본 연구는 기업도산예측에 관한 문제를 다루고 있다. 기존의 연구에서는 MDA, 로지트 분석, 프로비트 분석등과 같은 통계적 기법을 주로 사용하여 기업도산예측 문제를 해결하고자 하였지만, 통계적 기법이 갖고 있는 엄격한 가정이 만족되어야 한다는 방법론적인 한계를 갖고 있었다. 따라서 최근 인공지능 기법이 제반 경영학 문제에 보다 활발하게 적용되기 시작하면서 귀납적 학습방법(inductive learning), 인공신경망(neural network)등과 같은 인공지능 관련 기법을 기업도산예측 문제에 적용하는 연구가 활발히 소개되었고 그 성과 또한 기존의 통계적 기법보다는 우수함이 입증되었다. 그러나 이러한 연구의 경우 대개 기존의 통계적 기법과 예측성과를 단순비교하는 연구방법론이 주류이기 때문에 보다 새로운 방법론의 필요성이 대두되기에 이르렀다. 이러한 관점에서 본 연구에서는 단순히 기존의 통계적 기법과 비교하는 차원에서 벗어나, 귀납적 학습방법과 인공신경망 모형을 결합한 `귀납적 학습지원 인공신경망` (ILANN: Inductive Learning Assisted Neural Network) 기법을 소개한다. 이는 제1종 오류(Type I Error)와 제2종 오류 (Type II Error)를 분석하여 귀납적 학습방법과 인공신경망 모형의 성과를 결합하는 방법을 채택하고 있다. 본 연구에서는 1979년에서 1992년까지의 166개 국내의 도산 및 비도산 기업의 재무비율 자료를 기초로 하여 분석하였다. 사용된 채무비율은 전체 57개로서 이는 각각 성장성 관련비율 11개, 수익성 관련비율 12개, 안전성 관련비율 18개, 현금흐름 관련비율 4개, 활동성 관련비율 6개, 기업신용 관련비율 6개로 구성되어 있다. 실험결과 본 연구에서 제안한 귀납적 학습지원 인공신경망 모형이 MDA나 귀납적 학습방법, 인공신경망 모형과 비교하여 가장 예측력이 우수한 것으로 실증되었다.