Attitudes in Korea Toward Introducing Smart Policing Technologies: Differences Between the General Public and Police Officers

Hyungbin Moon, Hyunhong Choi, 이종수, Ki Soo Lee (2017) · Sustainability 9(10):1921 · DOI ↗

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 이산선택 모형 혼합 로짓 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: 이산선택 모형 choice experiment (fractional factorial 18 alternatives / 6 choice sets) + 혼합 로짓 (이질적 선호 분포, normal / log-normal) + 한계 지불의사 $(\mathrm{MWTP} = -\beta_k/\beta_{\mathrm{price}})$ + simulation analysis (세금·프라이버시 수준별 acceptance rate) + 비용편익분석 (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.

요약

이 paper 는 이종수 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 이종수 의 표준 toolkit (이산선택 모형 + 혼합 로짓 + 한계 지불의사) 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. 혼합 로짓 (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

이산선택 모형 의 utility 함수:

U_{nj} = V_{nj} + \varepsilon_{nj} = \beta_n^\top x_{nj} + \varepsilon_{nj}

$\varepsilon_{nj}$ i.i.d. extreme value. 혼합 로짓 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).

한계 지불의사:

\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.

이종수 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 Smart Policing: Ethical Issues & Technology Management of Robocops (PICMET 글로벌 SLR — 한국 ex-ante 분석 vs 글로벌 review 의 paired contribution). Hyungbin Moon 의 후속 EV·환경 작업들 (Forecasting electricity demand of electric vehicles by analyzing consumers' charging patterns 등) 의 방법론적 anchor.

인접 그래프

1-hop 이웃 16개

인물 4
방법론 3
개념 1
주제 2
수록처 1
분류 2
논문 3

휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (2)

인물 (1)

이종수