기계학습을 활용한 중학교 2학년 학생 우울 예측 변수 탐색: KCYPS 2018 제5차 자료 분석
Predictor exploration of depression in 8th graders via machine learning: KCYPS 2018 5th wave data analysis
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
정신건강 지표 중 우울은 청소년이 경험할 수 있는 보편적인 정서이다. 그러나 우울은 불안이나 수면장애 등 다양한 증상을 동반할 수 있는 정신건강 위험요인이기도 하다. 중학생의 우울을 관리하고 예방함으로써 청소년기 전반의 정신건강을 증진시키며 삶의 질을 개선할 수 있다. 따라서 중학생의 우울을 예측하고, 이에 기여하는 변수가 무엇인지 살펴볼 필요가 있다. 본 연구의 근본 목적은 청소년의 우울에 기여하는 변인을 총체적인 관점에서 파악하는 것이다. 본 연구에서 수백 개의 개인발달과 발달환경 변수를 제공하는 대용량 자료인 한국아동･청소년패널 2018(KCYPS 2018)을 기계학습 기법(group Mnet이 random forest)으로 분석한 결과, group Mnet이 최종 연구 기법으로 선정되었으며, 총 305개 변수 중 42개가 중학생의 우울을 예측하는 변수로 선택되었다. 그중 선행연구와 회귀계수 방향이 일치하는 변수는 자아존중감, 정서문제, 신체증상, 그릿(grit), 사이버 비행 경험, 주관적 건강상태, 행복감, 친구와의 관계, 부모의 양육태도인 것으로 나타났다. 선행연구와 일치하지 않는 변수는 학업 무기력, 협동심 변수로 나타났다. 또한, 본 연구를 통해 6개의 변수가 우울의 예측에 기여하는 변수로 새롭게 발견되었다. 구체적으로 희망직업 선택 요인, 주말 TV 시청 시간, 선호하는 연예인이나 운동선수 여부는 우울을 부적으로 예측하였고, 가식적 성격, 주말에 부모님과 함께 보내는 시간, 스마트폰으로 문서 보기는 우울을 정적으로 예측하였다. 우울을 예측하는 변수로 탐색된 변수 중 기존의 선행연구와 일치하지 않거나 새롭게 발견된 변수를 고려하여 학생의 우울을 예방 및 개선할 필요가 있다. 이를 통하여 학생 정신건강 증진을 위한 지원체계와 학생의 삶의 질 개선에 실질적인 도움을 제공할 수 있을 것으로 기대한다.
Abstract
Among mental health indicators, depression is a common mood experienced by adolescents, which also poses a risk to mental health, accompanied by a variety of symptoms such as anxiety and sleep disturbances. Addressing and preventing depression in middle school students can help their quality of life by promoting mental health throughout adolescence. Thus, it is essential to investigate the variables that predict depression in this age group. Both personal and environmental factors influence depression of middle school students, which necessitates a holistic analysis with large-scale data. Particularly, the Korean Children and Youth Panel 2018 (KCYPS 2018) was utilized to predict depression in middle school students with machine learning techniques: group Mnet and random forest. After comparison of prediction performance, group Mnet was selected as the final technique, identifying 42 predictors out of 305 explanatory variables. Variables consistent with previous research included self-esteem, emotional problems, physical symptoms, grit, cyber-delinquency experience, subjective health status, the degree of happiness, relationships with friends, and parenting style. In contrast, some variables measuring academic lethargy and cooperativeness were not consistent with previous findings. This study also identified six new variables that contribute to depression prediction. Specifically, a career choice factor, time spent watching TV on weekends, and presence of favorite celebrity or athlete were negative predictors of depression, while pretentious characteristics, time spent with parents on weekends, and reading from smartphones were positive predictors. Further investigation into the newly identified variables or those inconsistent with previous studies will enhance the student mental health support system and, consequently, improve the quality of life of students.
