[논문]구인구직사이트의 구인정보 기반 지능형 직무분류체계의 구축

이정승

doi:10.13088/jiis.2019.25.4.123

[국내논문] 구인구직사이트의 구인정보 기반 지능형 직무분류체계의 구축
Development of Intelligent Job Classification System based on Job Posting on Job Sites 원문보기

지능정보연구 = Journal of intelligence and information systems, v.25 no.4, 2019년, pp.123 - 139

이정승 (호서대학교 경영학부)

초록
AI-Helper

주요 구인구직사이트의 직무분류체계가 사이트마다 상이하고 SW분야에서 제안한 'SQF(Sectoral Qualifications Framework)'의 직무분류체계와도 달라 SW산업에서 SW기업, SW구직자, 구인구직사이트가 모두 납득할 수 있는 새로운 직무분류체계가 필요하다. 본 연구의 목적은 주요 구인구직사이트의 구인정보와 'NCS(National Competaency Standars)'에 기반을 둔 SQF를 분석하여 시장 수요를 반영한 표준 직무분류체계를 구축하는 것이다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 실시하여 직종 간 연관규칙을 도출하고자 한다. 이 연관규칙을 이용하여 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무 분류체계를 맵핑함으로써 데이터 기반의 지능형 직무분류체계를 제안하였다. 연구 결과 국내 주요 구인구직사이트인 '워크넷,' '잡코리아,' '사람인'에서 3만여 건의 구인정보를 open API를 이용하여 XML 형태로 수집하여 데이터베이스에 저장했다. 이 중 복수의 구인구직사이트에 동시 게시된 구인정보 900여 건을 필터링한 후 빈발 패턴 마이닝(frequent pattern mining)인 Apriori 알고리즘을 적용하여 800여 개의 연관규칙을 도출하였다. 800여 개의 연관규칙을 바탕으로 워크넷, 잡코리아, 사람인의 직무분류체계와 SQF의 직무분류체계를 맵핑하여 1~4차로 분류하되 분류의 단계가 유연한 표준 직무분류체계를 새롭게 구축했다. 본 연구는 일부 전문가의 직관이 아닌 직종 간 연관분석을 통해 데이터를 기반으로 직종 간 맵핑을 시도함으로써 시장 수요를 반영하는 새로운 직무분류체계를 제안했다는데 의의가 있다. 다만 본 연구는 데이터 수집 시점이 일시적이기 때문에 시간의 흐름에 따라 변화하는 시장의 수요를 충분히 반영하지 못하는 한계가 있다. 계절적 요인과 주요 공채 시기 등 시간에 따라 시장의 요구하는 변해갈 것이기에 더욱 정확한 매칭을 얻기 위해서는 지속적인 데이터 모니터링과 반복적인 실험이 필요하다. 본 연구 결과는 향후 SW산업 분야에서 SQF의 개선방향을 제시하는데 활용될 수 있고, SW산업 분야에서 성공을 경험삼아 타 산업으로 확장 이전될 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

