수해양 계열 고등학생들의 진로 경험에 대한 잠재계층 분석 연구

Ⅰ. 서 론

청소년 시기는 진로에 대한 다양한 경험을 통해 미래 자신의 직업에 대해 고민하고 탐색하는 시기이다. 최근 취업, 구직, 일자리 문제 등은 주요 사회적 이슈로 떠오르면서 정부에서도 이제껏 없던 많은 예산을 투입(Jungangilbo, 2018)하고 있어, 청소년들에게도 직업탐색, 진로경험 등에 대한 관심이 증가하고 있는 실정이다. 청소년들의 진로나 진로경험에 대한 관심은 2012년부터 입법 추진되기 시작하여, 최근 2015년 ‘진로교육법’으로 공표되었고(Seo, 2015; Jin, 2015) 이후 시행령과 시행규칙이 마련되어 2015년 12월 23일부터 시행되어오고 있다(Jang, 2016). 이로써 진로관련 제도적 정비로 진로교육을 운영하고 지원할 수 있는 법적 근거가 마련되어 있는 상황이다.

이러한 진로에 사회적 관심과 제도적 정비에도 불구하고 체계적 연구와 분석은 부족한 실정이다. 최근 기사에 따르면 취업준비 대학생들도 열에 일곱은 진로를 위한 적성에 어려움을 겪는다 (Yang, 2013)고 한다. 특히 수해양 계열 전공과 같은 특성화 고등학생들은 재학 중 많은 진로경험이 학생들의 진로방향 설정이나 직업선택에서 중요한 역할을 할 것으로 기대된다. 대부분의 일반고에서는 고등학교에서 바로 직업선택을 정하는 것이 아니라 대학에 진학한 후에도 꾸준히 직업과 진로를 위한 탐색을 할 수 있는 기간을 가진다. 반면 수해양 계열의 고등학교 학생들은 비교적 일찍 전공을 선택함으로써 일반고와는 달리 진로탐색의 시간이 상대적으로 많이 부족할 것으로 생각된다(Heo, 2013a; Heo, 2013b). 따라서 수해양 계열 전공 학생들의 진로경험을 탐색해 보고 다양한 분석적 관점에서 살펴보는 연구가 필요하다.

이에 본 연구에서는 수해양 전공 학생들의 진로경험을 탐색하여 잠재계층으로 분류해 보고자 하였다. 그리고 잠재계층 분류에 영향을 미칠 수 있는 변인들의 영향력을 검증해 보고자 하였다. 이를 위한 구체적인 연구문제는 다음과 같다.

첫째, 수해양 계열 학생들의 진로경험에 대한 잠재계층은 몇 가지로 구분될 수 있으며, 그 형태(패턴)은 어떠한가?
둘째, 수해양 계열 고등학생들의 진로 경험에 대한 잠재계층 분류는 성별에 따른 차이가 있는가?
셋째, 수해양 계열 고등학생들의 진로 경험에 대한 잠재계층 분류는 학년에 따른 차이가 있는가?

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

1. 연구 모형

본 연구는 수해양 전공 고등학생들의 진로경험을 잠재계층으로 구분하고 그 패턴을 파악해보고자 하였다. 그리고 성별과 학년에 따른 차이를 살펴보고자 하였다. 이를 위해 잠재계층모형(Latent Class Model)을 설정하였다. 잠재계층모형은 사람 중심의 통계적 접근 모형(person-centered statistical approach model)으로 유사성을 바탕으로 추정된 집단의 패턴들을 말한다. 이 모형으로부터 수해양 전공 고등학생들의 진로경험에 대한 여러 잠재계층을 분류하고 그 특성들을 탐색해 볼 수 있을 것으로 기대된다.

잠재계층모형은 무조건 모형과 조건 모형으로 구분할 수 있다. 무조건 모형은 성별이나 학년 등과 같은 잠재계층의 원인이나 결과 변인들을 제외하고 잠재계층만 파악하는 모형이다. 반면, 조건 모형은 원인이나 결과 변인들을 포함한 모형이다. [Fig 1]에서는 조건모형을 기준으로 연구모형을 제시하였다.

