본 논문은 대학 입학 지원자 870명의 데이터를 사용하여 기계 학습(ML) 모델과 인간 평가자 간의 공정성을 비교 분석했습니다. XGB, Bi-LSTM, KNN 세 가지 ML 모델과 BERT 임베딩을 사용하여 예측을 수행하고, 인간 평가자는 다양한 배경을 가진 전문가들로 구성되었습니다. 개별 공정성을 평가하기 위해 ML 모델과 인간 평가자 간의 의사결정 일치도를 측정하는 일관성 지표를 도입했습니다. 분석 결과, ML 모델은 인간 평가자보다 14.08%에서 18.79%까지 공정성 일관성이 더 높은 것으로 나타났습니다. 이는 높은 정확도를 유지하면서 입학 과정에서 ML을 활용하여 공정성을 향상시킬 수 있는 잠재력을 보여주며, 인간 판단과 ML 모델을 결합하는 하이브리드 접근 방식을 제안합니다.