The job classification system of major job sites differs from site to site and is different from the job classification system of the 'SQF(Sectoral Qualifications Framework)' proposed by the SW field. Therefore, a new job classification system is needed for SW companies, SW job seekers, and job sites to understand. The purpose of this study is to establish a standard job classification system that reflects market demand by analyzing SQF based on job offer information of major job sites and the NCS(National Competency Standards). For this purpose, the association analysis between occupations of major job sites is conducted and the association rule between SQF and occupation is conducted to derive the association rule between occupations. Using this association rule, we proposed an intelligent job classification system based on data mapping the job classification system of major job sites and SQF and job classification system. First, major job sites are selected to obtain information on the job classification system of the SW market. Then We identify ways to collect job information from each site and collect data through open API. Focusing on the relationship between the data, filtering only the job information posted on each job site at the same time, other job information is deleted. Next, we will map the job classification system between job sites using the association rules derived from the association analysis. We will complete the mapping between these market segments, discuss with the experts, further map the SQF, and finally propose a new job classification system. As a result, more than 30,000 job listings were collected in XML format using open API in 'WORKNET,' 'JOBKOREA,' and 'saramin', which are the main job sites in Korea. After filtering out about 900 job postings simultaneously posted on multiple job sites, 800 association rules were derived by applying the Apriori algorithm, which is a frequent pattern mining. Based on 800 related rules, the job classification system of WORKNET, JOBKOREA, and saramin and the SQF job classification system were mapped and classified into 1st and 4th stages. In the new job taxonomy, the first primary class, IT consulting, computer system, network, and security related job system, consisted of three secondary classifications, five tertiary classifications, and five fourth classifications. The second primary classification, the database and the job system related to system operation, consisted of three secondary classifications, three tertiary classifications, and four fourth classifications. The third primary category, Web Planning, Web Programming, Web Design, and Game, was composed of four secondary classifications, nine tertiary classifications, and two fourth classifications. The last primary classification, job systems related to ICT management, computer and communication engineering technology, consisted of three secondary classifications and six tertiary classifications. In particular, the new job classification system has a relatively flexible stage of classification, unlike other existing classification systems. WORKNET divides jobs into third categories, JOBKOREA divides jobs into second categories, and the subdivided jobs into keywords. saramin divided the job into the second classification, and the subdivided the job into keyword form. The newly proposed standard job classification system accepts some keyword-based jobs, and treats some product names as jobs. In the classification system, not only are jobs suspended in the second classification, but there are also jobs that are subdivided into the fourth classification. This reflected the idea that not all jobs could be broken down into the same steps. We also proposed a combination of rules and experts' opinions from market data collected and conducted associative analysis. Therefore, the newly proposed job classification system can be regarded as a data-based intelligent job classification system that reflects the mark

주제어

표/그림 (11)

그림 Research Procedure
그림 Tag Structure of Output Fields of WORKNET, JOBKOREA and saramin
표 The Number of Data Collection
그림 Explore job postings on three websites simultaneously
그림 Explore job postings on WORKNET and JOBKOREA simultaneously
그림 Explore job postings on WORKNET and saramin simultaneously
표 Association rules
표 Example of association rule table between WORKNET 3^rd level and saramin 2^nd level
표 Example of association rule table between WORKNET 3^rd level and saramin the lowest keyword level
그림 Mapping between WORKNET and saramin Job Classification System
그림 New job classification system proposal

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

일곱째, 새로운 직무분류체계 제안이다. 구인구직사이트의 직무분류체계매핑 결과와 SQF 직무분류체계 맵핑 결과를 토대로 시장수요 중심의 새로운 표준 직무분류체계 제안하고자 한다.
본 연구는 시장수요 중심의 표준화된 직무분류체계를 제안하는데 목적이 있다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 통해 연관규칙을 찾아낸 후, 주요 구인구직사이트 간 직무분류체계를 맵핑하고 SQF와 직무분류체계를 맵핑할 것이다.
직종 간 맵핑은 과거 일부 전문가의 수차례 시도에도 불구하고 최종적으로 합의에 실패했을 뿐만 아니라 NCS는 의무적으로 사용해야 하는 공공기관을 제외한 민간 기업에서는 거의 사용하지 않았다. 본 연구는 일부 전문가의 직관이 아닌 연관분석을 통한 데이터 기반 지능형 직종맵핑 테이블을 활용하여 시장 중심의 새로운 직무분류체계 제안함으로써 향후 SW산업 분야에 대한 SQF의 수정방향을 제시하였다.
본 연구의 목적은 주요 구인구직사이트와 SQF를 분석하여 SW기업, SW구직자, 주요 구인구직사이트를 위해 시장수요 중심의 표준 직무분류체계를 제안하는 것이다. 여기에서 시장수요 중심은 위원회나 몇몇 전문가의 의견이 아닌 주요 구인구직사이트의 최신 구인정보 데이터를 즉시 반영하겠다는 의미이다.
이후 직종 간 연관분석을 수행하고 그 결과물인 연관규칙을 이용하여 구인구직사이트 간의 직무분류체계를 매핑할 것이다. 시장 분류 간의 매핑을 수행한 후, 추가적으로 SQF를 매핑하기 위해 전문가들이 종합적으로 논의하여 최종적으로 새로운 직무분류체계를 제안하고자 한다.
이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 통해 연관규칙을 찾아낸 후, 주요 구인구직사이트 간 직무분류체계를 맵핑하고 SQF와 직무분류체계를 맵핑할 것이다. 연관규칙을 이용한 맵핑 결과를 바탕으로 시장중심의 새로운 지능형 직류체계를 제안하고자 한다. 연구 추진절차를 도식화하면 다음 [Figure 1]와 같다.
워크넷-잡코리아 간 매칭은 잡코리아 측에 요청하여 내부적인 맵핑 규칙을 획득하고 그것을 통해 통찰을 얻기로 결정했다. 워크넷-사람인 간의 데이터는 약 900건이므로, 충분히 분석할 만한 가치가 있다고 판단하여 연관분석을 수행하고자 한다.
정보통신 분야는 급속한 기술의 변화로 다른 분야에 비해 직업과 직무의 변화가 심하다. 이에 정보관리와 정보서비스 분야의 직업을 대상으로 직무를 분석하고, 직무 간 관련도를 살피고, 직무 중복도를 검토하여 직업 간 이동 가능성과 직업 변화의 동향을 제시했다. KJ 기법 분석결과 5개의 대분류로 나누고, 분류 간 관련 업무를 분석했다(Ahn, 2005).

