본문 바로가기
KERD
논문KCI 등재

하이브리드 머신러닝 접근에 의한영유아교사의 포괄적 행복척도 단축형 개발

Developing a short version of the Comprehensive Happiness Scale for early childhood teachers: A hybrid machine learning approach

전효정|고은경
인지발달중재학회 (The Society for Cognitive Enhancement and Intervention)|2024.09|인지발달중재학회지 (Journal of cognitive Enhancement and Intervention)|제15권 제3호|pp. 153-169|DOI http://dx.doi.org/10.21197/JCEI.15.3.8

3

조회

0

다운로드

0

인용

0

참고문헌

키워드

영유아교사early childhood teachers포괄적 행복 척도하이브리드 머신러닝short verson of comprehensive happiness scalehybrid machine learning
주제분류심리과학

초록

연구목적: 본 연구의 목적은 하이브리드 머신러닝 접근 방식을 사용하여 영유아교사의 포괄적 행복 척도의 단축형을 개발하고 타당성을 조사하는 것이다. 연구방법: 본 연구는 총 212명의 영유아교사를 대상으로 총 53문항의 포괄적 행복 척도를 개발하고 타당화한 2차 자료를 활용하였다. 먼저, 비지도 학습을 통해 전체 53개의 문항 자료를 투입하여 문항 반응에 대한 잠재집단을 계층화하였다. 다음으로, 3개에서 25개에 이르는 서로 다른 문항 수로 구성된 단축형 후보 버전을 설정하여 동시 타당성을 조사하였다. 단축형 도구의 타당성은 지도학습 모델링에 의해 산출된 Kappa 계수, AUC (area under the receiver operating characteristic curve) 수치로 비교하였다. 연구결과: 첫째, 영유아교사가 응답한 53개의 문항 자료를 모두 투입한 결과, 전체 집단(N = 212, m = 3.59, sd = 0.40)은 비지도 학습을 통해 3개의 잠재집단으로 계층화되었다. 3개의 집단은 ‘조직에 대한 만족과 몰입’ 및 ‘여가 및 신체적 안녕’이 특히 낮으면서 전반적으로 포괄적 행복 수준이 낮은 집단(n = 52, m = 3.11, sd = 0.18), ‘심리적 안녕’이 특히 높으면서 전반적으로 포괄적 행복 수준이 높은 집단(n = 50, m = 4.11, sd = 0.25), 그리고 전체 집단의 평균과 유사하면서 다른 두 집단의 포괄적 행복 수준 사이에 분포하는 중간 집단(n = 110, m = 3.58, sd = 0.17)으로 확인되었다. 둘째, 17개의 문항 수로 구성된 단축형 도구는 포괄적 행복 수준이 낮은 집단(Kappa = 0.98, AUC = 1.00), 높은 집단(Kappa = 0.98, AUC = 1.00), 중간 집단(Kappa = 0.85, AUC = 0.98)을 모두 분류하기에 적합하였다. 결론: 본 연구를 통해 영유아교사의 포괄적 행복을 측정하는 17문항의 단축형 도구를 개발하였다. 이를 통해 앞으로 영유아교사의 행복 수준을 보다 간편하면서도 정확하게 측정하여, 영유아교사의 포괄적 행복을 지원하는데 활용될 수 있다.

Abstract

Objective: This study develops and validates a shortened version of the Comprehensive Happiness Scale for early childhood teachers using a hybrid machine learning approach. Methods: Secondary data on 212 early childhood teachers were used to develop and validate a comprehensive 53-item happiness scale. First, the full 53-item data were fed through unsupervised learning to stratify the latent population for item responses. Next, candidate shortened versions with different item counts, (3-25 items), were created to investigate concurrent validity. The shortened instruments’ validity was compared using Kappa coefficients and AUC values calculated by supervised learning. Results: First, after inputting early childhood teachers’ response data on all 53 items, the entire sample (N = 212, m = 3.59, sd = 0.40) was stratified into three latent groups through unsupervised learning. These groups were identified to have lower overall composite happiness, with particularly low levels of “satisfaction and engagement with the organization” and “leisure and physical well-being” (N = 52, m = 3.11, sd = 0.18), higher overall composite happiness with particularly high levels of “psychological well-being” (N = 50, m = 4.11, sd = 0.25); and an intermediate group (N = 110, m = 3.58, sd = 0.17) similar to the total population mean and distributed between the other two groups' composite happiness levels. Second, the shortened 17-item instrument was adequate to categorize the low (Kappa = 0.98, AUC = 1.00), high (Kappa = 0.98, AUC = 1.00), and intermediate (Kappa = 0.85, AUC = 0.98) groups in terms of comprehensive happiness. Conclusions: A shortened 17-item instrument was developed to measure early childhood teachers’ comprehensive happiness. This shortened instrument can be used to more easily and accurately measure the happiness level of infant and toddler teachers and support their comprehensive happiness.

