<3036303932325F414C4CC7D0BCFAB4EBC8B8C0DAB7E1C1FD2E687770>

논 문 2 CRM을 통한 평생교육 참여의 결정요인에 관한 연구 발표자:신 건 호(강남대학교) 유 제 민(강남대학교) 최 돈 민(상지대학교)

목 차 Ⅰ. 서 론 35 Ⅱ. 연구방법 37 1. 대 상 37 2. 방 법 38 3. 용어의 정의 41 Ⅲ. 결 과 42 1. 남자집단의 평생교육 참여여부를 예언하는 의사결정 모형 42 2. 여자들의 평생교육 참여여부를 예언하는 의사결정 모형 46 3. 연령에 따른 평생교육 참여의 의사결정 나무모형 49 Ⅳ. 결과요약 및 논의 53 참 고 문 헌 56

논 문 2 신 건 호 / 강남대학교 유 제 민 / 강남대학교 최 돈 민 / 상지대학교 Ⅰ. 서 론 우리나라의 평생학습 실태를 조사한 연구들에 따르면 평생학습에 참여하는 비율 이 점차로 증가하고 있다. 하지만 아직도 OECD국가들에 비하여 평생학습의 참여 율이 상대적으로 낮은 편이다(임언 외, 2005 : 최돈민 외, 2005 : 박태준 외, 2005: 통계청, 2004). 평생학습의 참여는 개인적인 측에서는 개인적 관심과 동기를 만족 시키는 목표가 되기도 하지만 사회나 국가적인 수준에서 보면 인적 자원을 개발하 는 중요한 수단이다. 따라서 성인들의 평생학습에 대한 국가적 차원의 관심과 지원 이 개인적인 차원을 떠나 국가적인 수준에서 주요한 관심사가 되고 있다. 정부는 최근 발표된 비전 2030 - 함께하는 희망한국 에서 평생교육참여비율을 현재의 22에서 2030년에는 50를 목표로 제시하고 있다. 평생교육의 참여율 자 체가 미래 희망한국의 목표라고 단정할 수 없지만 중요한 수단임에는 틀림없다. 따 라서 개인들의 평생학습의 참여를 진작하고 격려하기 위해서 정부는 다양한 차원 의 유인책과 지원책을 개발하여야 한다. 이러한 유인책과 지원책은 평생학습의 대 상자들의 특성이나 요구에 대한 분석을 전제한다. 평생학습에 대한 참여 실태에 대한 연구에 의하면 참여의사나 참여율 등에서 집 단간 차이를 보이고 있다. 임언 등(2005)의 연구에 의하면 평생학습에 대한 요구에 서 남성은 여성보다 직무관련 학습요구가 높고, 여성은 남성보다 취미와 여가와 관 련하여 학습에 참여하고자 하는 요구가 높았다. 또한 연령에서도 평생학습에 대한 요구결과를 보면 30대가 가장 높은 학습요구를 나타냈으며, 그 이후 연령이 증가할

36 성인의 직업기초능력 조사 학술대회 수록 요구비율이 감소하는 것으로 나타났다. 박태준 등(2005)의 연구에서도 남녀, 연령, 그리고 학력별에 따라 평생학습 참여경험에서 차이가 나타났다. 평생학습유 형의 참여율에서 남자는 직업훈련이 상대적으로 높게 나타났고, 여성은 교양문화와 여가선용교육의 참여가 높게 나타나 성별로 평생학습에 참여하는 유형이 매우 뚜 렷하게 구분되고 있다. 2004년 사회통계조사(통계청)와 경제활동인구조사(통계청) 자료를 결합하여 분석한 이병희 등(2005)의 연구에서도 성별에 따라 평생학습 참 여율의 차이룰 보고하고 있으며, 특히 직무관련 평생학습참여율에서는 남성이 여성 에 비해 높은 참여율을 보이고 있다. 연령계층별로도 차이가 나타나 20-30대 계층 에서 참여율이 높고 40-50대는 상대적으로 낮은 것으로 나타났다. 위에서 언급한 선행연구들의 결과는 학습자 집단의 특성에 따라 평생학습에 대한 요구나 이해가 다를 수 있음을 시사한다. 성별이나 나이에 따라 평생학습에 대한 요구 나 이해가 다르기 때문에 전반적인 평생교육의 참여율이나 특정 영역의 학습활동에 대한 참여율에서 차이가 나타난다고 볼 수 있다. 따라서 평생학습에 대한 참여율을 증 가시키기 위해서는 집단의 특성에 맞는 유인책과 지원책을 마련하는 것이 필요하다. 집단의 요구나 이해에 맞는 유인책과 지원책을 마련하기 위해서 우선적으로 필 요한 것은 각 개인이나 집단이 평생학습에 참여를 지지해주는 요인과 방해하는 요인을 분리해내는 일이다. 본 연구에서는 평생학습의 참여를 저하시키거나 방해하 는 모든 조건이나 상황을 위험요인(risk factors)이라고 정의하고, 이에 비해 참여를 유지, 촉진시키는 조건이나 상황을 보호요인(protective factors)이라고 정의하였다. 위 험요인이나 보호 요인의 목록들은 개인의 상태나 다른 조건들에 따라 수시로 변할 수 있다. 현재 보호 요인이라 할지라도 계속 보호 요인으로 기능할지는 단언할 수 없으 며 심지어 지금 보호 요인이 다른 조건 및 상태에서는 위험 요인이 될 수 도 있다. 집단의 특성에 따라 평생교육의 참여에 대한 위험요인이나 보호요인을 분리하게 되면 특정집단의 참여율을 증진시키기 위해서는 위험요소의 영향을 극소화시키고 보호요인의 영향력을 극대화시키는 지원책을 마련하는데 상당한 시사를 줄 수 있다. 본 연구에서는 집단별 평생학습참여에 대한 보호요인과 위험요인을 분리해내기 위하여 통계와 자료처리를 위해 data mining 기법을 사용하였다. 이 방법은 방대한 양의 자료 속에서 의미있는 패턴과 규칙을 찾아내기 위해 자동적이거나 반자동적

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 37 인 방식으로 자료를 탐색하고 분석하는 기법이다. 특히 대용량의 자료에 존재하는 자료들 간의 관계, 패턴, 규칙을 찾아내고 모형화한 후 최적의 의사결정을 목표로 스스로 정보를 변환하는 통계적, 수학적, 및 기타 패턴의 인식 등 총 수행과정을 반복하는 기법이다. 이러한 통계적 기법이 평생학습참여에 대한 하위 집단별 강점 과 약점을 구분해내는데 유용하게 사용될 것이라고 보았다. 본 연구는 이러한 통계적 기법을 이용하여 성별과 나이별 평생학습 참여에서 보 호요인과 위험요인이 무엇인지를 확인하고자 하였다. 이러한 요인들의 확인을 통해 각 집단별 특성에 따라 평생학습에 대한 맞춤형 지원정책의 가능성을 탐구하는데 데이터 마이닝 기법의 유용성을 알아보고자 하였다. Ⅱ. 연구방법 1. 대상 본 연구의 분석대상은 한국직능원에서 제공한 2004년 ALL조사 원자료이다. 이 자료의 하위집단별 구성비율은 다음과 같다. <표1> 분석대상자의 특성 구분 사례수 비율()) 성별 남자 여자 2749 2757 49.9 50.1 연령 16-19 20-29 30-39 40-49 50-59 60-65 540 1303 1430 1190 719 324 9.8 23.7 26.0 21.6 13.1 5.9 학력 중졸이하 고졸 대재이상 (임 언외, 2005) 1095 2508 1903 19.9 45.6 34.6

