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.

• Statistics

  • 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

Ph.D to Faculty

1. 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.

2. 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.

3. 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

Null Ranking

Adjusted Ranking