전통 통계분석기법과 머신러닝을 활용한 대졸자의 진로상태 분류 예측모델 비교분석

이 연구는 급변하는 현대사회에 개인들의 끊임없는 진로선택과 결정에 있어 개별 맞춤형 방향성을 제시해주고, 대학 측면에서는 필요 인재 확보에 대한 가이드라인 제공과 대학 수요자들의 취업 및 진로개발 지원에 정확한 진로방향 예측을 통해 질적 향상을 모색함으로써 대학의 미래 경쟁력 제고에 기여하고자 하는 현실적인 필요성에서 출발하였다. 이를 위해 대졸자의 진로상태 분류 예측모델을 개발하고, 주요 예측변인의 특징을 분석함으로써 청년의 진로상태에 가장 중요하게 작용하는 요인이 무엇인지 알아보는 것으로 연구목적을 설정하였다.

연구목적에 따라 먼저 집단을 학력을 기준으로 구직 및 취업자, 대학원 진학자로 나누었다. 다음으로 그들의 진로상태를 분류하는 예측모델 구현을 통해 어떠한 변인들이 대졸자의 진로상태 예측에 영향을 미치는지 알아보기 위해 로지스틱 회귀분석과 판별분석을 활용하여 전통적 통계기법 예측모델을 구현하였다. 마찬가지로 머신러닝 예측모델을 구현하기 위해 의사결정나무, 서포트벡터머신, 랜덤포레스트, XGboost 알고리즘을 활용하였다.

분석결과 구현된 모델 중에서 서포트벡터머신 예측모델이 82.12%의 예측률로 가장 뛰어난 것으로 나타나 서포트벡터머신 알고리즘으로 구현한 예측모델을 최종 예측모델로 결정하였다. 결정된 최종 모델에서 대졸 후 진로상태를 예측하는 주요 요인은 개인 특성요인이었다. 더불어 개인 환경요인 중에서도 사회적 자본에 해당하는 변인들이 모든 머신러닝 예측모델에서도 최상위 예측변인으로 도출되었던 만큼 대졸자의 진로에 있어 사회적 자본에 대한 중요성이 재차 검증될 필요가 있다.

해당 예측모델을 실무적인 측면에서 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 조언 등 맞춤형 진로 설계 가이드라인을 제시해줄 수 있을 것이다.

주제어： 대졸, 머신러닝, 예측모델, 분류예측모델, 한국교육종단연구.