제안 방법

‘빈발 패턴 마이닝(frequent pattern mining)’인 ‘Apriori 알고리즘’을 적용하기 위해 R의 연관분석 패키지(arules)를 이용해 발생빈도 1회 이상, 신뢰도 90% 이상으로 연관규칙을 도출하였다.
이에 정보관리와 정보서비스 분야의 직업을 대상으로 직무를 분석하고, 직무 간 관련도를 살피고, 직무 중복도를 검토하여 직업 간 이동 가능성과 직업 변화의 동향을 제시했다. KJ 기법 분석결과 5개의 대분류로 나누고, 분류 간 관련 업무를 분석했다(Ahn, 2005).
연관분석을 이용해 동시에 게시된 구인정보가 속한 직종을 연결함으로써 직종 간 연관규칙을 도출한다. MySQL을 이용해 연관규칙의 조건과 결과에 있는 여러 직종의 조합을 해석해 의미 있는 연관규칙을 필터링할 것이다. 다섯째, 직무분류체계 맵핑이다.
다음으로 구인구직사이트의 직무분류체계 맵핑에서 허브 역할을 했던 워크넷의 직무분류체계와 SQF의 직무분류체계를 맵핑했다. SQF 기반 구인정보를 필터링하여 워크넷의 최하위 분류인 3차직종 55개와 SQF의 최하위 분류인 세분류 22개를 수작업으로 맵핑했다. 단 SQF 대신 NCS 기반 구인정보를 조사하였으나 10개 이하로 극히 드물어 데이터가 없는 최하위 분류의 경우 워크넷 사람인 간의 연관규칙을 참고해 수작업으로 맵핑했다.
본 연구는 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무분류체계를 매핑하여 시장 중심의 새로운 직무분류체계를 제안했다. 구인구직사이트 및 SQF 간의 모든 연계가 수행되었고 그 관계를 기반으로 전문가들이 참여하여 새로운 직무분류체계를 제안하였다.
다음으로 구인구직사이트의 직무분류체계 맵핑에서 허브 역할을 했던 워크넷의 직무분류체계와 SQF의 직무분류체계를 맵핑했다. SQF 기반 구인정보를 필터링하여 워크넷의 최하위 분류인 3차직종 55개와 SQF의 최하위 분류인 세분류 22개를 수작업으로 맵핑했다.
동시에 게시된 구인정보가 속한 직종을 연결함으로써 각 구인구직사이트의 직종 간 연관분석 실시했다. 워크넷의 최하위 분류 직종인 3차 직종 55개와 사람인의 최하위 분류 직종인 2차 직종 16개 간의 연관규칙을 도출했다.
동일한 구인정보가 서로 다른 분류 체계에서 어떻게 분류되었는지 파악하기 위해 워크넷, 잡코리아, 사람인 데이터를 데이터베이스에 저장하였다. 데이터베이스의 질의문인 SQL을 통해 데이터를 매칭하는 것이 상대적으로 용이하기 때문에 각각 worknet, jobkorea, saramin 테이블에 저장했다.
본 연구는 주요 구인구직사이트의 직무분류체계를 맵핑하고 SQF와 직무분류체계를 매핑하여 시장 중심의 새로운 직무분류체계를 제안했다. 구인구직사이트 및 SQF 간의 모든 연계가 수행되었고 그 관계를 기반으로 전문가들이 참여하여 새로운 직무분류체계를 제안하였다.
워크넷 서비스는 오픈 API를 통해 채용정보, 직업정보, 학과정보를 제공하고 있다. 본 연구에서 활용한 API는 채용정보 API로, 워크넷이 보유하고 있는 일자리 정보(지역별, 직종별 등 조건에 맞는 일자리 정보)를 인증키를 신청하여 발급받은 각 기관(개인 제외)에서 활용할 수 있도록 했다.
본 연구의 특징은 데이터 기반 분석으로 볼 수 있는데 동시에 구인구직 사이트에 올라온 구인정보를 기준으로 각각의 분류 체계를 연결하고 하나의 통합된 뷰(view)를 생성할 수 있다는 아이디어는 기존의 직무분류체계 정의를 위한 방법론과는 차별화되어 있다. 실제 직무분류가 활용되는 시장의 관점을 고려할 수 있다.
넷째, 직종 간 연관분석이다. 연관분석을 이용해 동시에 게시된 구인정보가 속한 직종을 연결함으로써 직종 간 연관규칙을 도출한다. MySQL을 이용해 연관규칙의 조건과 결과에 있는 여러 직종의 조합을 해석해 의미 있는 연관규칙을 필터링할 것이다.
