메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
구미령 (대구용천초등학교) 유진은 (한국교원대학교)
저널정보
서울대학교 교육연구소 아시아교육연구 아시아교육연구 제22권 제1호(통권 제77호)
발행연도
2021.3
수록면
31 - 59 (29page)
DOI
10.15753/aje.2021.03.22.1.31

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구의 목적은 위계성을 지니는 교육 대용량/패널자료 분석 시 기계학습 기법인 벌점회귀모형의 변수 선택 및 예측 성능을 비교하는 것이었다. 벌점회귀모형 중 glmmLasso 알고리즘은 일반화 선형 혼합 모형(generalized linear mixed model; GLMM)에 LASSO 벌점을 부과함으로써 모형 선택 시 다층자료(multilevel data)의 구조적 특성을 반영한다. 본 연구는 위계성을 지니는 교육 대용량/패널자료의 특성을 모방하는 모의자료 생성 후, ICC 크기에 따른 glmmLasso의 변수 선택 및 예측 성능을 LASSO 및 elastic net과 비교하였다. 예측 성능은 RMSE(root mean square error), 변수 선택은 참변수인데 선택되지 않은 변수와 잡음변수인데 선택된 변수의 수를 통하여 평가하였다. 연구결과, glmmLasso의 예측 성능이 LASSO 및 elastic net에 비하여 높았으며, 이는 ICC가 커질수록 기법 간 예측 성능 차이 또한 커지는 것으로 나타났다. 반면, glmmLasso는 2수준 변수 선택을 잘하는 대신, 1수준 잡음변수를 많이 선택하는 것으로 분석되었다. 연구의 초점이 예측력 및 2수준 변수 탐색이라면 분석 기법으로 glmmLasso를 고려할 수 있다. 모의실험 결과를 TALIS 2018 자료 분석에 적용하여 실제 자료에서 세 가지 벌점회귀모형(LASSO, elastic net, glmmLasso)의 예측 성능을 확인하고 교사협력을 예측할 수 있는 변수를 탐색하였다. 끝으로 후속 연구 주제를 논하였다.

목차

논문 요약
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 연구 방법
Ⅳ. 연구 결과
Ⅴ. 논의
참고문헌
Abstract

참고문헌 (52)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-370-001566224