지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
그 동안 사교육 수요의 원인 분석과 해결 방안 모색을 위한 다양한 연구들이 수행되었지만, 학생들의 사교육 참여 및 사교육비 지출에 대한 논의는 여전히 하나의 결론에 도달하지 못하고 있다. 선행연구들 중에는 그러한 이유를 그 동안 사교육 수요를 설명하기 위해 사용된 분석 모형이나 변수들이 상당히 제한적이었으며, 그로 인해 중요한 변수를 간과하거나 보다 직접적인 변수들을 통합․분리해 내는데 실패했기 때문이라고 설명하고 있다. 이에 본 연구에서는 빅데이터 분석과 함께 최근 주목을 받고 있는 네 가지 머신러닝 기법 즉, ‘랜덤 포레스트’, ‘나이브 베이즈 분류’, ‘서포트 벡터 머신’, ‘인공신경망 모형’을 적용하여 고등학생들의 사교육 참여에 영향을 미치는 변수들을 탐색적으로 살펴보았다. 그리고 이들 각 기법들의 예측성과를 비교․분석함으로써 머신러닝 기법이 갖는 성능과 한계를 조망해 보고, 향후 사교육 영향 요인 연구를 비롯한 다양한 교육 분야의 연구로 확대 가능한지 여부를 함께 검토해 보았다. 분석을 위해 본 연구에서는 한국교육고용패널 Ⅱ의 1차 년도 자료를 사용하였다. 분석 결과 첫째, 머신러닝 기법에 따라 고등학생들의 사교육 참여를 예측하는 변수는 상이하였으며, 네 가지 기법의 분석 결과에 공통적으로 포함된 예측 변수는 하나도 존재하지 않았다. ‘방과후 자율학습 참여 여부’ 변수가 그나마 세 가지 기법에 공통적으로 포함되었으나, 상대적인 중요도에는 상당한 차이가 있었다. 둘째, 시험 자료를 기반으로 각 머신러닝 기법의 사교육 참여 예측률을 산출한 결과, 랜덤 포레스트 기법과 나이브 베이즈 분류 기법이 서포트 벡터 머신 기법이나 인공신경망 기법보다 고등학생의 사교육 참여를 더욱 정확하게 예측하는 것으로 나타났다. 따라서 표본 및 변수 선정 과정에서의 편의를 줄이고 분석 결과의 일반화 가능성을 높이기 위한 방편으로 머신러닝 기법을 적극 활용할 수 있으나, 분석의 목적이나 자료의 구조에 적합한 머신러닝 기법을 선택하기 위한 적절한 검증 작업이 선행되어야 할 것으로 보인다.
목차
등록된 정보가 없습니다.
참고문헌 (47)
참고문헌 신청
강소랑 / 2016 / 고교 평준화가 사교육에 미치는 영향 / 2016 한국정책학회 추계학술대회 겸국제학술대회 자료집 :5~29
강태중 / 2009 / 고등학교 ‘평준화’ 배정과 경쟁 선발이 사교육비 지출에 미치는 영향 분석 / 교육사회학연구 19(2):1~30
고동완 / 2018 / 랜덤 포레스트 기법을 활용한 학교 변인과 고교학업성취도간의 탐색적 상관분석 / 2018 한국교육학회 연차학술대회
교육과학기술부 / 2009 / 공교육 경쟁력 향상을 통한 사교육비 경감 대책 / 보도자료
교육인적자원부 / 2004 / 공교육 정상화를 통한 사교육비 경감대책 / 보도자료
강태중 / 2009 / 고등학교 ‘평준화’ 배정과 경쟁 선발이 사교육비 지출에 미치는 영향 분석 / 교육사회학연구 19(2):1~30
고동완 / 2018 / 랜덤 포레스트 기법을 활용한 학교 변인과 고교학업성취도간의 탐색적 상관분석 / 2018 한국교육학회 연차학술대회
교육과학기술부 / 2009 / 공교육 경쟁력 향상을 통한 사교육비 경감 대책 / 보도자료
교육인적자원부 / 2004 / 공교육 정상화를 통한 사교육비 경감대책 / 보도자료
이 논문의 저자 정보
최근 본 자료
댓글(0)
0