머신러닝을 활용한 하향취업의 결정요인 분석

• 영문명: Unraveling the Relationship Between Self-Esteem and Underemployment: A Machine Learning Approach
• 발행기관: 경희대학교 국제지역연구원
• 저자명: 경윤영 신범철 이영석 이태현
• 간행물 정보: 『아태연구』제30권 제1호, 179~203쪽, 전체 25쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2023.03.30

국문 초록

본 연구는 머신런닝의 랜덤포레스트 모델을 사용하여 하향취업 여부를 예측하였다. 청년층의 직업 선택에 관한 정보를 얻고자 청년 패널조사(YP2007) 5차부터 12차 자료를 이용하였다. 또한, 랜덤포레스트 분석에 사용한 예측인자는 취업자의 객관적 정보인 인적특성, 직업속성, 구직활동 경험, 인적자본 변수뿐만 아니라 주관적인 평가가 들어가는 직업선택 시 중요도, 자아존중감의 변수도 포함하여 총 84개의 예측인자를 사용하였다. 주요 결과는 다음과 같다. 첫째, 랜덤포레스트 모델을 사용하였을 때 하향취업 여부의 기준을 교육수준을 나눈 모형1의 정확도, 민감도 및 특이도는 약 94%, 91%, 96%였으며 기술수준으로 나눈 모형2의 정확도, 민감도 및 특이도는 약 93%, 92%, 95%로 측정되어 두 모형 모두 예측 성과가 매우 높게 나타났다. 둘째, 랜덤포레스트 모델을 통해 예측인자의 변수 중요도를 살펴본 결과 모형1, 모형2 모두 월평균 임금, 종사하는 산업, 회사소재지 등의 직장속성 변수가 주요 변수로 채택되어 해당 변수들이 하향취업에 중요한 영향을 미치는 것으로 나타났으며 주관적 요인인 자아존중감 변수 역시 예측에 중요한 변수 중 하나임을 확인하였다. 이러한 연구 결과는 하향취업 여부를 예측하는 것에 있어 자아존중감이 하나의 중요 변수로 인식되기에 청소년기에 자아존중감 향상을 위한 체계적인 정책 및 교육과정을 마련할 필요가 있음을 시사한다. 또한 자아존중감을 높여야 하는 교육대상뿐만 아니라 부모, 교사 등 주변 인물들에 대한 교육도 함께 진행되어야 함을 의미한다.

영문 초록

This paper uses the job competition theory to explore causes and procedures of underemployment by adapting structural aspects of the labor market. The paper empirically investigates determinants of underemployment by employing random forests. It pays a special attention to self-esteem as a key variable to determine whether or not the labor force status is that of underemployment. For the empirical analyses, a dataset of Youth Panel 2007(YP2007) is utilized, ranging from the 5th to 12th dataset. Methods and results of the analyses are as follows. Random forests take 84 independent variables into account including individual characteristics, personal background, types of jobs, job-search experience, and self-esteem. As a result, a model 1 for underemployment based on education is created, with 94% accuracy, 92% sensitivity, and 96% specificity. A model 2 for underemployment based on technology levels is also created with 93% accuracy, 92% sensitivity, and 95% specificity. Both models find that there is high variable importance such as lists of industrial occupations, business locations, monthly average income, along with self-esteem variables. To conclude, the analysis of random forests finds that self-esteem is predictive in determining underemployment. This paper considers the main determinant of underemployment with particular interest as self-esteem, which is an integral, albeit overlooked explanatory variable. As the result found that high self-esteem plays a key role to appropriate job transitions, methods for education in improving self-esteem are needed. Timely education is incredibly important. Self-esteem is shaped in the teenage years and from young and preschool periods. Once formed, self-esteem tends to be resistant to change. Also, the process of molding and forming self-esteem is influenced by environments around the person. Therefore, targets for education should be broadened into - not to mention young children - surrounding people including parents and teachers. Further research is needed to explore the specific path of how levels of self-esteem affects preparation procedures for jobs and closely analyze how levels of self-esteem influence career outcomes.

목차

Ⅰ. 서론

Ⅱ. 선행연구

Ⅲ. 실증분석

Ⅳ. 실증분석 결과

Ⅴ. 결론 및 논의

키워드

하향취업 자아존중감 머신러닝 랜덤포레스트 예측모형 Self-Esteem Underemployment Machine Learning Random Forests Predictive Model