문맥 (context)
관리자 직종과 전문가 및 관련 종사자 직종에 고졸자 비중은 각각 18%, 14%로 적지 않다. 특히 사무 종사자 직종에서 고졸자 비중은 32% 정도로 대졸 다음으로 높은 비중을 보인다. 관리자, 전문가 및 관련 종사자, 사무 종사자 직종에서 중졸 이하의 비중은 극히 적어 약 2%이내인 것으로 나타난다. 농림어업 숙련 종사자 직종과 단순노무 종사자 직종은 특히 초졸 이하가 많아 각각 53.5%, 25.6%의 비중을 보인다. 이상에서 직업대분류 수준에서 학력별 취업자의 분포를 살펴보았지만, 관리자, 전문가 및 관련 종사자, 사무 종사자 직종을 대졸 이상 직업, 그 외의 직업대분류는 고졸 이하자의 직업으로 나누는 것은 직업대분류에 속하는 세부 직업들이 다양한 요구학력 수준을 갖기 때문에 정확하지는 않은 것이다. 이에 본 연구에서는 직업소분류 단위에서의 분석을 수행할 것이다.
이상의 연구들은 전공-직업의 일치를 대분류 전공 수준에서 파악하여 소분류로 이루어져야 하는 전공과 직업의 매칭에 대한 정보로서의 역할을 부분적으로만 하고 있다. 전공과 직업의 매칭은 소분류 전공과 소분류 직종 사이에 어느 정도 이루어질 수 있고 그 또한 매우 제한적이다. 이에 본 연구에서는 한국고용정보원의 워크넷 사이트에서 제공하고 있는 784개 직업의 관련학과 관련정보처 관련자격 자료를 기본 자료로 활용하였다. 이 자료는 KECO 다섯 자리의 직업에 관련된 소분류 학과를 최대 세 개까지 제공하고 있다. 본고에서 분석하는 직종 분류는 세 자리 소분류이기 때문에 다섯 자리의 직업과 세 자리의 직업에서 과히 차이가 나지 않을 것으로 예상되는 직업을 선별하고 그에 맞는 관련학과를 취하여 매칭의 매트릭스를 작성하였다. 매칭의 과정에서 초안을 한국고용정보원의 직업전문가들에게 의뢰하여 검수의견을 받았고, 이를 반영하여 최종 전공-직종 매트릭스를 완성하였다. 대분류 직업상 판매 종사자, 농림어업 숙련 종사자, 기능원, 장치 및 기계 조작자, 단순노무자 직종에서도 전공과 직종이 매칭이 되는 경우가 있지만, 고학력 직업을 보는 데에는 의미가 거의 없다는 전문가들의 의견을 반영하여 매칭은 관리자, 기술전문직, 사무직, 서비스직의 직종에 한정하였다.
유량(flow) 분석을 위해 한 전공이 두 가지 직종에 해당하는 경우 두 직종을 하나로 묶어서 분석을 하였다. 역으로 만일 한 직종에 두세 개의 전공이 관련될 경우는 두 셋의 전공을 하나로 묶어 분석을 수행하였다. 이러한 전공-직종의 매칭은 완전하지 않을 가능성이 있다. 특히 자격시험에 의해 노동시장 진입이 결정되는 법률, 회계, 세무 전문직, 그리고 종교 관련직 등은 대학의 전공과 직종이 직접적으로 연결되기 어렵다. 분석에 들어간 직종들은 필요학력 수준이 전문대졸 이상인 소분류 직업들이다. 물론 이들 직종에 고등학교 졸업자 이하의 학력을 가진 취업자가 있을 수 있고, 실제로 이들 직종에 고졸 이하의 취업도 무시할 수 없을 정도로 존재한다. 이에 직종별 취업자 수의 증감 부분은 고학력자 중심으로 보면 과다 추정되었을 가능성이 있다.
