본 논문은 데이터가 부족한 상황에서 에이전트 기반 모델(ABM)을 개발, 훈련 및 검증하기 위한 혼합방법론 프레임워크인 FREIDA를 제안합니다. FREIDA는 정량적 데이터와 정성적 데이터(보고서 및 인터뷰)를 통합하여 ABM을 구축하는 4단계 프로세스(데이터 획득, 개념적 모델링, 계산 구현, 모델 평가)를 포함합니다. 주제 내용 분석(TCA)을 사용하여 예상 시스템 동작(ESB)을 보정용 훈련 문장(TS)과 평가용 검증 문장(VS)으로 변환하고, 반복적인 민감도 분석과 불확실성 정량화를 통해 모델의 정확도를 높입니다. 네덜란드 코카인 네트워크 사례 연구에 FREIDA를 적용하여 핵심 인물 제거 역학을 시뮬레이션하는 범죄 코카인 대체 모델(CCRM)을 생성합니다. 결론적으로 FREIDA는 데이터가 제한적인 상황에서도 강력한 ABM 개발을 가능하게 하여 법 집행 결정 및 자원 할당에 도움을 줄 수 있습니다.
