참고문헌이 들어있는 본문을 주면, 내용에 해당하는 참고문헌을 찾아서 APA 스타일로 정리해 줄 수 있어?

물론 가능합니다. 본문을 제공해 주시면, 그에 해당하는 참고문헌을 APA 스타일로 정리해드리겠습니다. 본문에 포함된 각 인용의 출처를 식별한 후, 이를 APA 스타일로 변환해드립니다. 예를 들어, [1]과 같이 번호로 주어진 문헌을 APA 스타일로 변환할 수 있습니다.

예를 들어, 만약 본문에 [1]이라는 번호가 있을 경우, 이를 APA 스타일로 다음과 같이 정리할 수 있습니다:

Yan, L., & Wang, Z. (2023). Mapping the literature on academic publishing: A bibliometric analysis on WOS. SAGE Open. 본문을 입력해 주시면, 이를 바탕으로 자세히 정리해 드리겠습니다.

Artificial Intelligence (AI) is becoming an integral part of criminal justice systems, offering promising enhancements in efficiency and accuracy across several domains such as predictive policing, risk assessment, surveillance, and recidivism prediction. These applications are supported by AI technologies like machine learning and predictive analytics, which improve crime prevention, evidence analysis, and decision-making processes. However, the deployment of AI in criminal justice is not without significant ethical challenges. These challenges revolve around algorithmic bias, transparency, accountability, and privacy concerns, which can potentially exacerbate societal inequalities and impact civil rights protection[3][5].

The use of AI in law enforcement, particularly for predictive policing, can optimize resource allocation and support data-driven decision-making, although it faces hurdles related to algorithmic bias and transparency. Ethical issues such as data privacy are particularly pressing when it comes to AI-powered surveillance tools[4][5]. These concerns necessitate an interdisciplinary approach to create comprehensive regulatory measures and ethical guidelines. Future research should aim to balance technological advancements with justice, equity, and public trust in AI-driven law enforcement practices[3].

In addition to law enforcement, AI is increasingly employed in risk assessment across various sectors including healthcare, auditing, and financial markets. These applications demonstrate high accuracy in predictive modeling, yet they encounter challenges such as implementation barriers and the necessity for standardization[4]. The rapid development of AI in surveillance systems, with applications ranging from public safety to environmental monitoring, underscores the need for thorough research into its applications, limitations, and societal implications[5].

Ethical concerns in AI applications are underscored by the risks of discrimination inherent in AI systems due to their reliance on training data and the difficulties of post hoc algorithmic auditing[2]. This is particularly evident in recruitment processes where AI and automated decision-making systems are utilized, often leading to transparency and accountability issues[2]. Hence, addressing these ethical challenges requires transparent practices and comprehensive regulatory frameworks to ensure responsible AI implementation that aligns with societal values and maintains public trust[1][5].

To responsibly integrate AI into criminal justice and other sectors, it is crucial to develop systems that balance technological advancements with ethical considerations. This involves creating trustworthy AI systems that are lawful, ethical, and robust, both from technical and social perspectives. A holistic vision of trustworthy AI involves aligning global principles for ethical AI use with practical approaches to implementation, which includes auditing processes and regulatory sandboxes[1]. Such measures are essential to mitigate ethical concerns and ensure that AI contributes positively to society[1][4].

AI와 머신러닝(Machine Learning) 기법을 활용하여 마약사범을 예측하고 추적하는 알고리즘을 개발하는 연구 제안서는 여러 학문적 요소와 기술적 도전과제를 포함합니다. 본 연구는 MTF, YRBS, NSDUH 조사 결과 등을 기반으로 마약을 처음 투약하게 되는 요인을 분석하고, 이러한 정보를 통해 마약사범을 예측하는 알고리즘을 개발하는 것을 목표로 합니다. 이와 더불어, 청소년 플랫폼을 활용하여 마약사범을 추적하고 찾아내는 방법론도 구축할 예정입니다.

첫 단계는 데이터 셋을 확보하고 이를 전처리하는 과정입니다. MTF, YRBS, NSDUH 데이터 외에도 다른 관련 데이터를 수집하고, 결측값 처리나 특성 스케일링 작업을 수행하여 분석의 기초를 마련할 것입니다. 그다음 단계는 AI와 ML 기법을 활용한 요인 분석입니다. 다변량 분석 및 설명 가능한 AI 기법들을 사용하여 마약 투약에 기여하는 주요 요인 목록을 도출합니다. 이 과정은 신뢰성 있는 AI 시스템을 구축하기 위한 기초가 되며, 책임감 있고 법적 규제에도 부합하도록 설계됩니다[1].