38 성인의 직업기초능력 조사 학술대회 2. 방법 앞서 제기하였듯이 하위집단 특히 성별과 나이별 평생학습 참여에 대한 요인들 을 구분해내기 위하여 데이터 마이닝 기밥을 사용하였다. 본 연구에서 사용된 데이 터 마이닝에 대한 개략적인 설명은 다음과 같다. 1) 데이타 마이닝(Data Mining)의 특징 데이터 마이닝은 방대한 양의 자료 속에서 의미 있는 패턴과 규칙을 찾아내기 위해 자동적이거나 반자동적인 방식으로 자료를 탐색하고 분석하는 것이다. 즉, 대 용량의 자료에 존재하는 자료간의 관계, 패턴, 규칙 등을 찾아내고 모형화 한 후 최적의 의사결정을 목표로 스스로 정보를 변환하는 자가 수정 통계 기법이다. 전통적인 통계 분석에서는 통계적 이론 모형이 설정되고 그에 따라 분석이 이루 어지는 하향적 방식인데 비해 데이터 마이닝은 통계적 가정이나 전제 없이도 자료 속에서 자료구조의 패턴을 바탕으로 새로운 예측이나 설명모형을 만들어 내는 상향 적(BOTTOM-UP)방식이라는 기본적 차이가 있다. 즉, 일반적인 통계와 데이터 마 이닝은 접근하는 방식이 상반된다. 무엇보다도 데이터 마이닝은 정상성(nomality)이 나 선형성(linearity), 그리고 등분산성(homogeneity) 같은 통계적 가정에 좌우되지 않는다. 일반적인 통계방법에서는 척도(scale)가 혼재된 변인들을 처리하는데 한계가 있다. 가(dummy) 변수를 만들거나 척도를 미리 통일하는 과정에서 중요하지만 변 환시키기 어려운 자료들을 버리는 경우도 있을 수 있다. 이렇게 가공한 변인들이 정 상성을 크게 충족시키지 못하면 일반화기도 어렵다. 따라서 대용량의 자료를 통계하 나 돌리고자 통일시키려 하거나 정상성을 굳이 가정하는 것이 비현실적인 것이다. 이런 점에서 본다면 데이터 마이닝은 비 모수적(non-paramatic) 기법에 가깝다. 선형성의 가정은 회귀 분석 등에서 특히 중요한 문제이다. 변수간에 비 선형적 관계가 두드러질 때는 회귀 분석의 정확도가 극적으로 저하된다. 로지스틱 방식으 로 대체할 수도 있지만 마이닝의 일종인 신경망 분석에서 사용하는 MLP방식은 비 선형 시그모이드 함수와 탄젠트 함수를 이용하여 독립변인들간의 가능한 상호 작 용을 모두 포함시켜 비 선형적 예측을 하기 때문에 회귀 분석의 R²값보다 최소한

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 39 두 배 이상의 설명력을 산출시킨다. 전통적인 통계 방법에서는 결측치(missing value)가 많을 경우에도 문제가 될 수 있다. 이 경우 연구자들은 사례들의 경향으로 적당히 추정을 하거나 혹은 평균값으 로 대체하고 여의치 않으면 아예 삭제하는 경우가 많다. 극단치(outlier)가 많을 경 우에는 수정하고 싶은 유혹을 느낄 수 도 있다. 이질적인 척도와 수많은 결측치, 다양한 오차 범위들을 감안한다면 등분산성의 가정은 성립이 불가능하다. 결측치들 을 평균값으로 대체하거나 삭제하는 것은 신중을 기해야 한다. 결측된 변인들과 가 장 상관이 높은 값들로 대체하는 방법도 있지만 척도가 다르다면 이 역시 문제가 된다. 게다가 그 사례 내에서 관련이 있어 보이는 변인들까지도 누락되어진 경우가 많다면 이 방법도 채택하기 쉽지 않다. 무엇보다도 결측치가 발생하면 전체 표집 내에서 지정된 처리 변인의 셀 크기가 누적적으로 축소되는 현상이 발생한다. 이 변인들의 통계적 결과는 원래 표집의 특성과는 상당한 차이가 있다. 즉, 원칙적으 로 말하면 nested 한 포함관계가 성립되면서 오차와 분산의 계산 방식이 달라져야 한다. 데이터 마이닝에서는 예측하는 종속변인이 바뀔 때마다 각 독립변인의 함수 를 산출하고 이 변인과 가장 유사한 설명력을 가지는(이 방식은 상관이 아니다) 변인들을 순서대로 등재시키는 방식(surrogate ranking)을 사용한다. a변인이 누락 되어 있다면 그와 가장 유사한 설명력을 가지는 b값으로 대체되고 b도 없다면 다 음 순위인 c값이 대체되는 것이다. 이 순위는 고정된 것이 아니며 종속변인의 변화 에 따라 수시로 바뀐다. 따라서 데이터 마이닝에서는 연구자가 억지로 자료를 가공 할 필요가 없는 장점이 있다. 변인들간의 상호작용(interaction)도 중요한 역할을 하는 경우가 많다. 회귀나 로 지스틱 방식에서 두 변인(a,b)간의 교차항(a*b)을 만들고 이 교차항의 ΔR²값으로 상호 작용의 유의미성을 파악할 수 있지만 변인이 여러 개일 경우 모든 상호작용 을 모형에 포함시키는 것은 거의 불가능한 일이다. 그러나 의사결정 나무 분석의 CHAID방식의 경우 가능한 모든 상호 작용을 자동적으로 탐색해 낸다. -AID라는 용어가 automatic interaction detection이라는 의미를 내포하고 있다. 연구자들은 연구 설계에 맞는 통계를 적용시키려고 노력한다. 가설설정-설계-통 계로 이어지기 때문에 하나라도 수정되면 나머지도 바꾸어야 한다. 연구자는 이 과

40 성인의 직업기초능력 조사 학술대회 정을 능숙하고 빠르게 시행하는 전문가이다. 그러나 특히, 마이닝의 신경망 분석 (Neural Networks)에서는 이 과정을 스스로 수행한다. 신경망 모형은 인간두뇌의 학습과정을 시냅스 작용을 통한 연산과정으로 재현한 데이터 마이닝 기법의 일종 이다. 이 방법은 실제 출력 값과 기대 출력 값을 비교하고 그 차이를 시냅스 역할을 하는 노드(node)에 가중치를 주어 조정한 후 그 과정을 신경망 구조가 안정화될 때 까지 반복함으로써 예측 및 분류 모형을 자가 창출한다. 스스로 피드백을 주어가면 서 수정하는 역-전파망 방식(Back-Propagation Network)으로 경험을 통한 학습 과 정을 기계적으로 단축시킨 것이다. 이에 따르면 연구자들의 가장 중요한 능력은 변 인들의 선정과 관련 데이터의 확보 그리고 산출된 결과의 해석과 그 응용력이다. 데이터 마이닝은 기본적으로 대용량의 자료 즉, 큰 표집을 전제로 한다. 엄격하 게 말하면 표집의 수는 통계기법, 문항 수, 신뢰구간, 오차 범위 등을 모두 고려해 서 결정해야 한다. 그러나 데이터 마이닝에서는 표집의 수보다 보유한 데이터가 얼 마나 풍부한 설명요인들을 가지고 있는가 하는 점이 훨씬 중요하다. 현재 데이터 마이닝은 표집의 수를 감안하고 이로 인해 초래되는 한계를 극복하려는 방식으로 발전되고 있다. 따라서 임상이나 상담 그리고 건강 관련 분야에서는 표집의 수를 늘리는 것 보다 각 사례의 특성(변인) 수를 보다 많이 확보하는 것이 현실적인 방 법이다. 데이터 마이닝에서는 표집의 수가 많은 경우와 각 사례의 변인수가 많은 경우 적용하는 기법들이 따로 개발되어 있다. 데이터 마이닝은 현재 기업 생존전략의 핵심인 CRM(Customer Relationship Management)의 근간이 되고 있기도 하다. 즉, 광범위한 정보를 활용하여 개별적 소비자의 특성을 세분화시키는 소위 맞춤식 전략 에 활용되고 있다(Ball, 2000). 이러한 방식은 평생 교육 및 학습에 관한 위험 요인들(risk factors)을 제거하고 보 호 요인들(protective factors)을 개발하려는 정책 분야의 효율성도 극적으로 제고시 킬 수 있다. 지금까지 모수적 통계 방식으로 처리된 기존의 성인학습 관련 연구의 결과들이 현실적인 적용에 한계가 있었다. 이에 본 연구에서는 평생 교육 결정 요 인들의 상대적 영향이나 관계를 검증하고 참여율을 고양시키는 개별적인 맞춤형 개입방안(tailored intervention)을 시사하는데 데이터 마이닝을 통한 모형의 구축이 가장 효과적인 접근 방식이라고 판단하였다. 성인들의 개별적인 특징들뿐만 아니라 참

