earticle

한국어

본 연구는 N. Yilmaz(2019)의 “Higher Education Students Performance Evaluation” 데이터를 활용하여 데이터 셋에 SMOTE 기법을 적용한 후 지도학습 분류분석의 알고리즘을 적용한 후 변수간의 중요도(Feature Importance)들을 규명하고자 하였다. 또한 퍼지셋 질적비교방법론(Fs/QCA)을 활용하여 양적비교방법론과의 상호보완적 연구를 수행하였다. 분류분석에 적용한 분류기 알고리즘은 의사결정나무, 서포트벡터머신, 로지스틱회귀, GBM, 랜덤포레스트를 활용하였다. 가장 성능이 좋았던 알고리즘이 랜덤포레스트였으므로, 해당 알고리즘을 통해 변수 중요도 순위를 산정하였다. 구현언어 및 환경으로는 python3.11.5버전, 구현환경으로는 R-4.3.1버전과 Rstudio2023을 활용하였다. 분석결과로 5순위까지의 변수 중요도를 살펴보면, ‘지난학기누적성적평균’, ‘장학금유형’, ‘총수입’, ‘예상졸업누적성적평점평균’, ‘형제자매의 수’ 순대로 중요도가 확인되었다. 해당 변수들을 원인조건으로 하여 Fs/QCA 분석 결과로의 최소간결해 모형은 지난학기누적성적평균*~장학금유형*~총수입 + 지난학기누적성적평균*장학금유형*형제자매의수 + 지난학기누적성적평균*~총수입*예상졸업누적성적평점평균 -> 산출성적으로 모델링됨을 확인할 수 있었다. 본 연구의 시사점은 양적비교방법론과 질적비교방법론을 통한 상호보완적 연구를 수행함으로써 교육분야에서의 효과적인 변수 규명을 시도하였다는 점에 그 의의가 있다. 한편 기존 문헌연구에 의하면 한국의 경우 학생의 가정 배경의 영향력에 이어 학업 성취 욕구가 영향력이 상대적으로 큰 반면, 연구집단인 키프러스 대학생들은 개인의 학업성취 욕구 등 자기 효능감에 의한 영향이 크다는 점이 차이점으로 나타났다.