• 한국가정과교육학회지
• /
• 제33권1호
• /
• pp.129-149
• /
• 2021

본 연구는 대학의 가정 관련 전공 개설 현황과 중등학교 가정과교육과정에 요구되는 변화를 분야별로 살펴보고, 차기 고등학교 교육과정에서 편성할 수 있는 가정교과(군)의 선택과목을 구조화하는 데 목적이 있다. 이를 위해 관련 문헌과 자료를 분석하고, 가정교과 전문가를 대상으로 설문 조사와 FGI를 실시하였으며, 연구 결과는 다음과 같다. 첫째, 가정교과는 자연계열의 생활과학 영역뿐만 아니라 사회계열, 교육계열, 공학계열, 예체능계열 등과 연관성이 높았다. 2019학년도 가정교과와 관련된 학과수는 전문대학교 1,405개, 4년제 대학교 961개였으며, 총 입학생수를 기준으로 가정교과 관련 학과 입학생수는 전문대학교는 약 12%, 4년제 대학교는 약 7.3%를 차지하여 고등학교 가정교과(군) 선택과목을 개설할 기반이 충분함을 확인하였다. 둘째, 중등학교 가정과교육과정에서는 분야별로 달라진 식·의·주·가족·소비생활 패턴과 삶의 가치관에 따라 문화, 관계, 자립, 지속가능성 등의 개념을 강조하였으며, 단순 지식적인 측면의 내용은 줄이고, 깊이 있고 고차원적인 사고와 문화를 향유할 수 있는 방식으로 가정교과 내용이 구성되기를 희망하였다. 이러한 요구는 가정교과(군)의 선택과목을 다양화, 전문화하여 구조화함으로써 반영할 수 있을 것이다. 셋째, 고등학교 가정교과(군) 선택과목을 아동·가족, 식생활, 의생활, 주생활, 소비·가정관리, 가정교과 통합분야에서 총 18개의 선택과목명과 과목 개요를 구조화하였다. 본 연구 결과는 차기 가정과교육과정 편성을 위한 기초 자료를 제공하고, 고등학생들에게 가정교과(군)의 과목 선택권을 확대함으로써 고교학점제의 안착에도 기여할 것이다.

• 환경영향평가
• /
• 제32권2호
• /
• pp.134-145
• /
• 2023

현재 주요하천의 홍수터는 레저활동의 증가와 접근성 개선에 따라 다양한 형태의 친수공간으로 변모하고 있다. 일반적으로 하도내의 친수활동은 여름철에 집중되는 경향이 있고 이 시기의 친수활동은 수질에 직접적 영향을 미친다. 이에 따라 친수활동이 집중되는 시기의 친수활동의 특성과 수질에 대한 정확한 비교평가가 필요하다. 본 연구에서는 친수지구 이용자의 친수활동 현황과 친수지구 수질을 비교분석 하기 위해 다음과 같이 연구를 수행하였다. 첫째, 환경부 수질측정망 정보를 이용하여 조사대상 친수지구 3개소를 선정하였다. 둘째 친수지구 이용자를 대상으로 친수활동 만족도 및 유형에 대한 설문조사를 실시하였다. 셋째, 월별 수질측정 인자를 기준으로 수질등급을 산정하고 이를 비교하였다. 넷째, 최근 5년간의 수질측정 자료를 이용하여 친수활동이 높은 시기와 그렇지 않은 시기의 수질특성에 유의한 차이가 있는지를 통계분석(일원배치 분산분석) 하였다. 이러한 분석결과 본 연구에서는 다음과 같은 결론을 도출하였다. 첫째, 친수활동 이용도는 캠핑, 수상스키, 낚시, 수영, 래프팅 등의 순으로 조사되었다. 둘째, 친수활동 만족요소는 활동편이성, 수질, 수변경관, 교통접근 편의성, 기온 등의 순으로 조사되었다. 셋째, 친수지구 수질만족도는 관할기관에서 제시되는 수질등급과는 상관없이 대체로 만족하지 못하는 것으로 나타났다. 넷째, 환경부 수질측정망 데이터를 수질등급으로 비교결과 대체로 양호한 등급이 나타났고 특히 BOD항목 등은 계절별로 등급 빈도간의 차이가 있는 것으로 나타났다. 다섯째, 수질관측망 자료를 계절별로 통계분석(일원배치 분산분석) 결과 DO를 제외한 COD, BOD, TP, TOC는 통계적으로 유의한 차이가 있었다. 이러한 연구 결과를 종합하여 볼 때 친수지구내의 수질개선에 대한 종합적 관리체계 마련과 친수활동이 높은 시기에 대해서는 수질개선 노력이 더 필요하며 향후 에는 친수지구의 수질예보 체계 마련이 필요할 것으로 판단된다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.427-435
• /
• 2023

