디지털 훈련의 숙련 수요 정합성 평가와 임금 효과 연구

Evaluating the Alignment Between Digital Vocational Training and Skill Demand and Its Wage Effects

본 연구는 디지털 전환기에 직업훈련이 산업 현장의 숙련 수요와 얼마나 정합적인지 평가하고, 이러한 정합성이 임금성과에 미치는 영향을 실증적으로 분석하였다. 분석대상은 K-디지털 트레이닝(KDT, K-Digital Training)과 K-디지털 기초역량훈련(KDC, K-Digital Capacity training)이며, 각 과정의 ‘훈련 상세’ 텍스트로부터 훈련 역량 키워드를 추출하고, 온라인 구인공고(OJPs)에서 직업 숙련 키워드를 도출하였다. 텍스트는 TF-IDF와 LSA 기반으로 벡터화한 후 코사인유사도를 계산하여 정합성을 산출하였다. 분석 결과, 디지털콘텐츠 및 프로그래밍·개발 역량은 신기술 관련 숙련과 높은 정합성을 보였으며, 사물인터넷(IoT)과 메타버스 과정의 정합성도 높게 나타났다. 반면 빅데이터, 네트워크보안, 하드웨어 영역은 낮은 정합성을 보였다. 정합성과 임금 간의 관계를 분석한 결과, 기본모형에서 유사도는 유의한 양(+)의 영향을 보여, 정합성 1 표준편차 상승 시 임금이 약 2.0~3.5% 증가하는 것으로 추정되었다. 그러나 직종·산업·신기술 특성을 통제한 확장모형에서는 유의성이 약화되어, 정합성과 임금 간의 관계가 직종 구성효과와 부분적으로 연계되어 있음을 시사하였다. 본 연구는 비정형 텍스트 데이터를 활용해 훈련–숙련의 질적 정합성을 정량화하고, 그 경제적 효과를 실증한 최초의 시도 중 하나다. 정책적으로는 정합성 지표의 성과관리 도입, 저정합 영역 보강, KDC 브릿지 경로 확충, 데이터 연계 기반 피드백 체계 구축이 요구된다. 다만 내생성 및 표본 제약 등 한계가 존재하며, 향후 도구변수(IV)나 패널 DID 분석을 통한 인과성 보강이 필요하다.

This study examines how well digital vocational training aligns with the skill demands of the labor market and investigates the impact of such alignment on wage outcomes. The analysis focuses on the K-Digital Training (KDT) and K-Digital Basic Competency (KDC) programs. Skill-related keywords were extracted from training course descriptions and matched with occupational skill keywords from online job postings (OJPs). Using TF-IDF and LSA for text vectorization, cosine similarity scores were computed to quantify the degree of alignment between training and skill demand. The results show that competencies in digital content and programming/development exhibit high alignment with new technology-related skills, while big data, network security, and hardware fields show relatively low alignment. Internet of Things (IoT) and metaverse-related courses demonstrate notably strong alignment. Regression analysis reveals that higher alignment between training and skill demand has a significant positive effect on wages: a one-standard-deviation increase in similarity corresponds to a 2.0–3.5% wage increase. However, when controlling for occupation, industry, and technology type, the significance of the coefficient weakens, suggesting partial overlap with high-wage occupational composition effects. This study contributes to the literature by quantitatively measuring qualitative skill alignment using unstructured text data and linking it to labor market outcomes. Policy implications include incorporating alignment indicators into performance management, strengthening low-alignment training areas, expanding bridge programs for KDC participants, and establishing an integrated data feedback system. Nonetheless, endogeneity and sample limitations remain, underscoring the need for future research employing instrumental variables (IV) and panel DID approaches.