초·중학생의 그릿에 영향을 미치는 변수 탐색

• 영문명: Exploring Variables on Grit of Elementary and Middle School Students: Application of Penalized Regression
• 발행기관: 학습자중심교과교육학회
• 저자명: 정혜원(Chung, Hyewon) 김예림(Kim, Yerim) 박소영(Park, Soyoung)
• 간행물 정보: 『학습자중심교과교육연구』제20권 8호, 673~693쪽, 전체 21쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2020.04.30

국문 초록

본 연구는 그릿에 영향력을 미치는 다양한 변수를 탐색하기 위하여 빅데이터 분석 시 적용되는 머신러닝 기법 중 벌점화 회귀모형을 적용하였다. 구체적으로, 대규모 패널자료 중 최초로 그릿 문항을 설문조사에 포함한 한국아동·청소년패널조사 2018(KCYPS 2018)의 1차년도(초4 코호트, 중1 코호트) 패널자료를 활용하였으며, 벌점화 회귀모형 중 LASSO를 적용하여 그릿(흥미유지, 노력지속)에 영향을 주는 변수를 탐색하였다. 분석 결과, 초등학생 4학년에서는 205개의 변수 중 흥미유지에서 37개, 노력지속에서 36개의 변수가 관련변수로 선택되었다. 중학생 1학년에서는 295개의 변수 중 흥미유지의 경우 25개, 노력지속의 경우 30개의 변수가 선택되었다. 그릿에 영향을 미치는 변수로 선택된 변수 중 교사관계, 친구관계, 부모의 양육태도, 삶의 만족도 등과 관련된 변수가 기존의 선행연구와 유사한 결과로 나타났으며, 스마트폰 의존도, 창의적 성격, 학업열의, 협동심, 주의집중, 공격성, 우울, 독서 시간, 수면의 질 등과 관련된 변수가 새롭게 도출되었다. 그릿의 하위요인에 따라 도출된 변수에는 차이가 있었으며, 학교급에 따라서도 상이한 결과가 나타났다. 이러한 연구결과를 토대로 시사점 및 후속연구를 위한 제언을 제시하였다.

영문 초록

This study was explored variables influencing grit(consistency of interest, perseverance of effort) by applying a penalized regression model. To do this, various variables included in 1th wave in both elementary and middle school panel collected by the Korean Children and Youth Panel Survey(KCYPS 2018) were utilized, and LASSO regression was applied. Main results are as follows. In the analysis of the 4th grade, among 205 variables, a total of 37 were selected in consistency of interest and 36 were selected in perseverance of effort. In the analysis of the 1th grade in middle school students, among 295 predictors, a total of 25 were selected in consistency of interest and 30 were selected in perseverance of effort. Specifically, the relationship with parents and friends, parenting attitudes and life satisfaction were selected; these variables were found influencing variables on grit in the previous studies. Moreover, smart phone dependency, creative personality, academic engagement, cooperation, aggression, depression, time spent on reading, and sleep quality were newly found as influencing variables on grit. Finally, the implications of this study and suggestions for future study are discussed.

목차

Ⅰ. 서 론

Ⅱ. 연구방법

Ⅲ. 연구 결과

Ⅳ. 논의 및 결론

참고문헌

키워드

그릿 벌점화 회귀모형 머신러닝 grit penalized regression model LASSO machine learning