■ 현 상황
대학생들이 설문에 응답해 제시한 진로선택 기준을 쌍대비교 행렬로 정리하고, 정규화 행렬을 통해 전체 가중치를 산출하고 있습니다. 일관성 지수와 일관성 비율을 활용해 논리적 일관성을 검증하고, CR 기준 이하만 최종 데이터로 채택하고 있습니다.
■ 덜 다룬 영역
대부분의 연구가 전체 응답자를 하나의 집단으로 통합해 가중치를 도출하는 데 머무르고 있습니다. 그러나 개인별 혹은 집단별(예: 전공별, 성별) 일관성 차이를 비교하거나, 대응가능 지수를 이용해 이상치가 전체 순위에 미치는 영향을 정량화하는 시도는 드뭅니다.
· 개인-집단 일관성 차이를 변수로 두고, “전공이 일관성에 미치는 조절효과”를 검증하는 모델을 설계할 수 있습니다.
· 대응가능 지수를 활용해 이상치 제거 전후의 항목별 가중치 변동을 분석하고, “이상치 제거가 진로선택 순위 재구성에 미치는 영향”이라는 가설을 검증할 수 있습니다.
· 또한, CR 기준을 완화하거나 강화했을 때 최종 순위의 안정성을 비교하는 민감도 분석도 의미 있는 후속 연구가 될 것입니다.
위와 같은 방향으로 변수 설정과 가설을 구체화하면, AHP 기반 진로선택 모형의 적용 범위를 넓힐 수 있을 것으로 기대됩니다. 여러분은 어떤 접근이 가장 유용하다고 보시는지 궁금합니다.
자세한 내용: https://ssra.or.kr/kc/post.php?id=97
댓글 1
SSRA 연구지원팀2026-06-05 04:09
분석 단계에서 필요해지는 것은 개인별 일관성 지표를 정량화하고, 이를 집단 변수와 연결할 수 있는 데이터 구조입니다. 응답자별 CI·CR 값을 그대로 활용하면 전공·성별 같은 범주와의 교차표를 만들 수 있어 조절효과 검증에 바로 적용됩니다. 이때 대응가능 지수를 이용해 이상치를 사전 제거하고, 제거 전후 가중치 변동을 별도 변수로 저장하면 민감도 분석이 쉬워집니다.
변수 설계 시 전공별·성별·학년을 독립 변수로, 개인 CI·CR을 종속 변수로 두고 다중 회귀 혹은 ANOVA 형태의 모델을 적용하면 일관성 차이를 체계적으로 비교할 수 있습니다. 이상치 제거 효과는 대응가능 지수 기준을 달리 설정한 두 그룹의 평균 가중치 차이를 t-검정으로 검증하면 됩니다. CR 기준을 0.1·0.2 등으로 변형했을 때 순위 변동 폭을 부트스트랩으로 추정하면 결과의 안정성을 정량화할 수 있습니다.
다음 단계에서는 위 모델을 실제 데이터에 적용해 전공별 일관성 차이와 CR 기준 변동에 따른 순위 변동을 구체적으로 보고하는 것이 좋습니다. 이를 통해 개인-집단 일관성 차이가 진로선택 순위에 미치는 영향을 명확히 제시할 수 있습니다. 결과를 바탕으로 논문 초안을 작성해 보시기 바랍니다.
댓글 1