마약사범 예측 모델 개발에는 랜덤 포레스트, XGBoost, 딥러닝 등을 포함한 다양한 기법이 사용되며, 이 과정에서 교차 검증을 통해 모델의 성능을 평가하고 최적화합니다. 또한, 청소년 플랫폼을 통한 실시간 추적 및 탐지 기술 개발에는 자연어 처리(NLP)와 이미지 인식 등의 비정형 데이터 분석 기법이 사용됩니다[2]. 이러한 기술들은 공정성과 투명성을 강화하기 위해 설계되어야 하며, 특히 청소년 데이터의 개인정보 보호 및 민감성 문제도 신중히 고려되어야 합니다[3][4].

마지막으로, 프로젝트는 통합 시스템 구축과 실제 환경 테스트로 구성됩니다. 이 프로토타입 시스템은 예측 및 추적 기능을 포함하여 실시간으로 데이터 스트리밍을 지원하고, 실제 현장에서의 테스트를 통해 시스템의 유효성과 신뢰성을 검증합니다. 이러한 연구는 마약 사용 예방을 위한 정책적 기여뿐만 아니라 기술적, 사회적 기여도 제공할 수 있습니다[5].

모든 과정에서 AI 시스템의 투명성과 책임성을 강화하기 위한 지침을 따르며, 특히 알고리즘에 대한 편향성과 차별 가능성을 자주 점검하고 보완하는 작업이 필수적입니다[2][4]. 이러한 접근은 통합적이고 신뢰할 수 있는 AI 시스템 개발에 핵심적이며, 연구의 각 단계에서 지속적인 감시와 규제 준수를 고려하여 설계되어야 합니다.

다음은 MTF, YRBS, NSDUH 자료를 기반으로 마약을 처음 접하게 되는 요인들과 관련된 보다 심층적이고 구체적인 답변입니다. 기존의 연구들은 마약 사용을 시작하는 주된 요인들로서 사회적, 개인적, 행동적, 문화적, 정책적 요인을 탐구하고 있습니다. 이러한 요인들은 다차원적으로 작용하며, 연구에 따르면 가족과 친구의 영향, 지역사회 환경, 정신 건강 상태와 같은 요인들이 특히 두드러집니다. 연구 [4]에서는 아동기의 약물 사용자 노출과 종교의 영향이 청소년과 젊은 성인기의 약물 사용과 밀접한 관련이 있음을 보였습니다. 이는 아동기의 위험 및 보호 요인이 청소년기 및 젊은 성인기 약물 사용에 어떠한 영향을 미치는지를 설명합니다.

또한, 마약에 대한 초기 경험은 후속적 의존성에 중요한 역할을 합니다. 연구 [2]에서 알코올과 약물 사용의 초기 시작 나이가 성인기 의존성에 미치는 영향을 조사하였으며, 초기 약물 사용이 청소년기의 다른 위험 행동과 함께 고위험군에 속할 수 있음을 밝혔습니다. 이는 청소년기의 조기 개입 필요성을 강조합니다. 한편, 연구 [3]에서는 초기 약물 사용 패턴과 노출 요인이 약물 주사 시작에 중요한 변수임을 확인했습니다.

정책적 요인과 관련해서는, 연구 [1]에서 미국의 경우 형사처벌보다는 치료를 통한 문제 해결 접근을 강조하며, 청소년 마약 사용자에 대한 근본적인 대응 방식을 소개했습니다. 이는 정책이 약물 사용자의 초기 예방과 치료에 초점을 맞추어야 함을 시사합니다.

이와 같이, AI 기반의 분석에서도 이러한 복합적 요인들이 중요한 변수로 포함될 수 있으며, 이는 연구 및 예방 프로그램의 설계와 평가에 중요한 역할을 할 것입니다. 마약 사용의 사전 예방과 조기 개입이 중요한 만큼, AI 모델 개발에 있어서도 이러한 다차원적인 접근이 고려되어야 합니다.

