공공부문 종사자의 혁신행동 잠재유형과 예측요인: 잠재프로파일 분석과 기계학습의 결합

김보영; 김민한

doi:10.20484/klog.30.1.5

추천

검색

질문

자료유형: 학술저널

저자정보: 김보영 (국립한국해양대학교) 김민한 (국립한국해양대학교)

저널정보: 한국지방정부학회 지방정부연구 지방정부연구 제30권 제1호

발행연도: 2026.5

수록면: 105 - 131 (27page)

DOI: 10.20484/klog.30.1.5

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 연구는 공공부문 종사자의 혁신행동(Innovative Work Behavior)이 어떠한 잠재유형으로 구분될 수 있는지와 이러한 유형의 분포가 2023년부터 2025년까지 어떻게 변화하였는지를 실증적으로 분석하였다. 또한 각 잠재 유형의 예측요인을 탐색함으로써 공공부문 혁신행동의 내부 이질성과 관련 요인을 보다 입체적으로 규명하고자 하였다. 이를 위해 한국행정연구원의 ｢공직생활실태조사｣ 3개년 반복 횡단면 자료(N=18,603)를 활용하여 긍정적 혁신행동 4개 문항을 지표로 LPA를 실시하였다. 이어서 연도별 유형 분포를 비교하고 ElasticNet과 Random Forest를 활용하여 잠재유형의 예측요인을 탐색하였다. 분석 결과, 공공부문 종사자의 혁신행동은 5개의 잠재유형으로 구분되었으며 이들 유형은 전반적으로 혁신행동 수준의 고저에 따른 위계적 구조를 보였다. 일부 유형에서는 ‘규정의 적극적 해석’과 ‘불합리 개선’ 차원에서 제한적인 질적 차이가 나타났다. 연도별 유형 분포는 통계적으로 유의한 차이를 보였으나 효과크기는 소규모 수준에 머물렀고 연도별 개별 LPA를 통해 확인한 프로파일 평균 간 상관은 유형 구조가 시간에 걸쳐 비교적 안정적으로 유지되고 있음을 시사하였다. 예측요인 분석에서는 조직시민행동, 상호작용공정성, 직무만족이 ElasticNet에서 주요 변수로 확인되었으며 Random Forest에서는 공공봉사동기와 공직가치의 상대적 중요성이 추가적으로 부각되었다. 이러한 결과는 공공부문 종사자의 혁신행동이 단일한 평균 수준으로 환원되기보다 내부적으로 이질적인 잠재유형들로 구성되어 있음을 보여준다. 또한 공공부문 혁신행동이 조직 내 자발적 행동 성향, 공정성 경험, 직무 태도뿐 아니라 공익 지향적 동기와 규범적 가치와도 관련될 수 있음을 시사한다. 본 연구는 LPA와 기계학습을 결합하여 공공부문 혁신행동의 유형과 예측요인을 다면적으로 분석하였다는 점에서 이론적･방법론적 의의를 지닌다.

This study examines the latent profiles of innovative work behavior among public servants in Korea, changes in the distribution of these profiles from 2023 to 2025, and the factors associated with profile membership. To do so, it uses pooled repeated cross-sectional data from the Korean Public Service Survey conducted by the Korea Institute of Public Administration from 2023 to 2025 (N = 18,603). Four items measuring positive innovative work behavior were used as profile indicators, and latent profile analysis (LPA) was employed to identify underlying subgroups. The study further compared profile distributions across years and applied ElasticNet and Random Forest to explore profile-related predictors.
The results identified five latent profiles of innovative work behavior. These profiles largely reflected a hierarchical structure based on the overall level of innovative work behavior, although limited qualitative differences appeared in proactive rule interpretation and efforts to improve unreasonable practices. Differences in profile distributions across years were statistically significant, but the effect size was small (Cramér’s V = .070). Profile-mean correlations from year-specific LPAs ranged from .800 to .892, suggesting that the overall profile structure remained relatively stable over time. In the predictor analysis, organizational citizenship behavior, interactional justice, and job satisfaction emerged as important variables in the ElasticNet model, whereas public service motivation and public values showed additional importance in the Random Forest model. However, the cross-validated accuracy of the Random Forest model was limited (.466), indicating that these findings should be interpreted mainly as exploratory.
These findings suggest that innovative work behavior in the public sector should not be understood as a single average level, but rather as a set of internally heterogeneous latent profiles. The study contributes to the public administration literature by combining latent profile analysis and machine learning to provide a more comprehensive understanding of the heterogeneity and predictors of innovative work behavior among public servants.

#혁신행동 #잠재프로파일 분석 #반복 횡단면 자료 #사람 중심 접근 #공공부문 혁신 #innovative work behavior #latent profile analysis #elasticnet #random forest #repeated cross-sectional data #person-centered approach #public sector innovation

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)