대졸 취업자들의 특성을 분석하기 위해 주로 모수적인 접근방법을 사용해 온 기존의 연구와는 달리, 본 연구에서는 R 프로그램을 이용하여 데이터 시각화에 초점을 맞추어 분석하였다. 이를 위해 취업여부에 미치는 개인특성 변수들의 유사성 분석을 위해 다중대응분석을 실시하였다. 또한 취업여부에 영향을 미치는 개인특성 변수들의 고차 상호작용효과를 분석하기 위해 의사결정나무분석을 실시하였다. 그리고 연관성분석을 이용한 연관성 규칙을 계산하여 개인특성 변수들이 취업여부에 미치는 효과를 분석하고, 연관성규칙의 결과를 사회연결망분석의 연결망 구조로 시각화 하였다. 분석결과 다음과 같은 주요 결과를 얻었다. 첫째, 취업여부에 영향을 미치는 변수들로는 평균평점, 계열, 강의평가 점수, 성별 등으로 나타났다. 둘째, 평균평점과 강의평가점수가 보통이상으로 높고 자연계열인 경우 취업 가능성이 높음을 알 수 있다. 또한 수시모집으로 입학한 연령이 낮은 졸업생이 취업가능성이 높게 나타났다. 셋째, 평균평점이 낮고 예체능 계열이며 연령이 높은 대졸자들이 취업가능성이 낮음을 알 수 있다. 또한 예체능 계열의 단일전공을 한 여학생들의 경우도 취업가능성이 높지 않음을 알 수 있다.
대졸 취업자들의 특성을 분석하기 위해 주로 모수적인 접근방법을 사용해 온 기존의 연구와는 달리, 본 연구에서는 R 프로그램을 이용하여 데이터 시각화에 초점을 맞추어 분석하였다. 이를 위해 취업여부에 미치는 개인특성 변수들의 유사성 분석을 위해 다중대응분석을 실시하였다. 또한 취업여부에 영향을 미치는 개인특성 변수들의 고차 상호작용효과를 분석하기 위해 의사결정나무분석을 실시하였다. 그리고 연관성분석을 이용한 연관성 규칙을 계산하여 개인특성 변수들이 취업여부에 미치는 효과를 분석하고, 연관성규칙의 결과를 사회연결망분석의 연결망 구조로 시각화 하였다. 분석결과 다음과 같은 주요 결과를 얻었다. 첫째, 취업여부에 영향을 미치는 변수들로는 평균평점, 계열, 강의평가 점수, 성별 등으로 나타났다. 둘째, 평균평점과 강의평가점수가 보통이상으로 높고 자연계열인 경우 취업 가능성이 높음을 알 수 있다. 또한 수시모집으로 입학한 연령이 낮은 졸업생이 취업가능성이 높게 나타났다. 셋째, 평균평점이 낮고 예체능 계열이며 연령이 높은 대졸자들이 취업가능성이 낮음을 알 수 있다. 또한 예체능 계열의 단일전공을 한 여학생들의 경우도 취업가능성이 높지 않음을 알 수 있다.
The fundamental concerns of this paper are to analyze the effects of some characteristics on the employment of new college graduated students in viewpoint of data visualization. We use individual and department characteristic data of K-university graduated students in 2010. We apply multiple corresp...
The fundamental concerns of this paper are to analyze the effects of some characteristics on the employment of new college graduated students in viewpoint of data visualization. We use individual and department characteristic data of K-university graduated students in 2010. We apply multiple correspondence analysis, decision tree analysis, association rules and social network analysis for data visualization. The results of the analysis are summarized as follows. First, an analysis of the determinants of employment shows that GPA, department category, age and number of majors, recruiting time affect the employment rate. Second, higher GPA and natural category of department positively affect the employment rate. Finally, low age, single major and early recruiting time also positively affect the employment rate.
The fundamental concerns of this paper are to analyze the effects of some characteristics on the employment of new college graduated students in viewpoint of data visualization. We use individual and department characteristic data of K-university graduated students in 2010. We apply multiple correspondence analysis, decision tree analysis, association rules and social network analysis for data visualization. The results of the analysis are summarized as follows. First, an analysis of the determinants of employment shows that GPA, department category, age and number of majors, recruiting time affect the employment rate. Second, higher GPA and natural category of department positively affect the employment rate. Finally, low age, single major and early recruiting time also positively affect the employment rate.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 K-대학 졸업생들의 취업여부에 미치는 개인특성 변수들에 대한 영향력을 데이터 시각화에 초점을 맞추어서 분석하고자 한다. 먼저 제 2절에서는 분석 자료에 대한 설명과 기술통계 결과를 소개하며, 제 3절에서는 다중대응분석과 의사결정나무분석을 이용하여 취업자의 특성과 관련성이 높은 독립변수들의 범주 수준들을 탐색하여 데이터 시각화를 하였다.
