잠재집단분석 및 기계학습을 활용한 중학교 교사의 직무 스트레스 유형화와 예측 요인 탐색

Profiling Job Stress and Exploring Predictors among Middle School Teachers Using Latent Class Analysis and Machine Learning

본 연구는 TALIS 2018에 참여한 한국 중학교 교사 2,890명을 대상으로 교사 직무 스트레스의 잠재집단을 규명하고, 집단 간 차이를 설명하는 예측 요인을 탐색하였다. 잠재집단분석 결과, 교사 직무 스트레스는 ‘전방위 고스트레스형’(8.5%), ‘선별적 중등도 스트레스형’(33.8%), ‘안정적 적응형’(22.6%), ‘저부담 적응형’(35.2%)의 네 가지 유형으로 구분되었다. 랜덤 포레스트를 활용한 집단 분류 모형은 AUC .735의 양호한 성능을 보였으며, 변수 중요도 분석에서 동료 교사 간 신뢰, 문제행동 학생 비율, 교실 운영 자율성, 교사효능감 등이 핵심 요인으로 나타났다. 부분 의존성 도표(PDP) 분석 결과, 동료 교사 간 신뢰는 선형적 보호 효과를, 문제행동 학생 비율은 표준화 점수 0.5 이상에서 명확한 임계점 효과를 나타냈으며, 교사효능감은 매우 높은 수준에서 오히려 스트레스가 증가하는 비선형적 패턴이 관찰되었다. 개별 조건부 기댓값(ICE) 곡선을 통해 주요 변수들의 효과 방향성은 일관되게 나타났으나 효과 크기에는 상당한 개인차가 존재함을 확인하여, 제도적 개선과 함께 개별 교사 특성을 고려한 맞춤형 지원이 병행되어야 함을 시사하였다. 본 연구는 잠재집단분석과 기계학습 방법을 순차적으로 결합함으로써 교사 직무 스트레스 연구의 방법론적 확장을 시도하였으며, 교사 지원 정책 수립을 위한 실증적 기초 자료를 제공한다.

This study investigated teacher job stress profiles and their predictors using data from the TALIS 2018 survey of 2,890 middle school teachers in Korea. Latent class analysis identified four groups: ‘pervasive high-stress’ (8.5%), ‘selective moderate-stress’ (33.8%), ‘stable adaptation’ (22.6%), and ‘low-burden adaptation’ (35.2%). A random forest model distinguishing the highestand lowest-stress groups showed satisfactory performance (AUC=.735), with key predictors including collegial trust, proportion of disruptive students, classroom autonomy, and teacher self-efficacy. Partial dependence plots revealed a linear protective effect of collegial trust, a threshold effect for disruptive students, and non-linear patterns where extremely high efficacy was associated with increased stress. Individual conditional expectation curves confirmed substantial variation in effect sizes across teachers, suggesting the need for individualized support. The study demonstrates the value of integrating latent class analysis and machine learning to inform teacher support policies.