본문 바로가기
KERD
논문KCI 등재

랜덤 포레스트를 활용한 4년제 대학 중도탈락률 예측 요인 탐색: 대학 수준 결정요인을 중심으로

An Exploratory Study on Determinants Predicting the Dropout Rate of 4-year Universities Using Random Forest: Focusing on the Institutional Level Factors

오수현|송영수|김지하|이은정
한국교육공학회 (Korean Society Of Educational Technology)|2020.03|교육공학연구 (Journal of Educational Technology)|제36권 제1호|pp. 191-219|DOI http://dx.doi.org/10.17232/KSET.36.1.191

0

조회

0

다운로드

59

인용

0

참고문헌

키워드

랜덤 포레스트random forest4년제 대학 중도탈락률대학 수준 요인대학정보공시자료dropout rate of 4-year universitiesinstitutional level factorshigher education public disclosure information
주제분류교육학

초록

본 연구의 목적은 대학 교육의 대표적인 성과 지표인 중도탈락률을 개선하기 위한 대학 차원의 거시적인 관점에서의 시사점을 제시하는 데 있다. 이를 위해 대학정보공시자료를 활용하여 2016학년도부터 2018학년도까지의 전국 4년제 대학의 중도탈락률 추이를 분석하였으며, 최신 머신러닝 기법인 랜덤 포레스트 예측 모형을 구축하여 중도탈락률을 예측하는 대학 수준의 결정요인을 탐색하였다. 예측모형에는 선행연구를 기반으로 대학특성, 사회평판, 연구활동, 교육투자, 강의여건, 교육환경 6개 항목으로 구성된 총 14개 변수가 투입되었으며 모형의 변수 설명력은 63.4%를 기록하였다. 2016학년도부터 2018학년도까지 전국 4년제 대학의 중도탈락률은 일정한 수준을 유지하였으며, 사립대학과 비수도권대학의 중도탈락률이 높은 것으로 나타났다. 대학 규모별로는 2016년 이후 대규모 대학은 개선된 반면, 중소규모 대학의 중도탈락률은 악화되었음을 확인할 수 있었다. 중도탈락률을 예측하는 결정요인의 중요도를 도출한 결과 14개 변수 모두 중도탈락률 예측력을 해석하기 위한 최소 기준값을 초과하는 것을 확인하였으며, 그 중 전임교원 1인당 연구비, 전임교원 1인당 논문 수, 신입생 충원률, 재적학생 수, 학생 1인당 교육비 변수가 중도탈락률 예측 중요도 상위 변수로 나타났다. 본 연구의 결과를 바탕으로 대학 전체 차원에서의 주기적인 교육 성과 지표 관리의 중요성에 대해 제언하였으며, 대학의 중도탈락률 개선을 위한 전략적인 정책 설정의 근거를 제시하였다.

Abstract

This study aims to provide implications for reducing the dropout rate of 4-year universities from the perspectives of an institutional level. To this end, this study conducted a trend analysis of the dropout rates from 2016 to 2018 using higher education public disclosure information and developed a random forest model predicting the dropout rate of 4- year universities. In this prediction model, 14 variables consisting of 6 factors(e.g. university characteristics, social reputation, faculty research, educational investment, class condition and educational environment) were applied. The percentage of explained variance in the model turned out to be 63.4%. It was found that the dropout rate of 4-year universities remain stable for 3 years from 2016. All 14 variables applied to the prediction model exceeded the minimum standard value for the interpretation of predictive power. The top 5 determinants predicting the dropout rate were research fund benefits per faculty member, the number of research papers published per faculty member, acceptance rate, the number of students, educational expenditure per student. The results of this study demonstrate the importance of planning strategic policies based on periodic management of educational performance index at the institutional level for improving the dropout rate of 4-year universities.

