청소년의 읽기, 수학 및 과학 성취에 영향을 미치는 주요 예측변수 탐색
Exploring Key Predictors Affecting Adolescents’ Reading, Mathematics, and Science Achievement
0
조회
0
다운로드
9
인용
0
참고문헌
키워드
초록
본 연구는 청소년의 인지적 역량 중 읽기, 수학 및 과학 성취 관련 주요 예측변수를 탐색하고, 주요예측변수가 세 영역에 미치는 영향력을 검증하고자 하였다. 이를 위해 PISA 2018 자료에 다층자료 구조를 반영할 수 있는 혼합효과 랜덤포레스트(mixed-effect random forest: MERF)와 다층모형을적용하였다. 주요 연구결과는 다음과 같다. 첫째, 예측성과가 좋은 혼합효과 랜덤포레스트를 적용한결과, 학생과정 요인(읽기 전략 방법, 읽기에 대한 능력 지각 및 즐거움, PISA 검사와 관련된 변수) 및ICT 요인(ICT 사용에 대한 지각된 자율성)이 읽기, 수학 및 과학 성취에 공통적인 주요 예측변수로 도출되었다. 영역에 따라 상이한 결과도 도출되었는데, 특히 수학 성취에서만 연간 가계 소득, 정규 수업외 추가 교육, 방과 후 공부 시간 등이 주요 예측변수로 탐색되었다. 둘째, 다층모형 분석 결과, 혼합효과 랜덤포레스트에서 도출된 주요 학생 및 부모관련 요인은 청소년의 읽기, 수학 및 과학 성취에 유의한 영향을 미치는 것으로 나타났다. 이러한 연구결과를 토대로 청소년의 인지적 성취 수준 제고를 위한 다각적인 시사점을 논의하였다.
Abstract
The purpose of this study was to explore the key predictors that explain the reading, mathematics, and science achievement of Korean adolescents. To do this, the mixed-effect random forest (MERF) (Hajjem, Bellavance, & Larocque, 2012) considering multilevel data structure and multilevel modeling were applied to PISA 2018 data. The main results are as follows. First, MERF approach revealed that reading strategies, the perception of competence in reading, enjoyment of reading, index of PISA tests, and students' perceived ICT autonomy were commonly selected across three the reading, mathematics, and science achievement. Interestingly, additional instruction in mathematics, learning time after school, and annual household income were explored as key predictors in mathematics achievement only. Second, the multilevel analysis revealed that student-, and parent-related factors were statistically related to Korean adolescents’ reading, mathematics, and science achievement. Based on the findings, implications for improving Korean adolescents’ reading, mathematics, and science achievement were discussed.
참고문헌 (28)
- 강상진, "다층모형" (2016), 학지사
- 구자옥, "PISA 2012 상위국 남녀학생의 과학 성취에 미치는 교육맥락변인 영향력 분석", 교육평가연구, 28(5), pp.1381~1400 (2015), 한국교육평가학회
- 김세리, "학생의 EBS 및 컴퓨터 활용과 교사의 ICT 활용이 학습자의 학업성취도에 미치는 영향", 교육공학연구, 28(4), pp.849~877 (2012), 한국교육공학회
- 김수혜, "청소년의 사회심리적 자원과 학교풍토가 수학 소양성취에 미치는 영향: PISA 2015 한국 자료를 바탕으로", 아시아교육연구, 19(3), pp.651~677 (2018), 교육연구소[DOI]
- 김혜숙, "ICT 활용이 학업성취도에 미치는 영향: PISA 2009 한국 자료를 중심으로", 아시아교육연구, 13(1), pp.1~22 (2012), 교육연구소[DOI]