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 41 여양상에 영향을 줄 수 있는 다양한 요인들(인구 통계학적 특징을 포함하여)을 세분 화하여 정책적으로 접근할 수 있다. 특정한 개인에게 가장 잘 부합하는 특정한 평생학 습의 참여요인들이 따로 있는 것이다. 본 연구는 이를 확인할 목적으로 수행되었다. 2) 분석방법 본 연구의 독립변인들은 인구 통계학적인 상태들과 평생교육 관련 제반 변인들 이며 종속변인은 평생교육 참여여부(참여/비 참여 구분)이다. 본 연구에서는 명명 척도와 연속 척도 등이 혼합된 200개의 독립변인들을 동시에 투입하여, 명목형 종 속변인(참여여부)를 가장 효과적으로 변별하는 독립변인들의 조합조건들을 성별/ 연령별로 확인하고자 하였다. 사용 프로그램은 의사결정나무분석(decision tree analysis)을 수행하는 Answer Tree 3. 1v(2003)이었다. 독립변인들의 구간 별 조합 으로 명목형 종속변인의 빈도를 확인하기 위해 실제 빈도와 기대 빈도가 다를 확 률을 χ²값으로 이지 분리(two way-split)하는 CHAID(Chi-Squared Automatic Interaction Detection)알고리즘을 채택하였다. 독립변인들의 분리(splitting)와 병합 (merging)의 기준은.05 수준이었으며 자동적으로 집단내의 구간(또는 범주 수)을 변경한 것을 감안해 p 값에 대한 Bonferroni 조정을 거쳤다. 결측치(missing values)는 특정마디에서 예측이 일치하는 순서에 따라서 대체규칙(surrogate rule) 을 설정하였다. 정지규칙으로 최대한의 나무깊이(maximum tree depth)는 4 수준 이었으며, 부모마디(parent node)와 자식마디(child node)의 사례 수는 하위 집단 모두 각각 25과 5로 지정하였다. 3. 용어의 정의 본 연구에서는 평생 교육의 참여여부를 저하시키는 모든 조건이나 상황을 위험 요인(risk factors)이라고 정의하는데 여러 개의 위험요인들이 중복되면(cumulative) 특정한 구체적인 변인의 특성들을 더 신뢰롭게 예언할 수 있다. 이에 비해 참여를 유지, 촉진시키는 조건이나 상황을 보호요인(protective factors)이라고 정의한다. 위 험요인들이 있어도 참여가 유지되고 있는 사람들은 무엇인가 보호 요인들을 가지

42 성인의 직업기초능력 조사 학술대회 고 있기 때문이다. 위험요인이나 보호 요인들의 목록들은 개인의 상태나 다른 조건 들에 따라 수시로 변할 수 있다는 점을 주목할 필요가 있다. 현재 보호 요인이라 할지라도 계속 보호 요인으로 기능할지는 단언할 수 없으며 심지어 지금 보호 요 인이 다른 조건 및 상태에서는 위험 요인이 될 수 도 있다. 데이터 마이닝에서는 개인의 상태나 조건들이 구체적으로 달라질 때 결과의 발생 가능성을 실시간의 확 률()로 계산할 수 있다. 본 연구에서 채택한 데이터 마이닝의 의사결정 나무 (Decision Tree)기법에서는 조건들의 세부적 분지(spliting)와 결합(merging)절차를 통하여 이 과정을 추론하고 각 조건이나 변인이 추가될 때마다 모형들을 연속적으 로 비교한다. 의사결정 나무분석은 결정규칙에 따라 나무구조로 도표화하여 분류 (classification)와 예측(prediction)을 수행하는 방법으로서 판별분석과 회귀분석을 조합한 마이닝 기법이다. 이 분석은 측정 자료를 몇 개의 유형으로 분류하는 세분 화(segmentation), 결과변인을 몇 개의 등급으로 구분하는 분류(classification), 여 러 개의 예측변인 중 결과변인에 영향력이 높은 변인을 선별하는 차원축소 및 변 수선택(variable screening) 등의 목적으로 사용하는데 적합하다. Ⅲ. 결 과 1차 마이닝 결과 200여개의 투입변인 중 종속변인인 평생교육참여여부에 유의하 게 영향을 주는 52개 변인이 선별되었다. 이 변인들을 근거로 2차 마이닝한 결과를 아애에 제시하였다. 1. 남자집단의 평생교육 참여여부를 예언하는 의사결정 모형 남자집단의 평생교육 참여를 예언하는 모형은 [그림 1]에서 볼 수 있듯이, 나무 구조를 통해 변수의 분리 규칙을 추론할 수 있다. 즉, 그 변인을 적용했을 때 각 마디에서 실제빈도와 기대빈도 간에 차이가 없다는 영가설을 χ²값을 통해 검증한 다. 이 값이 기각되었을 때(p<.05) 각 마디의 구간 특성에 따라 분리되어야 하고,

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 43 이 과정을 자동적으로 반복하면서 분류나무가 형성된다. 먼저 형성된 상위 마디의 변인일수록 중요하며 자식마디의 특성들이 누적되어가면서 분류율이 분화된다. 남자집단의 평생교육의 참여여부를 가장 잘 분류해주는 변인은 자기를 포함한 가족들의 1년 총소득이었다. 즉, 24.42의 참여율(2748명 중 671명)은 가족의 1년 총소득이 4천 3백만 원 이상인 경우 평생교육의 참여율이 추가로 20이상 높아졌 다(47.51). 이들이 또한 부양가족이 없을 경우 참여율은 62이상까지 증가하는 것으로 나타났다. 이들이 일주일 최소 한번 이상 서적을 이용하는 독서 형태를 보 일 때 참여율은 75.76에 육박하였다. 그러나 특이하게도 이들 집단은 한글을 깨 우칠 때 곤란을 겪었던 경험(나머지 공부의 경험)있으면 참여율이 크게 저하되는 양상을 보였다(25). 국어 능력의 미숙은 초기 가정환경의 상대적 열악함을 추정 하는 지표로 종종 언급된다. 이것은 교육에 대한 지적 자극이 부족한 가 정에서 자 라 경제적으로 안정된(소득으로 추정) 상태에 도달한 남자의 경우 평생 교육에 거 의 참여하지 않는다는 것을 시사한다. 가족의 1년 총소득이 4천 3백만 원 이하인 남자는 이상인 남자에 비해 평생교육 의 참여율이 절반 수준에도 못 미쳤다(20.91). 이들이 부양가족이 있으면 참여율 은 8.19까지 하락하였다. 그러나 이들 특성을 가진 남자가 최종 학력을 이수했을 때의 나이가 34세 이상일 경우 참여율 하락의 양상은 극적으로 반전되었다. 이것은 만학의 학업 수행형태를 보인 남자들은 수입이 적고 부양가족이 있어도 적극적으 로 평생 교육에 참여함을 의미하는 것이다. 소득이 4천 3백 만 원 이하이고 부양 해야할 자녀가 있으며 34세 이전에 최종적인 학력이 결정되었으며 일상적으로 잡 지조차 거의 읽지 않는다면 가족의 총소득 수준이 높은(중산층 가정으로 추정됨) 가정이라도 평생교육에 참여할 확률은 3정도에 지나지 않는다. 가족의 1년 총소득이 4천 3백만 원 이하이지만 부양가족이 없으면 참여율은 39 이지만 가정의 거주 인원이 3.7명 이상인 남자의 경우에는 20 증가한 59 인 것으로 나타났다. 이것은 미혼이거나 부모와의 동거가 평생교육에 유리한 조건 임을 시사하는 것이다. 이들은 아버지의 학력이 고졸 이상일 경우 72까지 평생교 육에의 참여율이 높아진다. 특이하게도 동일한 조건(부양가족이 없는 경우) 가족의 거주 인원이 3.7명 이하인 경우 어머니의 최종 학력에 따라 참여율이 2배 증가하거 나(고졸이상), 2배 감소(중졸 이하)하는 현상이 나타났다.