[Fig. 1]

Research Model

Ⅳ. 결 과

1. 수해양 진로경험의 잠재계층(Latent Class) 탐색

수해양 학생들의 진로경험에 대한 잠재계층의 수를 결정하기 위해 무조건적 모형을 중심으로 분석하였다. 잠재계층의 수를 증가시키면서 분류 기준이 어떻게 변화하는지 살펴보았고, 그 결과는 <Table 1>과 같다.

<Table 1>

Criteria of Classification for Latent Class

이러한 결과를 [Fig. 2]는 AIC, BIC, aBIC 값을 기준으로 시각적으로 나타내고 있다.

먼저, AIC, BIC, aBIC의 정보지수 값은 작을수록 모델이 더 적합한 것으로 알려져 있다. 따라서 AIC는 5개의 잠재계층을 지지하고 BIC와 aBIC는 4개의 잠재계층을 지지한다. LMR LRT와 BLRT의 잠재계층수를 증가 시 두 모형 간 비교를 통해 4개의 잠재모형이 유의하였다.

[Fig. 2]

Number of Latent Class

마지막으로 분류의 질을 나타내는 Entropy 값을 통해 잠재계층 수가 4개일 때 .865로 가장 높았다.

따라서 AIC, BIC, aBIC 등과 같은 정보지수, 카이스퀘어 검증, 분류의 질을 고려하고, 해석 가능성까지 고려하여 최종적으로 잠재계층 수가 4개인 모형을 최종모형으로 설정하였다.

2. 수해양 진로경험의 잠재계층 형태

분류된 4개의 잠재계층의 형태로 나타났으며 이를 시각화해서 나타내면 [Fig. 3]과 같다. 첫 번째 잠재계층은 다른 집단에 비해 진로관련 강연이나 수업, 소집단 활동, 적성검사, 상담, 체험프로그램, 직업훈련, 진로관련 독서, 사업체 파견형식의 현장실습 등의 모든 영역에서 높은 패턴을 보여주고 있는 집단이다. 그림에서 상단의 선은 Class 1을 나타내며, 이 잠재계층을 ‘높은 진로경험집단(High Career Experience Group)’으로 명명하였다. 전체 응답자의 7.7%가 이 집단에 속하는 것으로 나타났다.

[Fig. 3]

Classified Latent Class Pattern

두 번째 잠재계층은 다른 집단에 비해 진로관련 강연이나 수업, 적성검사, 상담 영역에서 높은 패턴을 보여주고 나머지 영역에서는 다소 낮은 패턴을 보여주는 집단이다. 그림에서 좌측이 높고 우측인 낮은 패턴을 보여주는 선으로 Class 2를 나타내며 이 잠재계층을 ‘수업형 진로경험집단(Class & Test Experience Group)’으로 명명하였다. 전체 응답자의 38.5%로 많은 응답자가 이 집단에 속하는 것으로 나타났다.

세 번째 잠재계층은 다른 집단에 비해 진로관련 체험프로그램, 직업훈련, 진로관련 독서, 사업체 파견형식의 현장실습에서 높은 패턴을 보여주고 나머지 영역에서는 다소 낮은 패턴을 보여주는 집단이다. 그림에서 우측이 높고 좌측인 낮은 패턴을 보여주는 선으로 Class 3을 나타내며, 이 잠재계층을 ‘현장체험형 진로경험집단(Training & Field Experience Group)’으로 명명하였다. 전체 응답자의 30.2%로 두 번째로 많은 응답자가 이 집단에 속하는 것으로 나타났다.

네 번째 잠재계층은 다른 집단에 비해 모든 영역에서 낮은 패턴을 보여주고 있는 집단이다. 그림에서 하단 선은 Class 4를 나타내며, 이 잠재계층을 ‘낮은 진로경험집단(Low Career Experience Group)’으로 명명하였다. 전체 응답자의 23.6%가 이 집단에 속하는 것으로 나타났다.

3. 성별과 학년의 잠재계층 형태 차이

잠재계층 형성에 성별과 학년의 영향력을 조건모형으로 분석하였다. 분석 결과는 다항로짓계수로 나타나 레퍼런스집단(reference group) 기준으로 다른 집단의 비교를 통한 검증을 할 수 있으며 그 결과는 <Table 2>와 같다.