현재 AI/ML을 활용하여 MTF, YRBS, NSDUH 자료를 바탕으로 마약을 처음 접하게 되는 요인을 분석하는 연구는 여러 가지 측면에서 진행되고 있습니다. 주요 연구 분야는 청소년의 초기 마약 사용을 예측하기 위한 모델 개발입니다[1][4]. 특히, 랜덤 포레스트, 서포트 벡터 머신(SVM), 딥러닝과 같은 머신러닝 알고리즘은 마약 사용 패턴과 요인을 예측하는 데 유용하다는 점이 입증되었습니다. 이러한 기법을 통해 사회적, 환경적, 개인적 요인들이 청소년의 약물 사용에 어떻게 영향을 미치는지를 파악할 수 있습니다[1][6].

또한, AI와 ML 기법은 데이터셋을 확장하고 강화하여 더욱 정교한 예측 모델을 구축하는 데 적용되고 있습니다[3]. 예를 들어, 비정형 데이터군, 소셜 미디어 데이터 또는 인터넷 포럼의 데이터를 자연어 처리(NLP) 기술을 통해 분석함으로써 청소년의 마약 사용 경향을 더 잘 이해하려는 연구도 활발히 진행되고 있습니다. 이는 MTF, YRBS, NSDUH와 같은 기존의 데이터셋을 보완하여 더욱 신뢰할 수 있는 예측 및 개입 전략을 제공하는 데 기여할 수 있습니다[6].

이와 같은 AI/ML 기법을 사용한 연구는 마약 사용의 초기 탐지 및 개입을 강화하여 실질적인 예방 전략을 수립하는 데 큰 잠재력을 가지고 있습니다. 청소년의 마약 사용을 조기에 예측하고 관련 요인을 분석하는 것은 프로그램 디자인 및 정책 개발에 중요한 역할을 할 수 있습니다. 이에 따라, AI 기반의 분석은 관련 데이터와 결합하여 마약 사용의 초기 단계에서부터 포괄적이고 효율적인 대응책을 마련하는 데 기여할 것입니다[5][2].

청소년들이 많이 사용하는 틱톡, 페이스북, 디스코드 등의 소셜 미디어 플랫폼에서 마약 범죄와 관련된 이야기들을 탐지하고 이를 예방하는 연구가 점점 더 주목받고 있습니다. 이러한 연구는 주로 자연어 처리(NLP) 기술을 활용하여 텍스트 데이터에서 특정 키워드와 문맥적 신호를 식별하며, 감정 분석을 통해 마약 사용이나 거래의 가능성을 평가합니다. 머신러닝 알고리즘은 소셜 미디어에 나타나는 비정상적인 행동 패턴을 탐지하고 예측하는 데 있어 중요한 역할을 합니다. 이를 통해 마약 관련 대화가 확산될 수 있는 특정 커뮤니티를 식별할 수 있습니다[1][4][6].

특히, 이미지와 비디오가 주로 공유되는 플랫폼에서 컴퓨터 비전 기술을 통해 마약 사용이나 관련 행동을 나타내는 콘텐츠를 탐지하는 연구가 필요합니다. 틱톡과 같은 플랫폼의 경우, 이러한 멀티미디어 콘텐츠 분석이 중요합니다[2][8]. 또한, 네트워크 분석을 통해 사용자 간의 상호작용 구조를 파악하고, 마약 관련 대화가 번질 가능성이 있는 커뮤니티를 찾아낼 수 있습니다[5][3].

이러한 기술들은 마약 관련 내용을 조기에 발견하고 예방 조치를 취하는 데 유용하지만, 개인정보 보호와 데이터 윤리 측면에서도 주의가 필요합니다. 연구는 소셜 미디어 플랫폼의 마약 거래 탐지를 강화하기 위해 공공 및 민간 부문 간의 협력을 강조하며, AI 모델을 활용한 신뢰성 높은 시스템 개발을 목표로 합니다[1][7][8]. 이러한 접근은 청소년의 마약 사용 방지를 위한 정책 개발에도 기여할 것입니다.

한국에서도 소셜 미디어 플랫폼에서의 마약 관련 활동을 탐지하고 예방하기 위한 연구가 일부 진행되고 있습니다. 예를 들어, AI 및 머신러닝 기법을 사용하여 디지털 플랫폼 상에서의 마약 관련 대화를 식별하고 예방하는 방법론들이 연구되고 있습니다. 한국의 경우, 디지털 환경 및 사회적 특성에 맞춘 맞춤형 솔루션이 요구되지만, 이러한 연구는 아직 초기 단계에 있으며, 대규모로 이루어진 연구는 상대적으로 적은 편입니다. 그러나, 마약 범죄에 대한 사회적 관심이 증가함에 따라 이러한 연구의 필요성이 점차 강조되고 있습니다. 특히, 한국은 개인정보 보호 및 윤리적 문제를 고려하여, 관련 법규 및 국제 기준에 따라 시스템을 설계하는 것이 중요합니다.