44 성인의 직업기초능력 조사 학술대회 지난 1년간 훈련이나 교육을 받은 여부 YES 24.42 671 NO 75.58 2077 Total (100.00) 2748 귀하 가족의 1년 총소득 YES 20.91 499 NO 79.09 1887 Total (86.83) 2386 YES 47.51 172 NO 52.49 190 Total (13.17) 362 부양자녀의 유무 부양자녀의 유무 YES 39.48 383 NO 60.52 587 Total (35.30) 970 YES 8.19 116 NO 91.81 1300 Total (51.53) 1416 YES 62.70 153 NO 37.30 91 Total (8.88) 244 귀하 가정의 거주 인원 최종학력을 이수했을 때의 나이 일상에서의 서적 이용 정도 YES 23.29 126 NO 76.71 415 Total (19.69) 541 YES 59.91 257 NO 40.09 172 Total (15.61) 249 YES 7.97 112 NO 92.03 1293 Total (51.13) 1405 YES 36.36 4 NO 63.64 7 Total (0.40) 11 YES 75.76 125 NO 24.24 40 Total (6.00) 165 YES 35.44 28 NO 64.56 51 Total (2.87) 79 어머니의 최종 학력 아버지의 최종 학력 일상에서의 잡지 이용정도 한글나머지 공부경험의 여부 귀하 가정의 거주 인원 YES 55.40 77 NO 44.60 62 Total (5.06) 139 YES 12.19 49 NO 87.81 353 Total (14.63) 402 YES 72.18 205 NO 27.82 79 Total (10.33) 284 YES 35.86 52 NO 64.14 93 Total (5.28) 145 YES 3.02 21 NO 96.98 674 Total (25.29) 695 YES 12.82 91 NO 87.18 619 Total (25.84) 710 YES 78.34 123 NO 21.66 34 Total (5.71) 157 YES 25.00 2 NO 75.00 6 Total (0.29) 8 YES 15.91 7 NO 84.09 37 Total (1.60) 44 YES 60.00 21 NO 40.00 14 Total (1.27) 35 [그림 1] 남자들의 평생교육 참여를 예측하는 의사결정모형 YES 16.10 19 NO 83.90 99 Total (4.29) 118

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 45 상기한 바와 같이 남자들의 평생교육의 결정모형은 총소득, 현재의 부양가족이 중요한 변인이었다. 그리고 부모의 최종 학력등과 국어 능력에서 시사되듯이 초기 가정환경에 대한 영향을 받는 것이 남자들의 평생 교육모델에서 특징적으로 나타 나는 현상이었다. 남자들의 평생교육의 참여여부에 관한 최종결과는 <표 2>에서와 같은 이익도표 를 통해 해석될 수 있다. <표 2> 남자모형의 이익도표 Node Node: n Node: n Node-by-Node Gain () Index () Node: n Node: n Cumulative Gain () Index () 11 695 25.29 674 32.45 96.97842 128.30847 695 25.29 674 32.45 96.97842 128.30847 5 402 14.63 353 17.00 87.81095 116.17933 1097 39.92 1027 49.45 93.61896 123.86370 12 710 25.84 619 29.80 87.18310 115.34865 1807 65.76 1646 79.25 91.09020 120.51800 20 44 1.60 37 1.78 84.09091 111.25750 1851 67.36 1683 81.03 90.92382 120.29787 22 118 4.29 99 4.77 83.89831 111.00267 1969 71.65 1782 85.80 90.50279 119.74082 18 8 0.29 6 0.29 75.00000 99.22966 1977 71.94 1788 86.09 90.44006 119.65782 8 145 5.28 93 4.48 64.13793 84.85847 2122 77.22 1881 90.56 88.64279 117.27992 13 11 0.40 7 0.34 63.63636 84.19486 2133 77.62 1888 90.90 88.51383 117.10929 4 139 5.06 62 2.99 44.60432 59.01428 2272 82.68 1950 93.89 85.82746 113.55507 21 35 1.27 14 0.67 40.00000 52.92248 2307 83.95 1964 94.56 85.13221 112.63520 7 284 10.33 79 3.80 27.81690 36.80349 2591 94.29 2043 98.36 78.84986 104.32327 17 157 5.71 34 1.64 21.65605 28.65230 2748 100.00 2077 100.00 75.58224 100.00000 주: 1) Target variable: 지난 1년간 훈련이나 교육을 받은 여부 Target category: No 2) Node는 의사결정나무구조에서 보여주는 마디번호, Node: n은 해당마디 번호에서의 자 료 수. Node: 는 그 백분율 Gain은 ( n)/(node : n)의 비율. Index()는 해당 마디에서의 Gain()/전체자료에서의 평균분류의 비율. 마디 번호는 윗줄의 왼쪽부터 1번이 되는데, 마디번호가 11번인 것은 1년 가족 총수입이 4천 3백 만 원 이상이며 부양가족이 없고 일상에서 서적 이용 정도가 최 소한 일주일에 한번 이상인 남자 집단의 특징을 말한다. 이 11번 마디로 평생교육

