원문정보
초록
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.
목차
Ⅰ.서론
Ⅱ. 이론적 배경과 문헌연구
Ⅲ. 연구 방법
3.1 자료의 특징
3.2 데이터 전처리 작업
3.3 머신러닝 지도학습
3.4 퍼지셋 질적비교분석(FsQCA)
Ⅳ. 결과의 해석
Ⅴ 결론 및 시사점
References