초록 열기/닫기 버튼
본 연구는 지역별 과밀학급의 현황과 쟁점, 영향요인을 분석하여 이를 완화하기 위한 정책시사점을 도출하는 데 목적이 있다. 초·중등학교의 과밀학급이 어떤 내·외부 요인에 의해 발생하는지를 분석하기 위해 에듀데이터 서비스 시스템(EDSS)에서 제공하는 전국 행정구역 단위 학급당 학생수 데이터를 통해 과밀학급의 현황을 분석하고, 언론기사 토픽모델링(Topic Modeling) 자료를 바탕으로 쟁점을 분석하였다. 또한 선행 연구의 한계를 극복하고, 교육 내·외부의 영향요인을 파악하기 위해 분석 대상 학교의 교육 공공데이터와 학교가 위치하는 행정동의 인구 및 주택 데이터를 결합하여 파이썬(Python)의 머신러닝 알고리즘인 K-평균 군집분석(K-means clustering)을 수행하였다. 분석 결과, 지역사회 요인, 정책 요인 등이 과밀학급에 주도적 영향을 미치는 것으로 나타났다. 지역사회 요인은 주거지 유형, 학원가, 선호 학군, 학원수 등이며 정책 요인으로는 신도시 개발 및 주택 공급제도가 요인인 것으로 나타났다. 본 연구는 과밀학급이라는 현상을 복잡성과 다양성 관점에서 영향 요인 분석을 시도한 점, 최근 발전하고 있는 머신러닝 알고리즘을 적용한 점에서 실질적·학문적 의의를 지닌다. 연구의 결과는 지역의 특성에 따른 과밀학급 유발 영향요인을 확인하고, 향후 교육기본법에 명시된 학급당 적정 학생수 유지를 위한 정책 과제를 발굴하는 데 도움이 될 것이다.
The purpose of this study is to derive policy implications to alleviate this by analyzing the current status, issues, and influencing factors of overcrowded classes by region. In order to analyze what internal and external factors overcrowded classes in elementary and secondary schools are caused, the current status of overcrowded classes was analyzed through data on the number of students per class in the national administrative district provided by the Edu Data Service System (EDSS), and issues were analyzed based on Topic Modeling data. In addition, K-means clustering, Python's machine learning algorithm, was performed by combining public educational data of the school to be analyzed and population and housing data of the administrative building where the school is located to overcome the limitations of previous studies. As a result of the analysis, it was found that community factors and policy factors had a leading effect on overcrowded classes. Community factors include residential type, academy district, preferred school district, and number of academies, and policy factors include new city development and housing supply system. This study is of practical and academic significance in that it attempted to analyze influencing factors from the perspective of complexity and diversity, and applied the recently developed machine learning algorithm. The results of the study will help identify the factors influencing overcrowded classes according to the characteristics of the region and discover policy tasks to maintain the appropriate number of students per class specified in the Framework Act on Education in the future.
키워드열기/닫기 버튼
Machine learning, Overcrowded Class, EDSS, Topic Modeling, K-means clustering
