전통 통계분석기법과 머신러닝을 활용한 청년의 진로상태 분류 예측모델 비교분석 = Comparative Analysis of the Prediction Model for the Young Adults’ Career Status Using Classic Statistical Methods and Machine Learning Algorithms

다국어 초록 (Multilingual Abstract)

The study started with a realistic need to contribute to enhancing the future competitiveness of universities by providing guidelines and supporting career development through precisely predicting career direction for getting talented students in a rapidly changing modern society. Based on those purposes, the study focused on developing a predictive model for classifying the young adults’ career status and finding out which factors affect most importantly the young adults’ career status by analyzing the characteristics of major predictive factors.
The data based on the purpose of the study, the 2005 Korean Education Longitudinal Study(2005KELS) by the Korea Education Development Institute(KEDI), were used. Before starting analysis, the group was divided into two groups: groups that graduate from high school(g1: job seekers or employed, g2: college students) and groups that graduate from college(g1: job seekers or the employed, g2: graduate students) in accordance with the characteristics of the data. Next, to find out which variables affect the prediction of the youth’s career status through creating a prediction model, not only were classic statistical models created using logistic regression and discriminant analysis, but machine learning models were also made using the Decision tree, Support Vector Machine(SVM), Random forest, and XGboost algorithms.
In a consequence of the analysis, the SVM prediction models turned out to be the best prediction rates in both groups 95.45%(high school graduation groups) and 82.12%(college graduation groups), respectively. Therefore, the final predictive model was decided to SVM model, and it was analyzed to the main predictive variables from the SVM model. Thus, the top predictive variable from the high school graduation groups was the number of friends contacting their acquaintances frequently belonging to personal environmental factors, and the number of people who could call for the help belonging to personal environmental factors was the top predictive variable from the college graduation groups.
Next, the top 10 major predictors were examined for each group as factor categories. As a result, it was found that personal environmental factors, personal feature factors, and SES(Social Environment Status) factors were the main predictors of the young adults’ career status in the high school graduation groups. However, it is necessary to pay more attention to personal environmental factors and personal feature factors(especially social relationships) than SES factors because they are the third-ranked factors and have already been verified many times in lots of previous studies.
In the college graduation groups, personal feature factors were the key factors predicting the young adults’ career status. Therefore, it is necessary to examine how personal feature factors(intelligence, values, competencies) affect their careers in relation to the competencies currently being established as policies in many universities. Furthermore, the importance of social relationships in the young adults’ careers needs to be reexamined as social relationships were the key factors among individual environmental factors in all the machine learning models.
Lastly, the results about all predictive models analyzed in this study are summarized as follows: First, the best fitting model was machine learning models rather than classic statistical models in order to predict the young adults’ career status in the high school and college graduation groups based on their educational level. Therefore, it is necessary to examine various variables that have not yet been put into the machine learning models to identify various variables that affect the young adults’ career status.
Second, it still needs to be used in both classic statistical methods and machine learning models. If the volume of data is not as many as creating machine learning models, it is recommended to use classic statistical methods as a prototype model. If significant factors are not yet been found in areas where there have not many prior studies and the volume of data is large, it is recommended to create a prediction model using machine learning.
Third, when it is needed to use machine learning, it is necessary to selectively choose appropriate algorithms depending on the purpose and situation. First of all, even if the prediction rate is somewhat low, the decision tree model can be useful and fit into some areas where the decision-making process is more important than corrects prediction. On the other hand, in situations where accurate prediction is the most important, such as in the medical field, the SVM model is the most suitable. However, it needs to be accompanied by machine learning knowledge and empirical knowledge because it is required to set the classification function(kernel) adjustments and other tuning processes. Meanwhile, the Random forest model is recommended in a situation where decision-making is required through proper visualization if prediction rate is important and also easy to handle. On the other hand, XGboost is recommended rather than the Random forest model for highly-skilled users who can make precise and delicate tuning adjustments in machine learning.