참고문헌 (41)

  1. 강명희, "대학생의 중도탈락의도의 변화 추이와 영향 요인", 청소년문화포럼, (58), pp.5~30 (2019), (사)한국청소년문화연구소[DOI]
  2. 강승호, "대학생의 학업성취와 중도탈락 생각에 영향을 미치는 변인 분석", 교육평가연구, 23(1), pp.29~53 (2010), 한국교육평가학회
  3. "대학 구조개혁 평가결과 발표 보도자료" (2015), 교육부[URL]
  4. "2021년 대학 기본역량 진단 기본계획 시안 발표 보도자료" (2019), 교육부[URL]
  5. 구성우, "대학생의 중도탈락에 영향을 미치는 대학기관 변인 분석", 교육재정경제연구, 25(4), pp.225~250 (2016), 한국교육재정경제학회
  6. 김수연, "대학 중도탈락생의 이동 경로 구조 분석", 교육과학연구, 43(3), pp.131~163 (2012), 교육과학연구소
  7. 김왕준, "국립대학 교수업적평가 관련규정 비교분석", 한국교원교육연구, 29(1), pp.143~165 (2012), 한국교원교육학회[DOI]
  8. 김재웅, "미국 대학생 중도 탈락 : 개인· 사회구조· 대학의 상대적 중요성", 교육행정학연구, 10(1), pp.17~48 (1992)
  9. 노혜란, "대학생의 중도탈락 영향요인 분석을 통한 고등교육 인적자원개발 정책 방안: S대학 사례를 중심으로", 인적자원개발연구, 11(1), pp.89~107 (2008), 한국인적자원개발학회
  10. 류수훈, "대학시설 법적 기준의 적정성 분석 연구", 교육시설, 23(3), pp.11~21 (2016), 한국교육시설학회[DOI]
  11. 박은선, "학업중단요인 및 대학생활적응요인이 대학 신입생의 중도탈락의도에 미치는 영향", 청소년학연구, 23(10), pp.361~384 (2016), 한국청소년학회[DOI]
  12. 서종덕, "데이터 마이닝 기법을 이용한 환율예측: GARCH와 결합된 랜덤 포레스트 모형", 산업경제연구, 29(5), pp.1607~1628 (2016), 한국산업경제학회
  13. 신재철, "대학교수의 역할과 자질", 대학교육, 117, pp.45~52 (2002)
  14. 신현석, "학부교육의 질과 성과의 의미에 대한 성찰과 쟁점", 교육행정학연구, 34(1), pp.73~102 (2016), 한국교육행정학회
  15. 연보라, "대학생의 중도탈락 시기 및 영향요인 분석", 교육사회학연구, 25(1), pp.129~155 (2015), 한국교육사회학회[DOI]
  16. 오영재, "대학간 학생이동의 영향요인에 관한 실증적 연구", 교육행정학연구, 23(1), pp.327~356 (2005), 한국교육행정학회
  17. 오주한, "임상의를 위한 다변량 분석의 실제", 대한 견주관절 학회지, 16(1), pp.63~72 (2013), 대한견주관절학회
  18. 유진은, "랜덤 포레스트: 의사결정나무의 대안으로서의 데이터 마이닝 기법", 교육평가연구, 28(2), pp.427~448 (2015), 한국교육평가학회
  19. 이병식, "대학생의 학업중단에 영향을 미치는 대학 기관 특성의 탐색적 분석", 교육학연구, 41(2), pp.135~154 (2003), 한국교육학회
  20. 이필남, "여대생의 재학기간 연장과 중도탈락 결정요인 분석", 교육행정학연구, 30(1), pp.207~233 (2012), 한국교육행정학회[DOI]
  21. 임소현, "사립대학의 재정요인이 학생의 중도탈락에 미치는 영향", 교육재정경제연구, 22(2), pp.83~113 (2013), 한국교육재정경제학회
  22. 정제영, "대학생의 중도탈락에 영향을 미치는 대학수준 요인 분석", 아시아교육연구, 16(4), pp.57~76 (2015), 교육연구소
  23. "재수ㆍ편입위해 한 해 14만 명이 대학 그만둔다" (2015)[URL]
  24. 최필선, "재정패널조사를 이용한 우리나라 복권지출의 역진성 분석", 재정학연구, 11(1), pp.49~76 (2018), 한국재정학회
  25. 생애능력 형성을 위한고등교육체제의 질관리 현황과 과제, "한국교육개발원", ~, pp.연구보고RR2002-19-04 (2002)
  26. "교육통계분석자료집 고등교육통계편" (2018), 한국교육개발원[URL]
  27. "2018년 대학기관평가인증 편람" (2018), 한국대학평가원[URL]
  28. 한송이, "대학생의 중도탈락 및 교육적 회복 요인 탐색", 학습자중심교과교육연구, 18(24), pp.1369~1391 (2018), 학습자중심교과교육학회[DOI]
  29. Bean, J. P., "A conceptual model of nontraditional undergraduate student attrition", Review of Educational Research,, 55, pp.485~540 (1985)
  30. Breiman, L., "Random forests", Machine learning, 45(1), pp.5~32 (2001)
  31. Flach, P., "Machine learning: the art and science of algorithms that make sense of data" (2012), Cambridge University Press
  32. Hastie, T., "The elements of statistical learning: data mining, inference, and prediction" (2009), Springer
  33. Hoyt, J. E., "Understanding Retention and College Student Bodies: Differences Between Drop-Outs, Stop-Outs, Opt-Outs, and Transfer-Outs", NASPA Journal, 41(3), pp.395~417 (2004)
  34. Pascarella, E. T., "Predicting voluntary freshman year persistence", withdrawal behavior in a residential university: A path analytic validation of Tinto's model, 1983, pp.75(2), 215~
  35. Rosenthal, G., "Statistics and Data Interpretation for Social Work" (2011), Springer Publishing Company
  36. Sirokey, D., "Navigating random forests and related advances in algorithmic modeling", Statistics Surveys, 3, pp.147~163 (2009)
  37. Stoecker, J., "Persistence in higher education: A 9-year test of a theoretical model", Journal of College Student Development, 29(3), pp.196~209 (1988)
  38. Strobl, C. ., "An introduction to recursive partitioning: Rationale, application, and characteristics of classification and regression trees, bagging, and random forests", Psychological Methods,, 14(4), pp.323~348 (2009)
  39. Tinto, V., "Dropout from higher education: A theoretical synthesis of recent research", Review of Educational Research, 45, pp.89~125 (1975)
  40. Tinto, V., "Leaving college: rethinking the causes and cures of student attrition" (1993), University of Chicago Press
  41. Varian, H. R., "Big data: New tricks for econometrics", Journal of Economic Perspectives, 28(2), pp.3~28 (2014)

