머신러닝과 설명 가능한 인공지능을 적용한 고등학생의 그릿 관련 주요 예측변인 탐색
Exploring Key predictors of Grit in High School Students Using Machine Learning and Explainable Artificial Intelligence
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 고등학생의 그릿을 예측하는 주요 변인을 탐색하고, 주요 예측변인과 그릿 간 경향성을 분석하고자 하였다. 이를 위해 대구미래교육연구원에서 수집한 대구교육종단연구(Daegu Education Longitudinal Study, DELS) 7차년도(2023년) 자료를 사용하였으며, 8개 머신러닝 기법(선형회귀모형, 의사결정나무, 서포트벡터머신, 그래디언트 부스팅, LightGBM, XGBoost, 랜덤포레스트, 심층신경망)을 적용하여 예측성능이 우수한 모형을 선택한 후, SHAP(shapley additive explanation)을 통해 상위 중요도 변인을 도출하고 주요 예측변인과 그릿 간 관계를 시각적으로 확인하였다. 분석 결과, 첫째, 머신러닝 기법의 예측성능을 비교한 결과 XGBoost가 예측오차가 가장 작고 설명력이 높은 것으로 나타났다. 둘째, 자기주도학습능력과 학습전략(최소인지), 신체건강역량, 전자기기 관련 요인 등 학생 생활 영역 변인과 더불어, 회복탄력성(문제해결), 우울, 진로성숙도, 창의인성 등 학생 특성 영역 변인이 상위 중요도 변인으로 도출되었다. 그리고 학교 자치활동 수준과 친구관계, 부모정서지원 등 학교 및 가정생활 영역 변인이 그릿을 예측하는 핵심 변인으로 나타났다. 주요 분석 결과를 바탕으로 그릿 증진을 위한 교육적 방안을 논의하였다.
Abstract
This study aimed to explore key predictors of grit among high school students and to interpret how each predictor contributes to the model’s output. To do this, Data were drawn from the 7th wave (2023) of the Daegu Education Longitudinal Study (DELS), conducted by the Daegu Future Education Research Institute. Eight machine learning algorithms—Linear Regression, Decision Tree, Support Vector Machine, Gradient Boosting, LightGBM, XGBoost, Random Forest, and Deep Neural Network—were applied to select the model with the highest prediction performance. Based on the best-performing model, SHAP (SHapley Additive exPlanations) values were used to derive the top predictors and visualize their relationships with grit. The main results are as follows. First, XGBoost showed the best prediction performance among all models. Second, key predictors derived from the student life domain included self-directed learning ability, cognitive learning strategies (minimally cognitive), physical health, and digital device usage. predictors from student characteristics domain, such as resilience (problem-solving), depression, career maturity, and creative personality, also ranked high in feature importance. Moreover, school and home environment factors—such as participation in school self-governance activities, peer relationships, and parental emotional support—were derived as key predictors of grit. Educational implications for enhancing grit were discussed based on these findings.