이상기상으로 인한 봄꽃 개화 시기의 변화는 식물의 생장기간 뿐 아니라 생물계절을 포함한 생태계의 모든 측면에 영향을 미친다. 따라서 봄꽃 개화 시기를 예측하는 것은 산림 생태계의 효과적인 관리에 필수적이다. 본 연구에서는 464곳의 산림에서 수집된 날씨정보를 기반으로 대한민국 산림의 대표적인 5가지 수종(미선나무, 아까시나무, 철쭉, 산철쭉, 마가목)의 2023년 개화 시기를 예측하기 위해 과정 기반 모형을 사용하였다. 이를 위해 28개 지역의 9년간(2009-2017) 개화 시기 자료를 활용하여 모형을 개발하였다. 개화 시기는 식물의 세 개 이상의 위치에서 처음으로 꽃이 피는 것을 기준으로 측정되었다. 본 연구에서는 STDD와 GDD 과정 기반 모형을 사용하여 개화 시기를 예측하였으며, 두 모형 모두 일반적으로 우수한 성능을 보였다. 과정 기반 모형의 주요 입력변수인 날씨 자료는 산악기상관측시스템과 기상청에서 제공하는 기온 정보를 융합하여 1km의 공간 해상도로 일 단위 기온 자료를 생성하였다. 지역별 보정 계수를 생산하고 적용하기 위해 랜덤포레스트 기계 학습을 활용하여 STDD와 GDD 모형을 기반으로 예측 정확도를 개선하였다. 결과적으로 보정 계수가 적용될 때 대부분의 수종에서 개화 시기의 예측 오차가 작았으며, 특히, 미선나무, 아까시나무, 철쭉에서 평균제곱근오차가 각각 1.2, 0.6, 1.2일로 매우 낮았다. 모형 성능을 평가하기 위해 10회의 무작위 샘플링 테스트를 실시하고, 최적의 결정계수 값을 가진 모형을 선택하여 모형의 성능을 평가하였다. 그 결과, 마가목을 제외한 모든 수종에서 보정 계수가 적용된 모형에서 결정계수가 최소 0.07에서 최대 0.7 증가하였으며 최종적으로 75%에서 90%의 설명력을 가졌다. 이를 기반으로 수종별 보정 계수를 산출하였으며, 1km 해상도의 전국 단위 개화시기예측 지도를 제작하였다. 본 연구는 식물의 계절 변화에 대한 자료로 활용될 것으로 예상되며, 수종 및 지역별로 개화 시기를 상세히 설명하여 기후 변화로 인한 계절 변화를 연구하는 데에 유용할 것으로 기대된다. 또한 우리나라 산림의 주요 수종에 대한 정확도 높은 개화 시기 예측 서비스는 산림 방문객들의 산림 경험 만족도를 크게 높일 수 있으며, 양봉업 등 임업 종사자들의 경제적 향상에 기여할 것으로 기대된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.59-77
• /
• 2012