Finally, if the prediction model is used for high school or college students, it is possible to predict who is more likely to go to university or graduate school as practical parts. Therefore, it can be helpful to design useful guidelines for them to enter higher educational institutions. Also if the predictive model is used for students who are not in a career decision-status college students, their future career status can be predicted. Based on this, it can be presented by personalized career design guidelines along with explanations and advice on expected careers after graduation. Through this, it is expected to contribute to enhancing the competitiveness of the university.

국문 초록 (Abstract)

이 연구는 급변하는 현대사회에 개인들의 끊임없는 진로선택과 결정에 있어 약간의 방향성을 제시해주고, 대학 측면에서는 필요 인재 확보에 대한 가이드라인 제공과 대학 수요자들의 취업 및 진로개발 지원에 정확한 진로방향 예측을 통해 질적 향상을 꾀함으로써 대학의 미래 경쟁력 제고에 기여하고자 하는 현실적인 필요성에서 출발하였다. 이를 위해 청년의 진로상태 분류 예측모델을 개발하고, 주요 예측변인의 특징을 분석함으로써 청년의 진로상태에 가장 중요하게 작용하는 요인이 무엇인지 알아보는 것으로 연구목적을 설정하였다.
연구목적에 따라 활용된 데이터는 한국교육개발원의 2005한국교육종단연구로, 분석에 앞서 데이터의 특성에 맞게 집단을 학력을 기준으로 고등학교 졸업집단(구직 및 취업자, 대학 이상 진학자)과 대학 졸업집단(구직 및 취업자, 대학원 진학자)으로 나누었다. 다음으로 청년의 진로상태를 분류하는 예측모델 구현을 통해 어떠한 변인들이 청년의 진로상태 예측에 영향을 미치는지 알아보기 위해 로지스틱 회귀분석과 판별분석을 활용하여 전통적 통계기법 예측모델을 구현하였으며, 의사결정나무, 서포트벡터머신, 랜덤포레스트, XGboost 알고리즘을 활용하여 머신러닝 예측모델을 구현하였다.
분석결과 구현된 모델 중에서 고졸집단과 대졸집단 모두 서포트벡터머신 예측모델이 각각 95.45%(고졸집단), 82.12%(대졸집단)의 예측률로 가장 뛰어난 것으로 밝혀졌다. 따라서 서포트벡터머신 알고리즘으로 구현한 예측모델을 최종 예측모델로 결정하였고, 해당 모델에서 도출된 주요 예측변인을 살펴보았다. 그 결과 고졸집단에서 도출된 최상위 예측변인은 개인 환경요인에 속하는 자주 연락하는 친구 수로 도출되었으며, 대졸집단에서 도출된 최상위 예측변인은 또한 개인 환경요인에 속하는 도움을 청할 수 있는 사람 수로 도출되었다.
이어서 집단별 상위 10개 주요 예측변인들을 요인 범주로 살펴보았다. 그 결과 고졸집단에서는 청년의 진로상태에 있어 개인 환경요인, 개인 특성요인, 가정환경요인이 주요 예측요인인 것으로 나타났다. 그러나 가정환경요인의 경우 3순위 요인이면서도 많은 선행연구에서 이미 여러 차례 검증되었던 요인이므로 해당 요인보다는 개인 환경요인(사회적 자본), 개인 특성요인에 좀 더 주목할 필요가 있을 것으로 사료된다. 대졸집단에서는 개인 특성요인이 청년의 진로상태를 예측하는 핵심 요인으로 도출되었다. 따라서 개인 특성요인(지능, 가치관, 역량)과 관련하여 현재 많은 대학에서 정책적으로도 수립되고 있는 역량과 관련하여 이들의 진로에 있어서 어떠한 영향을 미치는지 검증될 필요가 있다. 더불어 두 집단 모두 개인 환경요인 중에서도 사회적 자본에 해당하는 변인들이 모든 머신러닝 예측모델에서도 최상위 예측변인으로 도출되었던 만큼 청년 진로에 있어 사회적 자본에 대한 중요성이 재차 검증될 필요가 있다.
