RESEARCH INTERESTS
저는 사회복지학자이자 공익기술자입니다. 이민자 및 난민 단체와 함께한 수년간의 활동과 사회복지학 및 전산사회과학 훈련을 결합하여, 저는 언어와 기술에 초점을 두고 이민자와 인종적, 민족적, 언어적 소수자의 정신건강, 복지, 서비스 이용을 연구합니다. 구체적으로 제 연구는 (a) 언어 접근성과 이를 규율하는 정책에 주목하여 이민자와 언어적 소수자의 의료 및 지원 접근성을, (b) 이민자의 도움 요청과 지원에서 디지털 기술과 AI의 활용을, (c) 보건 및 사회서비스 기관과 사회복지 실천, 연구, 교육에서의 AI를 살펴봅니다.
CURRENT PROJECTS
이민자 복지의 구조적 결정요인으로서의 언어 접근성
미국 내 2,500만 명 이상의 인구(5세 이상 인구의 약 9%)가 영어를 “매우 능통하게” 구사하지 못하며, 이 인구는 1990년 이후 크게 증가했습니다[1]. 비용, 보험, 낙인, 언어 일치 서비스의 부족과 더불어 언어 장벽은 이민자 및 난민 집단이 정신건강 치료를 포함한 보건 및 사회복지 서비스를 이용하는 데 있어 입증된 장애 요인입니다[2][3]. 1964년 민권법 제6조와 건강보험개혁법(ACA) 제1557조는 연방 재정 지원을 받는 보건 프로그램이 제한적 영어 능력을 가진 개인에게 의미 있는 접근성을 제공하기 위한 합리적인 조치를 취하도록 규정하고 있으며, 전국 문화 및 언어 적절 서비스 표준(National CLAS Standards)은 보건의료 현장에서의 언어 지원에 대한 기준을 제시합니다[4]. 이러한 법적 의무는 확립되어 있습니다. 다만 이를 충족해야 하는 전문 인력의 분포가 어떻게 이루어져 있는지는 아직 제대로 규명되지 않았습니다.
저는 언어 일치 서비스의 이용 가능성을 보험 가입 여부나 제공자까지의 거리와 같은 위상의 건강의 구조적 결정요인으로 접근하며, 함께 나타나는 문화적 장벽과는 분석적으로 구별되는 것으로 다룹니다. 다른 문화적 장벽도 똑같이 중요하지만, 언어가 특별한 이유는 다른 장벽들의 조건이 되기 때문입니다. 언어는 한 사람이 어떤 사회 관계망에 속하는지, 어떤 정보가 그에게 닿는지, 어떤 서비스를 이용할 수 있는지를 좌우하며, 그래서 고유한 지리를 지닌 접근 구조를 만들어 냅니다. 이 프로젝트의 한 축은 격차를 측정합니다. 전국 제공자 명부를 지오코딩하여 언어 일치 서비스가 어디에 있는지 파악하고, 거리와 언어를 함께 담은 접근성 지표를 만들며, 주 정책 환경과 인력 구성이 제공되는 서비스를 어떻게 형성하는지 추정합니다.
격차를 기록하는 것만으로는 격차가 좁혀지지 않기에, 이 프로젝트의 또 다른 한 축은 실질적인 해결과 개선을 다룹니다. 저는 이민자 지원 지역사회 단체들과 협력하여 문화적, 언어적으로 적합화된 개입 방안을 개발 및 평가하고, 이미 현장에서 활동 중인 실무자들의 역량을 강화하는 작업을 진행합니다. 지역사회 기반 조직 및 지방정부와의 파트너십을 통해 이민자, 특히 제한적 영어 능력을 가진 이민자의 서비스 접근성을 개선하기 위한 지역사회 기반 솔루션 설계를 지원합니다. 이는 지역사회 참여형 연구(community-engaged research)입니다: 지역사회는 연구 질문 설정과 연구 결과 해석을 포함한 특정 단계에서 파트너로 참여하며, 이는 지역사회 기반 참여 연구(CBPR)보다는 덜 포괄적인 주장이지만 더 정확한 설명입니다[5].
