((강추자료A+)) 이태원 참사 원인과 문제점, 재발방지 대응방안 - 법적 제도적, 행정적인 차원에서의 접근

소개글

"((강추자료A+)) 이태원 참사 원인과 문제점, 재발방지 대응방안 - 법적 제도적, 행정적인 차원에서의 접근"에 대한 내용입니다.

목차

Ⅰ. 하인리히(Herbert W. Heinrich)의 안전불감증 법칙
Ⅱ. 2022년 가을 이태원 압사, 참사의 악몽 같은 현실
Ⅲ. 세월호 참사와 이태원 참사의 같음과 다름
Ⅳ. 이태원 참사의 원인 : 무너진 경찰 보고체계
Ⅴ. 진상규명·책임자 처벌 문제 – ‘애도의 탈정치화’ 문제점에 대한 시민들의 분노
Ⅵ. 이태원 참사에 대한 책임자 규명· 처벌과 재발방지 대책의 필요성
Ⅶ. 이태원 사고 재발방지 대책 – 법적 제도적, 행정적인 차원에서의 접근

본문내용

Ⅰ. 하인리히(Herbert W. Heinrich)의 안전불감증 법칙
미국 보험회사의 직원이었던 허버트 W. 하인리히(Herbert W. Heinrich)는 약 7만5000건의 산업재해를 분석하면서 그 조사 결과를 토대로 1931년 산업재해예방이라는 책을 발간하였다. 그 책에서는 산업 안전에 대하여 1:29:300의 법칙을 제시하였다. 이 법칙은 1번의 큰 재해가 있기 전에 29번의 작은 재난이 발생하였고 또 운 좋게 재난사고로는 이어지지 않았지만 동일한 원인으로 사고가 발생할 뻔한 징후(near misses)가 300번이 있었으리라는 것이다. 하인리히의 법칙은 그 숫자의 비율에 천착하기 보다는 사소한 오류의 징후가 큰 사고로 이어질 수 있고, 또한 작은 사고 하나가 연쇄적인 사고로 이어진다는 점을 지적하는 것에 의의가 있다.
IoT, 빅데이터 기술과 같은 IT 기술의 발전은 과거에는 실제로 발생하였음에도 찾아낼 수 없었던 작은 징후들을 찾아낼 수 있는 기회들을 제공하여 주고 있다. 예컨대 휴대폰 기지국 신호들을 분석하면 특정 지역 내에서 밀집한 인구수를 추정할 수 있다. 이러한 수치들을 통하여 인구 밀집도를 기지국 단위로 디테일하게 분석할 수 있고 이를 시계열적으로 축적하여 인공지능 기술을 결합한 예측 모델을 도입하면 장래의 특정 시점에 주요 장소에서의 인구별 혼잡도를 추정해낼 수 있다. 물론, 과거에 그러한 가능성이 있었는지, 올해의 상황이 작년 또는 몇 년 전의 상황과 어떻게 다른지는 기술적으로 예측해 낼 수 있는 부분이 아니라는 지적 역시 의미 있지만 재난 방지를 위한 이러한 노력들을 해보지 않고 부정적으로 말할 것은 아니다.
우리는 코로나19 상황을 거치면서 이미 데이터 기반 행정과 정책 수립의 중요성을 목도한 바 있다. 데이터 기반 행정은 정치적 판단에 앞서 신중하게 데이터를 분석하고 그 분석을 주도한 전문가의 의견을 존중하는 것이다. 이는 통계 수치를 정책 판단에 반영하는 단순한 문제가 아님을 다 잘 알고 있다. 실제 구현의 어려움에도 불구하고 데이터 기반 행정의 실질적인 운영이 제대로 이루어지고 있는지는 의문이다.

참고 자료

없음