46 성인의 직업기초능력 조사 학술대회 참여유무를 예측하는 것은 아무런 정보를 가지지 않고 분류하는 뿌리마디에서 보 다 128 이상의 효율적인 의사결정을 한다는 의미이다. 누적된 이익지수는 각 마 디들이 추가되면서 증감되는 예측의 효율성을 보여주는 것으로 누적된 이익지수의 Index ()가 100가 되는 마디까지를 기준으로 가장 효율적이고 경제적인(즉 간 단하면서도 설명량이 큰) 모델이 자동 설정된 것이다. 전반적으로 평생교육 모델 효율성을 더 높이기 위해 가지치기(pruning)를 해야 한다면, 18번 마디 이하(100 이하)의 특성을 제외하는 것도 고려해 볼 수 있다. 이 표집을 단순임의추출법으로 분할하여, 교차타당성 평가를 시행해 보았다. 여 기서는 전체 응답자를 70의 훈련 집단과 30의 타당화 집단으로 나누어 모형을 구축한 후, 이 모형들의 위험평균을 전체 모형의 위험 추정치로 사용하는 방식을 채택하였다. 위험 추정치는 동일한 해당 마디에 포함되어야 할 임의의 두 사례가 다른 마디로 구분될 확률을 각 마디별로 합산한 지수이다. 이 모형의 경우 훈련 집 단의 위험 추정치가 0.1579(표준오차= 0.006)이고 타당화 집단의 위험 추정치가 0.2134(표준오차= 0.035)로, 과잉일반화의 위험성은 그리 크지 않았다. 2. 여자들의 평생교육 참여여부를 예언하는 의사결정 모형 여자들의 평생교육 참여를 예언하는 모형은 [그림 2]에서 볼 수 있듯이, 나무구 조를 통해 변수의 분리 규칙을 추론할 수 있다. 여자들의 평생교육의 참여여부를 가장 잘 분류해주는 변인도 자기를 포함한 가족들의 1년 총소득이었다. 가족의 1년 총소득이 3천 4백만 원 이상인 경우 평생교육의 참여율이 추가로 2배로 증가한다 (21에서 42로). 이들의 어머니의 최종 학력이 고졸이상인 경우 참여율은 78 이상까지 증가하는 것으로 나타났다. 이들은 지난 4주간 대인관계에서 어려움을 겪 는 경우가 빈번할 경우 평생 교육에의 참여가 100인 것으로 나타났다. 이것은 여 성의 평생교육의 참여가 일상생활과 갈등을 일으키거나 역할 부담을 초래하기 때 문인지 아니면 대인관계의 어려움을 느낀 결과로 평생교육에 참여한 것인지 본 연 구의 결과만으로는 확실하지 않다.

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 47 지난 1년간 훈련이나 교육을 받은 여부 YES 21.20 584 NO 78.80 2171 Total (100.00) 2755 귀하 가족의 1년 총소득 YES 17.70 418 NO 82.30 1943 Total (85.70) 2361 YES 42.13 166 NO 57.87 228 Total (14.30) 394 부양자녀의 유무 어머니의 최종학력 YES 35.52 303 NO 64.48 550 Total (30.96) 853 YES 7.63 115 NO 92.37 1393 Total (54.74) 1508 YES 78.26 108 NO 21.74 30 Total (5.01) 138 YES 22.66 58 NO 77.34 198 Total (9.29) 256 귀하 가정의 거주 인원 일상에서의 서적이용정도 지난 4주간 대인관계의 어려움 일상에서의 편지/메모/이메일 이용정도 YES 16.81 76 NO 83.19 376 Total (16.41) 452 YES 56.61 227 NO 43.39 174 Total (14.56) 401 YES 11.43 96 NO 88.57 744 Total (30.49) 840 YES 2.84 19 NO 97.16 649 Total (24.25) 668 YES 100.00 3 NO 0.00 0 Total (0.11) 3 YES 77.78 105 NO 22.22 30 Total (4.90) 135 YES 13.69 23 NO 86.31 145 Total (6.10) 168 YES 39.77 35 NO 60.23 53 Total (3.19) 88 어머니의 최종학력 총교육연한 지난 4주간 우울한 정도 지난 4주간 감정의 안정성 부양자녀의 유무 YES 47.87 45 NO 52.13 49 Total (3.41) 94 YES 8.66 31 NO 91.34 327 Total (12.99) 358 YES 30.77 16 NO 69.23 36 Total (1.89) 52 YES 60.46 211 NO 39.54 138 Total (12.67) 349 YES 0.00 0 NO 100.00 1 Total (0.04) 1 YES 11.44 96 NO 88.56 743 Total (30.45) 839 YES 25.00 2 NO 75.00 6 Total (0.29) 8 YES 13.13 21 NO 86.88 139 Total (5.81) 160 YES 54.00 27 NO 46.00 23 Total (1.81) 50 YES 21.05 8 NO 78.95 30 Total (1.38) 38 [그림 2] 여자들의 평생교육참여를 예측하는 의사결정모형

48 성인의 직업기초능력 조사 학술대회 가족의 1년 총소득이 3천 4백만 원 이상이고 어머니의 학력이 중졸이하라도 일 상생활에서 편지나 메일을 자주 사용하며(39), 부양자녀가 없는 경우에는 평생교 육의 참여가 59로 증가한다. 남자의 경우와 마찬가지로 부양가족은 개인의 발전 을 일차적으로 의식한 평생교육의 참여를 주저하게 만드는 요인이었다. 이 여성들 은 지난 4주간 감정의 안정성이 있는 경우 평생교육의 참여율이 다소 높아진다. 가족의 1년 총소득이 3천 4백만 원 이하인 여성들의 경우 평생교육의 참여율이 줄어든다.(17로). 경제적인 여유가 없을 경우 여자들의 평생교육은 일차적으로 제한받고 있음을 알 수 있다. 부양가족이 있을 경우 그 가능성은 더 줄어든다 (7). 이들이 일상에서의 서적독서가 거의 없을 경우 평생교육에의 참여가 3가 되지 않는다. 즉, 경제적 어려움과 가사에의 몰입은 여성의 기본적 문화생활에 여 유를 갖지 못하게 함을 확인할 수 있다. 이들이 우울하기까지 한 경우 평생교육에 참여할 확률은 없다(0). 가족의 1년 총소득이 3천 4백만 원 이하라도 역시 부양가족이 없을 경우에는 평 생 교육에 참여할 가능성은 35 정도로 유지된다. 부양가족도 없고, 거주 가족의 수도 적은(3.9명 이하) 여자들은 평생 교육에 잘 참여하지 않으나(16) 어머니의 영향(고학력)을 받아 참여율이 반전된다(47.87). 부양가족이 없으나 거주하는 가 족 수가 약 4명이 넘으면 부모와 동거하는 미혼 여성일 가능성이 높아 평생 교육 에 참여율은 56정도도 높다. 전반적으로 여성들은 남성에 비해 심리적 요인의 영향이 평생 교육의 참여 양상 을 결정하는 경향이 있었다. 직장-가사의 역할 갈등 시사되는 것은 남성의 결정 모 형에서 나타나지 않은 특징이었지만 가족 특히 어머니의 학력수준이 교육적 동기 를 자극하는 것은 남녀 모두에게서 나타나는 공통적인 현상이었다. 여자들의 평생교육의 참여여부에 관한 최종결과는 <표 3>에서와 같은 이익도표 를 통해 해석될 수 있다.

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 49 <표 3> 여자모형의 이익도표 Node Node : n Node: n Node-by-Node Gain () Index () Node : n Node: n Cumulative Gain () Index () 11 1 0.04 1 0.05 100.00000 126.90005 1 0.04 1 0.05 100.00000 126.90005 13 668 24.25 649 29.89 97.15569 123.29061 669 24.28 650 29.94 97.15994 123.29601 5 358 12.99 327 15.06 91.34078 115.91149 1027 37.28 977 45.00 95.13145 120.72185 12 839 30.45 743 34.22 88.55781 112.37990 1866 67.73 1720 79.23 92.17578 116.97110 21 160 5.81 139 6.40 86.87500 110.24442 2026 73.54 1859 85.63 91.75716 116.43987 24 38 1.38 30 1.38 78.94737 100.18425 2064 74.92 1889 87.01 91.52132 116.14059 20 8 0.29 6 0.28 75.00000 95.17503 2072 75.21 1895 87.29 91.45753 116.05965 7 52 1.89 36 1.66 69.23077 87.85388 2124 77.10 1931 88.95 90.91337 115.36911 4 94 3.41 49 2.26 52.12766 66.15002 2218 80.51 1980 91.20 89.26961 113.28318 23 50 1.81 23 1.06 46.00000 58.37402 2268 82.32 2003 92.26 88.31570 112.07266 8 349 12.67 138 6.36 39.54155 50.17824 2617 94.99 2141 98.62 81.81123 103.81849 17 135 4.90 300 1.38 22.22222 28.20001 2752 99.89 2171 100.00 78.88808 100.10901 16 3 0.11 0 0.00 0.00000 0.00000 2755 100.00 2171 100.00 78.80218 100.00000 주: 1) Target variable: 지난 1년간 훈련이나 교육을 받은 여부 Target category: No 2) Node는 의사결정나무구조에서 보여주는 마디번호, Node: n은 해당마디 번호에서의 자료 수. Node: 는 그 백분율 Gain은 ( n)/(node : n)의 비율. Index()는 해당마디에서의 Gain()/전체자료에서의 평균분류의 비율. 이익도표에 대한 해석은 상기한 남성의 의사결정 나무모형과 동일하다. 이 모형의 경우 훈련 집단의 위험 추정치가 0.155(표준오차= 0.006)이고 타당화 집단의 위험 추정치가 0.218(표준오차= 0.011)로, 과잉일반화의 위험성은 거의 없 는 모형으로 판명되었다. 3. 연령에 따른 평생교육 참여의 의사결정 나무모형 40.5세라는 나이는 평생교육의 양상을 좌우하는 결정적인 연령대로 자동 구분되

