머신러닝 기반 온라인 학습성과의 최적 예측모델 수립 (Part 1. 학습성취도 예측모델)
Establishment of an Optimal Predictive Model for Online Learning Outcomes Based on Machine Learning (Part 1. Learning Achievement Prediction Model)
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 온라인 학습성취도 예측모델 수립을 위한 머신러닝 기반 모델 개발을 다루며, 2020년 1월부터 2023년 7월까지 수 집된 공공 직업능력개발 플랫폼 STEP의 데이터를 활용하였다. Random Forest, CART, Gradient Boosting, SVM, K-NN의 5가지 알 고리즘을 비교한 결과, Random Forest 알고리즘이 학습 전 단계와 학습 중 단계 모두에서 가장 높은 정확도를 보였다. 주요 예측 변수로는 사전 설문 만족도, 나이, 진도점수, 학습일수 등이 포함되었으며, 이를 통해 적응형 학습 서비스 구현의 가능성을 확인 하였다. 특히, 온라인 학습 중의 현재 수집 데이터만으로도 대체적으로 만족할 만한 수준의 예측 정확도를 확인하였다.
Abstract
This study investigates the development of a machine learning-based model.to predict online learning outcomes(academic achievement) in public vocational training platforms, using the STEP dataset from January 2020 to July 2023. By Comparing five algorithms(Random Forest, CART, Gradient Boosting, SVM, K-NN), Random Forest demonstrated the highest accuracy across both pre-engagement and mid-engagement stages. Key predictive factors include pre-survey satisfaction, age, progress scores, and learning days, and learning days, emphasizing the potential for adaptive learning services. In particular, a generally satisfactory level of prediction accuracy was confirmed only with the current collection data during online learning.