본 연구는 최근 한국 사회에서 관찰되는 기부 총량의 증가와 기부 참여율 하락이라는 ‘기부의 역설’ 현상에 주목하여, 기부 행동을 유발하는 다차원적 요인을 규명하고 잠재적 기부자를 정밀하게 예측하는 것을 목적으로 한다. 이를 위해 2015년부터 2023년까지 축적된 통계청 ‘사회조사’의 대규모 빅데이터(N=184,915)를 활용하였으며, 기존의 선형 회귀분석이 갖는 예측력의 한계를 극복하고자 머신러닝 및 딥러닝 알고리즘을 적용하였다. 또한, 인공지능 모델의 불투명성(Black Box) 문제를 해결하고 사회복지 실천 현장에서의 적용 가능성을 높이기 위해 설명가능한 인공지능(Explainable AI, XAI) 기법인 SHAP(SHapley Additive exPlanations)를 도입하여 예측의 근거를 실증적으로 제시하였다. 연구 결과, 부스팅 계열의 LightGBM 알고리즘이 F1-Score 81.7%, AUC 88.3%를 나타내며 로지스틱 회귀분석 및 딥러닝 모델(MLP, CNN) 대비 가장 우수한 예측 성능을 보였다. SHAP 분석을 통해 도출된 핵심 영향 요인으로는 ‘자원봉사경험’과 같은 기존의 예측 변수 외에도 ‘독서 여부’가 강력한 주요 변수로 식별되었다. 이는 독서와 같은 문화적 자본이 공감 능력을 매개로 친사회적 행동으로 이어진다는 이론적 논의를 뒷받침한다. 또한, 객관적 소득보다 ‘주관적 계층의식’이, 단순한 사회적 관계망보다 ‘사회적 신뢰’가 기부 행동에 더 큰 영향을 미치는 것으로 나타났다. 본 연구는 이러한 분석 결과를 바탕으로 데이터 기반의 정밀 모금 전략, 문화적 소양 함양을 통한 기부 저변 확대, 사회복지 행정 및 정책적 함의를 제언한다.
Shin et al. (Sat,) studied this question.