본 논문에서는 대졸자의 취업특성에 미치는 영향력을 분석하기 위해 학과특성과 졸업생 특성 각각에 대해 다양한 통계적인 방법으로 데이터 시각화에 초점을 두고 분석하였다. 본 논문에서 사용된 통계적 기법으로는 학과특성을 분석하기 위해 상관계수행렬과 별 그림을 이용 하였으며, 다중대응분석, 의사결정나무분석 그리고 연관성분석을 통해 취업여부와 관련성이 높은 개인특성변수들을 탐색하였다.
제안 방법
다음으로 대졸자의 특성변수들이 취업여부에 미치는 효과를 분석하기 위해 비모수적인 방법인 의사결정나무 분석을 이용하며, 이를 통해서 취업여부에 영향을 미치는 각 수준별 특성변수들에 대한 고차의 상호작용효과를 분석한다. 의사결정나무분석을 수행하기 위해 지니지수 (Gini index)를 분리기준으로 사용하였으며, 이지분리를 수행하는 CART (classification and regression trees) 알고리즘을 사용하였다.
본 연구에서는 데이터 시각화를 활용하여 취업여부에 관련성이 높은 독립변수들의 범주 수준을 분석하기 위해 다중대응분석 (multiple correspondence analysis)과 의사결정나무분석 (decision tree analysis)을 활용하였다. 또한 데이터에 내재되어 있는 항목들 간의 상호관련성을 찾는 기법인 연관성분석(association analysis)을 이용하여 취업자와 미취업자의 특성에 미치는 독립변수의 영향력을 연관성규칙으로 표현하였으며, 그 결과를 사회연결망분석 (social network analysis)의 연결망 구조로 시각화를 하였다. 연관성 분석에 대한 연구로는 Liu 등 (1999)과 Cho와 Park (2011a, 2011b) 등이 있다.
본 논문에서는 K-대학 졸업생들의 취업여부에 미치는 개인특성 변수들에 대한 영향력을 데이터 시각화에 초점을 맞추어서 분석하고자 한다. 먼저 제 2절에서는 분석 자료에 대한 설명과 기술통계 결과를 소개하며, 제 3절에서는 다중대응분석과 의사결정나무분석을 이용하여 취업자의 특성과 관련성이 높은 독립변수들의 범주 수준들을 탐색하여 데이터 시각화를 하였다. 그리고 제 4절에서는 취업자 및 미취업자의 특성을 연관성분석의 결과인 연관성 규칙을 이용하고, 그 결과를 사회연결망으로 시각화 하여 분석하였다.
본 논문에서는 대졸자의 취업특성에 미치는 영향력을 분석하기 위해 학과특성과 졸업생 특성 각각에 대해 다양한 통계적인 방법으로 데이터 시각화에 초점을 두고 분석하였다. 본 논문에서 사용된 통계적 기법으로는 학과특성을 분석하기 위해 상관계수행렬과 별 그림을 이용 하였으며, 다중대응분석, 의사결정나무분석 그리고 연관성분석을 통해 취업여부와 관련성이 높은 개인특성변수들을 탐색하였다. 마지막으로 연관성 분석결과를 시각적으로 표현하기 위해 연관성 규칙을 사회연결망 그림으로 나타냈다.
이 절에서는 연관성분석 (association rule)을 이용하여 대졸자의 취업에 미치는 영향을 분석하고, 연관성분석 결과를 이해하기 쉽도록 사회연결망모형으로 시각화를 하고자 한다. 연관성분석 결과는 지지도 (support), 신뢰도 (confidence), 향상도 (lift) 등 3가지로 측정된다.
이 절에서는 취업여부와 상호 관련성이 높은 개인특성 변수들을 알아보고, 어떤 특성을 가진 졸업생들이 취업여부에 영향을 미치는지를 알아보기 위해 다중대응분석 (multiple correspondence analysis)과 의사결정나무 분석 (decision tree analysis)을 하고자 한다. 여기서 분석결과에 대한 해석의 용이성을 위해 개인 특성변수들 중에서 평균평점, 강의평가점수, 연령 등 연속형 자료는 동일한 비율을 갖도록 3개의 수준 (low, middle, high)을 갖는 범주형 변수 C_gpa (평균평점), C_score (강의평가점수), C_age(연령)로 만들었다.
