--- type: paper slug: hyungbin-moon-2017-smart-policing-korea title: >- Attitudes in Korea Toward Introducing Smart Policing Technologies: Differences Between the General Public and Police Officers authors: - '[[hyungbin-moon]]' - '[[hyunhong-choi]]' - '[[jongsulee]]' - '[[ki-soo-lee]]' year: 2017 venue: '[[sustainability]]' volume: '9' issue: '10' pages: '1921' doi: 10.3390/su9101921 categories: - '[[ict-policy]]' - '[[ai-and-society]]' methods: - '[[discrete-choice-model]]' - '[[mixed-logit]]' - '[[marginal-willingness-to-pay]]' - '[[cost-benefit-analysis]]' themes: - '[[smart-policing]]' - '[[cybercrime]]' - '[[privacy-concerns]]' - '[[korean-rd-policy]]' - '[[public-vs-police-perception]]' aliases: [] last_updated: '2026-05-17T21:30:00+09:00' --- # Attitudes in Korea Toward Introducing Smart Policing Technologies: Differences Between the General Public and Police Officers *[[hyungbin-moon]], [[hyunhong-choi]], [[jongsulee]], [[ki-soo-lee]] (2017)* · [[sustainability]] 9(10):1921 · [DOI ↗](https://doi.org/10.3390/su9101921) > 한국 *smart policing technology* (사이버범죄 대응 ICT — DNA testing, face/action recognition, location tracing, video monitoring, fingerprint imaging 등) 도입에 대해 *대중* vs *경찰관* 의 선호 차이를 [[discrete-choice-model]] [[mixed-logit]] choice experiment 으로 정량 분석. 대중 500 명 + 경찰 161 명 face-to-face 설문 (Gallup Korea, 2016). 사이버범죄를 *예방* (prevention) 과 *수사* (investigation) 두 도메인으로 분리, 각각 5 attribute (세금 / 프라이버시 / 인력감소 또는 검거율 / 자동차단 또는 수사시간 / 경찰비위) × 3 수준 fractional factorial 18 alternative × 6 choice set. 대중 prevention 의 relative importance — 세금 25.5% / 프라이버시 24.0% / 해킹감소 23.6% > 경찰의 해킹감소 24.9% / 인력감소 24.4% / 자동차단 18.9%. 한국 정부 정책 R&D 예산 KRW 5.1 billion 대비 도입 효익 KRW 1.3 billion (단년) — *cost-benefit positive*. - **RQ**: 한국에서 smart policing technology 도입에 대해 (a) 사이버범죄 *수혜자·납세자* (대중) 와 (b) *실제 사용자* (경찰관) 의 선호가 어떻게 다른가? prevention 과 investigation 에서 두 집단의 *효용 패턴* 차이는? Policy 설계상 두 집단 간 *reconciliation* 이 가능한가? - **방법론**: [[discrete-choice-model]] choice experiment (fractional factorial 18 alternatives / 6 choice sets) + [[mixed-logit]] (이질적 선호 분포, normal / log-normal) + [[marginal-willingness-to-pay]] $(\mathrm{MWTP} = -\beta_k/\beta_{\mathrm{price}})$ + simulation analysis (세금·프라이버시 수준별 acceptance rate) + [[cost-benefit-analysis]] (도입 benefit vs R&D 예산) - **데이터**: 한국 대중 500 명 (Seoul 43% / Busan 15% / Daegu 10% / Incheon 11% / 기타, gender 50/50, age 20–59 균등) + 경찰관 161 명 (patrol 38% / investigation support 