딥러닝 기반 취업가능성 예측 모델 연구
A Predictive Model for Student Employability Based on Deep Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
오늘날 인공지능 기술의 발전에 힘입어 사회의 다양한 분야에서 인공지능을 활용한 예측 모델 연구가 활발히 진행되고 있다. 특히 딥러닝으로 불리는 인공지능 기술은 기존 인공지능에 비해 정확한 예측을 제공함으로써 많은 분야에서 여러 변화를 선도하고 있다. 최근 우리나라는 장기간 이어진 경기 불황과 우크라이나 전쟁 등으로 인해 청년취업률이 사회적 문제로 대두되고 있다. 청년취업률은 장기적으로 혼인율과 출산율에도 영향을 미칠 수 있는 만큼 개선을 위한 관심이 필요하다. 그러나 취업을 위한 조건 등이 불분명하기 때문에 예비취업자들의 입장에서는 막막함이 앞선다. 이에 본 논문은 딥러닝을 활용하여 취업가능성을 예측하는 모델을 제안한다. 본 논문에서 제안하는 모델은 790명의 데이터를활용하여 검증하였으며, 검증데이터 정확도 87.34%, 검증데이터 오류율 8.14%를 나타내었다. 본 논문에서 제안한 모델은 향후 예비취업생들의 취업전략 수립과 취업가능성 예측에 활용할 수 있을 것이다.
Abstract
Today, thanks to the development of artificial intelligence technology, research on predictive models using artificial intelligence is actively conducted in various fields of society. In particular, artificial intelligence technology called deep learning is leading many changes in many fields by providing more accurate predictions compared to existing artificial intelligence. Recently, in Korea, the youth unemployment rate is emerging as a social problem due to the prolonged economic recession and the war in Ukraine. As the youth employment rate can affect the marriage rate and fertility rate in the long term, attention is needed to improve it. However, since the conditions for employment are unclear, it is difficult for prospective job seekers. Therefore, this paper proposes a model for predicting employability using deep learning. The model proposed in this paper was verified using data from 790 people, and the accuracy of the verification data was 87.34% and the error rate of the verification data was 8.14%. The model proposed in this paper can be used to establish employment strategies and predict employability of prospective job seekers in the future.
참고문헌 (15)
- "KOSIS"[URL]
- "ChosunBiz"[URL]
- McCulloch, W. A., "A logical calculus of the ideas immanent in nervous activity", Bulletin of Mathematical Biophysics, 5(4), pp.115~133 (1943)
- Rosenblatt, F., "The perceptron : a probabilistic model for information storage and organization in the brain", Psychological Review, 65(6), pp.386~408 (1958)
- Minsky, M., "Perceptrons" (1968), MIT Press
- Webos. P., "Beyond regression : New tools for predic-tion and analysis in the behavioral sciences", Ph.D, pp.1974
- Lee Kijyung, "Exploring a Predictive Model for the Employment of Persons with Disabilities Utilizing a Random Forest method: Focusing on the Status and Quality of Employment", 장애와고용, 29(3), pp.145~165 (2019), 한국장애인고용공단 고용개발원[DOI]
- M. Song, "Prediction of Employability by Job Seeker Data Through Deep Learning", Winter conference of KSCI, 30(1), pp.9~10 (2022)
- Swati Garg, "A review of machine learning applications in human resource management", Journal of Productivity and Performance Management, 71(5), pp.1590~1610 (2022)
- Chen, Jiaze, "Information extraction from resume documents in pdf format", Electronic Imaging, 17, pp.1~8 (2016)
- Woongryul Jeon, "딥러닝을 활용한 대학생활 부적응자 조기 예측 프로그램 개발", 정보화연구, 17(1), pp.73~83 (2020), 한국엔터프라이즈아키텍처학회[DOI]
- S. E. Mun, "Technology Trend of Machine learning and Deep learning", Information and Communications Magazine, 33(10), pp.49~56 (2016)
- 하지환, "멀티오믹스 데이터를 활용한 알츠하이머 질병 예측 딥러닝 모델 개발 연구", 한국정보기술학회논문지, 20(7), pp.29~37 (2022), 한국정보기술학회[DOI]
- Hyun Il Kim, "LSTM 모형과 로지스틱 회귀를 통한 도시 침수 범위의 예측", 대한토목학회논문집, 40(3), pp.273~283 (2020), 대한토목학회[DOI]
- Ji-Hwan Ha, "Autoencoder-based Disease-related miRNA Prediction Research using Deep Learning", The Journal of Korean Institute of Information Technology, 20(6), pp.33~40 (2022), Korean Institute of Information Technology[DOI]