기업의 성장성, 수익성, 안정성, 활동성, 생산성 등에 대한 다양한 분석이 은행, 신용평가기관, 투자자 등 많은 이해관계자에 의해 실시되고 있고, 이에 대한 다양한 경영분석 지표들 또한 정기적으로 발표되고 있다. 본 연구에서는 이러한 경영분석 지표를 이용하여 어떤 기업이 가까운 미래에 유상증자를 실시하는지를 데이터마이닝을 통해 예측하고자 한다. 본 연구를 통해 어떠한 지표가 유상증자 여부를 예측하는데 도움이 되는가를 살펴 볼 것이며, 그 지표들을 이용하여 예측할 경우 그 예측의 정확도가 어느 정도인지를 분석하고자 한다. 특히 1997년 IMF 금융위기 전후로 유상증자를 결정하는 변수들이 변화하는지, 그리고 예측의 정확성에 분명한 차이가 존재하는지 분석한다. 또한 유상증자 실시 시기를 경영분석 지표 발표 후 1년 내, 1~2년 내, 2~3년 내로 나누어 예측 시기에 따라 예측의 정확성과 결정 변수들의 차이가 존재하는지도 분석한다. 658개의 유가증권상장법인의 경영분석 데이터를 이용하여 실증 분석한 결과, IMF 이후의 유상증자 예측모형이 IMF 이전의 예측모형에 비해 예측 정확도가 높았고, 학습용 데이터의 예측 정확도와 검증용 데이터의 예측 정확도 차이도 IMF 이후가 낮게 나타났다. 이러한 결과는 IMF 이후 재무자료의 정확도가 높아졌고, 기업에게 유상증자의 목적이 더욱 명확해졌다고 해석될 수 있다. 또한 예측기간이 단기인 경우 경영분석 지표 중 안전성에 관련된 지표들의 중요성이 부각되었고, 장기인 경우에는 수익성과 안전성뿐만 아니라 활동성과 생산성 관련지표도 유상증자를 예측하는 데 중요한 것으로 파악되었다. 그리고 모든 예측모형에서 산업코드가 유상증자를 예측하는 중요변수로 포함되었는데 이는 산업별로 서로 다른 유상증자 유형이 존재한다는 점을 시사한다. 본 연구는 투자자나 재무담당자가 유상증자 여부를 장단기 시점에서 예측하고자 할 때 어떠한 경영분석지표를 고려하여 분석하는 것이 바람직한지에 대한 지침을 제공하는데 그 의의가 있다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.1-17
• /
• 2015

최근, 군에서 가장 이슈가 되고 있는 문제는 기강 해이, 복무 부적응 등으로 인한 병력 사고이다. 이 같은 사고를 예방하는 데 있어 가장 중요한 것은, 사고의 요인이 될 수 있는 문제를 사전에 식별 관리하는 것이다. 이를 위해서 지휘관들은 병사들과의 면담, 생활관 순찰, 부모님과의 대화 등 나름대로의 노력을 기울이고 있기는 하지만, 지휘관 개개인의 역량에 따라 사고 징후를 식별하는 데 큰 차이가 나는 것이 현실이다. 본 연구에서는 이러한 문제점을 극복하고자 모든 지휘관들이 쉽게 획득 가능한 객관적 데이터를 활용하여 사고를 예측해 보려 한다. 최근에는 병사들의 생활지도기록부 DB화가 잘 되어있을 뿐 아니라 지휘관들이 병사들과 SNS상에서 소통하며 정보를 얻기 때문에 이를 데이터화 하여 잘 활용한다면 병사들의 사고예측 및 예방이 가능하다고 판단하였다. 본 연구는 이러한 병사의 내부데이터(생활지도기록부) 및 외부데이터(SNS)를 활용하여 그들의 관심분야를 파악하고 사고를 예측, 이를 지휘에 활용하는 데이터마이닝 문제를 다루며, 그 방법으로 토픽분석 및 의사결정나무 방법을 제안한다. 연구는 크게 두 흐름으로 진행하였다. 첫 번째는 병사들의 SNS에서 토픽을 분석하고 이를 독립변수화 하였고 두 번째는 병사들의 내부데이터에 이 토픽분석결과를 독립변수로 추가하여 의사결정나무를 수행하였다. 이 때 종속변수는 병사들의 사고유무이다. 분석결과 사고 예측 정확도가 약 92%로 뛰어난 예측력을 보였다. 본 연구를 기반으로 향후 장병들의 사고예측을 과학적으로 분석, 맞춤식으로 관리한다면 군대 내 각종 사고를 미연에 예방하는데 기여할 것으로 기대된다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.85-107
• /
• 2019

