행동 변화 기반 인사데이터를 활용한 멀티스테이지 앙상블 기반 자발적 퇴직 예측 연구
Voluntary Turnover Prediction with a Multi-Stage Ensemble Model Based on Behavioral HR Data
- 발행기관 서강대학교 AI.SW대학원
- 지도교수 김영재
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 AI.SW대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000082150
- UCI I804:11029-000000082150
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 국내 D 대기업 종합직1 사원의 자발적 퇴직(Voluntary Turnover)을 조기에 예측하기 위해, 행동변화 기반 HR 데이터를 활용한 다단계 앙상블 프레임워크 MSTEP(Multi-Stage Turnover Evaluation Pipeline)을 제안하였다. 2019~2024 년의 평가, 연차, 교육 데이터를 기반으로 연차 집중도, 급증률, 평가 기울기, 복지참여 등 행동기반 파생변수를 설계하고, XGBoost 와 SHAP 분석을 통해 예측력과 해석력을 확보하였다. 실험 결과, 정적·스냅샷 변수만 사용한 A/B 모델 대비 행동기반 파생변수를 포함한 C 모델(MSTEP)은 F1-score 0.80, ROC-AUC 0.977 로 성능이 가장 우수하였고, SHAP 분석에서는 연차 패턴과 평가 하락이 주요 이탈 신호로 나타났다. 또한, 퇴직 확률 기반의 삼진분류를 통해 ‘경계군’을 탐지하였으며, 이들은 실제 퇴사율이 높고 이탈 유사 행동을 보여 선제 개입 필요성이 확인되었다. 본 연구는 설문 기반 한계를 넘어 실제 퇴직 발령 데이터를 활용하고, 설명 가능한 예측 구조를 통해 실무적 조기경보 시스템 구현 가능성을 실증적으로 제시하였다. 1 정규 4 년제 대학 졸업자를 중심으로 선발된 기획, 전략, 인사, 재무 등 사무직 기반의 직군
more목차
제 1 장 서론 2
제 1 절 연구 배경 및 문제 제기 2
제 2 절 연구 목적 및 기여 6
제 3 절 논문 구성 9
제 2 장 이론적 배경 및 선행연구 고찰 12
제 1 절 퇴직 관련 주요 이론 12
제 2 절 선행연구 고찰 14
제 3 절 본 연구의 차별성 17
제 3 장 연구 설계 및 방법론 21
제 1 절 분석 프레임워크 (MSTEP) 개요 21
제 2 절 데이터 수집 및 전처리 26
제 3 절 변수 정의 및 파생 변수 설계 28
제 4 절 모델 구성 및 실험 설계 (A/B/C 비교모형 포함). 33
제 4 장 실증 분석 결과 37
제 1 절 기술통계 요약 37
제 2 절 로지스틱 회귀 분석 요약 39
제 3 절 머신러닝 모델 성능 비교 43
제 4 절 오버샘플링 기반 성능비교 48
제 5 절 SHAP 기반 변수 해석 53
제 6 절 삼진분류 기반 경계군 분석 57
제 7 절 경계군 해석 및 실무 전략 61
제 5 장 논의 및 시사점 64
제 1 절 분석 결과 종합 해석 64
제 2 절 기존 연구와의 비교 66
제 3 절 조직 실무 적용 가능성 69
제 4 절 연구 한계 및 향후 과제 72
제 6 장 결론 75
참고문헌 80