Immigrant Support AtlasImmigrants in Korea Dashboard
출판 완료
Yoo, N. (2026). Language Access and Written Health Communication: Readability of Medicaid Notices of Action by Primary Language, 2021-2022. PEC Global. DOI
Yoo, N., & Gill, M. (2026). Disaggregating the South Asian Category: Language-Concordant Psychotherapist Availability and Affordability in the United States. Journal of Racial and Ethnic Health Disparities. DOI
Yoo, N., & Weaver, A. (in press). Closing the Urban-Rural Gap in Access to Racially and Ethnically Focused Mental Health Providers: The Role of Telehealth and Interstate Licensing Compacts. American Journal of Public Health.
Yoo, N. (2026). Proof of Citizenship at the Point of Care: Documentation Requests and Forgone Care among California Immigrants, 2019-2022. Health Services Research. DOI
Yoo, N., Park, M., & Chang, D.F. (2025). Using Computational Methods to Assess Racial, Ethnic, and Linguistic Diversity and Spatial Accessibility of the Clinical Social Work Workforce in the United States. Journal of the Society for Social Work and Research. DOI
Na, S., Solomon, P., & Yoo, N. (2026). Impact of Asian Language-Speaking Mental Health Providers on Asian American Patient Volume in Mental Health Treatment Facilities: Moderating Role of Medicaid Spending. Journal of Racial and Ethnic Health Disparities. DOI
Yoo, N., Hong, Y., & Choi, Y. (2025). Explaining Racial/Ethnic Disparities in Telehealth Use with Different Levels of English Proficiency: A Decomposition Approach. Telemedicine Reports. DOI
Baslock, D. & Yoo, N. (2026). Multidimensional Approaches to Ranking State‐Level Rurality to Enhance Comparisons Across States. The Milbank Quarterly. DOI
Yoo, N., Kang, M. Y., Kim, E. J., Lee, S. Y., Woo, J., & Kim, S. Y. (2026). Korean American Church Leaders as Mental Health Gatekeepers in the USA: A Needs Assessment of Readiness, Barriers, and Referrals. Journal of Religion and Health. DOI
Yoo, N., Kang, M. Y., Lee, S. Y., Na, J. Y., Woo, J., & Kim, S. Y. (2026). Effectiveness of a Virtual Mental Health Literacy Training for Korean American Church Leaders: Knowledge, Behavioral Intentions, and Confidence. Pastoral Psychology. DOI
Park, M., Jeong, E., Yoo, N., Choi, Y., Cabassa, L. J., Yasui, M., & Takeuchi, D. (2026). Mental health service use among Filipino American and Korean American young adults during the COVID‐19 pandemic. American Journal of Community Psychology. DOI
수정 후 재투고
Yoo, N., Choi, Y., & Hong, Y. (revised and resubmitted). Decomposing Racial and Ethnic Disparities in Telemental Health Use among US Adolescents: Evidence from the 2021 Adolescent Behaviors and Experiences Survey. Administration and Policy in Mental Health and Mental Health Services Research.
Yoo, N. (revised and resubmitted). Mental Health Facilities Withdrew Spanish-Language Services, Most in States with Restrictive Immigrant Policies: A National Panel Study, 2016–2025. The Milbank Quarterly.
Choi, Y., Yoo, N., & Hong, Y. (revised and resubmitted). A Language Gap in Awareness of GLP-1 Medications among Immigrants: Evidence from a National Panel. Journal of Immigrant and Minority Health.