이러한 맥락에서 국제적인 연구를 통해 배울 수 있는 점이 많습니다. 예를 들어, Li et al.은 인스타그램을 활용하여 마약 거래를 탐지하기 위한 딥러닝 모델을 개발하였고, 해당 모델은 높은 정확도로 불법 온라인 마약 거래자를 탐지하는 데 성공했습니다[1]. 이 연구는 다양한 소셜 미디어 플랫폼이 마약 거래를 위한 채널로 사용될 수 있음을 보여주며, 한국에서도 유사한 접근을 통해 소셜 미디어 상의 마약 관련 활동을 감지하고 예방할 수 있는 가능성을 시사합니다. 또 다른 연구에서는 디스코드와 같은 플랫폼을 통해 마약 거래가 어떻게 이루어지는지를 탐구하였으며, 이러한 플랫폼이 어떻게 지역 간 마약 시장을 확장시키는지 분석하였습니다[2].

결론적으로, 한국에서도 소셜 미디어를 통한 마약 범죄 예방 연구가 필요하며, 이를 위해 AI와 머신러닝 기술을 효과적으로 활용하는 것이 중요합니다. 다양한 국제 사례를 바탕으로 한국의 디지털 환경과 사회적 특성에 맞는 대응 전략을 개발할 필요가 있습니다.

한국에서도 마약 관련 조사가 점차 증가하는 추세이지만, 미국의 MTF, YRBS, NSDUH 등과 같은 포괄적이고 구조화된 조사는 상대적으로 드뭅니다. 미국은 이러한 대규모 조사를 통해 마약 사용 실태, 트렌드, 및 관련 요인들을 심도 깊게 분석하여 정책 개발과 예방 프로그램 설계에 중요한 기여를 하고 있습니다. 반면, 한국은 주로 정부 기관 및 관계 부처 주도로 마약류 단속 및 통계 자료를 관리하고 있으며, 식품의약품안전처와 경찰청 등이 중심이 되어 이러한 업무를 수행합니다. 한국형사·법무정책연구원 등 연구 기관에서 진행하는 연구는 실제 마약 범죄의 동향 및 관련 제도 개선을 모색하며 마약 정책 및 대책 수립에 기여하고 있습니다.

최근에는 특정 지역이나 연령대를 대상으로 한 조사 및 청소년을 중심으로 한 연구가 중요성을 더하고 있습니다. 예를 들어, 북한주민의 마약 사용 실태를 밝히고 대응 전략을 제시하는 연구에서는 북한 내의 마약 사용 및 중독 문제의 심각성을 지적하며, 한국과 국제사회가 이를 보다 객관적으로 이해하고 해결방안을 모색해야 한다고 제언하고 있습니다[1]. 또 다른 국내 연구에서는 급변하는 사회 환경 속에서 증가하는 마약범죄 유형과 밀수 현황을 파악하고, 다크넷을 통해 이루어지는 암수적 마약 유통에 대한 조사를 제시하며, 이에 대한 보다 구체적인 대응 방안 마련이 필요하다고 합니다[2].

결론적으로, 한국의 마약 관련 조사는 미국만큼 체계적이지는 않지만, 점차 발전하고 있으며, 보다 대규모의 체계적이고 통합적인 연구가 필요합니다. 이러한 발전을 통해 마약 문제의 예방과 대응을 위한 효과적인 전략을 마련할 수 있을 것입니다.

한국에서도 청소년 건강 행태에 관한 다양한 연구들이 진행되고 있으며, 특히 한국 청소년건강행태온라인조사(KYRBWS)는 이러한 연구에서 중요한 데이터 소스로 활용되고 있습니다. KYRBWS는 청소년의 건강 관련 행태를 종합적으로 조사하여 청소년의 신체적, 정신적 건강을 증진시키기 위한 정책을 수립하는 데 기여합니다. 다양한 연구들이 KYRBWS 데이터를 활용하여 청소년의 정신 건강, 신체 활동 및 비만, 흡연 및 음주, 영양 및 식습관, 디지털 기기 사용 등 여러 영역에서 청소년의 건강 행태를 분석하고 있습니다.