<Table 2>

The Effect of Gender and Grade to Latent Class

먼저, 성별은 집단 간 차이가 나타나지 않았다. 수해양 관련 고등학교 학생들은 진로경험의 잠재계층 분류에 있어서 네 집단의 패턴이 나타났고, 남학생과 여학생에 있어 공통적으로 나타는 패턴으로 해석할 수 있다.

다음으로, 학년은 특정 잠재계층들 간에 유의한 차이가 있는 것으로 나타났다. 구체적으로 ‘낮은 진로경험집단’과 ‘수업형 진로경험집단’ 사이에 학년에서 유의한 차이가 있는 것으로 나타났다. 학년이 높을수록 ‘낮은 진로경험집단’보다는 ‘수업형 진로경험집단’에 속할 가능성이 높은 것으로 해석할 수 있다.

또, ‘낮은 진로경험집단’과 ‘현장체험형 진로경험집단’ 사이에 학년에서 유의한 차이가 있는 것으로 나타났다. 학년이 높을수록 ‘낮은 진로경험집단’보다는 ‘현장체험형 진로경험집단’에 속할 가능성이 높은 것으로 해석할 수 있다.

이러한 결과를 종합해 보면 다음과 같다. 첫째, 수해양 관련 고등학교 학생들은 진로경험의 잠재계층 분류는 성별에 따라 공통적으로 네 집단의 패턴이 나타났다. 둘째, 학생들의 학년이 높아질수록 ‘낮은 진로경험집단’ 보다는 ‘수업형 진로경험집단’이나 ‘현장체험형 진로경험집단’에 속할 가능성이 높아진다.

Ⅴ. 결론 및 논의

본 연구는 수해양 전공 고등학생들의 진로경험을 잠재계층과 그 패턴을 파악해 보고 성별과 학년에 따른 차이를 살펴보았다. 이를 위해 잠재계층분석(Latent Class Analysis)을 실시하여 분석하였다. 본 연구를 통한 결과를 통해 다음과 같은 결론과 논의를 이끌어낼 수 있다.

첫째, 수해양 전공 고등학생의 진로경험 유형에 따른 진로교육 프로그램 설계가 필요하다. 본 연구의 결과로 수해양 전공 고등학생들은 4개의 잠재집단으로 분류할 수 있다. 기존의 연구에서도 전문계고 졸업자를 대상으로 진로준비행동에 대한 잠재계층을 분석하려는 시도가 있었다(Kim & Hong, 2013). 하지만 잠재계층이 상위집단과 하위집단의 두 형태로 분류되어 기대했던 다양한 패턴이나 형태를 찾아보기 어려웠다. 본 연구에서는 수해양 전공 고등학생들을 대상으로 다양한 패턴과 형태가 발견되어 연구의 의의가 있을 것으로 생각한다. 특히 4가지 형태의 다양한 패턴들을 ‘높은 진로경험집단(High Career Experience Group)’, ‘수업형 진로경험집단(Class & Test Experience Group)’, ‘현장체험형 진로경험집단(Training & Field Experience Group)’, ‘낮은 진로경험집단(Low Career Experience Group)’으로 잠재집단을 명명하여 제안하고 밝힌데 의의가 있다. 또 이러한 구분으로부터 학생의 진로경험 유형에 따라 서로 다른 유형의 진로교육 프로그램을 설계하여 제공할 수 있을 것으로 기대된다.