9% / traffic 9% / public safety 8% / 기타) face-to-face Gallup Korea 설문, 2016 년 1–3 월. Bid 5 attributes × 3 levels × 2 도메인 (prevention / investigation) - **주요 발견**: (i) **대중 prevention**: 세금 RI 25.5% / 프라이버시 24.0% (MWTP -2,607 KRW) / 해킹감소 23.6% (MWTP 70 KRW/%) / 자동차단 13.7% / 인력감소 13.2%. (ii) **경찰 prevention**: 해킹감소 24.9% (MWTP 129 KRW/%) / 인력감소 24.4% (MWTP 140 KRW/%) / 자동차단 18.9% / 프라이버시 18.8% (MWTP -3,332 KRW) / 세금 13.0%. (iii) **대중 investigation**: 프라이버시 RI 30.7% (MWTP -1,505 KRW) / 세금 27.1% / 검거율 20.2% (MWTP 143 KRW/%p) / 경찰비위 11.6% / 수사시간 10.5%. (iv) **경찰 investigation**: 수사시간 30.2% (insignificant) / 프라이버시 29.7% (MWTP -124,568 KRW, **대중의 83 배**) / 검거율 24.6% / 경찰비위 15.0% (insignificant) / 세금 0.5% (essentially zero). (v) Acceptance — 세금 0 KRW 시 대중 prevention 67.1% / 경찰 86.5%, 세금 2,400 KRW 시 34.9% / 66.0% — 격차 ~30%p. (vi) CBA — 도입 benefit KRW 1.3 billion (단년) vs 현 R&D 예산 KRW 5 departments × 1 billion ≈ 1 billion — *positive* - **시사점**: 대중-경찰 간 *체계적 인식 격차* 의 정량 측정 — R&D 정책 설계가 *일방* (사용자) 또는 *수혜자* 만 고려하면 social conflict 유발. 한국 cybercrime 정책 처방: (i) 예방에 더 큰 R&D 비중 (대중이 더 가치) — 현재는 수사 중심, (ii) 프라이버시 침해 강하게 규제 (prevention 의 격차 가장 큼), (iii) 경찰의 *세금 무감각* 을 *PR 과 예산 공개* 로 보정 ![Figure 3. 세금 수준별 acceptance rate (cybercrime prevention vs investigation, public vs police). Prevention 에선 경찰이 일관 +20–30%p 높지만 investigation 에선 경찰이 세금 거의 무관 (51.9% 고정), 대중은 가파른 하강 (55.9% → 29.8%). 대중-경찰 격차의 도메인 차이 시각화.](/papers/201710_MoonHB_Attitudes_in_Korea_toward_introducing_smart_policing_technologies_Differences_between_the_general_public_and_police_officers/fig1.jpeg) ## 요약 이 paper 는 [[jongsulee]] 의 *3 기 (2018–2022) 행동경제학 심화 + 도메인 가로지르기* 라인 중 *smart policing* 분기. [[ki-soo-lee]] (Chonnam National University Marine Police 학과) 와의 협업으로 [[jongsulee]] 의 표준 toolkit ([[discrete-choice-model]] + [[mixed-logit]] + [[marginal-willingness-to-pay]]) 을 *국가 안보·범죄* 라는 새 도메인 에 이식한 첫 시도. 1 저자 [[hyungbin-moon]] (SNU TEMEP, 이후 EV·환경 다회 공저), 2 저자 [[hyunhong-choi]] (당시 SNU TEMEP). 한국 cybercrime 검거율이 1990 년대 90%+ → 2014 년 78.3% 로 하락 (지능범죄 검거율 68.3%) 이 정책 motivation. Smart policing 의 *수혜자-사용자 분리* (수혜자 = 대중 + 납세자, 사용자 = 경찰관) 가 정책 갈등의 구조적 근원. 