- 박현정, "학생들의 사교육 참여와 수학 성취도 및 수학 수업이해도간 관계에 대한 종단적 분석", 교육평가연구, 23(4), pp.887~907 (2010), 한국교육평가학회
- 박현주, "고등학생의 심리적 독립과 진로결정수준 및 진로준비행동의 관계", 한국심리학회지: 상담 및 심리치료, 18(2), pp.419~440 (2006), 한국상담심리학회
- 설경옥, "초등학생의 개인 및 부모환경요인과 학업성취와의 관계에서 학교소속감의 매개효과", 한국심리학회지:학교, 10(1), pp.41~58 (2013), 한국심리학회산하학교심리학회[DOI]
- 손윤희, "랜덤 포레스트를 활용한 읽기소양 수준에 따른 집단 결정요인 분석: PISA 2018 자료를 중심으로", 아시아교육연구, 21(1), pp.191~215 (2020), 교육연구소[DOI]
- 송미영, "PISA 2012 결과에 나타난 성별에 따른 학업성취 영향요인 비교", 교육과학연구, 46(4), pp.99~122 (2015), 교육과학연구소[DOI]
- 윤정일, "PISA 2003 학업성취도 결정요인 국제비교연구: 한국, 일본, 미국, 독일, 핀란드를 중심으로", 교육행정학연구, 24(2), pp.521~545 (2006), 한국교육행정학회
- 이명희, "자기결정성이론에 근거한 한국형 기본 심리 욕구 척도 개발 및 타당화", 한국심리학회지: 사회및성격, 22(4), pp.157~174 (2008), 한국사회및성격심리학회[DOI]
- 이인화, "PISA 2015 읽기 영역 결과에 나타난 한국 학생들의 성취 특성 및 교육맥락변인의 영향력 분석 연구", 독서연구, (50), pp.113~144 (2019), 한국독서학회[DOI]
- 이은하, "핵심역량과 국어과 교육과정의 연계 가능성 탐색 - PISA 2009 읽기 영역을 중심으로 -", 아시아교육연구, 16(2), pp.201~230 (2015), 교육연구소[DOI]
- 이정민, "다층구조방정식을 적용한 PISA 2015 과학성취와 과학 교수학습, 학업적 자아효능감의 관계 분석", 교과교육학연구, 23(2), pp.96~107 (2019), 교과교육연구소[DOI]
- 이향미, "청소년의 독서활동, 자기효능감, 학업성취도의 종단적 관계", 교육학연구, 57(3), pp.233~257 (2019), 한국교육학회[DOI]
- 정혜경, "PISA 2009 읽기와 사회경제적 배경 변인에 기반한 역경 극복 학생 특성 분석", 교육과정평가연구, 16(1), pp.161~184 (2013), 한국교육과정평가원
- 정혜원, "청소년의 읽기 소양과 삶의 만족도의 영향변인 탐색: PISA 2018 한국 핀란드 국제비교", 교육과정평가연구, 24(1), pp.123~152 (2021), 한국교육과정평가원
- OECD 국제 학업성취도 평가 연구: PISA 2018 결과 보고서, "조성민", 한국교육과정평가원, ~ (2019)
- 최숙기, "읽기 성취에 대한 남학생과 여학생 간 성별 차이 분석 및 교육적 방안 탐색 -PISA 2009 읽기 관련 변인을 중심으로-", 교육과정평가연구, 15(1), pp.239~266 (2012), 한국교육과정평가원
- PISA 2018 결과 발표 별첨자료, "한국교육과정평가원", 한국교육과정평가원, ~ (2019)
- Breiman, L., "Random forests", Machine Learning, 45(1), pp.5~32 (2001)
- Hajjem, A., "Mixed-effects random forest for clustered data", Journal of Statistical Computation and Simulation, 84(6), pp.1313~1328 (2014)
- Muthén, L. K., "Mplus User’s Guide" (2020), Muthén & Muthén
- PISA 2015 technical report, "OECD", OECD Publishing, ~ (2017)
- PISA 2018 technical report, "OECD", OECD Publishing, ~ (2020)
- Bryk, A. S., "Hierarchical linear models: Applications and data analysis methods" (1992), Sage Publications, Inc
- van Buuren, S., "mice: Multivariate imputation by chained equations in R", Journal of Statistical Software, 45(3), pp.1~67 (2011)