이민자와 소수자 집단의 디지털 기술 및 AI 이용
이민자와 소수자 커뮤니티에게 디지털 기술과 AI는 두 가지 가능성을 동시에 지닙니다. 대면 시스템이 결코 해내지 못한 방식으로 거리, 비용, 때로는 언어의 장벽을 넘어 사람들에게 도달함으로써 과거에는 고정되어 있던 장벽을 낮출 수 있습니다. 동시에 도구가 기본값 사용자(default user)를 중심으로 구축되어 그 외의 모든 사람들에게는 조용히 제대로 작동하지 않을 때, 배제를 재생산할 수도 있습니다[6]. 두 가지 가능성은 동시에 살아 숨 쉬고 있으며, 특정한 상황에서 어느 쪽이 우세할지는 실증적인 질문이자, 도구가 어떻게 구축 및 배포되고 그 과정에서 누구를 염두에 두었는가에 따라 달라집니다.
이는 기기 및 인터넷 연결에 대한 차등적 접근으로 처음 정의되었던 디지털 격차가 새로운 해석을 필요로 하는 지점이기도 합니다[7]. 일단 접근성이 대략 동등해지더라도, 두 집단이 비슷한 수준으로 온라인에 접속하면서도 매우 다른 성과를 얻을 수 있는데[8], 이는 개인이 얻는 결과가 그들이 도달할 수 있는 다른 자원에 달려 있기 때문입니다. 저는 미국과 한국의 데이터를 모두 활용하여 이민자와 소수자 커뮤니티가 전자정부 플랫폼, 온라인 커뮤니티, 소셜 미디어, AI 챗봇을 어떻게 활용하고 실제로 어떤 성과를 얻는지를 연구하며, 이를 통해 동일한 연구 질문을 디지털화 수준과 신규 정착민 대우 방식이 서로 다른 두 서비스 체계에 적용합니다. 설문조사 연구와 더불어, 저는 설문조사에서는 거의 포착되지 않는 형태로 도움 요청과 심리적 고통이 드러나는 온라인 커뮤니티의 텍스트에 자연어 처리(NLP)를 적용합니다[9].
출판 완료
Yoo, N., & Jang, S.H. (in press). An immigrant advantage in ChatGPT adoption? Decomposing nativity gaps in awareness, use, and perceived helpfulness. Technology in Society.
Yoo, N., Lim, J., Park, D., He, P., & Jang, S.H. (in press). Emotion and Moral Framing in Migration Aspirations: A Natural Language Processing Study of a US Emigration Reddit Community. International Migration. DOI
Yoo, N., & Jang, S.H. (in press). Generational Cohort and Social Capital in AI Adoption and AI Literacy among Native-Born and Immigrant Adults in South Korea. American Behavioral Scientist.
Yoo, N., & Jang, S.H. (2026). Did Generative AI Narrow the Digital Divide for Immigrants in South Korea? A Difference-in-Differences Study, 2019-2023. Telematics and Informatics. DOI
Yoo, N., & Jang, S.H. (2026). How Bridging and Bonding Social Capital Shapes Performance Expectancy of Digital Transformation among Immigrants and Natives. International Journal of Human-Computer Interaction. DOI
Yoo, N., & Chen, P. (2026). The AI Therapist: ChatGPT Therapy Users at the Boundary of Human Therapy, Disillusionment, and AI Companionship on Reddit. Proceedings of the Fifth Workshop on NLP for Positive Impact (NLP4PI), 493–510. LINK
Youm, S., Yoo, N., Jang, S. H., & Dorr, B. (2026). Beyond Positive or Negative: How Mixed Emotions on Reddit Are Linked to Depressive Symptoms in Asian American Families. Digital Minds Workshop at ICWSM 2026. DOI
Yoo, N., & Jang, S.H. (2026). Who is willing to use AI mental health chatbots? Perceived impact of AI in healthcare predicts acceptance, with higher willingness among immigrants. Computers in Human Behavior Reports. DOI
