배너

2025.07.27 (일)

  • 맑음동두천 32.0℃
  • 맑음강릉 33.9℃
  • 맑음서울 32.7℃
  • 맑음인천 31.5℃
  • 맑음수원 32.9℃
  • 맑음청주 33.1℃
  • 맑음대전 32.8℃
  • 맑음대구 31.6℃
  • 맑음전주 34.0℃
  • 맑음울산 31.0℃
  • 맑음광주 32.3℃
  • 구름조금부산 31.5℃
  • 맑음여수 30.1℃
  • 구름조금제주 29.9℃
  • 맑음천안 31.6℃
  • 맑음경주시 31.9℃
  • 구름조금거제 29.1℃
기상청 제공

국제

프랑스, 빈곤율 다소 감소

프랑스빈곤율 다소 감소




2016 프랑스 빈곤율이 전해에 비해 소폭 감소했으며 이는 저소득층을 중심으로 재분배 정책의 효과에서 기인한 것이다.


프랑스 통계청INSEE 2016 평가서에 따르면 프랑스 빈곤율은 2015 14,2% 비해 0,3포인트 감소한 13,9% 보였다. 매우 적은 감소율이지만 상황이 나아지고 있다는 청신호로 받아들일 있다고 통계청은 전했다. 2015 통계에 의하면 프랑스 빈곤인구는 89 명이다.


평가서를 인용한 프랑스 일간지 피가로Le Figaro 의하면 앞선 2 동안 0,2포인트 연속 상승한 빈곤율이 2016 감소로 돌아섰다. 2016 빈곤율은 최고 상승율을 보였던 2011 0,7포인트보다 낮을 것이지만 2008 경제위기 이전보다는 0,7포인트 높은 수준이다.


지니계수가 0,290으로 하락한 점도 고무적이라는 통계청의 평가다. 경제적 불평등 지표인 지니계수는 최소 0에서 최대 1 나타난다. 0 가까울 수록 평등한 소득분배가 이뤄진다는 의미다. 2015 상위권 10% 하위권 10%보다 3,5 삶의 질이 높은 것으로 나타났던 반면 2016년은 3,4배로 불평등 격차가 소폭 감소했다.  

INSEE 빈곤과 소득불평등의 하락은 프랑소와 올랑드 대통령 임기 시행된 서민들을 위한 재분배 정책들에서 기인한다고 분석했다. 2016 1월부터 시행된 저소득층을 위한 급여보조수당prime dactivité 효과가 주도적 역할을 담당했다는 평가다.


특히 저소득 노동자, 외부모가정 그리고 18-24 청년노동층에 대한 혜택이 전반적 빈곤율을 감소시키는데 기여했다. 이를 제외한 부분에서는 2015년과 2016 빈곤율을 거의 변화가 없는 것으로 나타났다. 또한 복지, 가족, 주택 수당 사회혜택의 확대가 하나의 빈곤율 감소 요인으로 분석된다


불평등의 감소도 급여보조수당의 효과가 크며 사회연대보조금RSA 상승도 몫을 것으로 분석된다.  20% 하위층의 생활수준이 지속적으로 향상되고 있다는 평가다. 이러한 재분배 조치가 없었다면 2016 불평등지수는 상승했을 것이라고 통계청은 알렸다. 전반적으로 간부직의 임금상승이 노동자나 일반직원보다 조금 역동적으로 증가했기 때문이다.


한편 통계청의 이번 연구는 실험적 추정방법에 기반한 것으로 최종 평가서는2018 9월경 발표 예정이다. 하지만 이번 추정치는 EU 공식통계기구인 유로스타트Eurostat에서 발표한 통계와 크게 다르지 않다. 유로스타트에 따르면 프랑스의 빈곤 위험율은 13,6%이며 EU 평균 17,2%보다 낮은 수치다. 하지만 2008 12,5%였던 평균에 비하면 여전히 높다.


이러한 상황에서 엠마뉴엘 마크롱대통령은 어린이와 청소년을 대상으로 빈곤퇴치를 위한 새로운 정책을 선보일 예정이다. 프랑스 어린이와 청소년층의 빈곤율은 20% 달한다. 어린이 5명당 1 꼴인 3백만 여명이 빈곤가정에서 살아가고 있다



 

프랑스 유로저널

 



데일리연합 & 무단재배포금지
유로저널(http://www.eknews.net)

배너
배너



배너
배너

배너

SNS TV

더보기

가장 많이 본 뉴스


배너

포토뉴스

더보기

AI 모델의 환각 현상: 기술적 한계와 윤리적 문제점 심화 분석

데일리연합 (SNSJTV. 타임즈M) 송은하 기자 | 최근 AI 모델의 발전과 함께 '환각 현상'이라는 새로운 문제가 심각하게 대두되고 있습니다. 환각 현상이란 AI가 사실이 아닌 정보를 마치 사실인 것처럼 생성하는 현상을 말하며, 이는 AI 기술의 신뢰성과 안전성에 대한 우려를 증폭시키고 있습니다. AI 모델은 방대한 데이터를 학습하여 패턴을 인식하고 예측하는 방식으로 작동합니다. 그러나 학습 데이터의 오류나 편향, 모델 자체의 한계 등으로 인해 사실과 다른 결과물을 생성하는 경우가 발생합니다. 이러한 환각 현상은 단순한 오류를 넘어, 잘못된 정보 확산, 사회적 혼란, 심지어는 법적 문제까지 야기할 수 있습니다. 특히, 생성형 AI 모델은 환각 현상에 더욱 취약합니다. 이러한 모델은 새로운 텍스트, 이미지, 코드 등을 생성하는 데 탁월하지만, 그 과정에서 사실과 허구를 구분하지 못하고 그럴듯한 거짓 정보를 만들어낼 수 있습니다. 이는 사용자에게 잘못된 정보를 제공할 뿐만 아니라, AI 기술에 대한 신뢰도를 떨어뜨리는 주요 원인이 됩니다. 환각 현상을 해결하기 위한 다양한 노력이 진행되고 있습니다. 더욱 정확하고 균형 잡힌