예를 들어, 김한나와 그의 동료들은 KYRBWS 데이터를 기반으로 청소년의 주관적 행복감에 영향을 미치는 요인들을 분석하여, 정서적 지지체계, 학교급 및 경제상태 등이 행복감에 영향을 미친다는 것을 밝혔습니다[1]. 이현주와 김덕진의 연구는 청소년의 정신 건강 특성이 흡연에 미치는 영향을 밝혀, 스트레스와 우울감이 흡연에 중요한 영향을 미친다는 결과를 제시했습니다[2]. 또한, 김상미와 그의 공동 연구자들은 자살 생각, 계획 및 시도에 대한 추이를 분석하여 성별, 학업 성적, 경제적 상태 등의 다양한 요인이 자살 관련 행동에 큰 영향을 미친다고 보고했습니다[3].

이와 같은 연구들은 KYRBWS 데이터를 기반으로 청소년 건강 관련 문제를 다각적으로 분석하며, 이는 더욱 효과적인 예방 및 개입 전략을 도출하는 데 핵심적인 역할을 하고 있습니다. 또한, 이러한 연구 결과는 교육자, 건강 정책 입안자 및 연구자들에게 유용한 정보를 제공하여 청소년들의 전반적인 건강 증진을 위해서도 중요한 기초자료로 사용됩니다. 이러한 분석은 앞으로도 한국 청소년의 건강 행태에 대한 이해를 증진시키고, 실질적인 정책 개발에 기여할 것입니다.

한국청소년건강행태조사(KYRBWS)와 미국의 마약 관련 조사를 비교한 연구는 상대적으로 드물지만, 두 조사의 차이점과 시사점을 기반으로 몇 가지 핵심 포인트를 논할 수 있습니다. KYRBWS는 한국 청소년의 전반적인 건강 행태를 다루며, 신체 활동, 식습관, 정신 건강 뿐만 아니라 흡연, 음주, 약물 사용 경험을 포함합니다[1][4][6]. 반면, 미국은 Monitoring the Future (MTF), Youth Risk Behavior Surveillance System (YRBS), National Survey on Drug Use and Health (NSDUH) 등 보다 특정적으로 마약 사용에 초점을 맞춘 대규모 조사를 통해 청소년의 약물 사용 유형과 빈도, 그리고 사회적 영향까지 살펴봅니다[3].

한국에서는 KYRBWS를 통해 청소년의 건강과 관련된 전반적인 데이터를 수집하여 건강 증진 정책을 개발하는 데 중점을 두고 있으며, 미국은 법률 제정 및 약물 사용 방지 정책 수립에 중대한 영향을 미치는 보다 상세한 약물 사용 데이터베이스를 제공합니다[4][5]. 조사 방법에서도 차이가 존재하는데, KYRBWS는 온라인 설문조사를 통해 진행되는 반면, 미국 조사들은 면담, 설문지, 전화 조사 등 다양한 방법을 병행합니다. 이는 조사 결과의 신뢰성 및 세부 사항의 정확도에 차이를 줄 수 있습니다[3].

사회적, 문화적 측면에서도 두 국가 간 차이는 크며, 이는 청소년의 행태와 약물 사용에 대한 인식 및 태도에도 영향을 미칩니다[5]. 따라서 동일한 데이터라도 각 문화적 맥락에 맞춰 다른 해석과 결론을 유도할 수 있고, 이는 정책 개발에 중요한 통찰을 제공합니다[2]. 따라서, KYRBWS와 같은 조사는 한국 청소년의 전반적인 건강 상태를 모니터링하고, 이를 기반으로 한 다양한 건강 증진 프로그램 개발에 필수적입니다. 반면, 미국의 마약 관련 조사는 보다 구체적인 약물 정책 결정 및 법률 제정에 기여할 수 있는 데이터를 제공합니다. 이런 점에서 한국에서도 보다 세부적이고 심층적인 마약 관련 조사가 필요할 수 있으며, 이는 약물 사용 방지 및 정책 개발에 실질적인 근거를 제공할 수 있습니다[5].

