외국인 유학생의 한국 내 대학 적응에 미치는 영향요인 연구: 머신러닝 활용을 중심으로
A Study on the Influencing Factors of Foreign Students' Adaptation to Universities in Korea: An Empirical Analysis Using Machine Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근, 한국 사회는 급격한 저출산과 학령인구 감소로 인해 고등교육 생태계의 근본적 재편에 직면하고 있다. 비수도권 일반대학의 입학정원 충원율은 지난 10년간 지속적으로 감소하여 지방대학의 생존 위기가 현실화되고 있다. 외국인 유학생을 대학 입학자원 감소에 대한 대안으로, 인재 양성을 통해 노동시장에 진입, 지역 정주를 유도함으로써 초저출생 대책의 일환 차원에서 관심이 높아지고 있다. 본 연구는 외국인 유학생의 한국 내 대학 적응에 영향을 미치는 요인을 분석하고, 머신러닝 기법을 활용한 예측모델을 개발하고자 한다. 한국 정부는 2027년까지 외국인 유학생 30만 명 유치를 목표로 하는 'Study Korea 300K Project'를 추진하고 있으나, 중도탈락률은 2019년 5.39%에서 2023년 7.93%로 증가하여 지방대학의 지속가능성을 위협하고 있다. 247개 국내 고등교육기관을 대상으로 랜덤 포레스트, 로지스틱 회귀, 서포트벡터머신(SVM), 나이브 베이즈 모델을 적용하여 분석을 수행하였다. 분석 결과, 신입생 충원율(중요도: 0.185), 해외 교류 프로그램(0.162), 유학생 수(0.148), 신입생 경쟁률(0.132)이 가장 영향력 있는 요인으로 확인되었다. 랜덤포레스트 모델이 가장 우수한 성능(정확도: 0.892, AUC: 0.935)을 나타냈으며, 비선형적 관계를 효과적으로 확인하였다. 해외교류 프로그램, 봉사활동, 아르바이트 기회, AI 기반 통역 시스템과 같은 제도적 지원 요인이 설립 유형이나 소재지와 같은 구조적 특성보다 더 중요한 역할을 하는 것으로 나타났다. 정책 입안자들에게 외국인 유학생에 대한 양적 확대보다 질적 학생관리에 주안을 둔 다차원적 전략의 중요성을 강조하며, 고등교육 분야에서 증거기반 정책결정을 위한 새로운 머신러닝 접근법을 제시하였다.
Abstract
Recently, Korean society is facing a fundamental reorganization of the higher education ecosystem due to a rapid low birth rate and a decrease in the school-age population. The enrollment quota recruitment rate of non-metropolitan general universities has continued to decline over the past 10 years, and the survival crisis of local universities is becoming a reality. As an alternative to reducing university admission resources, interest is increasing in part of ultra-low birth rate measures by inducing foreign students to enter the labor market by cultivating human resources and settle in regions. The purposes of this study are to systematically analyze factors influencing international students' adaptation to Korean universities and develop a predictive model using machine learning techniques. Despite South Korea's 'Study Korea 300K Project' aiming to attract 300,000 international students by 2027, dropout rates increased from 5.39% in 2019 to 7.93% in 2023, threatening the sustainability of regional universities. This study applies Random Forest, Logistic Regression, SVM, and Naive Bayes algorithms to analyze 247 Korean higher education institutions. Key findings reveal that freshman enrollment rate (importance: 0.185), international exchange programs (0.162), number of international students (0.148), and freshman competition rate (0.132) are the most influential factors. Random Forest achieved the highest performance (accuracy: 0.892, AUC: 0.935), effectively capturing non-linear relationships. Results demonstrate that institutional support factors—international exchange programs, volunteer activities, part-time work opportunities, and AI-based interpretation systems—play more critical roles than structural characteristics like establishment type or location. This study provides valuable insights for policymakers, emphasizing multi-dimensional strategies focusing on qualitative student management rather than quantitative expansion, and demonstrates a novel machine learning approach for evidence-based policy decisions in higher education.