과학성취도와 글로벌 역량을 예측하는 ICT의 활용 변인과 성별에 따른 차이 분석

• 영문명: ICT Utilization Variables and Gender Differences in Predicting Science Achievement and Global Competency by Randomforest
• 발행기관: 한국문화융합학회
• 저자명: 이경숙
• 간행물 정보: 『문화와융합』제45권 2호, 111~125쪽, 전체 15쪽
• 주제분류: 복합학 > 학제간연구
• 파일형태: PDF
• 발행일자: 2023.02.28

국문 초록

연구는 PISA 2018 데이터를 사용 과학성취도, 글로벌 역량을 예측하는 변인으로 ICT 활용능력 간의 차이를 분석하였다. 이때 성별이 예측 변인으로 차이를 나타내는 데 영향을 연구함으로써 ICT 교육에서성별에 따른 차이도 같이 연구하였다. 본 연구에서는 ICT 활용능력이 독립변인 과학성취도와 글로벌 역량이 종속 변인으로 설정 ICT 활용능력 간의 예측 정도의 차이를 좀 더 상세하게 구별하여 객관적 결과를 도출하여 학생들의 ICT 활용과 상황 개선을 위한 방향 설정 자료를 제시하고자 한다. 현재까지발표된 PISA 데이터는 코로나 상황에 따른 변화가 반영되지 않은 결과이다. 본 연구결과를 바탕으로이후 코로나 상황이 반영된 결과까지 분석하는 것을 추후 연구과제로 제시한다. 본 연구는 랜덤포레스트 분석 방법을 사용 특성 중요도와 정적/부적 영향을 확인하기 위해 부분 의존성 도표를 사용하였다. 결과는 시각적으로 쉽게 분석할 수 있도록 그 차이를 데이터시각화 자료를 제공하였다.

영문 초록

The study analyzed the difference in ICT competency between genders as a predictive variable for science achievement and global competence using PISA 2018 data. By examining the influence of gender as a predictive variable, the study also investigated differences by gender in ICT education. In this study, ICT competency was set as an independent variable and science achievement and global competence as dependent variables in order to more accurately distinguish the predictive differences between ICT competencies and provide objective results as guidance for improving students' ICT utilization in different situations. The PISA data released to date does not reflect changes due to the COVID-19 situation. Based on the results of this study, analyzing the results reflecting the COVID-19 situation will be suggested as a future research topic. The study used the random forest analysis method and partial dependence plots to confirm feature importance and static/non-static effects. The results were visualized to facilitate analysis of the differences using data visualization materials.

목차

1. 서론

2. 이론적 배경

3. 연구방법

4. 연구결과

키워드

PISA 2018 과학성취도 글로벌 역량 ICT 활용 랜덤포레스트 PISA 2018 Science Achievement Global Competence ICT Utilization Random Forest