다음으로 학과별 특성을 분석하고자 한다. 이를 위해 먼저 개인특성변수들을 학과별로 통합하여 학과별로 남학생 비율, 취업비율, 복수전공 비율, 강의평가 평균점수, 평균평점, 평균연령 등을 계산하였다.
의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다. 정지규칙으로는 최대나무깊이 (maximum tree depth)는 3으로 설정하였으며, 최소 케이스 수 (minimum number of cases)에서 부모마디 (parent node)는 300, 자식마디 (child node)는 100으로 설정하였으며, 적절한 가지치기 (pruning)를 병행하였다. R의 “party” 패키지에서 ctree() 함수를 사용하여 의사결정나무분석을 실시한 결과 아래 Figure 3.
대상 데이터
본 연구에서 사용된 데이터는 K-대학교의 2009년 8월과 2010년 2월 졸업생들 중에서 2000년 이전에 입학한 졸업생들과 타 대학으로부터 편입학한 졸업생, 그리고 졸업 후 타 대학 (또는 대학원)으로 진학한 졸업생을 제외한 2,204명만을 분석대상으로 하였다. 또한 취업자의 특성을 분석하기 위해 취업여부(employment), 입학시기 (recruiting time), 계열 (department category), 평균평점 (gpa), 강의평가점수 (course score), 복수전공 여부 (major), 연령 (age level), 성별 (sex) 등의 변수들로 구성되어 있다.
데이터처리
먼저 특성변수들과 취업여부의 상호관련성을 알아보기 위해 각 특성변수들의 범주 수준별로 다중대응 분석 (multiple correspondence analysis)을 실시하였다. 다중대응분석은 개체 (케이스)와 범주에 계량적 수치를 부여함으로써 범주형 데이터를 수량화하는 분석기법으로서, 내적 일관성의 원리로부터 범주의 수량화를 실시하는 분석기법이다.
본 연구에서는 데이터 시각화를 활용하여 취업여부에 관련성이 높은 독립변수들의 범주 수준을 분석하기 위해 다중대응분석 (multiple correspondence analysis)과 의사결정나무분석 (decision tree analysis)을 활용하였다. 또한 데이터에 내재되어 있는 항목들 간의 상호관련성을 찾는 기법인 연관성분석(association analysis)을 이용하여 취업자와 미취업자의 특성에 미치는 독립변수의 영향력을 연관성규칙으로 표현하였으며, 그 결과를 사회연결망분석 (social network analysis)의 연결망 구조로 시각화를 하였다.
이론/모형
다음으로 대졸자의 특성변수들이 취업여부에 미치는 효과를 분석하기 위해 비모수적인 방법인 의사결정나무 분석을 이용하며, 이를 통해서 취업여부에 영향을 미치는 각 수준별 특성변수들에 대한 고차의 상호작용효과를 분석한다. 의사결정나무분석을 수행하기 위해 지니지수 (Gini index)를 분리기준으로 사용하였으며, 이지분리를 수행하는 CART (classification and regression trees) 알고리즘을 사용하였다. 의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다.
성능/효과
그의 결과를 보면, 학교소재지에서 경기·인천지역, 학교성적이 좋을수록, 취득 자격증의 전공 및 취업 관련정도가 높을수록 취업가능성이 높게 나타났다.
Park (2011)은 위계적 선형모형을 활용하여 대졸자의 취업에 미치는 개인배경, 개인의 취업준비, 대학특성, 대학의 취업지원변인의 영향력을 분석한 바 있다. 그의 결과에 따르면 성별, 가계소득, 출신고 등의 개인배경과 서열유형, 취업률 등의 대학특성 변인이 영향을 미치는 것으로 나타났다. Jun 등 (2009)은 부산지역 대학의 누리사업단 졸업자를 대상으로 개인의 취업실태에 대한 결정요인을 생존분석과 의사결정나무 분석을 활용하여 연구하였는데, 본인학력, 가구소득, 평균평점, 자격증 등이 미취업 기간 결정에 가장 유의한 변수로 나타났다.
둘째, 평균평점과 강의평가점수가 보통이상으로 높고 자연계열인 경우 취업 가능성이 높음을 알 수 있다. 또한 수시모집으로 입학한 연령이 낮은 졸업생이 취업가능성이 높게 나타났다.
3%로 나타났다. 또한 평균평점이 중간이상이면서 인문 또는 예체능계열이면서 입학시기가 수시모집이고 강의평가 점수가 낮은 대졸자들이 66.9%로 취업률이 높은 것으로 나타났다.
미취업자 (employ=no)와 관련성의 정도가 높게 나타내는 Table 4.2의 결과를 살펴보면, 평균평점과 강의평가점수가 낮은 경우 지지도는 0.078, 신뢰도는 0.638, 향상도는 1.285로 가장 높은 향상도를 보였다. 즉 이들 간의 연관성의 정도가 미취업자와 높음을 알 수 있다.
