Earticle

초록

영어

Climate change poses a serious challenge to Malawi’s economic and social stability, highlighting the need for accurate identification of climate-related donor-funded projects. However, existing manual classification approaches are inconsistent and prone to error. To address this issue, this study develops an automated binary classification framework using Extreme Gradient Boosting (XGBoost). The analysis is based on geocoded activity-level and climate-coded data and AidData from Malawi’s government aid management platform, covering 754 projects funded by 30 donors. Model performance is evaluated against Random Forest and Logistic Regression, with SHapley Additive exPlanations (SHAP) applied for feature selection. The results show that the XGBoost model achieves near-perfect accuracy, with cumulative disbursement, donor type, and climate adaptation scores identified as key determinants. These findings demonstrate the effectiveness of explainable AI in improving climate project classification and climate finance management.

한국어

말라위는 기후변화를 경제･사회적 안정성을 위협하는 핵심 요인으로 인식하고 있으나, 공여자 지원 프로젝트의 기후 관련 여부를 수작업으로 분류하는 과정에서 일관성 부족과 기후재정 추적 오류가 발생하고 있다. 이에 본 연구는 말라위 공여자 지원 프로젝트를 대상으로 기후 관련 프로젝트를 자동 식별하기 위한 XGBoost 기반 이진 분류 모형을 제안한다. 분석에는 말라위 정부 원조관리플랫폼의 지리코딩 및 기후 코딩 데이터를 활용하였으며, 30개 공여기관이 지원한 754개 프로젝트를 대상으로 랜덤 포레스트 및 로지스틱 회귀 모형과 성능을 비교하였다. 분석 결과, 제안된 모형은 매우 높은 분류 정확도를 보였으며, SHAP 분석을 통해 누적 집행액, 공여자 유형, 기후 적응 점수가 핵심 영향 요인으로 확인되었다. 본 연구는 설명 가능한 인공지능을 활용하여 기후 프로젝트 분류의 정확성과 정책 활용 가능성을 제고하였다는 점에서 의의가 있다.

목차

Abstract
요약
1. Introduction
2. Literature Review
2.1 The Persistent Challenge of Climate Finance Classification
2.2 The Rise of Data-Driven Analytics in Development and Public Audit
2.3 Machine Learning Methodologies for Supervised Classification
3. Research Model and Hypothesis (ResearchMethod)
3.1 Research Design and Data Source
3.2 Data Preprocessing and Feature Engineering
3.3 Machine Learning Algorithms: Specification and Rationale
3.4 Interpretability and Feature Selection via SHAP
3.5 Model Training, Evaluation, and Validation Protocol
4. Results
4.1 Baseline Model Performance
4.2 Model Interpretation Using SHAP
4.3 Discussion of Findings
5. Conclusion
REFERENCES

키워드

저자

• David Mhlanga [ Student, Department of Applied Artificial Intelligence, Hanyang University ]
• Lei Mao [ Student, Department of Strategic Management, Hanyang University ]
• Seung Hyun Baek [ 백승현 | Professor, Business Administration, Hanyang University ERICA ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338