참고문헌 (42)
- 강석임, "고등학생의 학업 스트레스 및 친구관계 스트레스와 우울의 관계에서 자아존중감의 매개효과와 조절효과", 한국사회복지교육, 58, pp.31~55 (2022)[DOI]
- 고영희, "사춘기 초기 적응 교육과정 개발을 위한 요구 분석", 한국교육학연구, 18(2), pp.233~262 (2012)
- 김나현, "청소년이 지각하는 부모양육태도, 우울, 그릿, 학업무기력의 구조적관계 : 성별에 따른 다집단분석", 아동교육, 31(3), pp.19~39 (2022)[DOI]
- 김도희, "부모의 행복과 자녀의 행복의 관계에서 긍정적 양육태도, 자아존중감, 우울의 매개효과", 디지털융복합연구, 20(3), pp.469~479 (2022)[DOI]
- 김선미, "부모의 양육태도와 청소년의 스마트폰 과의존의 관계 : 그릿과 우울의 매개효과", 미래청소년학회지, 19(1), pp.29~55 (2022)[DOI]
- 김수연, "중학생이 지각한 부모양육태도가 우울에 미치는 영향 : 학업무기력과 사회적 위축의 매개효과", 한국교육문제연구, 39(3), pp.177~203 (2021)[DOI]
- 김은예, "우울, 친구관계, 학업 무기력 간의 관계에서 인지적 공감능력의 조절된 매개효과", 한국청소년연구, 34(4), pp.193~216 (2023)[DOI]
- 김정민, "중학생의 주의집중 문제와 학교생활적응의 관계에서 우울의 매개효과", 한국청소년연구, 25(1), pp.5~27 (2014)[DOI]
- 김채봉, "남녀 청소년의 우울 및 자살 생각과의 관련 요인", 보건의료산업학회지, 7(2), pp.161~177 (2013)
- 청소년 역량지수 측정 및 국제비교 연구Ⅱ: IEA ICCS 2016, "김태준", 한국청소년정책연구원, ~, pp.연구보고 15-R18-3 (2016)
- 김형관, "축구 동호회 가입 유인 및 저해 예측변수 탐색 : 기계학습을 통한 2021국민생활체육조사 자료 분석", 한국체육과학회지, 32(6), pp.637~650 (2023)[DOI]
- 김호성, "청소년의 스마트폰 의존이 학업무기력에 미치는 영향 : 우울과 자아존중감의 매개효과", 청소년학연구, 29(12), pp.311~340 (2022)[DOI]
- 남수현, "청소년들이 지각한 부모의 양육 태도와 신체화 증상의 관계에서 그릿과 우울의 이중매개효과", 한국학교보건학회지, 36(1), pp.1~8 (2023)[DOI]
- 박이슬, "중학생의 스마트폰 의존이 주의집중 문제를 통해 우울에 미치는 영향 : 수면의 질의 조절된 매개효과", 청소년학연구, 29(3), pp.219~241 (2022)[DOI]
- 손인봉, "지지적 양육행동, 우울, 협동심, 또래관계 간의 구조적 관계", 한국융합과학회지, 10(5), pp.332~348 (2021)[DOI]
- 아동･청소년 삶의 질 2022, "심수진", 통계청 통계개발원, ~ (2022)
- 염효원, "학업 및 대인관계 긴장이 청소년의 사이버 비행에 미치는 영향 : 우울과 공격성의 순차적 이중매개 효과를 중심으로", 청소년학연구, 31(1), pp.179~207 (2024)[DOI]
- 오세현, "청소년의 우울이 진로정체감에 미치는 영향 : 팬덤 활동의 매개효과를 중심으로", 학교사회복지, 42, pp.163~185 (2018)[DOI]
- 유진은, "AI 시대 빅데이터 분석과 기계학습" (2021), 학지사
- 이선영, "스마트폰을 이용한 가족과 친구와의 소통이 청소년의 신체적 건강에 미치는 영향 : 친구관계와 우울감의 매개효과", 한국청소년연구, 33(3), pp.103~134 (2022)[DOI]
- 전숙영, "부모의 자율성 지지가 후기 아동의 그릿에 미치는 영향 : 자아존중감과 우울의 직렬 이중매개효과", 한국아동심리치료학회지, 16(4), pp.17~32 (2021)
- 정부민, "청소년이 지각한 부모의 부정적 양육태도가 진로적응력에 미치는 영향 : 우울과 학업무기력의 순차적 이중매개효과", 미래청소년학회지, 20(4), pp.131~153 (2023)[DOI]
- 정은영, "수치심 경험이 우울에 미치는 영향 : 자기수용의 조절효과", 상담학연구, 15(1), pp.183~194 (2014)[DOI]
- 채인석, "청소년의 주관적 건강상태가 행복감에 미치는 영향 : 우울의 매개효과", 한국자치행정학보, 35(2), pp.257~274 (2021)[DOI]
- 최예린, "남녀 청소년의 공동반추와 우울증상의 관계에서 대인관계 스트레스의 조절효과", 한국청소년연구, 30(2), pp.241~271 (2019)[DOI]
- 최인수, "한국인의 창의성에 대한 암묵적 이론 척도 개발", 한국심리학회지 : 사회및성격, 28(1), pp.27~47 (2014)[DOI]