50 성인의 직업기초능력 조사 학술대회 었다. 예상할 수 있듯이 나이가 어릴수록 평생교육에 참여하는 비율이 높았다(22 에서 32로). 40.5세 이하이고 가족의 1년 총소득이 3천 8백 만 원 이상이면 참여 율은 더 높아진다(56). 이 나이는 직업적인 안정성이 확보되는 중요한 분수령이 될 수 있다. 자신에 대한 제 2의 도약필요성을 크게 느끼고 있는 시기라고 할 수 있는데 부양가족이 있으면 자신에 대한 욕구 충족을 미루는 전형적인 한국 성인의 양상을 보여주고 있다. 이런 맥락에서 부양가족도 없고 최종 학력을 이수했을 때의 나이가 22.5세 이하이면 자신의 발전 가능성을 위한 수단으로 교육에 집중하는 경 향이 있다(53.97). 부양가족이 있더라고 자신이 일하는 사업장의 피고용인 수가 20인 이상의 중소 사업장이라면 평생교육의 참여율이 높아진다(9에서 16.11로). 이것이 제도적인 뒷받침으로 인한 것인지 다양한 역할들을 강요받기 때문인지는 보다 신중한 결론이 필요할 듯하다. 나이도 많고(40.5세 이상) 총 교육연한이 짧은(11.5년 이하) 사람들은 2.57만이 평생교육에 참여한다. 특히 이들이 업무 관련 국어 쓰기 능력이 부족할 경우 거의 평생 교육에 참여하지 않는다(1.53). 이들은 기초 학습 능력의 부적당감과 자신 감 결여로 평생교육에 지극히 소극적인 집단이다. 총 교육연한이 11년 이상이고 최 종 학력을 이수했을 때의 나이가 29세 이상이라면 고등교육을 포함한 장기적인 교 육경험이 있는 집단으로 볼 수 있는데 이들은 평생교육으로의 연계가 자연스럽게 이루어진다는 점에서 평생 교육의 참여도 일정하게 유지되는 것으로 볼 수 있다 (33.33). 최종 학력을 마쳤을 때의 나이가 29세 미만인 사람들이라도 주당 평균 근무시간이 49시간 이상이면 평생 교육의 참여율은 떨어진다(5.71). 이들이 40.5 세 이상인데도 과도한 근무 시간에 시달리는 것은 직장에서 기반을 구축하기 위한 시간 활용 면에서 평생 교육이 우선순위가 아님을 시사한다.

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 51 지난1년간 훈련이나 교육을 받은 여부 YES 22.81 1255 NO 77.19 4248 Total (100.00) 5503 응답자의 나이 YES 32.83 1134 NO 67.17 2320 Total (62.77) 3454 YES 5.91 121 NO 94.09 1928 Total (37.23) 2049 귀하 가족의 1년 총소득 총교육연한 YES 28.21 815 NO 71.79 2074 Total (52.50) 2889 YES 56.46 319 NO 43.54 246 Total (10.27) 565 YES 2.57 25 NO 97.43 746 Total (17.64) 971 YES 8.91 96 NO 91.09 982 Total (19.59) 1078 부양자녀의 유무 강좌 수강 비용의 지불자 업무관련 국어쓰기능력 최종학력을 이수했을 때의 나이 YES 48.66 673 NO 51.34 710 Total (25.13) 1383 YES 9.43 142 NO 90.57 1364 Total (27.37) 1506 YES 63.96 284 NO 36.04 160 Total (8.07) 444 YES 28.93 35 NO 71.07 86 Total (2.20) 121 YES 19.64 11 NO 80.36 45 Total (1.02) 56 YES 1.53 14 NO 98.47 901 Total (16.63) 915 YES 8.42 89 NO 91.58 968 Total (19.21) 1057 YES 33.33 7 NO 66.67 14 Total (0.38) 21 최종학력을 이수했을때의 나이 귀하가 일하는 사업장의 피고용인 수 평균주당 근무시간 YES 53.97 612 NO 46.03 522 Total (20.61) 1134 YES 24.50 61 NO 75.50 188 Total (4.52 249 YES 7.56 89 NO 92.44 1088 Total (21.39) 1177 YES 16.11 53 NO 83.89 276 Total (5.98) 329 YES 13.37 50 NO 86.63 324 Total (6.80) 374 YES 5.71 39 NO 94.29 644 Total (12.41) 683 [그림 3] 연령에 따른 평생교육 참여 예측의 의사결정 나무모형

52 성인의 직업기초능력 조사 학술대회 연령 대에 따른 결정모형을 통해 평생 교육에의 참여가 중년기의 심리, 사회적 발달과제와 밀접하게 연관되어 있고 성공적 적응을 추정하는 단서가 될 수 있음을 알 수 있다. 정규 교육과 평생 교육 간의 자연스러운 연계 방안을 정책적으로 고안 할 필요가 있다. 연령 대에 따른 평생교육의 참여여부에 관한 최종결과는 <표 4>에서와 같은 이 익도표를 통해 해석될 수 있다. <표 4> 연령모형의 이익도표 Node Node: n Node: n Node-by-Node Gain () Index () Node : n Node: n Cumulative Gain () Index () 15 915 16.63 901 21.21 98.46995 127.56123 915 16.63 901 21.21 98.46995 127.56123 19 683 12.41 644 15.16 94.28990 122.14626 1598 29.04 1545 36.37 96.68335 125.24682 7 1177 21.39 1088 25.61 92.43840 119.74777 2775 50.43 2633 61.98 94.88288 122.91443 18 374 6.80 324 7.63 86.63102 112.22469 3149 57.22 2957 69.61 93.90283 121.64483 8 329 5.98 276 6.50 83.89058 108.67463 3478 63.20 3233 76.11 92.95572 120.41792 14 56 1.02 45 1.06 80.35714 104.09731 3534 64.22 3278 77.17 92.75608 120.15931 5 249 4.52 188 4.43 75.50201 97.80780 3783 68.74 3466 81.59 91.62041 118.68811 11 121 2.20 86 2.02 71.07438 92.07211 3904 70.94 3552 83.62 90.98361 117.86318 20 21 0.38 14 0.33 66.66667 86.36221 3925 71.32 3566 83.95 90.85350 117.69464 4 1134 20.61 522 12.29 46.03175 59.63105 5059 91.93 4088 96.23 80.80648 104.67940 10 444 8.07 160 3.77 36.03604 46.68228 5503 100.00 4248 100.00 77.19426 100.00000 주: 1) Target variable: 지난 1년간 훈련이나 교육을 받은 여부 Target category: No 2) Node는 의사결정나무구조에서 보여주는 마디번호, Node: n은 해당마디 번호에서의 자료 수. Node: 는 그 백분율 Gain은 ( n)/(node : n)의 비율. Index()는 해당마디에서의 Gain()/전체자료에서의 평균분류의 비율. 이익도표에 대한 해석은 위와 동일하다. 이 모형의 경우 훈련 집단의 위험 추정치가 0.189(표준오차= 0.005)이고 타당화 집 단의 위험 추정치가 0.199(표준오차= 0.009)로 과잉일반화의 위험성은 매우 적었다.