워크넷과 사람인에서 동시 발생한 총 897개의 구인정보를 이용하여 직종 간 연관분석을 실시하였다. ‘빈발 패턴 마이닝(frequent pattern mining)’인 ‘Apriori 알고리즘’을 적용하기 위해 R의 연관분석 패키지(arules)를 이용해 발생빈도 1회 이상, 신뢰도 90% 이상으로 연관규칙을 도출하였다.
동시에 게시된 구인정보가 속한 직종을 연결함으로써 각 구인구직사이트의 직종 간 연관분석 실시했다. 워크넷의 최하위 분류 직종인 3차 직종 55개와 사람인의 최하위 분류 직종인 2차 직종 16개 간의 연관규칙을 도출했다. 양방향 2개의 규칙 테이블의 예는 다음 [Table 3]과 같다.
이를 위해 워크넷은 ‘IT·정보통신·웹 직종’으로, 잡코리아는 ‘IT·인터넷 직종’으로, 사람인은 ‘IT·인터넷 직종’으로 설정하였다.
본 연구는 시장수요 중심의 표준화된 직무분류체계를 제안하는데 목적이 있다. 이를 위해 주요 구인구직사이트의 직종 간 연관분석과 SQF와 직종 간 연관분석을 통해 연관규칙을 찾아낸 후, 주요 구인구직사이트 간 직무분류체계를 맵핑하고 SQF와 직무분류체계를 맵핑할 것이다. 연관규칙을 이용한 맵핑 결과를 바탕으로 시장중심의 새로운 지능형 직류체계를 제안하고자 한다.
전자문서를 지도학습의 대표적인 기법인 ‘나이브 베이즈 모델링(Naive Bayes Modeling)’으로 학습하여 직무를 자동으로 분석했다(Kang and Ko, 2019).
본 연구의 데이터 특성상 지지도보다는 신뢰도가 더 좋은 규칙 판단 기준일 것으로 보인다. 전체적인 데이터의 분포, 즉, 분류별 채용공고의 수가 비슷한 수준이라면 지지도가 의미를 가질 수 있으나, 분류별 채용공고의 수가 큰 차이가 있기 때문에 해당하는 분류 내에서 규칙을 평가할 수 있도록 신뢰도를 주요 기준으로 채택했다.
주요 요청 파라미터는 ‘size(출력 건수),’ ‘page/start(페이지 정보),’ ‘rbcd(업·직종 대분류),’ ‘rpcd(업·직종 소분류)’와 같으며, 업·직종 대분류를 IT·인터넷 직종으로 설정(rbcd = 38888)하고 소분류는 해당 대분류의 하위에 위치한 11개 소분류로 한정하여 검색하였다.
주요 요청 파라미터는 ‘size(출력 건수),’ ‘page/start(페이지 정보),’ ‘rbcd(업·직종 대분류),’ ‘rpcd(업·직종 소분류)’와 같으며, 업·직종 대분류를 IT·인터넷 직종으로 설정(rbcd = 38888)하고 소분류는 해당 대분류의 하위에 위치한 11개 소분류로 한정하여 검색하였다. 즉 대분류를 설정한 후 소분류를 반복적으로 투입하면서 데이터를 수집하였다.
다섯째, 직무분류체계 맵핑이다. 직종 간 연관분석으로 도출한 연관규칙을 이용해 각 구인구직사이트의 직무분류체계를 맵핑한다. 여섯째, SQF와 맵핑이다.
직종 간 연관분석으로 도출한 연관규칙을 이용해 워크넷과 사람인의 직무분류체계를 맵핑하였다. [Figure 6]은 전체적인 연결을 반영한 최종 맵핑의 형태이며, 최종 맵핑은 각각의 세부 분류 간 맵핑 관계에 기반을 두고 분석되었다.
워크넷은 나라일터, 알리오 등 공공 구인구직 사이트 중 가장 많이 사용되는 대표적인 사이트이기 때문에 선정하였고, 잡코리아와 사람인은 민간 부문에서 시장 리더이기 때문에 선정하였다. 채용정보 사이트에서 자체적으로 제공하는 Open API를 통해 자료를 수집하였는데 연구자의 요청을 통해 API에 접근 할 수 있는 키를 획득하고, 자동적으로 데이터를 수집할 수 있도록 자바 프로그램을 구현하였다. 각 사이트에서는 여러 직종에 대한 채용정보를 가지고 있으나, 본 연구의 목적에 맞게 분석 범위를 SW 관련 직군으로 한정하였다.
취업 검색 API를 활용하여 데이터를 수집하고 저장하였는데 요청 파라미터 중 직종 코드를 IT·인터넷 직종(job_category=4)으로 한정하여 요청하였다.