온라인 소비자는 쇼핑 웹사이트에서 특정 제품군이나 브랜드에 속한 제품들을 둘러보고 구매를 진행할 수 있고, 혹은 단순히 넓은 범위의 탐색 반경을 보이며 여러 페이지들을 돌아보다 구매를 진행하지 않고 이탈할 수 있다. 이러한 온라인 소비자의 행동과 구매에 관련된 연구는 꾸준히 진행되어왔으며, 실무에서도 소비자들의 행동 데이터를 바탕으로 한 서비스 및 어플리케이션이 개발되고 있다. 최근에는 빅데이터 기술의 발달로 소비자 개인 단위의 맞춤화 전략 및 추천 시스템이 활용되고 있으며 사용자의 쇼핑 경험을 최적화하기 위한 시도가 진행되고 있다. 하지만 이와 같은 시도에도 온라인 소비자가 실제로 웹사이트를 방문해 제품 구매 단계까지 전환될 확률은 매우 낮은 실정이다. 이는 온라인 소비자들이 단지 제품 구매를 위해 웹사이트를 방문하는 것이 아니라 그들의 쇼핑 동기 및 목적에 따라 웹사이트를 다르게 활용하고 탐색하기 때문이다. 따라서 단지 구매가 진행되는 방문 외에도 다양한 방문 형태를 분석하는 것은 온라인 소비자들의 행동을 이해하는데 중요하다고 할 수 있다. 이러한 관점에서 본 연구에서는 온라인 소비자의 탐색 행동의 다양성과 복잡성을 설명하기 위해 실제 E-commerce 기업의 클릭스트림 데이터를 기반으로 세션 단위의 클러스터링 분석을 진행해 탐색 행동을 유형화하였다. 이를 통해 각 유형별로 상세 단위의 탐색 행동과 구매 여부가 차이가 있음을 확인하였다. 또한 소비자 개인이 여러 방문에 걸친 일련의 탐색 유형에 대한 패턴을 분석하기 위해 순차 패턴 마이닝 기법을 활용하였으며, 같은 기간 내에 제품 구매까지 완료한 소비자와 구매를 진행하지 않은 채 방문만 진행한 소비자들의 탐색패턴에 대한 차이를 확인할 수 있었다. 본 연구의 시사점은 대규모의 클릭스트림 데이터를 활용해 온라인 소비자의 탐색 유형을 분석하고 이에 대한 패턴을 분석해 구매 과정 상의 행동을 데이터 기반으로 설명하였다는 점에 있다. 또한 온라인 소매 기업은 다양한 형태의 탐색 유형에 맞는 마케팅 전략 및 추천을 통해 구매 전환 개선을 시도할 수 있으며, 소비자의 탐색 패턴의 변화를 통해 전략의 효과를 평가할 수 있을 것이다.

