KRIVET 한국직업능력연구원 국무총리 산하 정부출연 연구기관

 본 연구는 청년패널조사의 1-11차년도의 자료를 활용하여 이직한 경험이 있는 근로자들의 직장만족도 유형을 분류하고, 직장만족도 유형 분류에 중요한 영향을 미치는 요인을 탐색하고자 수행되었다. 첫째, 잠재프로파일 분석 결과 4개의 집단이 도출되었으며, 각각의 집단을 ‘낮은 직장만족도 집단’, ‘중간 직장만족도 집단’, ‘높은 직장만족도 집단’, ‘최상 직장만족도 집단’으로 명명하였다. 둘째, 의사결정나무와 랜덤포레스트 두 가지 머신러닝 기법을 적용한 결과 랜덤포레스트의 집단 분류정확도가 더 좋은 것으로 나타났다. 랜덤포레스트 분석 결과 현 직장 임금, 주어진 연차휴가 일수, 가구 총 근로소득, 작년 평균 저축액, 연령, 스트레스, 현재 건강상태에 대한 주관적 평가, 업무내용과 전공일치도, 필요 교육수준, 이직 횟수 등이 중요도 지수가 높은 변인으로 도출되었다. 이러한 연구결과를 토대로 근로자의 직장만족도를 높이기 위한 시사점을 제공하였다. 

 The purpose of this study is to classify latent profiles of job satisfaction of employees with turnover experience, and to explore the factors affecting latent profiles by using a machine learning approach. To do this, Youth Panel (YP) data from the 1st to 11th waves were used. The results of this study include: first, according to latent profile analysis, the levels of job satisfaction were classified into four latent profiles, namely, ‘low job satisfaction,’ ‘middle job satisfaction,’ ‘high job satisfaction,’ and ‘highest job satisfaction.’ Second, the random forest method had a higher classification accuracy than the decision tree method. The random forest analysis revealed that the main factors associated with the classified latent profiles were wage, given annual leave, household earned income, average savings, age, stress, health status, job-major congruence, required level of education, and turnover frequency. Based on these results, this study suggested ways to improve the job satisfaction of employees.