대상 데이터

채용정보 사이트에서 자체적으로 제공하는 Open API를 통해 자료를 수집하였는데 연구자의 요청을 통해 API에 접근 할 수 있는 키를 획득하고, 자동적으로 데이터를 수집할 수 있도록 자바 프로그램을 구현하였다. 각 사이트에서는 여러 직종에 대한 채용정보를 가지고 있으나, 본 연구의 목적에 맞게 분석 범위를 SW 관련 직군으로 한정하였다. 이를 위해 워크넷은 ‘IT·정보통신·웹 직종’으로, 잡코리아는 ‘IT·인터넷 직종’으로, 사람인은 ‘IT·인터넷 직종’으로 설정하였다.
첫째, 구인구직사이트 선정이다. 공공과 민간부문의 구인구직사이트 중 가장 많이 쓰이고, 포괄적이어서 시장 리더인 구인구직사이트를 주요 분석 대상으로 선정한다. 둘째, 구인정보 수집 방법이다.
분석 대상으로 채용공고 정보를 제공하는 주체인 워크넷, 잡코리아, 사람인을 선정하였다. 이중 워크넷(http://www.
여기에서 시장수요 중심은 위원회나 몇몇 전문가의 의견이 아닌 주요 구인구직사이트의 최신 구인정보 데이터를 즉시 반영하겠다는 의미이다. 연구 범위는 SW산업 관련 직무에 한정하여 주요 구인구직사이트의 SW 관련 직무분류체계와 SQF를 대상으로 한다.
외부 정보제공처의 데이터에 대해, 시스템에서 내부적인 맵핑을 수행하고 있었다. 외부의 데이터는 잡코리아의 분류코드를 부여받아 사전 연구에서 발견했던 것처럼 분석의 대상이 될 수 있었다. 그러나 API를 통해 외부 데이터를 제공하지 않기 때문에 수작업으로 수집하지 않는 이상 데이터 워크넷-잡코리아간 연계가 불가능했다.
kr)은 사기업으로서 각각 채용정보를 직종별로 분류하여 제공하고 있다. 워크넷은 나라일터, 알리오 등 공공 구인구직 사이트 중 가장 많이 사용되는 대표적인 사이트이기 때문에 선정하였고, 잡코리아와 사람인은 민간 부문에서 시장 리더이기 때문에 선정하였다. 채용정보 사이트에서 자체적으로 제공하는 Open API를 통해 자료를 수집하였는데 연구자의 요청을 통해 API에 접근 할 수 있는 키를 획득하고, 자동적으로 데이터를 수집할 수 있도록 자바 프로그램을 구현하였다.