그 결과 한국 사회에서 석박사 학력의 과잉 규모가 90만으로 가장 큰 것으로 나타났다. 이는 5.31 교육 개혁 이후 특히 대학원 졸업자의 규모가 급증한 결과라고 할 수 있다. 석박사 학력의 과잉 공급은 결국 대졸 직업으로의 하향취업을 유발하며, 그러한 하향취업은 대졸자, 전문대졸자에게 연쇄적 영향을 미치게 되어 많은 대졸자와 전문대졸자가 하향취업을 하지 않을 수 없게 된다. 소분류로 대학의 전공과 직종이 매칭이 되는 경우 졸업자 수와 취업자 수를 비교할 수 있는데, 다수의 전공-직종에서 졸업자의 수가 취업자 수의 증가를 초월하고 있는 것으로 나타난다. 이 연구에서는 직업사전에 있는 세분류 직종별 학력 요구 수준의 정보를 활용하여, 소분류 직종별 학력 요구 수준을 최빈값과 평균값을 사용하여 추출하고, 지역별 고용조사 의 취업자 수 가중치를 이용하여 산업에 필요한 학력별 인력의 규모를 추정하였다. 이러한 연구 방법은 처음 시도된 것으로 보다 정확하게 산업에서 필요로 하는 학력별 인력의 규모를 추정할 수 있게 하였다.
그러나 이상의 결과는 직업사전의 세분류 직업에 필요한 학력을 소분류 직업으로 환원하는 가운데 최빈값을 사용한 결과로 한 소분류 직종 내에 있는 다양한 세분류 직종의 필요학력을 고려하지 못하였다. 이러한 경우 최빈값보다 평균값이 작은 경우와 큰 경우에 과잉 추정과 과소 추정의 문제가 발생하게 된다. 이에 특정 소분류 직종에 포함된 세분류 직종 필요학력의 평균값을 활용하여 최빈값을 사용해 얻은 결과를 보정할 필요가 있다. 보정의 방법은 직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정하는 것이다. 그렇게 설정된 숫자만큼을 최빈값으로 추정한 숫자에서 빼주면 된다. 예컨대 소분류 직종‘기타 전문서비스 관리자(139)’의 최빈값은 4(전문대졸 학력)이고, 그에 따른 전문대졸 필요인력으로 14,667명이 산출되었다 하자. 그런데 이 직종에 포함된 세분류 직종의 필요학력 평균값은 4.4이다. 그렇다면 0.4 정도는 전문대졸을 초과하는 인력이 필요한 것이었다고 할 수 있다. 이에 0.4/4, 즉 10%에 해당하는 1,467명을 대졸 학력으로 추출하고, 나머지 12,200명을 전문대졸 필요학력으로 계산해 주는 것이다.
지역별 고용조사의 세 자리 직종별 취업자 수는 사실 조금 불안정하다. 그렇지만 직종 대분류 1, 2, 3, 4에서 소분류로 직업별 종사자수를 구할 수 있는 자료는 지역별 고용조사 이외에는 없다. 이에 취업자 수의 증감 부분은 확실한 값이라 보기 어려운 측면이 있지만, 그러한 한계 내에서 산출된 결과를 살펴보면 다음과 같다. 전공별 졸업생 수와 직종별 증가 인원이 비슷하게 나타나는 경우는 사회복지학과 보건학 전공과 보건 및 사회복지 관련 관리자, 사회복지관련 종사자, 보건의료 관련 종사자의 매칭, 연극, 영화학과 영상예술학 전공과 연극/영화 및 영상 전문가의 매칭 둘뿐이다. 대부분의 매칭에서 졸업 인원과 직종별 증감 인원 사이에 차이가 크게 나고 있다. 특히 건축학과 토목공학 전공과 건축 및 토목공학 기술자 및 시험원 직종의 매칭, 항공학과 해양공학 전공과 항공기/선박기관사 및 관제사 직종의 매칭, 의공학 재활치료 전공과 치료사 및 의료기사 직종의 매칭, 교육학, 중등교육, 초등교육 전공과 학교교사 직종의 매칭, 법학 전공과 법률 전문가, 법률 및 감사 사무 종사자 직종의 매칭, 행정학 전공과 행정전문가 직종의 매칭에서는 이들 직종의 취업자 수가 감소하고 있어 문제이다.
