학사경고자 예측을 위한 학습분석학적 모형 탐색 (Exploring a Model for Predicting Academic Warning with Learning Analytics)

서지정보

· 발행기관 : 한국교육공학회
· 수록지 정보 : 교육공학연구 / 34권 / 4호 / 877 ~ 900페이지
· 저자명 : 조명희, 김은진, 이현우

초록

본 연구는 대학에서 학습에 어려움을 겪고 있는 학습자에게 적절한 지원을 제공할 수 있도록 대학의 정보시스템을 통해 축적되고 있는 데이터를 통한 학사경고자 예측 가능성을 탐색하고자 하였다. 이에 학사경고자의 특징을 확인하고, 학기 시작 후 8주 동안 수집 가능한 데이터를 활용하여 학기말 학사경고자를 예측할 수 있는 모형을 개발하고자 하였다. 이를 위해 본 연구는 A대학의 2017학년도 2학기 재학생 4,433명의 개별특성, 대학관련 특성, 고교관련 특성, 대학생활관련 특성, 학문적 특성에 따른 29개의 변수를 사용하여 로지스틱 회귀분석을 실시하였다. 그 결과, 학사경고에 정적인 영향을 미치는 변수는 고교관련 특성의 고교유형, 대학생활 관련특성의 휴학횟수, 누적된 학사경고횟수, 학문적 특성의 수강신청전공학점으로 나타났다. 부적인 영향을 미치는 변수는 대학관련 특성의 이수학기, 대학생활 관련특성의 도서대출횟수, 학문적 특성의 직전학기 총 평점으로 확인되었다. 선정된 변수를 통해 도출된 모형은 학사경고자를 59.9% 예측하는 것으로 나타났으며, 예측정확도는 92.8%로 나타났다. 본 연구결과를 통해 학사경고자를 조기에 예측할 수 있음이 확인되었으나, 예측율을 높일 수 있도록 데이터의 수집 및 전처리 과정이 정교화될 필요가 있음을 시사하고 있다.

영어초록

This study aims to explore the possibility of predicting academic warning through the data accumulated through the information systems in higher education so as to help the students who are having difficulties in learning at university. For this purpose, the study tried to identify the characteristics of the students who received academic warning and develop a model that can predict the academic warning of students at the end of the semester using data collected during 8 weeks after the start of the semester. This study conducted logistic regression analysis using 29 variables according to individual characteristics, college related characteristics, high school related characteristics, college life related characteristics, and academic characteristics of 4,433 students who enrolled in the fall semester of 2017 in A university. As a result, high school type, number of leave of absences, cumulative number of academic warning, and academic credits have a statistically significant effect on the academic warning. Variables with negative effects were identified as the number of semesters, the number of book borrowings, and the last semester cumulative GPA. The model derived from the selected variables predicted 59.9% of students who received academic warning, and the prediction accuracy was 92.8%. Although the results of this study confirm that students who receive an academic warning can be predicted early, it suggests that the data collection and preprocessing process needs to be elaborated to improve the prediction rate.

참고자료

· 없음