미국의 MTF, NSDUH(이전 NHSDA) 및 YRBS 자료는 마약을 처음 사용하게 되는 계기를 분석하는 데 중요한 역할을 해왔습니다. MTF 자료는 학생과 젊은 성인을 대상으로 실시되는 연례 설문조사를 통해 또래 압력, 사회적 규범, 호기심, 스트레스 등 심리사회적 요인이 초기 약물 사용에 어떻게 영향을 미치는지를 정밀하게 탐구할 수 있는 기반을 제공합니다. NSDUH는 가정 내에서 다양한 연령층의 데이터를 수집하며, 가족 내 마약 사용 이력, 경제적 배경, 정신건강 문제 등 환경적 및 개인적 요인이 초기 약물 경험에 미치는 영향을 분석하는 데 주로 활용됩니다. 반면, YRBS는 고등학생을 주요 대상으로 하여 학교 환경과 위험 행위—예를 들어 흡연, 음주와 같은 행동 패턴—가 초기 마약 사용과 어떤 관계를 맺는지를 살펴봅니다.

이러한 대규모 조사는 각기 다른 조사 방식과 표본 구성을 가지고 있음에도 불구하고, 건강 불평등과 심리사회적 요인이 초기 마약 사용과 밀접하게 연관되어 있다는 점을 일관되게 보여줍니다 [1]. 특히, 심리적 스트레스나 내재된 정신 건강 문제 등은 초기 마약 사용의 '게이트웨이' 패턴과도 연관되어, 기존 연구에서는 이러한 요소들이 약물 사용 순서의 위반과 함께 나중에 약물 의존으로 발전할 위험을 증대시키는 것으로 나타났습니다 [2]. 또한, 방법론적 차이가 보고율에도 영향을 미친다는 점에서, MTF와 YRBS의 교실 내 자가 보고 방식이 NSDUH의 가정 내 조사 방식과 비교할 때 상대적인 약물 사용율 차이를 보이는 점도 중요한 시사점을 제공합니다 [3]. 이러한 세 가지 주요 자료를 종합적으로 분석하면, 초기 마약 사용 계기에 대해 심리사회적, 가족적, 환경적 요인이 복합적으로 작용한다는 결론을 이끌어낼 수 있으며, 이는 예방 프로그램과 정책 수립 시 보다 세분화된 접근을 설계하는 데 기초자료로 활용될 수 있습니다.

한국의 마약 사용 초기 계기에 관한 연구는 상대적으로 제한적이지만, 기존의 실태조사와 2차 데이터 분석 연구들을 통해 다양한 요인이 복합적으로 작용함을 보여주고 있다. KYRBWS와 같은 전국 규모의 청소년 건강행태 조사를 바탕으로 한 연구들은 주로 청소년의 심리사회적 스트레스, 외로움, 또래 및 비행친구와의 상호작용, 가출 경험 등과 같은 요인들이 마약 사용의 초기 계기에 영향을 미친다고 제시한다 [2][4]. 예를 들어, 청소년들이 경험하는 높은 스트레스와 우울감, 불안 등 정신건강 문제는 자기통제력 저하와 맞물려 마약 사용을 시작하게 되는 심리적 취약점을 제공할 수 있으며, 이는 서구 연구에서 제시한 게이트웨이 이론과도 유사한 측면이 있다 [1][3]. 또한, 한국에서는 SNS와 같은 디지털 플랫폼의 역할도 주목되고 있는데, 이로 인해 과거에 비해 마약에 대한 접근성이 높아지면서 호기심과 간편한 접근이 초기 사용을 유발하는 요인으로 작용할 수 있다. 특히, 최근의 연구들은 외로움과 같은 정서적 요인이 습관적 약물 사용과 친밀하게 연결되어 있으며, 이를 예방하기 위해 학교와 지역사회에서 정서 지원과 맞춤형 교육 프로그램이 필요함을 시사한다 [4]. 반면, 미국의 MTF, NSDUH, YRBS와 같이 보다 세부적인 약물 사용 패턴을 다루는 조사들은 다차원적인 요인 분석을 통해 초기 약물 사용의 순차적 패턴과 심리사회적 요인의 연관성을 보다 구체적으로 규명해 왔다. 이에 비해 한국의 연구는 아직 상대적으로 한정된 범위에서 진행되고 있으나, 기존 조사 자료와 2차 분석 연구들을 토대로, 또래 집단의 영향, 정신건강 문제, 그리고 사회경제적 배경 등 다양한 요인이 초기 마약 사용에 복합적으로 작용한다는 결론을 도출할 수 있다. 이러한 연구 결과는 한국에서 마약 예방 정책 및 교육 프로그램 개발 시 심리사회적 지원과 더불어 또래 및 가족 간의 관계 개선, 접근성 통제 등 다양한 차원의 전략이 필요하다는 점을 시사한다 [2][3].