- 하문선, "부모의 부정적 양육태도, 청소년의 우울, 공격성, 사이버비행 및 현실비행 간 관계", 중등교육연구, 69(2), pp.209~244 (2021)
- 한은지, "부모의 부정적 양육태도와 청소년의 자아존중감, 학업무기력 및 우울간 관계", 학습자중심교과교육연구, 21(24), pp.667~684 (2021)
- Breiman, L., "Random forests", Machine Learning, 45, pp.5~32 (2001)[DOI]
- "Regularization paths for regression models with grouped covariates" (2022)[URL]
- Flynn, M., "Stress generation and adolescent depression : Contribution of interpersonal stress responses", Journal of Abnormal Child Psychology, 39(8), pp.1187~1198 (2011)[DOI]
- Hastie, T., "The elements of statistical learning: data mining, inference, and prediction" (2009), springer
- Huang, J., "The Mnet method for variable selection", Statistica Sinica, 26(3), pp.903~923 (2016)[DOI]
- Immekus, J. C., "Machine learning procedures for predictor variable selection for schoolwork-related anxiety: Evidence from PISA 2015 mathematics, reading, and science assessments", Large-scale Assessments in Education (2015)[DOI]
- Kirmayer, L. J., "Somatoform disorders : Personality and the social matrix of somatic distress", Journal of Abnormal Psychology, 103(1), pp.125~136 (1994)[DOI]
- Kovacs, M., "First-episode major depressive and dysthymic disorder in childhood : Clinical and sociodemographic factors in recovery", Journal of the American Academy of Child & Adolescent Psychiatry, 36(6), pp.777~784 (1997)[DOI]
- "Breiman and Cutler's random forests for classification and regression" (2022)[URL]
- Lim, H. J., "Exploration of variables predicting sense of school belonging using the machine learning method—group Mnet", Psychological Reports (2022)[DOI]
- Svetnik, V., "Variable selection in random forest with application to quantitative structure-activity relationship", Proceedings of the 7th Course on Ensemble Methods for Learning Machines (2004)
- Yoo, J. E., "TIMSS 2011 student and teacher predictors for mathematics achievement explored and identified via elastic net", Frontiers in Psychology, 9, pp.317~ (2018)[DOI]
- Yoo, J. E., "Onlinestudents’ learning behaviors and academic success : An analysis of LMS log data from flipped classrooms via regularization", IEEE ACCESS, 10, pp.10740~10753 (2022)[DOI]
- Zhang, C. H., "Nearly unbiased variable selection under minimax concave penalty", The Annals of Statistics, 38(2), pp.894~942 (2010)[DOI]