• 노동경제논집
• /
• 제43권1호
• /
• pp.93-114
• /
• 2020

롤모델 효과에 따라 여성 교수의 존재는 여학생에게 유의한 영향을 미칠 수 있다. 특히 남학생이 많은 '남초학과'로 전공을 선택하거나, 대학원으로의 진학을 결정하는 데 여성 교수의 존재가 연관이 있을 수 있다. 다만 학부 입학, 박사과정 학생의 성취도 등과 관련하여 교수의 성별이 여학생에게 미치는 영향을 분석한 연구는 있으나 교수의 성비에 따른 여학생 취업에 관한 실증적인 연구가 부족하여 실제로 여성 교원의 비율이 여학생의 취업에 얼마나 영향을 주는지 판단하기 어렵다. 이에 본 연구는 여성 교수의 존재가 여성 대졸자의 취업에 미치는 영향을 분석하였다. 대학알리미 자료를 이용하여 분석한 결과, 합동회귀모형 추정에서는 전임교원 중 여성의 비율이 1%포인트 증가하면 여학생의 취업률이 0.102%포인트 유의하게 상승하는 것으로 나타났으나 학교-학과의 고정효과를 고려한 분석에서는 유의한 결과가 나타나지 않았다. 여성 교원의 비율이 여학생의 취업률에 미치는 영향을 전공계열별로 구분하여 살펴보아도 이와 유사한 결과가 도출되었다. 학생의 취업률은 본 연구에서 사용한 변수 외에 관측되지 않는 개인의 성향, 능력, 가정환경 등 여러 기타 요인에 영향을 받을 수 있다. 즉, 본 연구의 추정에서는 우리나라 대학의 여학생 취업에 있어서 여성 교수의 롤모델 효과에 대한 실증적 증거를 발견하지 못하였다.

• 한국컴퓨터정보학회논문지
• /
• 제20권1호
• /
• pp.175-183
• /
• 2015

본 논문은 취업하고자하는 학생의 빅데이터를 분석하여 최적의 취업 성공률을 높이기 위한 취업 전략 구축 방법을 제안한다. 특히 취업 방향을 잘 결정하지 못하여 취업률이 낮은 2년제 여자전문대학생을 대상으로 실험을 했으며, 기존 취업 전략의 중대한 문제점은 구직업체의 요구에 의해 학생들의 학교 성적 정보, 외모, 성격 등 단순한 정보만으로 구직에 참여하게 된다. 이로 인해 취업하려는 학생들의 만족도가 떨어지고, 취업 후 부적응 사례로 중도 직장을 포기하는 사태가 발생한다. 이런 문제를 해결하기 위해서 빅데이터 분석을 이용하여 취업 전략을 구축하고자 하는 것이다. 이를 증명하기 위해 전년 대비, 2014년 취업 통계 데이터로 증명했으며, 취업의뢰건도 전년 대비 21.3%가 상승했고, 기업과 학생간 취업 매칭률도 전년대비 81.4%증가 했다. 가장 중요한 최종 취업성공률도 전년 대비 63.1%가 증가한 것으로 나타났다.

• 지역사회간호학회지
• /
• 제6권1호
• /
• pp.84-97
• /
• 1995

There is a widespread concern that women's increasing involvement in dual role (job plus family role) may harm their physical health. Longevity of women is longer than that of men. By contrast, prevalence rate is higher in women than men, and No. of prevalence days, No. of days in bed and No. of days with treatment are more in women. Generally, women live longer, but women are worse in health status than men. Rate of labor participation in women is increasing gradually in Korea. This study presents an analysis of the relationships between employment. marital status and health for both Korean women and men to examine how women's increasing involvements in dual role affect their physical health. The data used in this analysis were collected by The National Statistical Office in the spring of 1992. Households, which were sampled by using a three-stage stratified cluster sampling method, were interviewed. Response rate was 99.43%. Of these, student or widowed or divorced people were excluded. 47,552 women and men aged 21-50 were available for the analysis. Health status was measured by self-assessed health status (1=excellent, 5=poor), No. of prevalent days, No. of days with treatment, and No. of days in bed in two previous weeks. And control variables are age, and education. Research findings are as follows : 1. Men have better self-rated health, fewer prevalent days, fewer days in bed, and fewer days with treatment than women. 2. The employed are more healthier than the non-employed. 3. Unmarried people are more healthier than married people. 4. Interaction effects of sex, marital status, employment are significant. This finding shows that effects of empolyment, marital status on health status is not same for women and men. 5. For male, employed people are more healthier than non-employed people. Unmarried people are more healthier than married people. This differences are significant. For female, The employed are more healthier than the non-employed. However, no differences are noticed between the married and the unmarried in health status. In conclusion, there is no evidence that women's involvements in dual role affect their physical health negatively.

• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.67-77
• /
• 2018

최근 학령인구 감소에 따라 많은 문제점들이 나타나고 있다. 우리나라는 인구대비 가장 많은 대학을 보유하고 있기 때문에 각 대학의 생존에 필요한 최소한의 학생 유지율 관리가 점점 더 중요해 지고 있다. 따라서 본 연구는 계속되는 학력인구의 감소에 따라 각 대학들이 생존 방안으로 학생 유지율의 적절한 관리 방안을 모색한다. 이를 위하여 특정 대학에 입학한 학생들을 대상으로 성별, 출신고, 출신지역, 성적, 졸업여부 등의 데이타를 분석하여, 학생들이 입학에서 졸업에 이르기까지 지속적으로 유지될 수 있는 학생 유지율을 관리하기 위한 기본적인 방향이 어떤 것인지 알아본다. 또한, 최적의 입력 변수를 파악하고, 최적의 입력 파라메터를 기초로 apriori 알고리즘을 이용하여 연관 분석을 실행하여 유지율 관리에 가장 적합한 자료를 수집할 수 있도록 한다. 이를 바탕으로 각 대학들이 학생들을 모집하고 유지하는데 도움이 되도록 가장 효율이 높은 딥러닝(Deep Learning) 모듈을 개발하기 위한 기초 자료로 만들고자 한다. 의사결정트리를 활용하여 졸업여부를 측정한 결과는 딥러닝의 정확도 보다 낮은 75%로 나타났다. 의사결정트리에서 졸업여부를 결정하는 요인은 일반고를 졸업하고, 도시지역에 거주하면서 여성이면서 성적이 높은 학생들이 졸업확율이 높은 것으로 나타났으며 결과적으로 의사결정트리 보다는 개발된 딥러닝듈이 더 효율적으로 학생들의 졸업여부를 평가할 수 있는 모델로 나타났다.