머신러닝을 활용한 장애인 근로자의 고용유지 예측모델 개발 및 분석
Development and Analysis of a Predictive Model for Employment Retention of Workers with Disabilities Using Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
연구문제 또는 목적: 본 연구는 머신러닝 알고리즘을 활용하여 장애인 근로자의 고용유지를 예측하는 최적의 모델을 도출하고, 도출된 모델을 기반으로 장애인의 고용유지 예측에 기여하는 변수들을 탐색하고자 하였다. 연구방법: 장애인고용패널조사 2차 웨이브 7차 년도 자료에서 1,462명을 분석대상으로 장애인 근로자의 고용유지에 영향을 미치는 65개의 설명변수를 선정하였다. 머신러닝은 Orange 3.36.2를 사용하여 8가지 알고리즘(의사결정나무, Random Forest, Gradient Boosting, AdaBoost, SVM, 인공신경망, Naive Bayes, kNN)을 적용하여 최적의 예측 모델을 결정하고, 예측에 기여하는 설명변수의 중요도를 탐색적으로 분석하였다. 연구결과: 장애인 근로자의 고용유지에 대한 최적의 예측 모델은 Gradient Boosting 으로 나타났으며, 중요도가 가장 높은 설명변수는 정규근로자 여부로 나타났으며, 일자리 정보, 가구 요인, 인구학적 요인, 취업활동 요인, 직업적 능력 요인, 장애 및 건강관련 요인, 취업제도 요인이 중요한 것으로 분석되었다. 결론 또는 시사점: 장애인 근로자의 고용유지를 위한 정책과 프로그램을 새롭게 개발하는 데 필요한 기초 자료로서의 역할을 할 수 있을 것으로 기대된다.
Abstract
Purpose or Objectives: This study aims to identify the optimal model for predicting employment retention among workers with disabilities using machine learning algorithms. Additionally, it seeks to explore key variables contributing to employment retention based on the derived model. Method: Using data from the 7th year of the second wave of the Panel Survey of Employment for the Disabled (PSED), the study analyzed 1,462 individuals. Sixty-five explanatory variables influencing employment retention among workers with disabilities were selected. Machine learning was applied using Orange 3.36.2, employing eight algorithms (decision tree, random forest, gradient boosting, AdaBoost, SVM, artificial neural networks, Naive Bayes, and kNN) to determine the optimal predictive model and to explore the importance of explanatory variables. Results: The gradient boosting algorithm was identified as the optimal predictive model for employment retention among workers with disabilities. The most critical explanatory variable was regular employment status, followed by job information, household factors, demographic factors, employment activity factors, vocational ability factors, disability and health-related factors, and employment system factors. Conclusion or Implications: The findings are expected to serve as foundational data for developing new policies and programs to enhance employment retention for workers with disabilities.