본 연구는 우리나라 공무원의 이직의도에 영향을 미치는 요인을 탐색하고자 머신러닝 기반의 CatBoost와 설명가능한 인공지능의 일종인 SHAP 분석을 적용하였다. 기존 연구는 조직몰입, 공정성 인식, 직무만족 등 전통적인 조직행태 변수들의 선형적 효과를 중심으로 분석해왔으나, 변수 간의 복합적 상호작용이나 비선형적 관계 규명에 있어 일정한 한계를 노정하였다. 특히 공공부문 조직에서는 구성원의 이직이 단순한 개인의 선택을 넘어 조직 전체의 생산성과 효율성에 영향을 끼치기 때문에 보다 정교한 분석 틀의 도입이 요구된다. 본 연구는 한국행정연구원의 『2023 공직생활실태조사』 자료를 활용하여 중앙정부 및 광역･기초자치단체 일반직 공무원 6,444명의 응답을 분석하였다. 분석 결과, 조직몰입과 보상 공정성이 이직의도를 억제하는 가장 강력한 변수로 나타났으며, 직무모호성은 전통적 회귀분석과 달리 비선형적으로 높은 영향력을 발휘하였다. 또한 SHAP 분석을 통해 변수별 예측 기여도를 시각적으로 제시함으로써, 모델의 해석 가능성을 제고하고 이직의도의 영향 메커니즘을 규명하였다. 연구의 실무적 함의로는 공공부문의 조직행태･인적 자원 관리에 있어 조직몰입과 보상체계의 투명성 제고에 우선순위를 두어야 하며, 특히 직무의 명확화를 통해 조직 구성원의 이탈 가능성을 사전에 관리할 필요성을 제시하였다.
Park et al. (Wed,) studied this question.