참고문헌 (37)

  1. 공경애, "검사법 평가 : 검사법 비교와 신뢰도 평가", 이화의대지, 40(1), pp.9~16 (2017)[DOI]
  2. 구은미, "보육교사의 신체적·정신적 건강상태와 소진에 대한 연구", 유아교육·보육복지연구, 15(4), pp.117~139 (2011)
  3. 김윤지, "사립유치원 교사의 행복에 대한 인식 탐색 : 개념도 분석을 중심으로", 한국유아교육연구, 26(1), pp.307~333 (2024)[DOI]
  4. 김인선, "유아교사의 행복증진을 위한 교사교육 프로그램 개발", 인지발달중재학회지, 8(2), pp.123~142 (2017)
  5. 김일옥, "가정보육시설 보육교사의 건강상태가 이직의도에 미치는 영향-자기 효능감의 매개효과를 중심으로-", 한국영유아보육학, 68, pp.147~169 (2011)
  6. 김혜금, "보육교사의 건강상태, 건강행동과 보육의 질", 한국보육지원학회, 7(1), pp.149~166 (2011)
  7. 김홍길, "조직웰빙(OWB)의 개념화와 척도 개발에 관한 연구", 인적자원관리연구, 17(3), pp.325~348 (2010)
  8. 도순남, "유치원 교사의 직무스트레스, 심리적 특성 및 인구통계학적 특성이 직무태도에 미치는 효과분석", 박사, pp.1999
  9. 량양링, "유아교사의 심리적 웰빙이 교사-유아 상호작용에 미치는 영향 : 직업적 웰빙의 매개효과", 한국영유아보육학, 141, pp.111~140 (2023)[DOI]
  10. 임승렬, "영유아교사의 행복 측정척도 개발 및 타당화 연구", 유아교육학논집, 18(1), pp.405~431 (2014)
  11. 전효정, "영유아교사 포괄적 행복척도 개발 연구", 학습자중심교과교육연구, 15(10), pp.517~545 (2015)
  12. 전효정, "영유아교사의 포괄적행복 요인에 대한요구도 분석", 유아교육학논집, 19(6), pp.129~155 (2015)
  13. 최영옥, "교사의 다차원적 완벽주의 성향에 따른 사회적 문제해결능력, 직무스트레스 및 행복 간의 관계분석", 박사, pp.2011
  14. 최재혁, "혼합 기계 학습 기반소변 스펙트럼 분석 앙상블 모델", 멀티미디어학회논문지, 23(8), pp.1059~1065 (2020)[DOI]
  15. 황종귀, "보육교사의 행복감, 자기효능감과 교사-유아의 상호작용 간의 관계", 유아교육․보육복지연구, 21(3), pp.7~25 (2017)[DOI]
  16. 황해익, "유아교사의 자아존중감과 행복플로리시의 관계에서 향유신념의 조절효과", 생태유아교육연구, 13(4), pp.153~178 (2014)
  17. Abbas, H., "Machine learning approach for early detection of autism by combining questionnaire and home video screening", Journal of the American Medical Informatics Association, 25(8), pp.1000~1007 (2018)[DOI]
  18. Allen, N. J., "A Three-Component Conceptualization of Organizational Commitment", Human Resource Management Review, 1(1), pp.61~89 (1991)[DOI]
  19. Alshmemri, M., "Herzberg’s two-factor theory", Life Science Journal, 14(5), pp.12~16 (2017)[DOI]
  20. Cohen, J., "A coefficient of agreement for nominal scales", Educational and psychological measurement, 20(1), pp.37~46 (1960)[DOI]
  21. Deci, E. L., "Facilitating optimal motivation and psychological well-being across life's domains", Canadian Psychology, 2008, pp.49(1), 14~23
  22. Diener, E., "The Satisfaction with Life Scale", Journal of Personality Assessment, 49(1), pp.71~75 (1985)[DOI]
  23. Hills, P., "The Oxford Happiness Questionnaire : A compact scale for the measurement of psychological well-being", Personality and Individual Differences, 33(7), pp.1071~1082 (2002)[DOI]
  24. Khan, A., "Development of a three tiered cognitive hybrid machine learning algorithm for effective diagnosis of Alzheimer’s disease", Journal of King Saud University-Computer and Information Sciences, 34(10), pp.8000~8018 (2022)[DOI]
  25. Fritz, C., "Work and sleep: Research insights for the workplace", pp.55~76 (2016), Oxford University Press
  26. Lin, S., "A hybrid machine learning model of depression estimation in home-based older adults : a 7-year follow-up study", BMC psychiatry, 22(1), pp.1~13 (2022)[DOI]
  27. Momenzadeh, N., "A hybrid machine learning approach for predicting survival of patients with prostate cancer : A SEER-based population study", Informatics in Medicine Unlocked, 27(6), pp.100763~ (2021)[DOI]
  28. Morgado, F. F., "Scale development : ten main limitations and recommendations to improve future research practices", Psicol Reflex Crit, 30(1), pp.3~ (2017)[DOI]
  29. Riff, C. D., "The structure of psychologic well-being revisited", Journal of personality and social psychology, 69(4), pp.719~727 (1995)[DOI]
  30. Sahdra, B. K., "Using genetic algorithms in a large nationally representative American sample to abbreviate the Multidimensional Experiential Avoidance Questionnaire", Frontiers in Psychology, 7, pp.189~ (2016)[DOI]
  31. Simundic, A. M., "Diagnostic accuracy-part 1 : Basic concepts sensitivity and specificity, ROC Analysis, STARD Statement", Point of Care : The Journal of Near-Patient Testing &Technology, 11(1), pp.6~8 (2012)[DOI]
  32. Sonnentag, S., "The recovery paradox : Portraying the complex interplay between job stressors, lack of recovery, and poor well-being", Research in Organizational Behavior, 38, pp.169~185 (2018)[DOI]
  33. Sonnentag, S., "The Recovery Experience Questionnaire : Development and validation of a measure for assessing recuperation and unwinding from work", Journal of Occupational Health Psychology, 12(3), pp.204~221 (2007)[DOI]
  34. Thabtah, F., "A new computational intelligence approach to detect autistic features for autism screening", International journal of medical informatics, 117, pp.112~124 (2018)[DOI]
  35. Van Katwyk, P. T., "Using the Job-related Affective Well-being Scale(JAWS)to investigate affective responses to work stressors", Journal of Occupational Health Psychology, 5, pp.219~230 (2000)[DOI]
  36. Wall, D. P., "Use of Artificial Intelligence to Shorten the Behavioral Diagnosis of Autism", PLoS ONE, 7(8), pp.e43855~ (2012)[DOI]
  37. Wang, I., "Development of a Berg Balance Scale short-form using a machine learning approach in patients with stroke", Journal of Neurologic Physical Therapy, 47(1), pp.44~51 (2023)[DOI]

