공무원 직무 전문교육 만족도 예측을 위한 딥러닝 기반 회귀 모델 설계 (A Deep Learning-based Regression Model for Predicting Government Officer Education Satisfaction)

서지정보

· 발행기관 : 국제문화기술진흥원
· 수록지 정보 : 문화기술의 융합 / 10권 / 5호 / 667 ~ 671페이지
· 저자명 : 오수민, 윤성연, 박민서

초록

공직자로서의 바람직한 가치관 확립과 공직의 전문성 향상을 위해 공무원의 직무 전문교육이 강조되고 있다.
만족도 높은 맞춤형 직무교육을 제공하기 위해 만족도에 영향을 미치는 요인을 분석한 연구들이 제안되고 있으나, 교육 내용을 활용하여 만족도를 예측한 연구는 부족한 실정이다. 따라서 본 연구는 교육 내용을 함께 고려해 공무원 직무 전문교육 만족도를 예측하는 딥러닝(Deep Learning) 모델을 제안한다. 제안 방법은 공무원 전문 교육과정 정보데이터를 활용한다. 우선 문자형으로 수집된 변수인 교육 대상, 교육 구분, 교육 형태를 원-핫 인코딩(One-hotEncoding)으로 카테고리화(Categorized)한다. 교육을 통해 학습할 수 있는 내용이 문자형으로 저장된 교육 내용을TF-IDF(Term Frequency-Inverse Document Frequency)으로 수치화한다. 이를 딥러닝 기반의 회귀 모델로 학습하고, 10-겹 교차 검증(10-Fold Cross Validation)으로 모델의 성능을 검증한다. 본 연구의 제안 모델은 테스트 데이터에서 99.87%의 높은 예측 정확도를 보인다. 향후 본 연구를 고려한 맞춤형 교육 추천은 교육 대상에 최적화된 교육을 제공 및 개선하는 데에 도움이 될 것으로 기대한다.

영어초록

Professional job training for government officers emphasizes establishing desirable values a s publicofficials and improving professionalism in public service. To provide customized education, some studies areanalyzed factors affecting education satisfaction. However, there is a lack of research predicting educationsatisfaction with educational contents. Therefore, we propose a deep learning-based regression model that predictsgovernment officer education satisfaction with educational contents. We use education information data forgovernment officer. We use one-hot encoding to categorize variables collected in text format, such as educationtargets, education classifications, and education types. We quantify the education contents stored in text formatas TF-IDF. We train our deep learning-based regression model and validate model performance with 10-FoldCross Validation. Our proposed model showed 99.87% accuracy on test sets. We expect that customizededucation recommendations based on our model will help provide and improve optimized education content.

참고자료

· 없음