초록 열기/닫기 버튼
본 연구의 목적은 아동종합실태조사 자료를 활용하여 부모소진을 예측하는 모델을 개발하고 성능평가 및 예측변수의 중요도를 파악하는 것이다. 이를 위해 2018년 아동종합실태조사 자료 중 만 17세 이하 자녀를 둔 어머니 2,659명의 자료를 분석하였다. 부모요인, 자녀양육요인 및 가족환경요인 차원에서 13개의 예측요인과 부모소진 간의 관계를 설정하고 랜덤포레스트, 에이다부스트, 인공신경망, 스태킹 모델을 적용하였다. 연구 결과, 네 가지 모델 모두 F1 .70 이상으로 나타났다. 부모소진을 예측하는 변수 중에서 양육효능감, 부모의 우울, 자녀 훈육, 가족관계가 중요한 영향을 미쳤다. 본 연구를 통해 아동종합실태조사 자료를 이용한 머신러닝 모델이 부모소진을 예측하는 데 유용하다는 것을 검증하였다. 부모소진은 부모요인, 자녀양육요인, 가족환경요인에 의해 예측되는 다결정요인임을 확인하였고 부모소진을 예방하기 위한 실증적인 자료와 토대를 마련하였다는 점에서 의의가 있다.
The purpose of this study is to predict parental burnout using machine learning algorithms. To this end, 2,659 mothers with children under the age of 17 were analyzed from the comprehensive survey data of children in 2018. The relationship between 13 predictors and parental burnout was established and Random forest, Adaboost, Neural Network, and Stacking models were applied. Studies have shown that all four models are F1.70 or higher. Among the variables predicting parental burnout, parenting efficacy, parental depression, child discipline, and family relationships had important effects. Parental burnout is a multi-determined syndrome by three sets of factors: Parent factors, child rearing factors and family environmental factors. Through this study, it is meaningful in that it has prepared empirical data and foundations to prevent parental burnout.
키워드열기/닫기 버튼
Parental Burnout, Random forest, Adaboost, Neural Network, Stacking