데이터처리

따라서 최종적으로 워크넷-사람인 간 매칭 및 연관분석을 수행했다.

성능/효과

특히 그 차이는 워크넷이 가장 컸으며, API로는 웹사이트에서 제공하는 건수의 11% 가량 밖에 제공하지 못하였다. 개수의 차이는 있으나 내용 확인 결과 API가 잘못 끌고 오는 것은 아니었으며, 단순히 웹사이트에서 제공하는 전체를 다 끌어오지 못하는 것임을 파악하였다. 추가적으로 워크넷의 채용정보검색 기능을 이용해 확인한 결과, 채용정보 검색에서 정보 제공처를 워크넷으로 한정했을 경우의 데이터가 API로 얻은 데이터와 거의 일치하는 것을 확인하였다.
사람인은 직무로만 2차 분류까지 나누어 두었으며, 그 이하는 키워드 형태로 직무를 세분화하였다. 본 연구에서 새롭게 제안한 표준 직무분류체계는 키워드 기반의 직무를 일부 수용하였으며, 제품명이 들어간 경우도 직무로 취급하였다. 본 분류체계에서는 2차 분류에서 끊어진 직무도 있을 뿐 아니라 4차 분류까지 세분화된 직무도 있어, 모든 직무가 동일한 단계로 세분화될 수 없다는 아이디어를 반영했다.
본 연구의 결과를 활용하여 워크넷, 잡코리아, 사람인 등과 같이 채용 관련 정보를 제공하는 사이트와 연동한다면 구직, 구인, 채용중계 정보의 활용을 증대시킬 수 있다. 구인기업, 구직자뿐만 아니라 채용중개업자까지 모두 활용 가능한 표준 직무분류체계로서 기능할 것이다.
본 연구 결과를 통해 SW기업은 우수 고급인력을 원활하게 확보하고 능력 중심의 채용 문화를 조성하여 잡 미스매칭을 해소하고 SW 고급인재를 쉽게 확보할 수 있을 것이다. 직무능력 중심의 NCS를 기반으로 한 SW분야 SQF와 실제 산업 현장과의 괴리를 줄여 체계적이고 현실적으로 인력을 수급할 수 있는 서비스 활성화 방안을 마련하였다. 실제 산업 현장에서 적용 가능한 SQF를 통해 신입자와 경력자는 희망하는 일자리를 찾고 기업은 원하는 인재를 확보할 수 있다.
개수의 차이는 있으나 내용 확인 결과 API가 잘못 끌고 오는 것은 아니었으며, 단순히 웹사이트에서 제공하는 전체를 다 끌어오지 못하는 것임을 파악하였다. 추가적으로 워크넷의 채용정보검색 기능을 이용해 확인한 결과, 채용정보 검색에서 정보 제공처를 워크넷으로 한정했을 경우의 데이터가 API로 얻은 데이터와 거의 일치하는 것을 확인하였다. 워크넷의 채용정보검색 창에서 조건을 설정하는 부분을 살펴보면, 가장 아랫부분의 정보 제공처 조건을 워크넷으로 한정하여 검색한 데이터가 API에서 제공하는 데이터임을 알 수 있다.

