머신러닝 분류기법을 적용한 중학생의 학습 부진 예측모형 개발연구: 대구교육종단자료를 중심으로
Development of Prediction Model for Middle School Students’ Underachievement Using Machine Learning Classification Techniques: A Focus on DELS
0
조회
0
다운로드
9
인용
0
참고문헌
키워드
초록
본 연구는 국가 수준 학업성취도 평가에서 중.고교 학생들의 기초학력 미달 비율이 점차 증가하고 있다는 사실에 기초하여 학업 부진에 영향을 미치는 변수들을 탐색해 보았다. 이에 대구교육종단 연구에서 수집한 중학교 3학년 학생들의 다양한 데이터를 이용하여 학업 부진을 겪고 있는 학생 특징을 6가지 대영역으로 나누어 탐색하였다. 또한, 머신러닝 기법 중 랜덤 포레스트 알고리즘을 적용하여 학습 부진 예측모델을 구축하고, 예측 주요 변인 상위 20개를 추출하였다. 연구의 결과로는 첫째, 사교육 관련 요인들이 학업 부진에 압도적인 영향을 미친다는 것을 알 수 있었다. 둘째, 자기효능감과 관련된 변수들이 학습 부진 영향 요인으로 다수 확인되었다. 이는 고교진학계획과 함께 해석되는데, 청소년기의 학생들이 학교 성적과 연관하여 자기효능감이 떨어지고, 비관적으로 진로와 진학계획을 세울 위험이 있다는 것이다. 셋째, 학습 부진을 겪고 있는 학생은 PC나 핸드폰 사용, 오락 및 게임, 채팅 및 SNS 등에 많은 시간을 할애하고 있음을 알 수 있었다. 따라서 본 연구에서는 이러한 연구 결과를 바탕으로 학습 부진 해결 방안에 대한 제언과 더불어 연구의 한계점과 향후 연구 방안에 대해 논의하였다.
Abstract
Owing to an increase in the percentage of underachievement in national-level academic performance tests among middle and high school students, this study researched the variables that affect students’ underachievement. Accordingly, based on Daegu Education Longitudinal Study’s significant data on 9th grade students, the characteristics of underachieving students were classified into six major categories. Furthermore, the top 20 prediction variables were extracted, and the prediction model for academic underachievement was developed by applying the random forest algorithm among machine learning techniques. The results revealed that variables related to private education have considerable effects on academic underachievement. Second, it was confirmed that variables related to self-efficacy influence low achievement. In relation to the high school entrance plan, adolescent students experience a lack of self-efficacy related to academic grades and may be pessimistic about choosing their careers and approaching entrance plans. Third, underachieving students spend considerable amounts of time on their PCs and cellular phones, playing games, chatting, and SNS. In accordance with the results, a proposal for solutions to academic underachievement, the limitations of the study, and recommendations for future research are discussed.
참고문헌 (17)
- 교육부, "행복한 출발을 위한 기초학력 지원 내실화 방안", 교육부 보도자료, ~ (2019)
- 김경희, "중등영재아와 일반아의 수학성취도 발달에 대한 가정의 사회적 자본 영향력 분석", 중등교육연구, 59(4), pp.939~968 (2011), 사범대학부속중등교육연구소[DOI]
- 학습 부진 학생 지도프로그램 개발연구, "김수동", 한국교육과정평가원, ~, pp.PRC 98-4 (1998)
- 김현준, "수학 부진 학생 수업 방법 연구", 석사, pp.2017
- 박소영, "랜덤 포레스트를 활용한 고등학생의 진로개발역량 예측변수 탐색", 열린교육연구, 29(1), pp.239~265 (2021), 한국열린교육학회[DOI]
- 김누리, "학업성취 수준에 따른지각된 창의성의 예측 요인 분석", 영재와 영재교육, 16(4), pp.131~150 (2018), 한국영재교육학회[DOI]
- 변수용, "부모의 교육적 관여가 학업성취에 미치는 영향:가정배경의 영향을 중심으로", 교육사회학연구, 18(1), pp.39~66 (2008), 한국교육사회학회[DOI]
- 송미영, "학교교육 개선을 위한 학생의 학업성취수준 결정요인 분석", 교육평가연구, 24(2), pp.261~290 (2011), 한국교육평가학회
- 서원석, "다층모형을 활용한 중학생의 학업성취에 영향을 미치는 학교효과 분석", 학습자중심교과교육연구, 20(4), pp.199~226 (2020), 학습자중심교과교육학회[DOI]
- 이기정, "랜덤 포레스트를 활용한 장애인 취업 예측 모형: 취업 여부 및 정규직 취업을 중심으로", 장애와 고용, 29(3), pp.145~165 (2019), 한국장애인고용공단 고용개발원[DOI]
- 이창식, "초·중·고 학생들의 학교폭력 피해경험이 행복감에 미치는 영향: 자아존중감의 매개효과", 디지털융복합연구, 15(1), pp.35~43 (2017), 한국디지털정책학회[DOI]
- 임현정, "초등학생의 학습부진에 대한 학생 및 학교수준의 결정요인 탐색", 교육평가연구, 23(1), pp.191~216 (2010), 한국교육평가학회
- 임효진, "중학생의 자존감, 자기통제 및 학업성취도의 종단적 변화", 학습자중심교과교육연구, 16(12), pp.315~335 (2016), 학습자중심교과교육학회[DOI]
- 정윤경, "사회적 지지와 진로성숙도의 종단적 변화와 학업참여 및 학업성취간의 구조적 관계 검증", 進路敎育硏究, 30(3), pp.1~23 (2017), 한국진로교육학회
- 주철안, "학교조직 특성이 학생의 학업성취와 정의적 성장에 미치는 효과분석: 학교조직 진단 영역 중심으로", 아시아교육연구, 13(2), pp.57~80 (2012), 교육연구소[DOI]
- 최필선, "머신러닝 기법을 이용한 대졸자 취업예측 모형", 직업능력개발연구, 21(1), pp.31~54 (2018), 한국직업능력연구원[DOI]
- Breiman, L., "Random forest", Machine Learning, 45(1), pp.5~32 (2001)