Yoo, N., Lee, J., & Jang, S.H. (2026). Beyond the Digital Divide: E-Government Services and Subjective Well-Being Among North Korean Refugees and Native-born Koreans During COVID-19. Journal of Ethnic and Migration Studies. DOI
Yoo, N., Kim, D., Jang, S. H., & Fong, E. (2026). Analyzing Online Migration Forums: An Introduction to Natural Language Processing for International Migration Research. International Migration Review. DOI
Yoo, N., Rodwin, A., Park, M., Youm, S. & Jang, S. H. (2026). Emotional Expression and Mental Health Support in BTS Fandom Communities Using Natural Language Processing on YouTube Comments: Cross-Sectional Study. JMIR Infodemiology. DOI
Yoo, N., & Jang, S.H. (2024). Enhancing or Compensating? Role of On- and Offline Social Capital and Technological Self-Efficacy on Subjective Well-Being among Immigrants and Natives. Cyberpsychology, Behavior, and Social Networking. DOI
Yoo, N., & Jang, S.H. (2023). Digital technology use, technological self-efficacy, and subjective well-being among North Korean migrants during the COVID-19 pandemic: Moderated moderation. DIGITAL HEALTH. DOI
수정 후 재투고
Yoo, N., Lee, J., & Jang, S.H. (minor revision). Domain-Specific Patterns of Perceived AI Usefulness among North Korean Refugees and Native Koreans: A Latent Profile Analysis. Journal of Psychology and AI.
실무자의 AI 리터러시
실무자는 평가, 문서화, 의사결정에서 AI와 함께 일하도록 점점 더 요구받고 있으며[10], 이러한 요구는 이들이 해당 도구를 잘 활용할 수 있도록 돕는 교육보다 앞서 도달하고 있습니다. 이민자 및 소수자 커뮤니티를 지원하는 실무자들은 더 큰 부담을 짊어지게 되는데, 이러한 집단에게 제대로 작동하지 않는 도구는 이미 위험 부담이 높은 바로 그 지점에서 피해를 초래하기 때문입니다. 현재 제시되는 대부분의 윤리 가이드라인은 이를 해석하고 적용할 수 있는 자원을 갖춘 조직을 상정하고 있으나[11], 이는 이러한 실천이 이루어지는 많은 지역사회 현장의 실정과는 거리가 멉니다.
저의 견해는 Arvind Narayanan과 Sayash Kapoor가 AI as Normal Technology[12]에서 제시한 의미처럼, AI를 일반적인 기술(normal technology)로 다루는 것이 가장 유용하다는 것입니다. 즉, AI의 영향은 수십 년에 걸쳐 제도 안으로 확산되며 나타나고, 누가 혜택을 받는지를 결정하는 것은 모델 자체라기보다는 도입, 접근성 및 거버넌스입니다. 저는 저의 기술 강의(SIL 503, Week 3)에서 이러한 관점을 가르칩니다. 이러한 관점을 견지하는 것은 또한 기술자 및 전산과학자들과 긴밀히 협력하는 것을 의미하는데, 특정 도구가 어떤 역할을 하는지 판단하기 위해서는 그것이 어떻게 구축되었는지를 이해해야 하기 때문입니다.
이 프로젝트는 실무자를 위한 교육을 개발하고 평가하며, 지침이 남기는 간극을 연구합니다. 여기서 문제가 되는 역량은 판단력으로, 특정 도구가 무엇을 할 수 있고 무엇을 할 수 없는지, 어느 방향으로 실패하기 쉬운지, 어떤 실패가 내담자에게 더 큰 손실이 되는지를 알아보는 능력입니다. 이는 보수교육, 사회복지 연구자를 위한 전산 훈련, 자원이 제한된 환경에서 AI 윤리 지침이 어떻게 작동하는지에 대한 분석에 걸쳐 있습니다.
