Statisitcs
특이하게도 통계학과 쪽에 특이한 사항이 많았는데
통계학과가 없는 학교(카이스트,포항공대 응용수학) 혹은 상경계열로 잡히는 학교(고려대, 연세대) 출신과 같은 특이케이스,
한 학교에 통계 계열이 2개 이상 잡히는 케이스 (ex 부경대)
누가봐도 수학과랑 통합한 학과(ex 세종대)
위와같은 특이사항들을 한번 점검하고 넘어가야 할 거 같고
재직하는 학과의 학문분야 ≠ 박사취득 분야 이런 케이스가 물리학과에서는 소수(ex 재료공학, 전기공학), 통계학과에서는 다수(ex 응용수학, 경제학, 경영학, 컴퓨터과학, 로스쿨!) 존재했습니다. 수학과에는 순수수학/응용수학 이외에는 기억하기로는 거의 없었습니다.
num of institution: 42
num of faculty: 307
Faculty with publicly available full careers: 282 (92.16%)
Statisitcs
Lorenz Curve
주의) 출신 학교가 모두 밝혀지지 않은 교원도 포함
self-hiring
주의) 출신 학교가 모두 밝혀지지 않은 교원도 포함
Number of data with same 'Prof Univ' and 'Bachelor': 57 (18.63%)
Number of data with same 'Prof Univ' and 'Ph.D': 7(2.29%)
Network Analysis
Authority Scores vs Hub Scores
주의) 출신 학교가 모두 밝혀지지 않은 교원도 포함
Bachelor to Faculty
Correlation Coefficient (Hub Scores): 0.4513
P-value (Hub Scores): 0.0027
Correlation Coefficient (Authority Scores): 0.7339
P-value (Authority Scores): 0.0000
Top 10 Hub Scores:
Seoul: 0.5524
Korea: 0.0642
Yonsei: 0.0555
KAIST: 0.0479
Sungkyunkwan: 0.0463
Kyungpook: 0.0258
Sogang: 0.0253
Chung_Ang: 0.0207
Chonnam: 0.0125
Ewha: 0.0123
Top 10 Authority Scores:
Seoul: 0.1462
Sejong: 0.0759
Sungshin: 0.0697
UOS: 0.0644
Hankok: 0.0626
Soongsil: 0.0545
Sungkyunkwan: 0.0459
Ewha: 0.0440
Inha: 0.0435
Jeonbuk: 0.0419
Ph.D to Faculty
Correlation Coefficient (Hub Scores): 0.4559
P-value (Hub Scores): 0.0024
Correlation Coefficient (Authority Scores): 0.6178
P-value (Authority Scores): 0.0000
Top 10 Hub Scores:
Seoul: 0.2859
Korea: 0.0873
Yonsei: 0.0488
KAIST: 0.0374
Iowa: 0.0281
Florida: 0.0271
Ohio: 0.0255
Minnesota: 0.0223
Texas A&M: 0.0222
Chonnam: 0.0215
Top 10 Authority Scores:
Chonnam: 0.0690
Sungshin: 0.0604
UOS: 0.0567
Inha: 0.0566
Jeonbuk: 0.0504
Pukyong: 0.0453
Daejeon: 0.0450
Jeju: 0.0419
Sejong: 0.0319
Sungkyunkwan: 0.0319
중력모형 (Gravity Model):
Detailed Bachelor-Prof Gravity Score가 가장 큰 영향을 미칩니다 (계수: 206.5026).
Detailed Ph.D-Prof Gravity Score는 음의 계수 (-135.0651)를 가지지만, 여전히 중요한 영향을 미칩니다.
이 모형은 R² 점수가 0.4338로, 종합 점수의 약 43.38%를 설명합니다.
관성모형 (Inertia Model):
관성 점수는 낮은 계수 (0.0062)를 가지며, R² 점수가 0.1034로 낮습니다. 이는 관성모형이 종합 점수의 변동을 충분히 설명하지 못함을 의미합니다.
관성모형은 교원 임용에 있어서 중요한 요소가 아님을 나타냅니다.
복합모형 (Hybrid Model):
Bachelor-Prof Hybrid Score (계수: 276.2291)와 Ph.D-Prof Hybrid Score (계수: -276.2237) 모두 중요한 영향을 미칩니다.
이 모형의 R² 점수는 0.3897로, 종합 점수의 약 38.97%를 설명합니다.
종합 분석
Detailed Bachelor-Prof Gravity Score가 가장 중요한 요소입니다 (중력모형).
Detailed Ph.D-Prof Gravity Score도 중요한 영향을 미칩니다 (중력모형).
관성모형은 교원 임용에 있어 중요한 요소가 아닙니다.
복합모형은 중력모형에 비해 설명력이 떨어집니다.
이 결과를 바탕으로, 통계학과 교원 임용에서 가장 중요한 요소는 Detailed Bachelor-Prof Gravity Score와 Detailed Ph.D-Prof Gravity Score임을 확인할 수 있습니다.
모형을 사용하지 않은
회귀 계수 (Coefficients):
학부 학교 허브 점수 (Bachelor Hub Score): −3.5127×10−16-3.5127 \times 10^{-16}−3.5127×10−16
박사 학교 허브 점수 (Ph.D Hub Score): −3.3307×10−16-3.3307 \times 10^{-16}−3.3307×10−16
재직 학교 권위 점수 (Prof Univ Authority Score): 1.00001.00001.0000
절편 (Intercept): 0.00.00.0
R² 점수: 1.01.01.0 (모델이 종속 변수의 변동성을 완벽하게 설명함)
결론
재직 학교 권위 점수가 교원 임용에 있어서 가장 중요한 요소임을 확인할 수 있습니다.
학부 학교 허브 점수와 박사 학교 허브 점수는 회귀 계수가 매우 작아서, 재직 학교 권위 점수에 비해 상대적으로 중요하지 않습니다.
Hiring Network analysis
Bachelor to Prof Univ Flow Network
Ranking
교원 임용에 있어서 선호되는 출신학교 순위를 정량화해보기
factor
현직 교원의 출신 학사과정에 대한 통계
현직 교원의 출신 박사과정에 대한 통계
현직 교원의 학사에서 박사로의 indegree
위 요소에 기반하여 특징 스케일링, PCA를 통한 차원축소(1차원) 후 점수 정규화
정규화된 점수를 기반으로 랭킹 지정