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 53 Ⅳ. 결과요약 및 논의 이 연구는 평생학습 참여에 대한 성별과 연령별 결정요인을 알아보기 위하여 한 국직업능력개발원에서 실시한 ALL 조사 자료를 data mining 기법에 의해 분석하 였다. 앞서도 제시하였듯이 본 연구의 1차적인 목표는 집단별 결정요인의 차이를 알아보는 것이지만 부차적으로 이러한 분석을 위하여 이 기법이 의의있는 방법이 될 수 것인지를 확인해보고자 하였다. 여기에서는 분석결과를 간략히 요약하고 그 의의를 논하고자 한다. 먼저 남성 집단의 평생학습 참여와 관련한 결과는 다음과 같다. 첫째, 남자집단의 평생교육의 참여여부를 가장 잘 분류해주는 변인은 자기를 포 함한 가족들의 1년 총소득이었다. 가족의 1년 총소득이 4천 3백만 원 이상인 경우 평생교육의 참여율이 추가로 20이상 높아졌고 또한 부양가족이 없을 경우 참여 율이 증가하는 것으로 나타났다. 그러나 특이하게도 이들 집단은 한글을 깨우칠 때 곤란을 겪었던 경험(나머지 공부의 경험)있으면 참여율이 크게 저하되는 양상을 보였다. 둘째, 가족의 1년 총소득이 4천 3백만 원 이하인 남자는 이상인 남자에 비해 평 생교육의 참여율이 절반 수준에도 못 미쳤고, 이들이 부양가족이 있으면 참여율은 하락하였다. 그러나 이들 특성을 가진 남자가 최종 학력을 이수했을 때의 나이가 34세 이상일 경우 참여율 하락의 양상은 극적으로 반전되었다. 셋째, 가족의 1년 총소득이 4천 3백만 원 이하이지만 부양가족이 없으면 참여율 은 39 이지만 가정의 거주 인원이 3.7명 이상인 남자의 경우에는 20 증가한다. 이러한 결과는 남자집단의 평생교육의 결정모형은 총소득, 현재의 부양가족이 중 요한 변인이었다. 그리고 부모의 최종 학력등과 국어 능력에서 시사되듯이 초기 가 정환경에 대한 영향을 받는 것이 남자들의 평생 교육모델에서 특징적으로 나타나 는 현상이었고, 만학에 대한 의지와 실현이 평생교육의 지속적 참여를 유지하는 중 요한 보호요인이었다. 여성 집단의 평생학습 참여와 관련한 결과는 다음과 같다.

54 성인의 직업기초능력 조사 학술대회 첫째, 여자집단의 평생교육의 참여여부를 가장 잘 분류해주는 변인도 자기를 포 함한 가족들의 1년 총소득이었다. 가족의 1년 총소득이 3천 4백만 원 이상인 경우 평생교육의 참여율이 추가로 2배로 증가하고 이들의 어머니 최종 학력이 고졸이상 인 경우 참여율은 78이상까지 증가하는 것으로 나타났다. 이들은 지난 4주간 대 인관계에서 어려움을 겪는 경우가 빈번할 경우 평생 교육에의 참여가 100인 것 으로 나타났다. 둘째, 가족의 1년 총소득이 3천 4백만 원 이상이고 어머니의 학력이 중졸이하라 도 일상생활에서 편지나 메일을 자주 사용하며, 부양자녀가 없는 경우에는 평생교 육의 참여가 증가한다. 셋째, 가족의 1년 총소득이 3천 4백만 원 이하인 여성들의 경우 평생교육의 참여 율이 줄어들고 부양가족이 있을 경우 그 가능성은 더 줄어든다. 이들이 일상에서의 서적독서가 거의 없을 경우 평생교육에의 참여가 3가 되지 않는다. 이들이 우울 하기까지 한 경우 평생교육에 참여할 확률은 없다. 넷째, 가족의 1년 총소득이 3천 4백만 원 이하라도 역시 부양가족이 없을 경우에 는 평생 교육에 참여할 가능성은 어느 정도로 유지된다. 부양가족도 없고, 거주 가 족의 수도 적은 여자들은 평생 교육에 잘 참여하지 않으나 어머니의 영향(고학력) 을 받아 참여율이 반전된다. 부양가족이 없으나 거주하는 가족 수가 약 4명이 넘으 면 부모와 동거하는 미혼 여성일 가능성이 높아 평생 교육에 참여율은 높아진다. 전반적으로 여성들은 남성에 비해 심리적 요인의 영향이 평생 교육의 참여 양상 을 결정하는 경향이 있었다. 직장-가사의 역할 갈등 시사되는 것은 남성의 결정 모 형에서 나타나지 않은 특징이었지만 가족 특히 어머니의 학력수준이 교육적 동기 를 자극하는 것은 남녀 모두에게서 나타나는 공통적인 현상이었다. 연령집단에 따 른 평생학습 참여 결과는 다음과 같다. 첫째, 40.5세라는 나이는 평생교육의 양상을 좌우하는 결정적인 연령대로 자동 구분되었다. 예상할 수 있듯이 나이가 어릴수록 평생교육에 참여하는 비율이 높았 다. 40.5세 이하이고 가족의 1년 총소득이 3천 8백 만 원 이상이면 참여율은 더 높 아진다 둘째, 나이도 많고(40.5세 이상) 총 교육연한이 짧은(11.5년 이하) 사람들은

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 55 2.57만이 평생교육에 참여한다. 특히 이들이 업무 관련 국어 쓰기 능력이 부족할 경우 거의 평생 교육에 참여하지 않는다. 이들은 기초 학습 능력의 부적당감과 자 신감 결여로 평생교육에 지극히 소극적인 집단이다. 셋째, 총 교육연한이 11년 이상이고 최종 학력을 이수했을 때의 나이가 29세 이 상이라면 고등교육을 포함한 장기적인 교육경험이 있는 집단으로 볼 수 있는데 이 들은 평생교육으로의 연계가 자연스럽게 이루어진다는 점에서 평생 교육의 참여도 일정하게 유지되는 것으로 볼 수 있다). 최종 학력을 마쳤을 때의 나이가 29세 미 만인 사람들이라도 주당 평균 근무시간이 49시간 이상이면 평생 교육의 참여율은 떨어진다. 전반적으로 연령 대에 따른 결정모형을 통해 평생 교육에의 참여가 중년기의 심 리, 사회적 발달과제와 밀접하게 연관되어 있고 성공적 적응을 추정하는 단서가 될 수 있음을 알 수 있다. 이 연구의 1차적인 목표는 평생학습의 참여와 관련하여 집단별 특성에 따라 서 로 다른 모형이 구축될 수 있는가를 확인하는 것이다. 이러한 가능성의 확인은 집 단별 특성에 따라 평생학습을 위한 유인책이나 지원책을 마련하고자 할 때 중요한 시사를 줄 수 있다. 결과에서 보듯이 남녀별 평생교육의 참여에 관한 모델에서 몇가지 중요한 차이 를 보여주었다. 남성과 여성집단에 있어서 평생학습 참여의 중요한 변인은 1년 소 득이지만 성별로 다르게 나타나 남성의 경우는 그 기준이 4천300백만원이었고 여 성의 경우 3천400백만원이었다. 남성은 부모의 학력이 높은 경우 그리고 부양가족이 없을 경우, 일주일에 한번 이상 독서를 하는 집단은 참여율이 높은 반면 국어능력이 떨어지거나 학력이 낮은 경우 참여율이 떨어지고 있다. 남자들의 평생교육의 결정모형은 총소득과 현재의 부양가족이 중요한 변인이었다. 그리고 부모의 최종 학력등과 국어 능력에서 시사 되듯이 초기 가정환경에 대한 영향을 받는 것이 남자들의 평생 교육모델에서 특징 적으로 나타나는 현상이었고, 만학에 대한 의지와 실현이 평생교육의 지속적 참여 를 유지하는 중요한 보호요인이었다. 여성은 여성에 비해 심리적 요인의 영향이 평 생 교육의 참여 양상을 결정하는 경향이 있다. 직장-가사의 역할 갈등 시사되는 것