다음으로 해당 연구에서 구현된 모든 예측모델에 대한 결과를 종합하면 다음과 같다.
첫째, 학력을 기준으로 고졸집단과 대졸집단 청년의 진로상태를 구직 및 취업집단, 상위 교육기관 진학집단으로 예측하는데 최적화된 모델은 전통 통계기법 모델보다 머신러닝 알고리즘으로 구현된 예측모델인 것으로 나타났다. 따라서 이러한 결과를 바탕으로 청년의 진로상태에 영향을 미치는 다양한 변인을 밝혀내기 위해 미처 투입되지 못한 다양한 변인들까지 머신러닝 예측모델에 구현될 필요가 있다. 이 과정을 통해 그다지 주목받지 못하였던 변인들이 발굴된다면 그러한 변인들이 진로에 미치는 영향력은 어떠한지도 구체적으로 살펴볼 필요가 있다.
둘째, 그럼에도 전통적 통계기법과 머신러닝 모델 모두 활용될 필요가 있다. 즉, 연구목적에 따라 예측모델을 구현함에 있어 얻을 수 있는 데이터의 볼륨이 적다면 프로토타입 모델로 전통적 통계기법을 활용하여 먼저 결과를 살펴보는 것을 권장하며, 데이터의 볼륨이 크고 선행연구가 많이 이루어지지 않은 영역에서 유의한 요인을 탐색하는 경우라면 머신러닝으로 예측모델을 구현할 것을 권장한다.
셋째, 머신러닝을 활용할 경우 목적과 상황에 따라 적절한 알고리즘을 선택적으로 활용할 필요가 있다. 먼저 예측률이 다소 떨어지더라도 어떠한 과정을 통해 해당 결과가 도출되었는지를 파악하는 의사결정과정이 중요한 분야에서는 의사결정나무 모델이 요긴하게 쓰일 수 있다. 반면 의학 분야와 같이 정확한 예측률이 가장 중시되는 상황에서는 서포트벡터머신 모델이 가장 적합하다. 다만 최적의 예측성능을 위해서는 분류함수(커널)의 조정과 이 외의 튜닝과정이 필요하기 때문에 머신러닝에 대한 지식과 경험적 지식이 수반되어야 한다. 다음으로 적당한 시각화 구현을 통한 의사결정이 필요한 상황에서 예측성능도 중요하면서 다루기 쉬운 모델을 찾는다면 랜덤포레스트 모델이 최적이다. 한편 XGboost의 경우 머신러닝에 있어 정밀한 튜닝 조정을 할 수 있는 숙달된 사용자에게 있어서는 랜덤포레스트 모델보다 추천하는 알고리즘이다.
마지막으로 실무적인 측면에서 해당 예측모델을 고등학생이나 대학생을 대상으로 활용한다면 누가 대학 또는 대학원에 진학할 확률이 높은지 예측할 수 있다. 따라서 이들을 대상으로 상위 교육기관 진학과 관련한 맞춤형 가이드라인을 설계하는 데 도움이 될 수 있다. 뿐만 아니라, 대학생 중에서 진로결정 상태가 아닌 학생들에게 해당 예측모형을 활용한다면 이들의 진로상태를 예측할 수 있고, 이를 바탕으로 예상되는 졸업 후 진로에 대한 설명 및 조언과 함께 맞춤형 진로 설계 가이드라인을 제시해줄 수 있을 것이다. 다양한 선행연구에서 대학 내 질 높은 진로 및 취업 교과목이나 프로그램들이 졸업 후 학생들의 취업률을 높이는 것을 실증적으로 밝혀낸 것과 같이 대학의 우수한 진로 및 취업 프로그램, 인턴십 기회 제공 등의 서비스를 개인의 상황과 특성에 맞게 지원해준다면 대학의 경쟁력 강화에 큰 기여가 될 것으로 사료된다.