셋째, 평균평점이 낮고 예체능 계열이며 연령이 높은 대졸자들이 취업가능성이 낮음을 알 수 있다. 또한 예체능 계열의 단일전공을 한 여학생들의 경우도 취업가능성이 높지 않음을 알 수 있다.
2의 결과를 사회연결망 분석 (social network analysis)을 이용하여 시각화를 시킨 결과이다. 여기서 노드의 크기가 클수록 지지도가 높음을 의미하고, 노드의 색깔이 진할수록 향상도가 높음을 의미한다.
참고로 위의 의사결정나무분석 결과에 대한 오 분류비율은 42.8%로 다소 높게 나타났다.
첫째, 취업여부에 영향을 미치는 변수들로는 평균평점, 계열, 강의평가점수, 성별 등으로 나타났다.
후속연구
한편 본 논문에서 활용된 분석 방법들 간에 나타난 결과의 차이는 수집 가능한 제한된 자료만을 사용하였기 때문에 발생된 결과로 유추된다. 따라서 본 연구의 결과를 지나치게 일반화하기에는 분명한 한계가 있음을 밝혀 둔다. 또한 다양한 변수와 방법론을 활용한 심도 있는 분석은 향후 과제로 남겨둔다.
따라서 본 연구의 결과를 지나치게 일반화하기에는 분명한 한계가 있음을 밝혀 둔다. 또한 다양한 변수와 방법론을 활용한 심도 있는 분석은 향후 과제로 남겨둔다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 시각화 기법은 어떤 기능을 하나요?
한편 통계그래프 (statistical graphs) 및 데이터 시각화 (data visualization) 기법은 데이터에 대한 직관적이고 쉬운 이해를 제공하며, 데이터에 대한 초기 탐색단계에서부터 고급분석에 이르기까지 매우 중요한 역할을 수행한다. 최근에는 많은 연구자들이 R 프로그램을 이용하여 데이터 시각화를 시도하고 있다.
Park (2011)의 연구에서 대졸자의 취업을 어떤 변인들과 연관지어 분석했나요?
많은 선행연구들은 성, 연령, 학력, 인턴경험, 직업훈련 경험 등 다양한 변인의 영향력을 실증적으로 분석하였다. Park (2011)은 위계적 선형모형을 활용하여 대졸자의 취업에 미치는 개인배경, 개인의 취업준비, 대학특성, 대학의 취업지원변인의 영향력을 분석한 바 있다. 그의 결과에 따르면 성별, 가계소득, 출신고 등의 개인배경과 서열유형, 취업률 등의 대학특성 변인이 영향을 미치는 것으로 나타났다.
Park (2011)의 연구 결과로 대졸자의 취업은 어떤 변인들이 취업에 영향을 미치나요?
Park (2011)은 위계적 선형모형을 활용하여 대졸자의 취업에 미치는 개인배경, 개인의 취업준비, 대학특성, 대학의 취업지원변인의 영향력을 분석한 바 있다. 그의 결과에 따르면 성별, 가계소득, 출신고 등의 개인배경과 서열유형, 취업률 등의 대학특성 변인이 영향을 미치는 것으로 나타났다. Jun 등 (2009)은 부산지역 대학의 누리사업단 졸업자를 대상으로 개인의 취업실태에 대한 결정요인을 생존분석과 의사결정나무 분석을 활용하여 연구하였는데, 본인학력, 가구소득, 평균평점, 자격증 등이 미취업 기간 결정에 가장 유의한 변수로 나타났다.
의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다. 정지규칙으로는 최대나무깊이 (maximum tree depth)는 3으로 설정하였으며, 최소 케이스 수 (minimum number of cases)에서 부모마디 (parent node)는 300, 자식마디 (child node)는 100으로 설정하였으며, 적절한 가지치기 (pruning)를 병행하였다.
Cho, J. S. (2011). Determinants of job finding using student's characteristic information. Journal of the Korean Data & Information Science Society, 22, 849-856.
Cho (2011)은 대졸 취업결정에 미치는 영향력을 분석한 바가 있는데 그의 결과에 따르면, 입학관련 변수들 중에서는 외국어영역 점수가 높을수록, 예체능계열에 비해서 자연계열, 졸업 당시 연령이 작을수록, 졸업시기는 8월 졸업생들에 비해서 2월 졸업생들이 취업확률이 높은 것으로 나타났다.
