earticle

영어

This study aims to develop a model for predicting academic dropout among foreign students. In view of this, the factors impacting Vietnamese students’ dropout rates in Korea were explored, and machine learning was used to predict the likelihood of dropout. First, a survey was conducted to ascertain students' learning preferences. Five factors were extracted: behavior control, learning motivation, task difficulty, interaction, and self-efficacy. A predictive model with high accuracy was developed by considering these factors as independent variables and items related to dropout as dependent variables. After using logistic regression analysis and support vector machines, predictive models with over 70% accuracy were developed. This shows that the variables extracted in this study are correlated with the dropout of foreign students, while also providing evidence that the current issues with teaching and learning can be well avoided in advance. These research results indicate that it is essential to focus on managing students who are showing early signs of dropping out.

한국어

본 연구는 외국인 유학생의 학업 중도포기 예측 모델 개발을 목적으로 한다. 이를 위해 재한 베트남인 유학생의 중도포기에 영향을 미치는 요인들을 탐색하고, 기계학습을 활용하여 학생들의 중도포기 가능성을 예측하였다. 먼저 학생들의 학습자 성향을 밝히기 위한 조사를 실시하였으며 그 결과 행동조절, 학습 동기, 과제 난이도, 상호작용, 자기효능감 등 5개의 요인이 추출되었다. 이 요인들을 독립변수로, 그리고 중도포기 관련 항목들을 종속변수로 설정하여 정확도가 높은 예측 모델을 탐색하였다. 로지스틱 회귀분석과 서포트벡터머신을 적용한 결과 70%가 넘는 정확도를 보이는 예측 모델들이 구축되었다. 이는 본 연구에서 추출한 변인들이 외국인 유학생의 중도포기와 상관관계가 있음을 보여주는 동시에 당면한 교수-학습 문제들을 사전에 충분히 예방할 수 있음을 시사한다. 이러한 연구 결과를 바탕으로 중도포기 징후가 있는 학습자를 사전에 중점 관리하는 방안들이 모색될 필요가 있다.