교육 분야 데이터의 통계적 매칭 적용 가능성 탐색 - 사교육 변수를 중심으로-
A Study on the Statistical Matching Method of Educational Data: Focusing on the Variables of Private Tutoring
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
증거기반 정책 결정의 확산에 따라 교육 분야에서도 데이터의 연계와 활용의 중요성이 강조되고 있다. 본 연구는 교육 데이터의 특수성에 따라 개인식별정보를 활용한 데이터의 연계가 활발하지 않은 교육 분야에서 서로 다른 데이터에 존재하는 유사한 개인들을 연계하는 통계적 매칭 가능성을 탐색한다. 이를 위해 통계적 매칭의 개념과 국내 타분야와 해외 교육 분야의 통계적 매칭 사례들을 살펴본 후 실제 교육 데이터를 사용하여 사교육 관련 변수들을 통계적으로 매칭하는 시뮬레이션을 실시한다. 먼저 한국교육종단연구2013 6차 데이터를 두 데이터로 무작위 분할한 후 통계적으로 매칭한 결과, 사교육비와 사교육 시간의 평균 및 분포가 원자료와 매우 유사했으며, 지역 규모와 소득 등 다른 변수들과 매칭된 변수들 사이의 관계도 원자료와 매우 유사했다. 이어서 한국교육종단연구2013 6차 데이터에 2019 초중고 사교육비 조사의 사교육비 변수들을 통계적으로 매칭한 결과, 사교육비 지출 변수들의 분포 및 주요 하위집단별 평균값이 매우 유사하게 나타났다. 이러한 분석 결과는 서로 다른 정보를 포함하고 있는 교육 분야 데이터들의 통계적 매칭이 상당한 타당성을 가질 수 있음을 보여주는 동시에 향후 교육 분야와 다른 분야 데이터들을 통계적으로 매칭하여 데이터 활용의 가치를 높일 수 있음을 시사한다.
Abstract
This study explores the statistical matching methods to link similar individuals in different data based on the same target population in the field of education. After examining the concept and empirical cases of statistical matching, a simulation is conducted to statistically match tutoring variables using education data. First, the results of statistical matching after dividing the 6th wave of KELS2013 into two data show that the mean and the distribution of private tutoring expenses and private tutoring hours of the matched data are very similar to those of the original data. In addition, the relationship between matched variables with other variables, such as regional size and income, was very similar to the original data. The results of statistically matching the private tutoring expenditure variables of the Private Education Expenditure Survey 2019 to 6th wave of KELS2013 also show that the distribution and the mean of each major subgroup of the matched variables were very similar to those of the original variables. These results not only imply that statistical linkage of educational data can have significant validity, but also suggest that the range of data utilization can be broadened by statistical matching of educational data and data from the other sectors.
참고문헌 (32)
- 4차산업혁명위원회, "미개방 핵심데이터 제공 방안 Ⅲ: 교육 분야 데이터 (2021. 11. 18.)", 제7차 데이터 특별위원회, ~ (2021)
- 교육부, "교육데이터 개방 및 활용을 위한 첫걸음 내딛다", 교육부 보도자료, ~ (2021)
- 교육부, "2022년도 교육정보화 시행계획 수립", 교육부 보도자료, ~ (2022)
- 국민연금은 중․고령기 빈곤 진입 위험으로부터 불안정 노동자들을 보호하는가? -통계적 매칭을 활용한 분석의 확장-, "금종예", 한국노동연구원, ~, pp.한국노동연구원(KLI) 패널 워킹페이퍼 제4호 (2021)
- 김대건, "마이크로 매칭 방안 비교 연구 -경제활동인구조사와 생활시간조사 자료에 적용-", Journal of The Korean Data Analysis Society, 16(5), pp.2393~2408 (2014), 한국자료분석학회
- 김소희, "데이터 매칭을 이용한 주관적 사회계층에 관한 인식과 노후준비에 관한 연구", Journal of The Korean Data Analysis Society, 20(3), pp.1125~1135 (2018), 한국자료분석학회[DOI]
- 김승태, "정보공개제도의 성과와 한계", 한국공공관리학보, 23(4), pp.119~147 (2009), 한국공공관리학회[DOI]
- 김미란, "가계의 사교육비 지출 규모와 영향요인 분석", 교육재정경제연구, 18(2), pp.1~26 (2009), 한국교육재정경제학회
- 2016 한국교육종단연구(KELS) 2013 (IV): 조사개요보고서, "김양분", 한국교육개발원, ~ (2016)
- 성낙일, "우리나라 사교육비 결정요인 및 경감대책에 대한 실증분석", 응용경제, 10(3), pp.183~212 (2008), 한국응용경제학회