Cho, J. S. (2012). Study on the effectiveness of english-medium class. Journal of the Korean Data & Information Science Society, 23, 1137-1144.
의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다. 정지규칙으로는 최대나무깊이 (maximum tree depth)는 3으로 설정하였으며, 최소 케이스 수 (minimum number of cases)에서 부모마디 (parent node)는 300, 자식마디 (child node)는 100으로 설정하였으며, 적절한 가지치기 (pruning)를 병행하였다.
Cho, K. H. and Park, H. C. (2011a). Study on the multi intervening relation in association rules. Journal of the Korean Data Analysis Society, 13, 297-306.
연관성 분석에 대한 연구로는 Liu 등 (1999)과 Cho와 Park (2011a, 2011b) 등이 있다.
Cho, K. H. and Park, H. C. (2011b). Discovery of insignificant association rules using external variable. Journal of the Korean Data Analysis Society, 13, 1343-1352.
연관성 분석에 대한 연구로는 Liu 등 (1999)과 Cho와 Park (2011a, 2011b) 등이 있다.
Cho, K. H. and Park, H. C. (2012). A study on decision tree creation using marginally conditional variables. Journal of the Korean Data & Information Science Society, 23, 299-307.
의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다. 정지규칙으로는 최대나무깊이 (maximum tree depth)는 3으로 설정하였으며, 최소 케이스 수 (minimum number of cases)에서 부모마디 (parent node)는 300, 자식마디 (child node)는 100으로 설정하였으며, 적절한 가지치기 (pruning)를 병행하였다.
Hwang, Y. J. and Baek, B. B. (2008). Determinants of employment status of university graduates youth. Journal of Vocational Education and Training, 11, 1-23.
그 외에도 Hwang과 Baek (2008)은 대졸자의 노동시장 성과 결정요인분석을 연구한 바 있다.
Jun, H. J., Ryu, J. S., Cho, J. S., Park, S. I. and Kim, J. H. (2009). An analysis on the employment determinants of yniversity graduates in NURI Project Teams : The case of the universities in Busan region. Korean Journal of Labor Economics, 32, 31-56.
Jun 등 (2009)은 부산지역 대학의 누리사업단 졸업자를 대상으로 개인의 취업실태에 대한 결정요인을 생존분석과 의사결정나무 분석을 활용하여 연구하였는데, 본인학력, 가구소득, 평균평점, 자격증 등이 미취업 기간 결정에 가장 유의한 변수로 나타났다.
Jung, H. J. and Min, D. K. (2013). The study of foreign exchange trading revenue model using decision tree and gradient boosting. Journal of the Korean Data & Information Science Society, 24, 161-170.
의사결정나무 분석과 관련된 선행연구로는 Cho (2010, 2012), Cho와 Park (2012), Jung과 Min(2013) 등이 있다. 정지규칙으로는 최대나무깊이 (maximum tree depth)는 3으로 설정하였으며, 최소 케이스 수 (minimum number of cases)에서 부모마디 (parent node)는 300, 자식마디 (child node)는 100으로 설정하였으며, 적절한 가지치기 (pruning)를 병행하였다.
Kim, J. S., Lee, B. H. and Shin, J. Y. (2012). Job seeking method and overeducation of young people. Quarterly Journal of Labor Policy, 12, 51-73.
Lee와 Kim (2003)은 대졸 청년층의 첫 일자리에 초점을 맞추어 노동시장 성과를 결정하는 요인을 학벌이라는 범주와 자격증 취득, 재학 중 교육훈련, 일 경험 등 취업을 위한 다양한 스펙들을 구분하여 분석한 바 있다.
Liu, B., Hsu, W. and Ma, Y. (1999). Mining association rules with multiple minimum supports. Proceedings of the 5th International Conference on Knowledge Discovery and Data Mining, 337-341.
연관성 분석에 대한 연구로는 Liu 등 (1999)과 Cho와 Park (2011a, 2011b) 등이 있다.
Park, H. B. (2011). The effects of individual background and school factors on employment outcomes of college and university graduates. Journal of Vocational Education & Training, 14, 1-25.
Park (2011)은 위계적 선형모형을 활용하여 대졸자의 취업에 미치는 개인배경, 개인의 취업준비, 대학특성, 대학의 취업지원변인의 영향력을 분석한 바 있다. 그의 결과에 따르면 성별, 가계소득, 출신고 등의 개인배경과 서열유형, 취업률 등의 대학특성 변인이 영향을 미치는 것으로 나타났다.
Yhang, W. J., Jun, J. K. and Park, M. H. (2007). Image evaluation of Pusan international film festival using corresponding analysis. Journal of the Korean Data Analysis Society, 9, 1381-1392.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.