방법론 핵심은 *prevention / investigation 도메인 분리 * choice experiment*. Prevention 5 attribute — 세금 인상 (500/1500/2500 KRW/yr) / 프라이버시 침해 수준 (no/low/high) / 인력감소 (current / -15% / -30%) / 해킹범죄 감소 (current / -15% / -30%) / 자동차단 강화 (current / +15% / +30%). Investigation 도 5 attribute 인데 인력감소 대신 *수사시간 감소*, 해킹감소 대신 *검거율 증가*, 자동차단 대신 *경찰비위 감소*. Fractional factorial design 으로 274 prevention alternatives → 18 orthogonal → 6 choice sets, 162 investigation → 18 → 6. [[mixed-logit]] (normal 분포 가정, 세금은 log-normal) 으로 individual-level $\beta_n$ 추정. MWTP 산출 후 *part-worth* (= $\beta_k \cdot (\max - \min)$) 정규화로 attribute relative importance. 핵심 발견의 행동경제학적 함의는 *Investigation 의 비대칭성*. 대중은 prevention 과 investigation 에서 세금 + 프라이버시 가중치 합이 각각 49.5% / 57.8% — investigation 에서 *비용 변수에 더 민감*. 경찰은 prevention 31.8% / investigation 30.2% 비슷 — *효익이 비용보다 더 중요* 일관. MWTP 의 비대칭: 경찰의 investigation 프라이버시 MWTP -124,568 KRW 는 대중의 -1,505 KRW 의 *83 배* — 경찰이 세금에 *거의 무감각* (RI 0.5%) 인 까닭. 정책 처방: 대중은 prevention 의 benefit 을 더 큰 가치 부여 (efficiency 변수 합 50.5%), 경찰은 investigation 의 efficiency 를 더 가치 (69.8%) — *두 도메인에서 정책 무게중심 분리* 가 reconciliation 의 길. Acceptance 시뮬 결과는 세금 0 KRW 일 때도 대중 prevention 67.1% / 경찰 86.5% (격차 19.4%p), 세금 2,400 KRW 일 때 34.9% / 66.0% (격차 31.1%p) — 세금 의식 확대가 격차 확대 동인. CBA: 도입 benefit KRW 1.3 billion (단년, MWTP × 21.17 million 가구) > 한국경찰청 사이버안전 부서 R&D 예산 KRW 1 billion (5 개 부서 × 평균 1 billion) — *positive*. 한계: (i) 사이버범죄의 *구체 기술* (DNA, video monitoring 등) 별 별도 분석 미수행, (ii) 한국 외 비교 사례 부재, (iii) 경찰 표본 161 명 작아 *직책별* 이질성 분석 한계. ## 핵심 결과 **Prevention 의 attribute relative importance (RI, %)** | Attribute | 대중 (n=500) | 경찰 (n=161) | |---|---:|---:| | 세금 (cost) | **25.5** | 13.0 | | 프라이버시 침해 | **24.0** | 18.8 | | 해킹범죄 감소 | 23.6 | **24.9** | | 자동차단 강화 | 13.7 | 18.9 | | 인력감소 | 13.2 | **24.4** | → 대중은 *비용* (세금 + 프라이버시 = 49.5%), 경찰은 *효율* (해킹 + 인력 + 자동차단 = 68.2%). **Investigation MWTP (KRW/단위)** | Attribute | 대중 MWTP | 경찰 MWTP | 경찰/대중 배율 | |---|---:|---:|---:| | 프라이버시 침해 | -1,505 | **-124,568** | 83× | | 검거율 증가 | 143 / %p | 3,949 / %p | 28× | | 경찰비위 감소 | 41 | n.s. | — | | 수사시간 감소 | n.s. | n.s. | — | | 세금 | RI 27.1% | RI **0.5%** | — | → 경찰은 *investigation 에서 비용에 거의 무감각*, 모든 효익에 대중 대비 20–80 배 높은 MWTP. **Acceptance simulation by tax (KRW/yr)** | 세금 | 대중 prevention | 경찰 prevention | 대중 investigation | 경찰 investigation | |---:|---:|---:|---:|---:| | 0 | 67.1% | 86.5% | 55.9% | 51.9% | | 300 | 60.4% | 84.7% | 44.6% | 51.8% | | 1,500 | 42.8% | 74.7% | 34.2% | 51.6% | | 2,400 | 34.9% | 66.0% | 29.8% | 51.4% | → Prevention 격차 19–31%p, investigation 에선 세금이 대중에만 영향. > **CBA 결과:** 도입 benefit ≈ KRW 1.3 billion (단년) vs 한국경찰청 사이버안전 R&D 예산 ≈ KRW 1 billion → benefit > cost. ## 방법론 노트 [[discrete-choice-model]] 의 utility 함수: $$ U_{nj} = V_{nj} + \varepsilon_{nj} = \beta_n^\top