• 한국식품조리과학회지
• /
• 제17권1호
• /
• pp.13-22
• /
• 2001

서울시내에 소재하고 있는 패밀리레스토랑 중 7개 업체 12개 점포의 조리 부서에 근무하는 147명을 대상으로 성별, 연령, 학력, 직위, 재직기간에 의한 이직 원인의 차이를 분석한 결과는 다음과 같다. 1. 패밀리레스토랑 조리 부서 직원은 남성이 60명, 여성 87명으로 구성되어 있고, 20-29세가 차지하는 비율이 95.2%로 가장 많았다. 학력은 2년제 대졸 여성의 비율은 50.3%로 패밀리레스토랑 조리 부서 직원의 반 이상을 차지하고 있는 것으로 나타났다. 직위는 매니저 4.1%, 캡틴 13.6%, 직원 82.3%로 나타났으며, 재직기간은 2년 이하가 84.4%로 나타났다. 2. 성별에 따른 이직의 원인 차이를 분석한 결과는 여성(3.06)이 남성(3.00)에 비해 이직요인에 대한 전체 평균이 다소 높은 것으로 나타났다. 3. 연령에 따른 패밀리레스토랑 조리 부서 종사자들의 이직 원인 차이는 전체적으로 50세 이상의 연령층(3.039)에서 이직에 대해 심각하게 받아들이고 있으며, 그 중 근무지 요인(4.000)과 경영불신 요인(4.000)이 가장 영향력 있는 변수로 나타났다. 4. 학력에 따른 이직의 원인 차이를 분석한 결과, 국내 석사 이상의 학력을 가진 종사자가 대부분의 요인에서 높게 나타났다. 통계적으로 유의한 차이를 보인 요인으로는 근무 체계 요인(0.001), 타진로 모색요인(0.005), 개인적 문제 요인(0.034), 거주지 요인(0.014)로 모두 F값이 3.04보다 크게 나왔다. 5. 직위에 따른 이직 원인 요인별 차이를 분석한 결과, 근무체계 요인 캡틴급(3.63), 내부적 문제 요인매니저급(3.21), 조직내 인간관계 요인 캡틴급(3.45), 타진로 모색 요인 매니저급(3.17), 개인적 문제 요인 매니저급(3.22), 거주지 문제 요인 캡틴급(2.88), 경영불신 요인 캡틴급(3.20), 근무환경 요인 캡틴급(3.08)에서 가장 높게 나타났다. 6. 재직기간에 따른 이직 원인 요인별 차이를 분석한 결과, 대부분 5년 이상 근무집단이 가정 높게 나타났다. 7. 기타 이직에 관한 견해의 차이를 성별로 분석한 결과, 이직 현상이 현재와 같이 지속될 것이라고 예상되는지의 여부에 대해서 대부분(85.0%)이 그럴 것이라고 응답했고, 이직이 소멸될 것이라고 생각하는지의 여부에 대해서도 소멸되지 않을 것이라고 대답한 응답자가 85.0%였다. 현재 재직 중인 직장이 어떻게 되길 바라는지 여부에 대해서는 대부분(91.2%) 잘되기를 바란다고 응답했다. 8. 전체적으로 각 이직 원인 요인 중에 가장 높은 평균값이 나타난 요인은 근무체계 요인(3.45)이였고, 조직내 인간관계 요인(3.18), 타진로 모색 요인(3.11), 경영불신 요인(3.04) 순서였다. 나머지 요인들은 3점(보통이다) 이하로 이직에 큰 영향을 미치지 않는 것으로 나타났다. 이상의 결과에서 패밀리레스토랑 조리 부서 종사원은 높은 이직 성향이 보여 전문 인력 부족 현상을 겪고 있는 외식업계에서 이직이라는 문제가 여전히 해결해야할 중대한 과제로 남아있음을 시사하고 있다. 남성에 비해 높은 여성의 이직 성향은 근무 여건에 있어 성 차별적 요소의 잔재에 대해 간과할 수 없음을 보여주고 있으며, 자신의 직업에 대해 안정기로 접어들어야 할 50세 이상의 연령층에서 가장 높은 이직 성향을 보이고 있는 것이나, 5년 이상 근속한 종사자의 높은 이직 성향, 그리고, 매니저급에서의 높은 이직 성향은 국내 외식업계가 평생 직장으로서의 위치까지 오르지 못하고 있음을 간접적으로 보여주고 있다.