[논문]부스팅 기계 학습과 SHAP를 이용한 설명 가능한 소프트웨어 분야 대졸자 취업 모델 개발

권준희; 김성림

doi:10.17662/ksdim.2023.19.3.177

[국내논문] 부스팅 기계 학습과 SHAP를 이용한 설명 가능한 소프트웨어 분야 대졸자 취업 모델 개발
Explainable Software Employment Model Development of University Graduates using Boosting Machine Learning and SHAP 원문보기

디지털산업정보학회논문지 = Journal of the Korea Society of Digital Industry and Information Management, v.19 no.3, 2023년, pp.177 - 192

권준희 (경기대학교 AI컴퓨터공학부) , 김성림 (서일대학교 소프트웨어공학과)

Abstract ▼ AI-Helper

The employment rate of university graduates has been decreasing significantly recently. With the advent of the Fourth Industrial Revolution, the demand for software employment has increased. It is necessary to analyze the factors for software employment of university graduates. This paper proposes explainable software employment model of university graduates using machine learning and explainable AI. The Graduates Occupational Mobility Survey(GOMS) provided by the Korea Employment Information Service is used. The employment model uses boosting machine learning. Then, performance evaluation is performed with four algorithms of boosting model. Moreover, it explains the factors affecting the employment using SHAP. The results indicates that the top 3 factors are major, employment goal setting semester, and vocational education and training.

Keyword

표/그림 (15)

그림 <그림 1> SHAP 알고리즘 작동 방식
그림 <그림 2> 모델 개발 전체 과정
표 <표 1> 종속 변수
표 <표 2> 독립 변수
표 <표 3> 하이퍼패라미터
표 <표 4> 모델별 성능 평가 결과
그림 <그림 3> SHAP global bar plot
그림 <그림 4> SHAP beeswarm plot
그림 <그림 5> SHAP dependence plot : 전공
그림 <그림 6> SHAP dependence plot : 직업교육훈련(횟수)
그림 <그림 7> SHAP dependence plot : 취업목표설정시기(학기)
그림 <그림 8> SHAP dependence plot : 취업준비시작시기(학기)
그림 <그림 9> SHAP dependence plot : 인턴경험
그림 <그림 10> SHAP dependence plot : 휴학기간(학기)
그림 <그림 11> SHAP dependence plot : 졸업유예기간(학기)

참고문헌 (18)

민윤지.최창열, "4차 산업혁명과 ICT 산업 및 정책 동향분석," e-비즈니스연구, 제21권, 제2호, 2020, pp.103-118.
조윤서, "4년제 대학 졸업자의 취업준비행동이 취업 및 괜찮은 일자리에 미치는 영향," 학습자중심 교과교육연구, 제21권, 제1호, 2021, pp.133-161.
김창식.김남규.곽기영, "머신러닝 및 딥러닝 연구동향 분석: 토픽모델링을 중심으로," 디지털산업정보학회 논문지, 제15권, 제2호, 2019, pp.19-28.
문성은.장수범.이정혁.이종석, "기계학습 및 딥러닝 기술동향," 한국통신학회지(정보와통신), 제33권, 제10호, 2016, pp.49-56.
Xibin Dong, Zhiwen Yu, Wenming Cao, Yifan Shi, and Qianli Ma, "A survey on ensemble learning," Frontiers of Computer Science Vol.14, 2020, pp.241-258.

상세보기
박수연, "앙상블 학습의 부스팅 방법을 이용한 악의적인 내부자 탐지 기법," 정보보호학회논문지, 제32권, 제2호, 2022, pp.267-277.
Ammar Mohammed and Rania Kora, "A comprehensive review on ensemble deep learning: Opportunities and challenges," Journal of King Saud University - Computer and Information Sciences, Vol.35, Issue 2, 2023, pp.757-774.

상세보기
정재원, 김진율, 오성권, "부스팅 알고리즘을 사용한 폐플라스틱 데이터 패턴 분류기의 비교연구," 한국지능시스템학회 논문지, 제33권, 제3호, 2023, pp.242~248.
전민종.최혜진.박지웅.최하영.이동희.이욱, "Catboost 알고리즘을 통한 교통흐름 예측에 관한 연구," 한국산학기술학회논문지, 제22권, 제3호, 2021, pp.58-64.
최재식, "설명가능 인공지능 연구동향," 정보과학회지, 제37권, 제7호, 2019, pp.8-14.
정찬일.이후진, "프로세스 분석을 위한 설명 가능한 인공지능 기법 비교 연구," 전자공학회논문지, 제57권 제8호, 2020, pp.51-59.
김홍비.심산신, "악성 사이트 탐지를 위한 설명 가능한 인공지능(XAI) 기반 기계학습 특징 선별에 관한 연구," 2022년도 한국통신학회 추계종합학술발표회 논문집, 2022, pp.411-412.
대졸자직업이동경로조사(GOMS), https://survey.keis.or.kr/goms/goms01.jsp
대졸자 직업이동경로조사(GOMS) 데이터활용 주 요 연구리스트, https://survey.keis.or.kr/openresearch/researchlist/Read.jsp?ntt_id5553
고용노동부, 한국고용정보원, "한국고용직업분류 2018 해설서 수정판," https://www.keis.or.kr/ user/extra/main/3875/publication/publicationList/jsp/LayOutPage.do?categoryIdx125&pubIdx6132&onlyListN
교육부, 한국교육개발원, "2020 학과(전공) 분류 자료집," https://www.kedi.re.kr/khome/main/research/selectPubForm.do
Rakesh Rav, "One-Hot Encoding is making your Tree-Based Ensembles worse, here's why?," Towards Data Science, https://towardsdata science.com/one-hot-encoding-is-making-your-tr ee-based-ensembles-worse-heres-why-d64b282b5769
Nur Hanisah Abdul Malek, Wan Fairos Wan Yaacob, Yap Bee Wah, Syerina Azlin Md Nasir, Norshahida Shaadan, and Sapto Wahyu Indratno, "Comparison of ensemble hybrid sampling with bagging and boosting machine learning approach for imbalanced data," Indonesian Journal of Electrical Engineering and Computer Science, Vol.29, No.1, 2023, pp. 598~608.

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