후속연구

본 연구의 결과를 활용하여 워크넷, 잡코리아, 사람인 등과 같이 채용 관련 정보를 제공하는 사이트와 연동한다면 구직, 구인, 채용중계 정보의 활용을 증대시킬 수 있다. 구인기업, 구직자뿐만 아니라 채용중개업자까지 모두 활용 가능한 표준 직무분류체계로서 기능할 것이다. 채용지원 서비스를 SW분야의 대표적인 채용지원 체계로 자리매김하는 데 기여하고, 자가진단 및 역량 상승의 기준으로서 활용 가능하다.
다만 본 연구는 수집 시점이 일시적이기 때문에 시간에 따라 변화하는 시장 수요를 충분히 반영하지 못하는 한계가 있다. 시간의 흐름에 따라 시장에서 요구하는 직종분류체계는 변해갈 것이기에 종단연구가 필요하다.
일부 수행 가능했던 연관분석의 결과에 기반을 두고 분석 전문가들이 참여하여 보완하였으나, 추가적인 데이터 수집을 통한 연관분석을 수행할 필요성이 있다. 더불어 직무간 연관분석 결과와 직무분류체계 맵핑을 통해 제안한 시장 중심의 직무분류체계 결과에 대해 업계 실무자 또는 전문가의 검증이 필요하다.
채용지원 서비스를 SW분야의 대표적인 채용지원 체계로 자리매김하는 데 기여하고, 자가진단 및 역량 상승의 기준으로서 활용 가능하다. 본 연구 결과를 바탕으로 향후 SW산업 분야에 대한 SQF의 수정 방향을 제시할 수 있고, SW산업 분야에서의 경험은 타 산업 분야로 이전되어 확장할 수 있을 것으로 기대한다.
본 연구 결과를 통해 SW기업은 우수 고급인력을 원활하게 확보하고 능력 중심의 채용 문화를 조성하여 잡 미스매칭을 해소하고 SW 고급인재를 쉽게 확보할 수 있을 것이다. 직무능력 중심의 NCS를 기반으로 한 SW분야 SQF와 실제 산업 현장과의 괴리를 줄여 체계적이고 현실적으로 인력을 수급할 수 있는 서비스 활성화 방안을 마련하였다.
본 연구는 일부 전문가의 직관이 아닌 직종 간 연관 분석을 통해 데이터 기반 직종 맵핑을 제안하고 시장 중심의 새로운 직무분류체계를 제안하여 직무분류체계 분야에서도 일부 전문가의 직관이 아닌 과학적인 데이터 분석을 통해 향후 표준 직무분류체계 제안이 가능해 질 것으로 기대한다.
초기에는 이 이슈에 의해 워크넷 데이터의 대부분이 사라지게 되므로 문제라고 판단하고 해결을 시도하였으나, 실제로 웹사이트의 채용공고 전체를 끌어오더라도 의미가 없는 것을 확인하였다. 외부 정보 제공처에서 가져온 채용공고의 경우, 채용공고를 제공한 곳의 잡코리아, 사람인 코드 체계를 그대로 가져오기 때문에 하나의 채용공고에 대한 서로 다른 분류체계를 분석하고자 하는 본 연구에서는 필요하지 않았다.
데이터 간 연결 관계에 기반을 두고 각 구인구직사이트에 동시에 게시된 구인정보만을 남기고 이외의 구인정보는 삭제한다. 이후 직종 간 연관분석을 수행하고 그 결과물인 연관규칙을 이용하여 구인구직사이트 간의 직무분류체계를 매핑할 것이다. 시장 분류 간의 매핑을 수행한 후, 추가적으로 SQF를 매핑하기 위해 전문가들이 종합적으로 논의하여 최종적으로 새로운 직무분류체계를 제안하고자 한다.
또한 분석 시점을 기준으로 주요 구인구직사이트에 동시 게시된 구인정보가 충분하지 않아, 일부 직무 간 맵핑의 경우 연관분석을 할 수 없었다. 일부 수행 가능했던 연관분석의 결과에 기반을 두고 분석 전문가들이 참여하여 보완하였으나, 추가적인 데이터 수집을 통한 연관분석을 수행할 필요성이 있다. 더불어 직무간 연관분석 결과와 직무분류체계 맵핑을 통해 제안한 시장 중심의 직무분류체계 결과에 대해 업계 실무자 또는 전문가의 검증이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 연구가 시장의 수요를 충분히 반영하지 못하는 한계가 있는 이유는?	본 연구는 일부 전문가의 직관이 아닌 직종 간 연관분석을 통해 데이터를 기반으로 직종 간 맵핑을 시도함으로써 시장 수요를 반영하는 새로운 직무분류체계를 제안했다는데 의의가 있다. 다만 본 연구는 데이터 수집 시점이 일시적이기 때문에 시간의 흐름에 따라 변화하는 시장의 수요를 충분히 반영하지 못하는 한계가 있다. 계절적 요인과 주요 공채 시기 등 시간에 따라 시장의 요구하는 변해갈 것이기에 더욱 정확한 매칭을 얻기 위해서는 지속적인 데이터 모니터링과 반복적인 실험이 필요하다.
	스마트폰 등장 이후 SW는 무엇을 결정하는 핵심 산업으로 급부장 중인가?	SW산업은 지속적으로 성장 중이며 미래에 중요한 산업이다. 스마트폰 등장 이후 SW는 개인·기업·국가의 경쟁력을 결정하는 바로미터로서 작용하는 핵심 산업으로 급부상 중이다. 그런데 SW기업은 구인란을 겪고 있으며, 반대로 SW구직자는 취업난을 겪는 상황이다.
	SW 인력확보시 구인구직자간 미스매치를 해결하기 위해 도입한 것은?	이러한 ‘구인구직자간 미스매치’는 SW 인력확보를 어렵게 한다. 이를 해결하기 위해 ‘NCS(National Competency Standards)’를 도입하였으나 일부 공기업을 제외한 일반기업에서는 거의 사용하지 않는다. 더구나 주요 구인구직사이트인 워크넷(WORKNET), 사람인(saramin), 잡코리아(JOB KOREA)의 직무분류체계가 상이하고 SW분야에서 제안한 ‘SQF(Sectoral Qualifications Framework)’의 직무분류체계와도 다르다(Park et al.