56 성인의 직업기초능력 조사 학술대회 은 남성의 결정 모형에서 나타나지 않은 특징이었지만 가족 특히 어머니의 학력수 준이 교육적 동기를 자극하는 것은 남녀 모두에게서 나타나는 공통적인 현상이다. 이러한 결과는 남성과 여성에 따라 평생학습에 참여를 촉진시키는 보호요인과 참 여를 저해하는 위험요인이 다룰 수 있음을 나타낸다. 이러한 집단별 평생교육 참여 요인의 차이는 지원책이나 유인책을 수립할 때 집단의 특성에 맞는 정책을 개발할 필요가 있음을 시사한다. 참 고 문 헌 이병희 장수명 장원섭(2005). 평생학습과 노동시장 연구. 한국노동연구원. 임언 최동선 오은진(2005). 한국의 성인직업기초능력. 한국직업능력개발원 최돈민 양흥권 이세정2005). 한국 성인의 평생학습 참여실태 조사. 한국교육개발원 CRM을 위한 데이터마이닝(2000). 알렉스 버슨 외 지음. 홍성완 외 옮김. 대청 클레멘타인을 이용한 데이터마이닝(2001). 허준, 최병준 공역. spss아카데미. SPSS Inc.(1998). Answer Tree 1.0 User's Guide. Chigago, Spss Inc. SPSS Inc.(2000). Neural Connection 2.0 User's Guide. Chigago, Spss Inc. SPSS Inc.(2001). Clementine 6. 1 User's Guide. Chigago, Spss Inc Ball, M.J.(2000). International Efforts in Informatics: Creating a Global Village for healthcare. M.D. Computing May/June 2000, 50-53.

CRM을 통한 평생교육 참여의 결정요인에 관한 연구 57 <부록 1> 학력의 의사결정모형 지난 1년간 훈련이나 교육을 받은 여부 YES 22.81 1255 NO 77.19 4248 Total (100.00) 5503 총교육연한 YES 25.42 365 NO 74.58 1071 Total (26.09) 1436 YES 21.88 890 NO 78.12 3177 Total (73.91) 4067 귀하 가족의 1년 총소득 귀하 가족의 1년 총소득 YES 19.07 225 NO 80.93 955 Total (21.44) 1180 YES 54.69 140 NO 45.31 116 Total (4.65) 256 YES 19.46 698 NO 80.54 2888 Total (65.16) 3586 YES 39.92 192 NO 60.08 289 Total (8.74) 481 부양자녀의 유무 부양자녀의 유무 부양자녀의 유무 응답자의 나이 YES 36.91 210 NO 63.09 359 Total (10.34) 569 YES 2.45 15 NO 97.55 596 Total (11.10) 611 YES 69.90 137 NO 30.10 59 Total (3.56) 196 YES 5.00 3 NO 95.00 57 Total (1.09) 60 YES 38.31 477 NO 61.69 768 Total (22.62) 1245 YES 9.44 221 NO 90.56 2120 Total (42.54) 2341 YES 70.65 142 NO 29.35 59 Total (3.65) 201 YES 17.86 50 NO 82.14 230 Total (5.09) 280 아버지의 최종 학력 업무관련 국어쓰기능력 일상생활에서의 편지/메모/임일 이용정도 어머니의 최종학력 일상생활에서의 서적이용정도 어머니의 최종 학력 일상에서의 잡지 이용정도 YES 89.19 165 NO 10.81 20 Total (3.36) 185 YES 11.72 45 NO 88.28 339 Total (6.98) 384 YES 18.18 8 NO 81.82 36 Total (0.80) 44 YES 1.23 7 NO 98.77 560 Total (10.30) 567 YES 96.06 122 NO 3.94 5 Total (2.31) 127 YES 21.74 15 NO 78.26 54 Total (1.25) 69 YES 57.28 303 NO 42.72 226 Total (9.61) 529 YES 24.30 174 NO 75.70 542 Total (13.01) 716 YES 3.50 31 NO 96.50 854 Total (16.08) 885 YES 13.05 190 NO 86.95 1266 Total (26.46) 1456 YES 81.73 85 NO 18.27 19 Total (1.89) 104 YES 58.76 57 NO 41.24 40 Total (1.76) 97 YES 25.75 43 NO 74.25 124 Total (3.03) 167 YES 6.19 7 NO 93.81 106 Total (2.05) 113 [그림 4] 교육연한에 따라 평생교육의 참여를 예언하는 의사결정나무모형

58 성인의 직업기초능력 조사 학술대회 Node Node: n Node: Node-by-Node n Gain () Index () Node: n Node: n Cumulative Gain () Index () 8 567 10.30 560 13.18 98.76543 127.94401 567 10.30 560 13.18 98.76543 127.94401 20 885 16.08 854 20.10 96.49718 125.00564 1452 26.39 1414 33.29 97.38292 126.15306 13 60 1.09 57 1.34 95.00000 123.06615 1512 27.48 1471 34.63 97.28836 126.03057 28 113 2.05 106 2.50 93.80531 121.51851 1625 29.53 1577 37.12 97.04615 125.71680 5 384 6.98 339 7.98 88.28125 114.36246 2009 36.51 1916 45.10 95.37083 123.54654 21 1456 26.46 1266 29.80 86.95055 112.63862 3465 62.97 3182 74.91 91.83261 118.96301 7 44 0.80 36 0.85 81.81818 105.98998 3509 63.77 3218 75.75 91.70704 118.80034 12 69 1.25 54 1.27 78.26087 101.38172 3578 65.02 3272 77.02 91.44774 118.46443 18 716 13.01 542 12.76 75.69832 98.06212 4294 78.03 3814 89.78 88.82161 115.06246 27 167 3.03 124 2.92 74.25150 96.18785 4461 81.06 3938 92.70 88.27617 114.35588 17 529 9.61 226 5.32 42.72212 55.34365 4990 90.68 4164 98.02 83.44689 108.09987 25 97 1.76 40 0.94 41.23711 53.41992 5087 92.44 4204 98.96 82.64203 107.05722 24 104 1.89 19 0.45 18.26923 23.66657 5191 94.33 4223 99.41 81.35234 105.38652 4 185 3.36 20 0.47 10.81081 14.00468 5376 97.69 4243 99.88 78.92485 102.24187 11 127 2.31 5 0.12 3.93701 5.10013 5503 100.00 4248 100.00 77.19426 100.00000 주: 1) Target variable: 지난 1년간 훈련이나 교육을 받은 여부 Target category: No 2) Node는 의사결정나무구조에서 보여주는 마디번호, Node: n은 해당마디 번호에서의 자 료 수. Node: 는 그 백분율 Gain은 ( n)/(node : n)의 비율. Index()는 해당 마디에서의 Gain()/전체자료에서의 평균분류의 비율.