본 연구는 JD-R 이론을 바탕으로 TALIS 2024 한국 자료를 활용하여 교장 359명의 직무만족도를 예측하는 핵심 요인을 규명하였다. 분석을 위해 머신러닝 기반의 Sparse Group Lasso(SGL)를 적용하였으며, Nested CV(10-fold, 10회 반복)와 GAM 기반 비선형성 검증, Permutation Importance 등의 강건성 절차를 통해 결과의 신뢰성을 확보하였다. 분석 결과, 개인 및 학교 배경변인은 예측력이 미미한 반면, 직무요구와 자원이 핵심 신호로 나타났다. 자원 측면에서는 근무여건 만족, 의사결정 영향력, 교사 및 지역사회 협력 등이 주요 예측치였다. 요구 측면에서는 정신적·신체적 스트레스와 학부모 민원 대응 등이 만족도를 부적 방향으로 예측하는 신호였다. 전반적으로 직무만족도는 비선형적 향상보다는 누적적·점진적 자원 축적에 따라 안정적으로 향상되는 경향을 보였으며, 자원과 요구 모두가 비슷한 정도로 예측에 기여하였다. 이러한 결과는 한국 교장의 직무만족도 향상을 위해 자원 강화와 요구 경감의 꾸준한 이중적 접근이 필요함을 시사한다. 본 연구는 고차원 머신러닝 기법을 통해 그간 국내에서 논의가 부족했던 교장 직무만족도의 예측 구조를 정밀하게 규명함으로써, 최근 한국교직 사회의 주요 현안인 관리직 기피 현상을 완화하고 학교 리더십의 안정성을 확보하기 위한 실증적 정책 개입 방향에 기여하고자 하였다.
This study analyzed predictors of job satisfaction among 359 Korean school principals using JD-R theory and TALIS 2024 data. Methodological rigor was ensured via Sparse Group Lasso (SGL) combined with Nested Cross-Validation, GAM-based nonlinearity tests, and Permutation Importance. Findings revealed that background variables had negligible impact, while job demands and resources emerged as primary predictors. Specifically, working conditions, decision-making influence, and collaboration served as positive predictors, whereas mental/physical stress and handling parental complaints negatively impacted satisfaction. Job satisfaction improved incrementally with resource accumulation, highlighting the necessity of a dual approach: simultaneously strengthening resources and mitigating demands. By mapping this predictive structure through high-dimensional machine learning, this study offers empirical leverage points to stabilize school leadership and address administrative role avoidance in South Korea.
Ⅰ. 서론 Ⅱ. 이론적 배경 Ⅲ. 연구 방법 Ⅳ. 연구 결과 Ⅴ. 결론 및 논의 참고문헌
