预算分散到多种媒介时效果反而下降
提出比较政策情景的“实验环境”
光州科学技术院（GIST）30日表示，AI政策战略研究生院教授 Gong Deukjo 研究团队利用人工智能（AI）基础仿真，提出了一种在应对超高龄社会过程中，同时兼顾高龄群体健康预防宣传活动的效果性与公平性的媒介投放策略。
（自左起）AI政策战略研究生院教授 Gong Deukjo，硕士研究生 Kim Yuna，首尔大学责任研究员兼GIST外部研究员 Lee Jihye，硕士研究生 Park Juyoung。GIST供图
View original image本次研究在提高高龄群体参与预防性保健服务的同时，实证性地确认了缓解因数字可及性、收入和社会条件差异而产生的群体间差距的可能性。进一步来看，该研究从政策设计阶段起就同时考虑效果与公平性，提出了AI基础决策框架，具有重要意义。
随着我国社会快速迈入超高龄社会，以疫苗接种、健康体检等为代表的预防为中心的保健政策愈发重要。然而，现有宣传活动多以整体平均参与率为基准进行设计，即便参与率有所提高，由于▲数字可及性 ▲读写能力 ▲居住环境 ▲收入水平等差异，部分高龄群体仍存在被信息排除在外的局限。这种结构结果上会扩大健康水平差距，并在长期内导致社会成本增加，因此，社会各界一直呼吁在政策设计中同时兼顾效率与公平性。
为解决这一问题，研究团队将个人设定为在社会关系中相互作用的“智能体（Agent，虚拟个体）”，并运用在计算机中再现信息与行为扩散过程的基于智能体建模（ABM）技术。研究将韩国媒体面板调查与国民健康营养调查数据相结合，在虚拟环境中构建了约2400名高龄者，反映其媒介使用、数字能力、社会关系与健康行为，并模拟他们通过电视、数字、印刷媒介获取信息、与周围人互动，进而转化为实际预防行为（疫苗接种、参加健康体检）的全过程。
尤其是，研究团队并未局限于单一策略，而是设定了15种不同的政策情景，从▲媒介投放方式 ▲预算水平 ▲群体定制化策略 ▲信息传递方式等方面，系统比较分析这些变量对结果的影响。
分析结果显示，与直觉相反，将预算分散到多种媒介的方式反而降低了宣传活动效果，出现了所谓“稀释效应（dilution effect）”。在相同预算条件下，同时使用电视和数字媒介的多渠道策略，其平均参与率低于集中于单一渠道的策略。分析认为，这是因为在单一渠道中反复曝光、在周围人之间分享并最终转化为行动的社会扩散效应被分散所致。
研究团队并未将高龄群体视为单一整体，而是根据媒介使用模式、数字亲和度、社会活动性等，将其划分为6个不同群体。例如，▲数字应用水平高但很少观看电视的群体，▲高度依赖电视但数字应用较低的群体等，各群体获取信息的方式存在明显差异。研究据此设计了“群体定制化渠道分配策略”，针对不同群体分别采用▲以电视为主 ▲以数字为主 ▲混合策略等差异化方案。
应用定制化策略后，效果性与公平性同步改善。在疫苗接种方面，参与率最低群体从86.8%提升至90.9%；在健康体检方面，从77.6%提升至85.3%；同时，群体间参与差距（最高组与最低组之差）最多缩小约33%。这表明，政策设计不仅可以提高平均参与率，更可以通过“托举弱势群体”的方式实现目标。
本次研究通过AI仿真，提出了在政策实施前即可比较多种情景的“政策实验环境”。借此可以在实际政策执行之前预测资源分配方式和目标投放策略的效果，未来也有望广泛应用于能源、城市规划、公共服务等多个领域。
Gong Deukjo 教授表示：“本研究表明，AI不仅是一种技术工具，更能够为解决超高龄社会等复杂社会问题作出贡献。未来重要的将不是平均效果更高的政策，而是确保无人被排除在外的政策设计，AI将成为实现这一社会价值的关键手段。”
本研究由GIST AI政策战略研究生院 Gong Deukjo 教授指导，首尔大学责任研究员 Lee Jihye（第一作者）以及GIST AI政策战略研究生院硕士研究生 Park Juyoung、Kim Yuna（共同作者）共同完成，获得科学技术信息通信部及信息通信规划评价院（IITP）人工智能研究生院支援项目、研究开发特区振兴财团“开启地区未来的科学技术项目”、国土科学技术振兴院都市融合特区研发项目以及 GIST-InnoCORE 项目的资助。
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