관련 논문AI추천

비수도권 사립대학 학생의 학업중단 예측요인 분석김성주한국지방교육경영학회 · 지방교육경영2025 · 제28권 제3호머신러닝 기반 대학생 중도탈락 예측 모델 구현 방안노윤정한국융합신호처리학회 · 융합신호처리학회 논문지2024 · 제25권 제2호대학의 교육환경이 중도탈락률에 미치는 영향전하람, 황영식교육문제연구소 · 교육연구2022 · 제84권 4년제 대학생의 대학만족도 및 학업성취도 예측 변인 탐색: 랜덤포레스트를 활용하여신윤범(사)한국대학교육협의회 · 고등교육2023 · 제6권 제1호온라인 학습자의 중도탈락 예측 요인 탐색: 랜덤 포레스트를 적용하여김석원, 박혜진, 이성혜한국교육공학회 · 교육공학연구2022 · 제38권 제1호교육대학교와 사범대학 재학생의 학업중단 예측 요인 탐색김영식, 주현준한국교원교육학회 · 한국교원교육연구2025 · 제42권 제3호

이 간행물의 다른 논문 (6건)

자기주도학습 지원을 위한 디지털교과서 대시보드 프로토타입 개발 연구김진희, 허선영, 최서연, 한형종, 함윤희pp. 1-31대학 플립러닝 수업개선을 위한 수업 컨설팅 도구 개발임정훈, 김미화pp. 33-67대학생의 협력적 문제해결 경험에 대한 내러티브 탐구정윤주, 임규연pp. 69-104중․고등학생의 학습전략 수준 잠재프로파일 분석과 영향요인 탐색장재홍, 박인우, 윤가영pp. 105-135컴퓨터 기반 문제풀이 환경에서 문제양식, 과제복합도 수준에 따른 인지부하의 측정과 학업성취도 간의 관계노재희, 조일현pp. 137-161
원문 보기