x_{nj} + \varepsilon_{nj} $$ $\varepsilon_{nj}$ i.i.d. extreme value. [[mixed-logit]] 의 choice probability: $$ P_{nj} = \int \left(\frac{e^{\beta_n^\top x_{nj}}}{\sum_i e^{\beta_n^\top x_{ni}}}\right) f(\beta) d\beta $$ $\beta_n$ 의 분포 $f(\beta)$ 는 대부분 normal, 세금처럼 모두 동일 방향 선호인 경우 log-normal (Train-Sonnier 2005). [[marginal-willingness-to-pay]]: $$ \mathrm{MWTP}_{x_{jk}} = -\frac{\partial U_{nj}/\partial x_{jk}}{\partial U_{nj}/\partial x_{j,\mathrm{price}}} = -\frac{\beta_k}{\beta_{\mathrm{price}}} $$ Part-worth $= \beta_k \cdot (\max_k - \min_k)$, relative importance $RI_K = (\text{part-worth}_K) / \sum_k (\text{part-worth}_k) \times 100$. 식별: (i) 18 orthogonal alternatives × 6 choice sets 의 fractional factorial 이 attribute correlation = 0 보장 → multicollinearity 없이 별도 추정 (Danaher 1997, Thyne et al 2006), (ii) face-to-face purposive quota sampling 으로 대중 표본의 모집단 대표성 확보 (gender 50/50, region 비례, age 20–59 균등), (iii) prevention / investigation 도메인 분리가 *동일 응답자 내 비교* 가능하게 함. ## 연구 계보 본 paper 는 두 lineage 의 교차점. (i) *Smart policing technology* 문헌 — Nunn (2001) review, Sarre et al (2014) emerging tech, Koper et al (2014) optimizing tech use, Maguire (2000) intelligence-led policing, Pavone-Degli Esposti (2012) surveillance trade-off, Strickland-Hunt (2005) RFID, Lin et al (2004) / Jen-Hwa Hu et al (2005) COPLINK police acceptance. (ii) *Choice experiment 정통* — Train (2009) *Discrete Choice Methods*, Louviere-Hensher-Swait (2000) *Stated Choice Methods*, McFadden (1974) conditional logit, Train-Sonnier (2005) mixed logit with bounded distributions. 한국 cybercrime 데이터 — National Police Agency Crime Statistics. *Privacy concerns* — Lim et al (2017 JASIST) consumer valuation of personal information, Smith-Dinev-Xu (2011) interdisciplinary review. [[jongsulee]] 의 *3 기 (2018–2022) 행동경제학 심화 + 도메인 가로지르기* 라인 중 *smart policing* 분기점. 그녀의 표준 toolkit (DCM + ML + MWTP) 을 *국가 안보·범죄* 새 도메인에 이식한 첫 시도. Sibling 으로 [[siramaliphol-2022-smart-policing-robocops]] (PICMET 글로벌 SLR — 한국 ex-ante 분석 vs 글로벌 review 의 paired contribution). [[hyungbin-moon]] 의 후속 EV·환경 작업들 ([[hyungbin-moon-2018-ev-electricity-charging]] 등) 의 방법론적 anchor. ## See also - [[jongsulee]] - [[hyungbin-moon]] - [[hyunhong-choi]] - [[ki-soo-lee]] - [[discrete-choice-model]] - [[mixed-logit]] - [[marginal-willingness-to-pay]] - [[smart-policing]] - [[cybercrime]] - [[privacy-concerns]] - [[siramaliphol-2022-smart-policing-robocops]] - [[sustainability]]