딥러닝을 이용한 서술형 강의 평가 분류 연구

• 발행기관: 한국자료분석학회
• 저자명: 성진용 이재훈 최승배 심성현 강창완
• 간행물 정보: 『한국자료분석학회 학술대회자료집』2022년 하계학술대회 발표집, 59~62쪽, 전체 4쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2022.07.07

국문 초록

대학에서의 강의평가 제도는 교육의 질을 향상시키는 여러 가지 방법 중 하나이다. 강의평가는 일반적으로 객관식 평가문항과 서술형 평가 문항을 통해 학생들의 수업에 대한 인식을 도출하는데 있다. 객관식 평가는 신뢰도 및 타당도 측면에서 안정된 강의평가 정보를 제공한다는 장점이 있으며 반면에 서술형 평가는 자유로운 의견 서술을 통해 교육의 질을 개선할 수 있는 유의한 피드백을 제공한다는 장점이 있다. 강창완 외 3인(2021)은 텍스트마이닝을 이용하여 D대학 서술형 강의평가 자료를 기계학습 방법을 이용하여 분석한 바 있다. 본 연구에서는 서술형 강의평가 자료 분석의 후속 연구로 딥러닝을 통해 기존 모형의 정분류율을 개선하고, 유용한 정보를 도출해내고자 한다. 이를 위해 첫째, 서술형 강의평가 텍스트 자료에 대해 긍정적 평가인지 부정적 평가인지를 예측 분류하는데 형태소 분석 결과를 기반으로 딥러닝 기법인 RNN, LSTM 방법을 적용하였다. 둘째, Word Piece 임베딩을 통한 딥러닝 기법인 BERT 방법을 적용하였다. 분석용 데이터세트(70%)를 이용하여 최적모형을 찾고, 최적모형을 검증용 데이터세트(30%)에 적용하여 분석하였으며 분석 결과, 검증용 데이터에 대한 예측력 측면에서 BERT 방법의 정분류율이 96%로 나타나 나이브베이즈(85%), RNN, LSTM(88%) 방법에 비해 가장 좋은 성능을 보여 서술형 강의평가 분류모델에 적합한 것으로 확인하였다.

목차

1. 서론

2. 텍스트마이닝

3. 데이터 분석

키워드

기계학습 딥러닝 나이브 베이즈 방법 RNN LSTM BERT