[논문 리뷰] Social Network Based Substance Abuse Prevention via Network Modification (A Preliminary Study)

Aida Rahmattalabi, Anamika Barman‐Adhikari외 4명|arXiv (Cornell University)|2019. 02. 01.

Homelessness and Social Issues참고 문헌 17인용 수 3

한 줄 요약

이 논문은 혼자서도 행동을 유도하는 영향력의 역동성을 모델링하고, 고위험군인 실종 청소년들을 대상으로 유해물질 남용 간병 그룹을 구성함으로써 퇴행 훈련의 위험을 최소화하기 위해 혼합정수최적화와 대규모 이웃 탐색을 활용하는 AI 기반 의사결정 지원 도구 GUIDE를 제안한다. 이는 전통적인 그룹 편성 방법보다 뚜렷이 뛰어난 성능을 보이며, 사회적 영향력 역학을 고려한 그룹 구성 최적화를 통해 실현된다.

ABSTRACT

Substance use and abuse is a significant public health problem in the United States. Group-based intervention programs offer a promising means of preventing and reducing substance abuse. While effective, unfortunately, inappropriate intervention groups can result in an increase in deviant behaviors among participants, a process known as deviancy training. This paper investigates the problem of optimizing the social influence related to the deviant behavior via careful construction of the intervention groups. We propose a Mixed Integer Optimization formulation that decides on the intervention groups, captures the impact of the groups on the structure of the social network, and models the impact of these changes on behavior propagation. In addition, we propose a scalable hybrid meta-heuristic algorithm that combines Mixed Integer Programming and Large Neighborhood Search to find near-optimal network partitions. Our algorithm is packaged in the form of GUIDE, an AI-based decision aid that recommends intervention groups. Being the first quantitative decision aid of this kind, GUIDE is able to assist practitioners, in particular social workers, in three key areas: (a) GUIDE proposes near-optimal solutions that are shown, via extensive simulations, to significantly improve over the traditional qualitative practices for forming intervention groups; (b) GUIDE is able to identify circumstances when an intervention will lead to deviancy training, thus saving time, money, and effort; (c) GUIDE can evaluate current strategies of group formation and discard strategies that will lead to deviancy training. In developing GUIDE, we are primarily interested in substance use interventions among homeless youth as a high risk and vulnerable population. GUIDE is developed in collaboration with Urban Peak, a homeless-youth serving organization in Denver, CO, and is under preparation for deployment.

연구 동기 및 목표

• 높은 위험도를 지닌 청소년들이 함께 모여 부정적 행동을 강화하는 퇴행 훈련의 위험을 해결하기 위해, 동료 기반 유해물질 남용 간병에서의 퇴행 훈련 위험을 줄이기 위한 목표를 설정한다.
• 사회 네트워크 구조와 영향력 역학을 활용하는 정량적이고 데이터 기반의 그룹 편성 방법을 개발한다.
• 실종 청소년과 같은 고위험 인구에서 간병 결과를 향상시키기 위해 사회복지사가 사용할 수 있는 확장 가능한 의사결정 지원 도구를 만든다.
• 기존의 랜덤, 교사 추천, 네트워크 기반의 그룹 편성 방법의 한계를 극복하기 위해, 영향력 전파와 행동 결과를 최적화함으로써 그룹 편성을 개선한다.
• 실제 적용 전에 효과적이거나 해로운 그룹 전략을 평가하고 기각할 수 있도록 실무자들이 도움을 받을 수 있도록 한다. 이는 시간과 자원을 절약할 수 있다.

제안 방법

• 네트워크 구조, 영향력 전파, 그룹 수준의 행동 변화를 모두 수용하는 혼합정수최적화(MIO) 모델로 그룹 편성 문제를 수식화한다.
• 양의(비사용자) 및 음성(사용자) 영향력 전파를 모두 고려하는 경쟁적 선형임계(LT) 프레임워크를 사용해 사회적 영향력을 모델링한다.
• 그룹 편성이 시간이 지남에 따라 연결 강도와 영향력 패턴을 변화시키는 네트워크 전환 역학을 통합한다.
• 근사 최적해를 효율적으로 찾기 위해 혼합정수계획법(MIP)과 대규모이웃탐색(LNS)을 융합한 하이브리드 메타휴리스틱 알고리즘을 개발한다.
• GUIDE라는 사용자 친화적인 애플리케이션에 알고리즘을 구현하여, 사회 네트워크 및 행동 데이터를 입력받고 그룹 배정을 생성하며, 동적 재최적화를 지원한다.
• 실종 청소년 서비스 기관인 Urban Peak의 실제 데이터를 활용해 모델과 알고리즘을 검증하고 校정한다.

실험 결과

연구 질문

• RQ1 사회 네트워크 내 그룹 편성에 최적화 기반 접근법을 적용하면, 유해물질 남용 간병에서 퇴행 훈련의 위험을 줄일 수 있는가?
• RQ2 제안된 최적화 방법의 성능은 전통적인 직관 기반 그룹 편성 전략(예: 랜덤 배정 또는 교사 추천)과 비교해 어떻게 다른가?
• RQ3 음성 영향력 대 양성 영향력 비율(Ωu|n / Ωn|u)이 간병 전략의 성공에 얼마나 큰 영향을 미치는가?
• RQ4 대규모이웃탐색(LNS)과 같은 확장 가능한 메타휴리스틱 알고리즘이 실생활 적용에 적합한 시간 프레임 내에서 근사 최적해를 제공할 수 있는가?
• RQ5 GUIDE와 같은 AI 기반 의사결정 지원 도구는 실무자가 유해물질 남용을 악화시킬 가능성이 있는 그룹 편성 전략을 식별하고 회피하는 데 도움이 될 수 있는가?

주요 결과

• 모의 실험에서 제안된 MIO 수식이 기존의 그룹 편성 방법보다 뚜렷이 뛰어나며, 영향력 인지 기반의 체계적인 그룹 설계가 더 나은 간병 결과를 이끌어낸다는 것을 입증한다.
• 동일한 시간 예산 내에서 LNS는 MIP보다 해의 품질에서 항상 뛰어나며, 실시간 의사결정 지원에 더 실용적인 선택임을 보여준다.
• 음성 대 양성 영향력 비율(Ωu|n / Ωn|u)이 증가할수록 간병 전략의 성공률이 감소함을 확인하여, 그룹 구성의 균형이 중요함을 강조한다.
• 40노드 네트워크에서 LNS는 약 20회 실행 후 안정된 해의 품질을 확보하여 실용적 적용에 적합한 수렴 성능를 보였다.
• LNS가 국소 최적해를 찾는 데 소요되는 시간은 네트워크 크기와 함께 다항식적으로 증가함을 확인하여, 실생활 응용에 대한 확장성을 입증한다.
• GUIDE는 데이터 수집, 최적화, 출력 표시를 하나의 사용자 우아한 인터페이스로 통합하여, 참가자 가용성 변화에 대응하는 빠른 배포와 동적 재계획이 가능함을 입증했다.