참고문헌 (9)

Ahn, I., "A Study of Inter - occupational Relationship in Job Analysis and Vocational Trend in Information Management and Service," Journal of the Korean Biblia Society for Library and Information Science, Vol.16, No.2(2005), 225-245
IPA(Information-Technology Promotion Agency), "Ｔスキル標準Ｖ３（バ？ジョン３）について," Technical Report, 2009
Jun, H.-J., T.-S. Kim, J. Yoo, and S.-H. Gee, "Development of Skills Framework for Information Security Workforce," Journal of the Korea Institute of Information Security & Cryptology, Vol.19, No.3(2009), 143-152.
Kang, E.-S. and D.-S. Ko, "Automatic Classification Model of Electronic Documents Based on Machine Learning for Job Analysis," The Journal of Korean Institute of Information Technology, Vol.17, No.7(2019), 23-29.

상세보기
Kim, M., N. Kim, and J.-H. Ahn, "An Investigation on Expanding Co-occurrence Criteria in Association Rule Mining," Journal of Intelligence and Information Systems, Vol.18, No.1(2012), 23-38

원문보기 상세보기
Na, S. H., "Policy Suggestions for SW Manpower Training," Technical Report, K, Korea Software Industry Association, 2013
NWCET(National Workforce Center for Emerging Technologies), "Building a Foundation for Tomorrow: Skill Standards for Information Technology," Technical Report, 2003
Park, H. S. et al., "How to build a Sectoral Qualifications Framework(SQF) in SW industry to build a National Qualifications Framework(NQF),", Technical Report, K, Korea Information Society Development Institute, 2016
SFIA(Skills Framework for the Information Age), "Skills framework for the information age, version. 3," Technical Report, 2005

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증