둘째, 수해양 전공 고등학생의 진로경험의 네가지 유형은 성별과 관계없이 공통적으로 적용될 수 있다. 기존의 연구들에서는 진로와 관련하여 다양한 성별 차이를 보고한 결과들(Lee et al., 2015; Heo, 2014)이 있었다. 연구에 따라 다양한 결과가 보고되고 있지만 많은 연구에서 진로장벽을 느끼는 부분에 있어서는 성별에 따른 차이가 있는 것으로 보고, 진로 고민은 비슷하게 하는 것으로 보고하고 있다(Heo, 2014). 본 연구에서는 진로경험의 유형이나 패턴은 성별에 따라 크게 다르지 않다는 결과를 이끌어 내었다. 수해양 전공 고등학교에서 이제까지 실시된 프로그램에서 진로경험의 유형은 네 가지 패턴으로 나타났고, 이러한 유형에서는 성별과 상관없이 비슷하게 나타난다는 것이다. 하지만 일반계 고등학교나 대학, 성인 등의 다른 대상에서도 동일한 잠재계층 유형이 나타나는 것은 추가적인 연구가 필요할 것으로 생각된다. 아울러 본 연구의 진로경험이 기존 연구들의 진로탐색, 진로고민, 진로장벽 등의 결과와 직접적으로 비교하기에는 개념에서 다소 차이가 있어 결과해석과 논의에서 세심한 주의가 필요하다.

셋째, 수해양 전공 고등학생의 잠재계층은 학년에 따라서는 서로 다른 형태의 진로경험 프로그램을 제공해야 한다. 기존 연구들에서도 진로와 관련하여 학생들의 성장에 따른 차이를 보고한 결과들이 있었다. 본 연구도 비슷한 결과를 나타내었다. 다만 본 연구 결과에서는 ‘낮은 진로경험집단(Low Career Experience Group)’과 ‘수업형 진로경험집단(Class & Test Experience Group)’, 그리고 진로경험집단(Low Career Experience Group)’과 ‘현장체험형 진로경험집단(Training & Field Experience Group)’에서 차이가 있는 것으로 나타났다. 이로부터 학년에 따라 진로경험이 낮은 집단의 진로경험을 강화하기 위한 전략이 설정되고 실천되어야 할 것이다.

추후 연구에서는 다음과 같은 추가적 접근이 필요하다. 먼저, 대상자를 확대 적용하여 잠재계층을 탐색하는 연구가 필요하다. 본 연구에서는 수해양 전공 고등학생으로 한정되었다는 한계점이 있었다. 이에 범위를 확대하여 일반계 고등학교나 대학생, 성인 등의 진로와 관련된 잠재계층을 탐색해 볼 필요가 있다. 다음으로 다차원적인 접근법이 필요하다. 학생은 학교에 내재되어 있어 학교의 특성과 학생의 특성을 구분하여 탐색하는 것이다. 수해양 전공학생들의 개인적 특성과 함께 학교가 가지는 다층적 특성을 모형에 반영함으로서 수해양 전공 학생들의 보다 심층적 이해와 함께 효과적 진로교육 프로그램이 가능할 것으로 기대된다.

Acknowledgments

이 논문은 부경대학교 자율창의학술연구비(2018년)에 의하여 연구되었음.

