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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Doun Jeon (The Cyber University of Korea) Hansung Kim (The Cyber University of Korea)
저널정보
한국컴퓨터교육학회 컴퓨터교육학회 논문지 컴퓨터교육학회논문지 제27권 제6호
발행연도
2024.9
수록면
83 - 96 (14page)
DOI
10.32431/kace.2024.27.6.009

이용수

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

초록· 키워드

오류제보하기
For students to avail of educational opportunities without discrimination, it is necessary to promote customized policies for vulnerable groups at substantial risk of insolvency, rather than limiting the targets of student loans. This study proactively identifies the risk of student loan defaults and analyzes the key causal factors for it in order to suggest policies that enhance financial stability. To this end, this study utilizes data from the Korea Student Aid Foundation (KOSAF), a national institution, and, using various machine learning models, constructs a model to predict student loan default. The analysis applies the Random Forest, XGBoost, CatBoost, and LightGBM models, thereafter using SHAP analysis to interpret the factors influencing loan defaults. The key results reveal that the CatBoost model demonstrates superior performance, depending on the type of school and loan. Key risk factors for higher default risk included being a student of humanities, social sciences, Art and Physical Education and education; being male; and securing grades below 80. Conversely, the factors that reduced default risk included studying Medical Science, attending metropolitan universities, having grades above 90, and being under 24. Based on these findings, policies for loan screening and delinquency management are suggested to enhance financial stability. This study emphasizes the use of machine learning techniques and explainable AI (XAI) models to improve the accuracy of student loan default predictions and provide valuable policy insights. This study adds to existing literature by identifying the factors for both direct and income-contingent loan default.
#Student loan default #machine learning #ensemble #boosting #SHAP #XAI

목차

ABSTRACT
1. Introduction
2. Literature review
3. Method
4. Results
5. Discussion
6. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

머신러닝을 활용한 실용적인 대학생 중도탈락 예측 시스템 개발
권진백 한국데이터정보과학회지 2024 .09
머신러닝을 활용한 방위력개선사업 사업비 변동예측에 관한 연구
김병주 ,  최상옥 한국산학기술학회 논문지 2024 .09
라이프로그 데이터를 활용한 LSTM 모델 기반의 치매 예측
김지희 ,  이진원 한국정보기술학회논문지 2024 .09
반려동물의 행동 예측을 위한 기계학습 모델의 비교 연구
문재준 ,  김규석 ,  전문선 외 1명 한국정보기술학회논문지 2024 .09
고랭지배추의 생육 시기별 주산지 기상정보를 활용한 출하시기 도매가격 예측모형
허다솜 ,  정승권 한국정보기술학회논문지 2024 .09

최근 본 자료

전체보기

댓글(0)

0