▣ 관련 정책현안 및 연구의 필요성

□ 빅데이터 분석 및 기계학습(machine learning)은 최근 학계에서 주목받고 있는 데이터 분석 기법으로, 근래에는 단순히 용량이 크
거나 많은 데이터를 처리하는 것을 넘어 단어를 비롯한 문자 인식 뿐만 아니라 자연어(natural language)를 인식하고 처리하는 수준까
지 발전하였음
○ 이를 통해 기존의 정량 분석에서 거시경제 지표 및 수치화된 자료만을 대상으로 가능했던 분석을 자연어까지 포함하는 것으로 확장할 수 있음
○ 기계학습과 딥러닝은 경제학에서는 금융 분야에서 주로 활용되고 있는데, 각종 분석 보고서 및 뉴스 등의 자연어 데이터를 기계학습과 딥러닝
을 통해 학습하여 분석에 활용하고 있음
○ 자연어를 이용하지 않은 기존의 분석은 주로 거시경제 지표 및 노동시장의 주요 지표를 이용하였음
○ 자연어를 포함함으로써 정확한 경제 현황 뿐만 아니라 여론 및 시장 참여자들의 심리가 실제 노동시장의 주요 지표들에 영향을 미치는지 알아
볼 수 있음

□ 기계학습 및 딥러닝은 빅데이터를 활용한 보다 정확한 분석이 가능케 함
○ 기계학습은 일별, 월별, 분기별, 연도별 자료 전체를 가지고 프로그램이 가장 예측력이 좋은 모형을 스스로 탐색하고 설정하여 결과를 해석하
고 전망치를 제시함
○ 기존의 정량 분석은 연구자가 설정한 모형을 바탕으로 자료를 분석하여 결과를 해석했던 데 반해, 기계학습 및 딥러닝은 주어진 자료를 활용하
여 프로그램이 여러 모형 중 가장 설명력이 높은 모형을 설정하고 선택된 모형에 대해서 주어진 데이터를 통해서 보정하고 개선하여 분석하므로 모형
설정 단계에서 연구자의 주관이 배제될 수 있으며, 데이터의 변화에 따라 모형의 업데이트도 가능함
○ 아울러 방대한 자료를 이용해서 데이터 안에서 다양한 설명 방법을 검토할 수 있으므로 자료의 양이나 크기에 구애받지 않은 분석이 가능하여
환율이나 주가 등 각종 일별 데이터들도 포함하여 분석하는 것에 무리가 없음
○ 다만 기계학습은 분석한 결과를 식으로 나타내지 않기 때문에 결과를 해석하는 데 있어 명확하지 않은 단점은 존재

□ 고용에 대한 사회적 관심이 커짐에 따라 노동시장에 대한 전망은 갈수록 중요해지고 있음
○ 기계학습을 통한 모형이 노동시장의 주요 지표들을 정확하게 분석하거나 예측한다면 노동시장에 대한 선제적인 대응이 가능할 수 있음
○ 아울러 회귀분석에 기반한 기존 연구들에서 고려치 않은 변수들 중에 노동시장에 영향을 미치는 것으로 나타나는 변수들이 있을 수 있으므로 이
들에 대해서도 탐색해 볼 수 있음
○ 따라서 자연어 처리와 기계학습을 통한 분석이 높은 정확도를 보여준다면 추후 학술적/정책적 활용도가 높을 수 있음
○ 본 연구의 결과는 따라서 노동시장에서의 실업률 증가나 고용상황 악화 등을 선제적으로 예측하여 파악하여 양질의 일자리를 창출하거나 좋은 일
자리를 늘리고 고용 악화에 선제적으로 대응하는 등, 4차 산업혁명의 기술을 실제 생활에서의 후생 증진과 연결짓는 가교 역할을 할 수 있음

□ 한국어를 활용한 자연어 처리
○ 기계학습 및 자연어 처리는 미국이 가장 선도적인 연구를 진행하고 있기 때문에 영어에 대해서는 자연어를 효율적으로 처리하기 위한 다양한 연
구들이 진행되어 왔으나, 한국어를 활용한 연구는 상대적으로 많지는 않음
○ 기본적인 원리는 자연어를 벡터화하는 word embedding 과정이지만, 한국어에 대해서 효과적으로 학습된 프로그램을 개발하기 위한 연
구는 아직 미진한 편임
○ 따라서 자연어를 포함한 기계학습과 그렇지 않은 기계학습을 비교하는 과정에서 한국어의 자연어 처리에서의 효율 및 추후 연구에서의 개선 방
향 등에 대해서도 검토하거나 시사점을 제시할 수 있을 것임

▣ 연구 목적

□ 한국어로 된 자연어 처리를 노동시장 분석에 활용

□ 신문기사 및 여론이 노동시장의 지표들에 영향을 미치는지 파악

□ 빅데이터를 활용하여 기계학습 및 딥러닝을 통해 노동시장의 주요 지표 분석 및 예측