정책의 문장 너머,
사람의 조건을
살핍니다.

• 

  1단계

  문장을 조건으로

  정책 문구를 대상, 자격, 혜택, 제외 조건으로 겹겹이 나눕니다. 붉은 층이 다시 살펴볼 조건입니다.

• 

  2단계

  같은 조건 앞의 다른 사람들

  통계로 만든 150명에게 같은 문장을 씁니다. 조건이 겹친 한 사람은 다르게 받습니다.

• 

  3단계부터 5단계

  영향이 닿는 곳과 비껴가는 곳

  판단을 검증하고 집계한 뒤, 궤도의 틈처럼 평균에서 비껴간 집단을 후보로 남깁니다.

작동 원리를 나타낸 개념 모형이에요. 실제 통계나 사람의 사진이 아니고, 150명의 결과는 점과 표로만 보여 드려요.

1. 01

   정책 구조화언어 모델

   정책 문구에서 대상·혜택·제외·자격조건을 구조화하고, 해석이 갈릴 수 있는 모호한 조건을 먼저 찾아냅니다.

2. 02

   150명 만들기코드

   KOSIS 지역·연령 실데이터, 가구·고용 조사통계 근사값, 소득 균등 가정으로 합성 시민 150명을 구성합니다. 통계 비율에 맞춰 보정하고(raking) 재현도를 재는 과정은 정해진 코드가 합니다. 재현도는 정한 기준 분포를 따른 정도이지 현실 대표성이 아닙니다.

3. 03

   영향 판단언어 모델

   시민 한 명 한 명에게 정책을 적용해 영향의 방향·경로·근거를 구조화된 형식으로 판단합니다. 정책 문구와 시민 속성만 쓰고, 없는 정보는 가정하지 않고 결측으로 남깁니다.

4. 04

   검증규칙 + 언어 모델

   개별 판단이 정책 문구와 시민 데이터로 지지되는지 확인하고, 근거 없는 추론은 수정하거나 보류합니다.

5. 05

   사각지대 탐지코드

   집계는 코드가 합니다. 수혜 대상 안에서 평균보다 유의하게 영향이 낮거나 판단이 불명확한 집단을 통계적으로 찾고, 언어 모델은 찾아낸 집단의 설명만 씁니다.

하지 않는 것

• 실제 국민의 여론이나 정책 효과를 예측하지 않습니다.
• 합성 시민은 통계 분포 기반 시나리오이며 실제 개인을 대표하지 않습니다. 150명은 실제 인구 규모도, 대표 표본도 아닙니다. 조건 조합을 충분히 담으면서 한 명씩 판단하는 비용과 시간을 통제하기 위한 크기이고, 시민마다 인구 가중치를 적용합니다.
• 정책별 대리 속성(교통 접근성, 야간근무 등)은 공공통계에 결합분포가 없어 근사로 만들며, 결과 화면에 불확실성으로 표시합니다.
• 정치 성향이나 찬반은 생성하지 않습니다. 정책 조건에 따른 기능적 영향만 다룹니다.
• 모든 사각지대는 확정된 사실이 아니라 추가 검토가 필요한 후보입니다.

이 서비스의 결과는 실제 여론조사·정책효과 예측이 아니며, 정책의 잠재적 영향과 추가 검토 대상을 탐색하기 위한 시나리오 시뮬레이션입니다.