관련 논문AI추천

유아 행복척도 개발 및 타당화김경철, 이성주유아교육연구소 · 한국유아교육연구2020 · 제22권 제1호영유아교사의 잡 크래프팅과 조직풍토가 행복감에 미치는 영향고영미, 김정아, 신현선한국유아교육학회 · 유아교육연구2025 · 제45권 제6호유아교사의 행복감에 영향을 미치는 변인간 구조분석오경순, 윤현숙한국생태유아교육학회 · 생태유아교육연구2019 · 제18권 제3호잠재프로파일 분석과 랜덤 포레스트를 활용한 교사-유아 상호작용 예측요인 탐색조경진한국유아교육학회 · 유아교육연구2022 · 제42권 제5호유아교사의 일과 삶의 균형이 행복감에 미치는 영향이정미, 이지영한국 영유아 교육·보육학회 · 영유아교육.보육연구2024 · 제17권 제1호유아행복플로리시척도 개발 연구신현정, 탁정화, 황해익한국생태유아교육학회 · 생태유아교육연구2022 · 제21권 제1호

이 간행물의 다른 논문 (9건)

유아기의 자아존중감과 사회적 유능감이학습준비도를 매개로 초등학교 시기 학업능력에 미치는 영향황희숙, 김선영pp. 1-17학령기 아동의 부모애착 및 부모의 민주적 양육행동과초기 청소년기 학교적응 간의 관계에서집행기능곤란의 매개효과심미경, 김지애pp. 19-41중국 학령후기 아동이 지각한어머니의 과보호와 학교적응 간의 관계: 아동의 기본심리욕구 만족 및 좌절의 이중 매개효과손혜령, 이진숙, 권미나pp. 43-60중학생의 패배감이 자살생각에 미치는 영향: 우울과 적응적 인지적 정서조절전략의 조절된 매개효과최혜린, 박주희pp. 61-83대학생의 정서지능이 대학생활적응에 미치는 영향: 성장 마인드셋과 그릿의 병렬이중 매개효과를 중심으로고효림pp. 85-105
원문 보기