References

• Akaike, H, (1974), A new look at the statistical model identification, IEEE Transactions on Automatic Control, 19, p716-723.
• Asparouhov, T, & Muthén, B, (2014), Auxiliary variables in mixture modeling: Three-step approaches using Mplus, Structural Equation Modeling: A Multidisciplinary Journal, 21(3), p329-341.
• Au, YK, (2010), Mediating effect of career decision-making skill on a college student’s career maturation and career preparation behavior, The Korean Journal of Educational Psychology, 24(4), p1029-1046.
• Clark, S, & Muthén, B, (2009), Relating latent class analysis results to variables not included in the analysis, Retrieved from http://www.statmodel.com/download/relatinglca.pdf.
• Heo, G, (2012a), A study on the longitudinal relationship among career maturity, gender, self-esteem and parental attachment using latent growth modeling, The Journal of Vocational Education Research, 31(2), p193-209.
• Heo, G, (2012b), The longitudinal relationship between self-esteem and career barrier in adolescents using autoregressive cross lagged modeling, The Journal of Vocational Education Research, 31(1), p119-134.
• Heo, G, (2013a), A study on the structural equation modeling of the relationships among major satisfaction, career search efficacy, and career exploration behavior with marine science high school students, JFMSE, 25(6), p1306-1314.
• Heo, G, (2013b), A study on the structural equation modeling of the relationships among parental attachment, teachers’ attachment, career search efficacy, and career exploration behavior with high school students, The Journal of Vocational Education Research, 32(5), p189-203.
• Heo, G, (2013c), Indentifying latent classes and testing their determinants in early adolescents’ use of computers and Internet for learning, Computer & Education, 63, p318-326.
• Heo, G, (2014), A study on the onset of adolescents career concerns and career barrier through discrete-time survival analysis, Korean Journal of Youth Studies, 21(10), p101-118.
• Heo, G, & Goo, JM, (2013a), A study on the structural equation modeling of smart education between fisheries marine and general high school students, JFMSE, 29(6), p2011-2019.
• Hong, SH, Hwang, MH, & Lee, ES, (2005), Latent means analysis of the career-barrier scale for Korean female adolescents, The Korean Journal of Educational Psychology, 19(4), p1159-1177.
• Jang, HJ, (2016), The enactment of the ‘Career Education Act’and the future of career education, The HRD Review, 2016(1), p66-81.
• Jin, MS, (2015), the meaning and tasks of the enactment of the ‘Career Education Act’, The HRD Review, 2015(7), p28-47.
• Jungangilbo, (2018), Next year job budget, 2018.08.30. news, https://news.joins.com/article/22928006.
• Kang, BD, & Zhang, CI, (2017), Directions to fisheries education for achieving UN sustainable development goals, JFMSE, 29(2), p453-465.
• Kim, SG, (1996), Trends of fisheries education and improvement of educational method, JFMSE, 8(2), p166-180.
• Kim, SY, & Hong, SH, (2013), Identifying latent profiles in vocational preparation behaviors of vocational highschool students and testing its relationship with vocational education, Survey Research, 14(1), p93-116.
• Lee, DU, Son, JH, Lee, SD, and Kwon, KH, (2015), Analysis of critical factor of achievement of labor market for college graduate students: Focus on the hierarchical linear model, The Korea Association for Policy Studies, 24(4), p125-154.
• Lee, JR, (2008), The effect on career maturity development trajectory from parental attachment and achievement: applying latent growth modeling, The 5th Conference of Korean Youth Panel.
• Lee, KS, Lim, HJ, and Ahan, SH, (2008), Korea youth panel survey (KYPS) IV – A summary report, Korea Institute for Youth Development.
• Lo, Y, Mendell, N, & Rubin, D, (2001), Testing the number of components in a normal mixture, Biometrika, 88, p767-778.
• Masyn, KE, (2013), Latent class analysis and finite mixture modeling, In T. D. Little (Ed.), The Oxford handbook of quantitative methods: Statistical analysis, p551-611, Oxford University Press.
• McLachlan, G, & Peel, D, (2000), Finite mixture models, New York, Wiley.
• Ministry of Education Science and Technology, (2011), Fisheries·Marine related Special Curriculum(2011-361, Appendix Book 24), Ministry of Education Science and Technology.
• Muthén, B, (2004), Latent variable analysis, In D. Kaplan (Ed.), The quantitative methodology for the social sciences, p345-368, Sage Publications, Inc.
• No, UK, (2013), Identifying latent classes in university students’ career anxiety changes and testing risk factors, The Journal of Vocational Education Research, 30(1), p133-149.
• Reichert, F, (2017), Young adults’ conceptions of ‘good’ citizenship behaviours: a latent class analysis, Journal of Civil Society, 13(1), p90-110.
• Schwarz, G, (1978), Estimating the dimension of a model, The Annals of Statistics, 6(2), p461-464.
• Sclove, L, (1987), Application of Model-Selection Criteria to Some Problems in Multivariate Analysis, Psychometrika, 52, p333-343.
• Seo, WS, (2015), ‘Career Education Act’ opens a new horizon of career education, The HRD Review, 2015(7), p2-7.
• Super, DE, (1990), A life-span, life-space approach to career development, In D. Brown, L. Brooks (Eds.), Career Choice and Development (2nd edition), San Francisco, Jossey-Bass.
• Vermunt, JK, (2010), Latent class modeling with covariates: Two improved three-step approaches, Political Analysis, 18(4), p450-469.
• Yang, HC, (2013), Seven out of ten college students said ‘I do not know my aptitude’, Data News, http://www.datanews.co.kr on June 24.