청소년의 창의적 사고력 예측 요인 탐색: AutoML과 SHAP의 적용
Exploring Predictors of Adolescents’ Creative Thinking Ability: using AutoML and SHAP Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 우리나라 청소년의 창의적 사고력에 영향을 미치는 예측 요인을 탐색하고자 하였다. 이를 위해 PISA(Programme for International Student Assessment) 2022에 참여한 만 15세 고등학생 6,117명의 창의적 사고력 응답 결과를 활용하였다. 예측 모형 선정 과정에서는 AutoML(Automated Machine Learning)을 적용하여 다양한 머신러닝 알고리즘의 성능을 비교하였으며, 최적의 예측 모형을 기반으로 주요 예측 변인을 선정하였다. 또한, 예측 요인의 중요도를 분석하기 위해 SHAP(SHapley Additive exPlanations) 값을 활용하였다. 분석 결과, 첫째, 청소년의 창의적 사고력을 예측하기 위해 머신러닝 알고리즘으로 회귀 모형의 성능을 평가한 결과, LightGBM(Gradient Boosting Machine)이 가장 우수한 것으로 나타났다. 둘째, SHAP 중요도 지수를 비교하여 상위 20개 변인을 도출하였고, 수학 관련 변인에서 6개 요인, ICT 관련 5개 요인, 개인 특성 관련하여 4개 요인, 가정 변인에서 2개 요인, 정서 요인에서 3개 요인이 나타났다. 마지막으로, 본 연구 결과를 바탕으로 창의적 사고력 증진을 위한 교육적 방안을 논의하고, 향후 연구를 위한 시사점을 제시하였다.
Abstract
This study aimed to explore the predictors of creative thinking skills among Korean adolescents. To achieve this, the creative thinking responses of 6,117 high school students aged 15 years who participated in the Programme for International Student Assessment (PISA) 2022 were analyzed. Automated Machine Learning (AutoML) was applied to compare the performance of various machine learning algorithms, and key predictors were identified based on the best-performing model. In addition, SHAP (SHapley Additive exPlanations) values were used to assess the importance of the predictors. First, among various regression models applied to predict creative thinking ability, LightGBM demonstrated the highest predictive performance. Second, based on SHAP importance scores, the most influential predictor was the “number of mathematics classes per week”, followed by “familiarity with mathematical concepts”, “ICT use for topics beyond school subjects”, “mathematical self-efficacy: formal and applied mathematics”, and “expected academic achievement.” Finally, based on the results of this study, suggestions to promote creative thinking are discussed, and implications for future research are suggested.