제1장 서론 KEISIM 모형 개선 (I) 제2장 KEISIM의 기본 특징과 구조 제3장 사망 모듈 제4장 출생 모듈 제5장 결혼 모듈 제6장 교육 모듈 제7장 노동시장 모듈 제8장 소득 모듈 제9장 중장기 인력수급 전망의 주요 결과 빅데이터를 활용한 전망 모형 개선 (II) 제10장 동태 요인 모형을 활용한 단기 고용 전망 제11장 딥러닝을 이용한 특허 정보와 직업 정보의 연계 제12장 딥러닝을 활용한 인력 수요 전망 참고문헌 <부록 Ⅰ> 저탄소 전환을 반영한 장기 인력 수요 전망 모형 개발: 계산 가능 일반 균형(CGE) 모형 활용 < 부록 II > 저탄소 전환을 반영한 장기 인력 수요 전망 모형 개발 : 사회계정행렬(SAM) 구성 < 부록 III > 비정형 데이터를 활용한 고용 전망 검토 참고문헌

본 과제는 중장기 인력수급 전망을 비롯하여 디지털 전환과 저탄소 전환을 반영한 장기 인력수요 전망, 단기 주요 업종별 일자리 전망 등 인력수급 전망을 위한 전망 방법론을 개선하여 그 내용을 제시하고자 한다. 중장기 인력수급 전망에서 인력공급은 한국고용정보원에서 개발한 KEISIM 미시모의실험 모형을 활용한다. 노동공급 효과를 적극적으로 반영하기 위해서 미시모의실험이 적절할 것이며, 인구센서스, 경제활동인구, 지역고용조사 등 최근 자료를 활용한 전망 모형의 개선 및 수정이 필요하다. 탄소 전환을 위한 제도 변화의 충격을 반영하여 산업별 고용구조 변화를 전망하기 위해서 CGE 등의 방법을 적용한 전망 모형을 구축하고 이를 제시하고자 한다. 빅데이터에 기반한 인력수급 전망의 필요성도 증대하면서 빅데이터 기반 전망 모형이 개발되고 있다. 이를 위해서 정형 및 비정형 자료를 연계한 전망 자료의 구축이 필요하다. 빅데이터 기반 전망 모형을 구축할 것이며, 딥러닝 기법을 활용한 고용전망 모형도 구축하고자 한다.