Improving the Spatial Identification of Early Years Providers in England: A Comparison of Practical UPRN Linkage Approaches

기술 요약: 영국의 영유아 서비스 제공자(Early Years Providers)에 대한 공간 식별 개선

문제 정의
영국 내 영유아 서비스 제공자(EYP)의 정확한 지리적 위치 파악은 보육 서비스의 공간적 분포를 모니터링하고, 서비스 형평성을 평가하며, 환경 및 행정 데이터셋과의 연계를 가능하게 하는 데 매우 중요하다. 이 데이터의 주요 행정 소스인 Ofsted 보육 제공자 및 검사(Ofsted Childcare Providers and Inspections) 데이터셋에는 고유 부동산 참조 번호(UPRN)가 결여되어 있다. 결과적으로 연구자와 계획가들은 이러한 지속적인 식별자를 할당하기 위해 사후적 주소 매칭을 수행해야 한다. 그러나 EYP 기록은 종종 비공식적이거나 불완전하거나, 혹은 공유된 주소(예: 교회 홀이나 커뮤니티 센터에서 운영되는 제공자)를 포함하고 있어, 표준 주소 매칭 알고리즘이 오류를 범하기 쉽다. 본 연구가 다루는 핵심 문제는 특정 비주거용 행정 맥락 내에서 어떤 실질적인 UPRN 연계 워크플로우가 연계 범위(매칭되는 값을 찾는 것)와 매칭 정확도(올바른 값을 찾는 것) 사이에서 최적의 균형을 제공하는지에 대한 증거가 부족하다는 점이다.

방법론
본 연구는 2017년 12월 31일 기준의 Ofsted 등록부에서 추출한 6,442개의 EYP 기록을 사용하여 다섯 가지 서로 다른 주소 매칭 접근 방식을 평가하였다. 참조 표준은 Ordnance Survey AddressBase® Premium (ABP) 데이터셋(2023년 10월 릴리스)이다.

1. 데이터 전처리: 제공자 주소를 표준화하기 위해 주소 라인을 결합하고 우편번호를 정제하였다. 특정 방법들은 제공자 명칭(ASSIGN 2)이나 Output Area와 같은 지리적 식별자(Bespoke SQL)와 같은 추가 입력을 활용하였다.
2. 평가된 방법들:
   • addressMatchR: 2단계 과정(정확한 우편번호 매칭 후 Jaro–Winkler를 이용한 토큰 가중 유사도 점수 산출)을 사용하는 오픈 소스 R 패키지.
   • OS Match & Cleanse API: 후보 UPRN 세트와 유사도 점수를 반환하는 독점 클라우드 기반 서비스.
   • ASSIGN 1 & ASSIGN 2: NHS 주거용 데이터용으로 설계된 오픈 소스 결정론적 도구. ASSIGN 1은 결합된 주소를 사용하였고, ASSIGN 2는 제공자 명칭을 앞에 붙였다.
   • Bespoke SQL 워크플로우: 지리적 제한(우편번호/OA/LSOA), 텍스트 매칭, 수치 검증, 그리고 부동산 분류 필터링을 결합한 맞춤형 규칙 기반 방법.
3. 검증 전략: 방법 간의 불일치와 모호성을 의도적으로 강화하여 알고리즘을 스트레스 테스트할 수 있도록 구성된 585개 기록의 계층적 검증 서브셋을 구축하였다. 이 중 565개 기록에 대해 확정적인 ABP UPRN을 수동으로 할당하였다.
4. 성능 지표: 본 연구는 연계(UPRN을 반환함)와 매칭(올바른 UPRN을 반환함)을 구분하였다. 성능은 수동 참조 모델에 대비하여 정밀도(Precision), 재현율(Recall), F1 점수를 사용하여 측정되었다. 특히, OS Match & Cleanse는 "후보 세트" 정의(올바른 UPRN이 반환된 세트 내 어디에나 존재하면 매칭된 것으로 간주) 하에 평가되었으며, 다른 방법들은 단일 출력 결정에 대해 평가되었다.

주요 결과

• 연계 범위: 연계 범위는 크게 차이가 났다. OS Match & Cleanse API는 가장 높은 범위(전체 샘플에서 99.9%, 검증 서브셋에서 76%)를 달eric했으며, ASSIGN 2는 가장 낮은 범위(전체 샘플에서 45.7%, 검증 서브셋에서 51%)를 보였다.
• 매칭 정확도: 높은 연계 범위가 올바른 매칭을 보장하지는 않았다.
  • addressMatchR는 검증 서브셋에서 거의 완벽한 재현율(0.99)을 달성했으나 낮은 정밀도(0.57)를 보였는데, 이는 과잉 매칭되어 잘못된 UPRN을 반환하는 경향이 있음을 나타낸다.
  • ASSIGN 2는 높은 정밀도(0.83)를 보였으나 매우 낮은 재현율(0.47)을 보여, 많은 유효한 기록들을 연결하는 데 실패했다.
  • ASSIGN 1과 Bespoke SQL 워크플로우는 각각 0.79와 0.78의 F1 점수를 기록하며 가장 균형 잡힌 프로필을 제공하였고, 완결성과 정확도 사이의 더 나은 절충안을 제시하였다.
  • OS Match & Cleanse는 후보 세트 내에 올바른 UPRN을 반환한 비율이 79%(재현율 0.79, 후보 세트 정의 하의 정밀도 1.00)였으나, 연구에서는 이것이 추가적인 모호성 해소 규칙 없이는 단일 결정 정확도와 동일하지 않음을 명시하였다.
• 맥락적 과제: 본 연구는 구조화된 주거용 데이터에 최적화된 결정론적 도구(ASSIGN 등)가 EYP 기록에서 흔히 나타나는 비정형적이고 공유된 구내 시설(premises) 문제로 인해 어려움을 겪는다는 것을 발견했다. 반면, 지리적 제약(Bespoke SQL)이나 하이브리드 유사도 점수(addressMatchR)를 통합한 방법은 이러한 복잡성에 더 잘 적응했으나, 서로 다른 오류 프로필을 보였다.

의의 및 주장
본 논문은 EYP 기록에 특화된 다수의 UPRN 할당 방법을 체계적으로 평가한 첫 번째 연구라고 주장한다. 본 연구의 주요 기여는 연계 범위가 매칭 정확도의 대리 지표가 아님을 입증한 것이다. 저자들은 비표준 주소를 가진 기관 데이터의 경우, 높은 범위가 상당한 오류율을 은폐할 수 있다고 주장한다.

연구는 연계 방법의 선택이 완결성과 정확성 사이의 절충을 포함하며, 이는 데이터 구조(주거용 대 기관/공유용)에 따라 크게 달라진다는 점을 강조한다. 저자들은 UPRN의 사후적 매칭 불확실성을 제거하기 위한 가장 효과적인 해결책은 행정 제공자 등록 시(예: Ofsted 등록 시점) UPRN을 정기적으로 포함하는 것이라고 결론짓는다. 이러한 인프라가 구현될 때까지, 저자들은 결정론적 제약과 맥락적 정교화(Bespoke SQL 방식과 같은)를 결합한 실질적인 워크플로우가 고범위 자동화 도구에 의존하는 것보다 더 방어 가능한 공간 식별자를 제공할 수 있다고 제언한다. 본 연구의 결과는 지리 정보가 포함된 보육 데이터를 사용하는 연구자와 정책 입안자들에게 주의를 주는 프레임워크 역할을 하며, 연계가 이루어졌는지뿐만 아니라 그것이 올바른 연계인지도 반드시 평가해야 함을 강조한다.