- 보건복지통계정보 생산 및 활용 촉진을 위한 마이크로데이터 통합연계 방안, "오미애", 한국보건사회연구원, ~, pp.연구보고서 2014-29-2 (2014)
- 이필남, "The Relationship Between Private Tutoring Expenditure and Relevant Factors in South Korea : A meta-analysis", 비교교육연구, 27(2), pp.53~79 (2017), 한국비교교육학회[DOI]
- "OECD 교수-학습 국제조사(TALIS) 참가국 이사회 결과" (2014), 주OECD대표부[URL]
- 교육 빅데이터 구축 및 활용 방안 –국가수준 학업성취도 평가 자료를 중심으로-, "최인봉", 한국교육과정평가원, ~, pp.RRE 2021-3 (2021)
- 최현수, "데이터 연계방법론을 활용한 납세 및 복지수급여부에 따른 복지인식 비교 분석", Journal of The Korean Data Analysis Society, 17(4), pp.1983~1994 (2015), 한국자료분석학회
- 추병주, "사회보장 급여의 시뮬레이션을 위한 시론적 연구", 한국콘텐츠학회 논문지, 18(5), pp.256~264 (2018), 한국콘텐츠학회[DOI]
- 통계청, "2021년 초중고사교육비조사 결과", 통계청 보도자료, ~ (2022)
- 교원 및 교직환경 국제비교 연구: TALIS 2주기 결과를 중심으로, "허주", 한국교육개발원, ~, pp.연구보고 RR 2015-22 (2015)
- Teaching and learning international survey(TALIS)2018 conceptual framework, "Ainley, J.", OECD Publishing, ~, pp.OECD Education Working Papers, No. 187 (2018)
- Alpman, A., "Implementing Rubin's alternative multiple-imputation method for statistical matching in Stata", The Stata Journal, 16(3), pp.717~739 (2016)
- Byun, S., "Korean education in changing economic and demographic contexts", pp.39~58 (2014), Springer
- D'Orazio, M., "Statistical matching: Theory and practice" (2006), John Wiley & Sons
- D'Orazio, M., "The use of uncertainty to choose matching variables in statistical matching", International Journal of Approximate Reasoning, 90, pp.433~440 (2017)
- Frick, J. R., "Wealth Inequality and the Importance of Public Pension Entitlements", LIS conference on Inequality and the Status of the Middle Class: Lessons from the Luxembourg Income Study, pp.29~30 (2010)
- Gu, X. S., "Comparison of multivariate matching methods : Structures, distances, and algorithms", Journal of Computational and Graphical Statistics, 2(4), pp.405~420 (1993)
- Kaplan, D., "Data fusion with international large scale assessments : a case study using the OECD PISA and TALIS surveys", Large-scale Assessments in Education, 1(1), pp.1~26 (2013)
- Kum, H., "Statistical matching using propensity scores: Theory and application to the analysis of the distribution of income and wealth", Journal of Economic and Social Measurement, 35(3-4), pp.177~196 (2010)
- Lee, M., "International Handbook on Education Development in Asia-Pacific", pp.1~20 (2022), Springer
- OECD, "Positive, High-achieving Students?: What Schools and Teachers Can Do" (2021), OECD Publishing
- Rasner, A., "Statistical matching of administrative and survey data : An application to wealth inequality analysis", Sociological Methods & Research, 42(2), pp.192~224 (2013)
- Simonson, J., "Statistical matching of the German Aging Survey and the Sample of Active Pension Accounts as a source for analyzing life courses and old age incomes", Historical Social Research, 37(2), pp.185~210 (2012)
- Wiest, M., "The potential of statistical matching for the analysis of wider benefits of learning in later life", European Journal for Research on the Education and Learning of Adults, 10(3), pp.291~306 (2019)