목차 (Table of Contents)

• 제1장 서론 1
• 제1절 연구 필요성 및 목적 1
• 제2절 연구문제 4
• 제3절 용어 정의 6
• 1. 청년 6
• 2. 진로상태 6
• 3. 데이터 마이닝 6
• 4. 머신러닝 7
• 제2장 이론적 배경 8
• 제1절 청년 진로 8
• 1. 성인과 청년 8
• 2. 직업과 진로 10
• 제2절 진로이론과 최근 흐름 12
• 1. 전통 진로이론 12
• 2. 현대 진로이론 16
• 제3절 진로선택 영향요인 20
• 1. 생득적 요인 21
• 2. 심리 및 정서적 요인 22
• 3. 환경적 요인 22
• 4. 우연적 요인 23
• 5. 연구에 활용된 요인 및 투입변인 23
• 제4절 데이터 분석 방법론 27
• 1. 데이터 생성 및 수집 29
• 2. 데이터 처리 및 변환 30
• 3. 데이터 마이닝(Data mining) 32
• 4. 데이터 시각화 33
• 제5절 머신러닝 분류 알고리즘 및 모델평가 35
• 1. 머신러닝(Machine Learning)의 정의 및 기원 35
• 2. 머신러닝 알고리즘의 유형 36
• 3. 지도학습 알고리즘 38
• 4. 앙상블(Ensemble) 알고리즘 46
• 5. 머신러닝 모델평가 51
• 제6절 선행연구 고찰 55
• 1. 진로 관련 유의 변인 및 요인 기반 선행연구 고찰 55
• 2. 진로 및 취업, 교육 분야의 머신러닝 기반 선행연구 고찰 60
• 제3장 연구방법 66
• 제1절 연구대상 66
• 제2절 조사도구 68
• 제3절 연구절차 72
• 제4절 데이터 처리 75
• 1. 데이터세트 선택 76
• 2. 데이터 전처리(Data preprocessing) 76
• 3. 데이터 변환 79
• 4. 불균형 데이터 보정 및 데이터 분할 86
• 제4장 연구결과 89
• 제1절 변인의 신뢰도 및 타당도 분석 결과 89
• 1. 요인분석 결과 89
• 2. 신뢰도 분석 결과 104
• 3. 상관관계 분석 결과 109
• 제2절 t-test/chisq 검정 결과 112
• 1. 고졸집단 t-test/chisq 검정 결과 112
• 2. 대졸집단 t-test/chisq 검정 결과 117
• 제3절 전통 통계기법 예측모델 구현 결과 121
• 1. 로지스틱 회귀분석을 이용한 예측모델 구현 결과 121
• 2. 선형 판별분석을 이용한 예측모델 구현 결과 127
• 제4절 지도학습 예측모델 구현 결과 138
• 1. 의사결정나무 예측모델 구현 결과 138
• 2. 서포트벡터머신 예측모델 구현결과 144
• 제5절 앙상블 기법 예측모델 구현 결과 151
• 1. 랜덤포레스트 예측모델 구현 결과 151
• 2. XGboost 예측모델 구현 결과 160
• 제6절 최종 예측모델 및 주요 예측요인 도출 결과 166
• 1. 고졸집단의 청년 진로상태 최종 예측모델 166
• 2. 대졸집단의 청년 진로상태 최종 예측모델 170
• 제5장 결론 및 논의 175
• 제1절 결론 175
• 제2절 논의 183
• 제3절 연구 한계 및 후속 연구 제언 190
• 참고문헌 192
• [부록1] 한국교육종단연구 2005 공통문항 설문지 201
• [부록2] 코드북(Code book) 219
• ABSTRACT 220