다음으로 직업사전의 소분류 직업에 해당하는 필요학력 수준을 구하기 위해 각 소분류에 속한 세분류 직업의 필요교육 수준의 최빈값을 구하였다. 이를 지역별 고용조사 2011년 자료에 결합하여 소분류 직종별 필요학력에 따른 인력의 규모를 추정하였다. 2011년 자료를 사용한 것은 2012년 직업사전에서 제공되는 정보들이 대부분 2011년 직무분석에서 얻어진 것들이기 때문이다. 그 전체적인 결과를 보면, 직종에서 필요한 학력별 인력의 규모와 실제 취업해 있는 학력별 인력의 규모는 큰 차이를 보이는 것을 알 수 있다. 먼저 초졸 이하 학력에 대한 필요는 없는 것으로 나타나지만, 실제로 초졸 이하의 학력자는 255만 명 정도가 취업하고 있다. 산업에서 가장 많이 필요한 인력은 고졸 인력으로 약 60%를 차지하지만, 실제 고졸 인력 취업 규모는 약 40%에 지나지 않는다. 전문대졸의 필요인력의 규모는 전체 취업자의 5%이지만, 실제 산업에 취업해 있는 전문대졸 인력은 12.4%로 과잉임을 알 수 있다. 석박사의 경우도 필요한 인력의 규모는 약 1%인데, 실제 취업의 규모는 4.6%로 과잉 상태이다. 대졸자의 경우는 필요한 인력의 규모가 26.8%인 데 비해 현재 실제 취업한 대졸자의 규모는 23.5%로 과소 공급 상태이다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
본 연구에서 직종별 필요인력 규모를 추정할 때, 최빈값을 사용한 결과에서 발생할 수 있는 과잉 또는 과소 추정 문제를 해결하기 위해 제시된 보정 방법은 무엇인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation최빈값을 활용해 소분류 직종의 필요학력을 산출할 때 발생하는 추정 오류를 보정하는 구체적인 절차를 파악해야 한다.
-
2정보 추출
information_extraction최빈값과 평균값의 차이로 인해 발생하는 문제점과 이를 해결하기 위한 보정 원리를 추출한다.
- 최빈값보다 평균값이 작은 경우와 큰 경우에 과잉 추정과 과소 추정의 문제가 발생하게 된다.
- 보정의 방법은 직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정하는 것이다.
-
3근거 선택
evidence_selection보정 방법의 핵심인 '비례적 설정'과 '차이만큼의 차감'에 관한 문구를 선택한다.
- 직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정하는 것이다.
- 그렇게 설정된 숫자만큼을 최빈값으로 추정한 숫자에서 빼주면 된다.
-
4논리 통합
logical_integration평균값과 최빈값의 차이를 이용하여 인력 규모를 재배분하는 논리적 과정을 통합한다.
-
5결론 도출
conclusion_formulation평균값과 최빈값의 차이를 비례적으로 계산하여, 이를 상위 혹은 하위 학력의 필요규모로 설정하고 해당 수치만큼을 기존 최빈값 추정치에서 제외하는 방식임을 정리한다.
-
6답변 생성
answer_generation질문에 대한 최종 답변을 서술형으로 작성한다.
근거 (evidence)
- 최빈값보다 평균값이 작은 경우와 큰 경우에 과잉 추정과 과소 추정의 문제가 발생하게 된다.
- 보정의 방법은 직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정하는 것이다.
- 직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정하는 것이다.
- 그렇게 설정된 숫자만큼을 최빈값으로 추정한 숫자에서 빼주면 된다.
최종 답변 (final_answer)
직종별 필요인력으로 추정된 숫자를 직종별 평균값과 최빈값의 차이만큼 비례적으로 바로 위 혹은 바로 아래 학력의 필요규모로 설정한 뒤, 그렇게 설정된 숫자만큼을 최빈값으로 추정한 숫자에서 빼주는 방식으로 보정한다.