교육 분야에서의 랜덤포레스트 알고리즘 활용 연구 동향 분석 (Trend Analysis on Research Using Random Forest Algorithm in Education)

서지정보

· 발행기관 : 연세대학교 교육연구소
· 수록지 정보 : 미래교육학연구 / 37권 / 2호 / 77 ~ 102페이지
· 저자명 : 김길재, 김병주

초록

연구목적: 본 연구는 2015년부터 2023년 5월까지 KCI 등재지에 게재된 랜덤포레스트 알고리즘을 활용한 교육 연구 72편을 대상으로 동향 분석을 수행하여 교육평가 분야에서의 랜덤포레스트 활용 동향을 파악하는 것이었다. 이를 통해 어떤 목적으로 랜덤포레스트가 활용되었는지, 어떠한 주제가 다뤄졌는지, 사용된 데이터의 특성은 어떠했는지 등을 종합적으로 이해하고자 했다.
연구방법: 양적연구방법 동향 연구와 랜덤포레스트 활용 연구를 바탕으로 연구 분석의 틀을 마련하였다. 분석의 틀을 기준으로 하여 수집된 선행연구를 크게 다섯 가지 영역(활용목적, 연구주제, 연구 대상, 분석방법, 결과활용)으로 나누어져 분석하였다.
연구결과: 분석 결과, 랜덤포레스트 알고리즘을 활용한 교육 연구는 다양한 분야에서 다양한 목적으로 진행되고 있음을 확인하였다. 그러나 일부 연구에서는 데이터 양의 부족이나 불균형 데이터 사 용, 모델 성능 지표의 부적절한 사용 등의 이슈가 도출되었다. 이러한 결과를 바탕으로 교육 분야에 서의 랜덤포레스트 활용에 있어 신뢰성과 타당성을 높일 수 있는 방안을 모색하였다.
학술적 기여: 본 연구는 선행연구 분석을 통해 최근 교육분야에서 가장 활발하게 사용되고 있는 랜덤포레스트 알고리즘 활용 시 고려해야 할 점들을 도출하였다. 교육분야 연구에서의 머신러닝 활용에 관한 지침을 제공하여 연구의 신뢰성과 타당성을 높이는 데 일조하였으며 다른 머신러닝 알고리 즘을 활용하는 교육 연구에도 적용 가능한 방안을 제시함에 의의가 있다.

영어초록

With the growing importance of artificial intelligence and related technologies, there has been a surge in educational research cases utilizing AI. Among them, the use of the random forest algorithm, which originated in educational evaluation research, has seen a consistent rise. In this study, a trend analysis was conducted on 72 studies using the random forest algorithm published in KCI-listed journals from 2015 to May 2023. The research analysis framework was divided into five main areas: 'utilization purpose, research topic, research subject, analysis method, and utilization of results'. While the random forest algorithm has been employed in various fields to draw educational insights, there were instances that required improvement such as the use of limited or imbalanced data, misuse of model performance metrics, and non-disclosure of performance indicators. Based on these findings, recommendations were made for the use of the random forest in the educational sector to enhance reliability and validity. The significance of this study is underscored by the fact that its suggestions can be applied not only to the random forest but also to other machine learning algorithms.

참고자료

· 없음