출판 완료
Yoo, N., & Kim, Y. (2026). Agentic LLM for Information Access among Refugees: A Field Report from a Resource-Constrained Organization. Proceedings of the Fifth Workshop on NLP for Positive Impact (NLP4PI), 30–48. LINK
Yoo, N., Khor, A., Mukhija, N., Adebiyi, A., & Zilka, M. (2026). Guidelines for Whom? Rethinking AI Ethics in Resource-Constrained Migration Services. Proceedings of the Workshop on Evaluating Evaluations (EvalEval). DOI
Yoo, N., Saba, S., & Goldkind, L. (in press). Teaching Note—Advancing AI Literacy in Continuing Education for Social Workers: Lessons from a Post-Master Certificate Program. Journal of Social Work Education.
Stanhope, V., Yoo, N., Matthews, E., Baslock, D., & Hu, Y. (2024). The Impact of Collaborative Documentation on Person-Centered Care: Textual Analysis of Clinical Notes. JMIR Medical Informatics. DOI
Yoo, N., Matthews, E., Baslock, D. & Stanhope, V. (2024). Impact of Collaborative Documentation on Completeness and Length of Clinical Notes in Behavioral Health Settings. Psychiatric Services. DOI
수정 후 재투고
Yoo, N., Stanhope, V., Matthews, E., Hu, Y., & Fang, Y. (revised and resubmitted). Who Writes Better Notes? Linguistic Comparison Between Human-Written and AI-Generated Clinical Notes. Journal of Technology in Human Services.
Yoo, N., Watkins, D., Perron, B., Kane, J., & Smith, M. (revised and resubmitted). Building and Governing AI Systems: Advancing Social Workers’ Roles across the Technology Industry, Human Service Organizations, and Policy Institutions. Journal of the Society for Social Work and Research.
Landau, A., Ahn, E., Baez, J., Goldkind, L., Matthews, E., Ramsey, A., Saba, S., Weber, J., Yoo, N., & Patton, D. (minor revision). Social Work Informatics: An Equity Framework for Health Informatics. Journal of the American Medical Informatics Association.
사회복지를 위한 전산사회과학 방법
사회복지는 언제나 데이터에 의존해 왔지만, 사회복지가 관심을 기울이는 질문들은 전통적으로 사용해 온 방법론들의 범위를 넘어섰습니다. 전체 인구 집단은 서비스 제공자 디렉토리, 행정 기록, 공공 텍스트에 흔적을 남기며, 이들에게 다가가기 위해서는 자연어 처리, 머신러닝, 지리공간 분석, 데이터 시각화, 대규모 디지털 데이터셋 수집 등 사회복지 교육에서 거의 다루지 않는 도구들이 필요합니다[13][14]. 저의 여러 프로젝트를 관통하는 방법론적 흐름은 이러한 도구들을 사회복지학의 질문에 맞게 개발하고 적용하며, 사회복지 전문직이 이들을 도입할 때 무엇이 변화하는지를 탐구하는 것입니다.
이 관심은 기술적인 만큼이나 교육적이고 비판적입니다. 저는 차세대 전산 사회복지 과학자를 길러 내며, 밖에서 보면 어려워 보일 수 있는 방법의 진입 장벽을 낮추려 노력합니다. 이는 기법 자체만큼이나 재현 가능한 작업 흐름과 정직한 타당화를 가르친다는 뜻입니다. 또한 이러한 방법이 함께 들여오는 것, 곧 조용히 무엇을 측정하는지, 누구의 데이터로 만들어졌는지, 그 방법을 낳은 분야로부터 사람과 사회생활에 대한 어떤 가정을 가져오는지에도 주의를 기울입니다. 그러한 가정에 이름을 붙이고 이를 고려해 설계하는 것은 방법의 일부입니다.
출판 완료
Yoo, N., Hong, S., Ahn, E., Kane, J., & Grogan-Kaylor, A. (in press). Individual Turn? Examining Ecological Perspectives in Machine Learning Applications in Social Work Research. Journal of the Society for Social Work and Research.
