• 노동경제논집
• /
• 제30권2호
• /
• pp.1-31
• /
• 2007

본 연구는, 비정규 근로에 대한 차별처우의 문제를 실증적으로 분석하여, 고용형태에 따른 임금격차에 대한 객관적 사실들을 제시함으로써, 비정규 근로에 대한 논의를 보다 생산적이게 하는 데에 기여하고자 한다. 비정규 근로의 임금수준은 2005년에 정규 근로의 63%에 불과하여 37%의 임금격차가 존재한다. 그러나 이는 근로시간, 인적자본의 양, 직무의 성격, 그리고 개인의 능력 등을 전혀 고려하지 않은 것이다. 근로시간만 추가로 감안하더라도 임금격차는 29%로 감소한다. 근로자들의 인적특성, 인적자본, 사업체 규모, 노동조합 등 분석에 전통적으로 사용되는 변수들 대부분을 통제하면 임금격차는 2.7%로 급감한다. 직무까지 추가로 통제할 경우, 임금격차는 다시 2.2%로 줄어든다. 이 가운데 생산성에 의한 임금격차가, Oaxaca 방법으로 분해하면, 91%를 차지한다. 이는 차별처우의 최대치가 정규 근로 시간당 임금의 0.2%에 불과함을 의미한다. 나아가 개개인의 능력을 비롯한 미관측 이질성까지도 추가로 통제하기 위해 패널자료를 구축하고 고정효과 모형을 사용하여 추정 할 경우, 비정규 근로의 시간당 임금은 정규 근로의 경우와 의미 있는 차이를 보이지 않거나 오히려 다소 높게 나타난다. 이러한 결과는 경제이론으로 쉽게 설명된다. 다른 상황이 동일하다면 근로자들은 고용이 보다 불안한 비정규 근로로 노동을 공급할 경우 이에 대한 보상으로 보다 높은 임금을 받으려 할 것이다. 기업들은 추가로 고용유연성을 확보할 경우 보다 높은 임금을 지급할 용의가 있다. 따라서 비정규 근로가 정규 근로에 비해 보다 불안한 고용과 보다 높은 임금을 가지는 균형이 성립될 수 있다. 이상의 결과는 비정규 근로 문제를 차별처우의 차원에서 접근하는 시각에 매우 회의적이며, 비정규 근로에 대한 논의의 방향을 수정할 것을 함축하고 있다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.