwangsogeoleum.

Yang, J.-W., Noh, I. S., Hong, S., & Kim, J.-H. (2005). The effect of temperament on juvenile delinquent behavior. Journal of the Korean Neuropsychiatric Association, 44(3), 350-356.

TOOLS
PDF Links  PDF Links
PubReader  PubReader
ePub Link  ePub Link
Full text via DOI  Full text via DOI
Download Citation  Download Citation
CrossRef TDM  CrossRef TDM
  Print
Share:      
METRICS
0
Crossref
232
View
20
Download
Related article
Editorial Office
The Korean Association of Child Studies
#312 College of Human Ecology, Sangmyung University,
20, Hongjimun 2-gil, Jongno-gu, Seoul 03016, Republic of Korea
TEL: +82-10-7704-8342   E-mail: gochildren@hanmail.net
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Association of Child Studies.                 Developed in M2PI