Yoo, N., Mane, H., Zhao, A., Chen, J., Gandhi, A., Kwong, K., Nguyen, T., Okazaki, S., & Chang, D.F. (in press). Working with Annotator Disagreement in Community-Informed Labeling: The Case of Anti-Asian Bias Detection on Social Media. Translational Data Science for Social Impact.
Perron, B., Stoll, D., Qi, Z., Yoo, N., & Ren, C. (in press). Not All Language Models Are Generative: A Methods Primer on Encoder Models in Social Work Research. Journal of the Society for Social Work and Research.
Yoo, N., Park, M., & Chang, D.F. (2025). Using Computational Methods to Assess Racial, Ethnic, and Linguistic Diversity and Spatial Accessibility of the Clinical Social Work Workforce in the United States. Journal of the Society for Social Work and Research. DOI
Yoo, N., Kim, D., Jang, S. H., & Fong, E. (2026). Analyzing Online Migration Forums: An Introduction to Natural Language Processing for International Migration Research. International Migration Review. DOI
Yoo, N., Ritchie, A., & Gwadz, M. (in press). Training Computational Social Work Scientists: Lessons from the Summer Institute of Computational Social Science. Journal of Social Work Education.
이민자 복지 및 기술 연구실(Immigrant Wellbeing and Technology Lab)은 격주로 모여 진행 중인 연구를 다룹니다. 학생, 실무자 또는 지역사회 파트너로서 이러한 질문을 다루고 계시다면, 참여 방법에 대한 자세한 내용은 Get Involved를 참조해 주세요.
1. Zong, J., & Batalova, J. (2015). The limited English proficient population in the United States. Migration Policy Institute.
2. World Health Organization. (2023). Refugee and migrant mental health [Fact sheet].
3. Mohammadifirouzeh, M., Oh, K. M., Basnyat, I., & Gimm, G. (2023). Factors associated with professional mental help-seeking among U.S. immigrants: A systematic review. Journal of Immigrant and Minority Health, 25(2), 1–19. DOI
4. HHS Office of Minority Health. (2013). National standards for culturally and linguistically appropriate services (CLAS) in health and health care. Federal Register.
5. Ward, M., Schulz, A. J., Israel, B. A., Rice, K., Martenies, S. E., & Markarian, E. (2018). A conceptual framework for evaluating health equity promotion within community-based participatory research partnerships. Evaluation and Program Planning, 70, 25–34. DOI
6. Benjamin, R. (2019). Race after technology: Abolitionist tools for the new Jim Code. Polity Press.
7. DiMaggio, P., & Hargittai, E. (2001). From the “digital divide” to “digital inequality”: Studying Internet use as penetration increases (Working Paper No. 15). Center for Arts and Cultural Policy Studies, Princeton University. LINK
8. van Deursen, A. J. A. M., & van Dijk, J. A. G. M. (2014). The digital divide shifts to differences in usage. New Media & Society, 16(3), 507–526. DOI
9. Malgaroli, M., Hull, T. D., Zech, J. M., & Althoff, T. (2023). Natural language processing for mental health interventions: A systematic review and research framework. Translational Psychiatry, 13, 309. DOI
10. National Association of Social Workers, Association of Social Work Boards, Council on Social Work Education, & Clinical Social Work Association. (2017). Standards for technology in social work practice. NASW Press.
11. Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. DOI
12. Narayanan, A., & Kapoor, S. (2025). AI as normal technology. Knight First Amendment Institute at Columbia University. LINK
13. Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A.-L., Brewer, D., Christakis, N., Contractor, N., Fowler, J., Gutmann, M., Jebara, T., King, G., Macy, M., Roy, D., & Van Alstyne, M. (2009). Computational social science. Science, 323(5915), 721–723. DOI
14. Salganik, M. J. (2018). Bit by bit: Social research in the digital age. Princeton University Press.