earticle

영어

The purpose of this study is to analyze the predictive validity of a job recommendation model for use in a career counseling support system and to identify items with high predictive validity. To achieve this, machine learning algorithms were applied to job recommendation items from the Korean Occupational Information System (KNOW), and their performance was compared and analyzed. A survey of 1,610 participants was conducted, including personal attributes, interests, abilities, and general work-related variables. The analysis revealed that the neural network and gradient boosting algorithms performed best, demonstrating that the survey items are practical for job recommendations. Variable importance analysis identified factors such as major classification, education level, job-specific educational requirements, frequency of outdoor work, and the importance of computer-based tasks as key elements in job recommendations. Additionally, model performance for each occupation was analyzed to determine occupations with high and low classification accuracy. This study provides a solid foundation for developing a job recommendation system using machine learning algorithms and identifies the optimal model to support job seekers in their job selection and career development processes.

한국어

본 연구의 목적은 직업상담지원시스템에 탑재하기 위한 직업 추천 모델의 예측 타당도를 분석하고, 예 측 타당성이 높은 항목을 도출하는 데 있다. 이를 위해 기계학습 알고리즘을 활용해 한국직업정보시스템 (KNOW)의 직업특성 설문 문항을 기반으로 직업 추천 항목을 검토하고, 그 성능을 비교 분석하였다. 연 구 목적을 달성하기 위해 1,610명을 대상으로 인적 속성, 흥미, 능력, 일반 업무 관련 변수를 포함한 설문 조사를 실시하였다. 기계학습 알고리즘 분석 결과, 신경망과 그라디언트 부스팅 알고리즘이 가장 높은 성 능을 보였으며, 설문 항목이 직업 추천에 충분한 실용성을 갖추고 있음을 확인하였다. 변수 중요도 분석 을 통해 전공 중분류, 최종 학력, 업무 수행에 필요한 교육 수준, 실외 근무 빈도, 컴퓨터 업무 활동 중요 도 등의 변수가 직업 추천에 중요한 요소로 나타났다. 또한 직업별 학습 모델 성능을 분석하여 분류 정 밀도가 높은 직업과 낮은 직업을 도출하였다. 본 연구는 기계학습 알고리즘을 활용한 직업 추천 시스템 개발에 중요한 기초 자료를 제공하며, 다양한 알고리즘의 비교 분석을 통해 최적의 직업 추천 모델을 도 출하였으며, 이를 통해 구직자의 직업 선택과 경력 개발을 효과적으로 지원할 수 있을 것이다.