영국 건강 분야의 직업 분류 통합: SOC 2020 및 ISCO-08 통합을 위한 도전과 기회

목적 SOC 2020 및 ISCO-08과 같은 직업 분류(OC) 시스템은 의료 인력 계획에 매우 중요하지만 이러한 표준 간의 차이는 비교 가능성을 감소시킵니다. 본 연구는 자연어 처리(NLP) 모델을 통해 영국 건강 OC의 조화 가능성을 기술적으로 검토합니다. 설계/방법론/접근 처음에 OC 시스템에 대한 계층적 분석이 개발되었습니다. 그런 다음 영국의 OC 시스템에 대한 의미론적 매핑 및 벤치마킹을 위해 Bag of Words, TF-IDF, SBERT 및 앙상블을 포함한 NLP 모델이 제안되었습니다. 두 명의 전문 지식이 있는 주석자와 함께 진행된 수동 검증 연구는 매핑 정확성을 평가했습니다. 결과 SBERT 모델은 다른 모델에 비해 직업 일치도를 더 정확하게 보여주었습니다. 실제로 한 직업 제목에서 많은 직업 제목 쌍으로 1,308개의 일치를 확인했습니다. 또한 네 가지 영국 건강 시스템을 벤치마킹하여 SBERT를 사용할 경우 OC 시스템이 스코틀랜드-웨일스에서 평균 유사성 63.21%(표준편차 17.13%), 스코틀랜드-영국에서 58.80%(16.49%), 스코틀랜드-북아일랜드에서 61.28%(15.71%)를 달성할 수 있음을 보여주었습니다. 수동 검증 결과는 데이터셋 전반에 걸쳐 0.73–0.98의 정밀도와 0.84–0.99의 F1 점수를 기록했습니다. NLP를 사용하면 분류 프로세스가 간소화되고 관리 작업이 줄어들며 국제 표준과의 일관성이 향상됩니다. 그러나 비교 수준은 76–90%로 다양하여 전문가의 감독이 여전히 필요함을 나타냅니다. 독창성/가치 본 연구는 의료 OC 조화를 위한 NLP 모델 사용의 기술적 가능성을 보여주고 OC 정렬 향상을 위한 실용적이고 확장 가능한 솔루션을 제공합니다. 이 연구는 방법론적 새로움보다 실용적 채택을 우선시하며 영국 의료 부문에 초점을 맞추어 NLP 모델과 벤치마킹 프로세스를 공동으로 적용합니다.