머신러닝과 HLM을 적용한 중학생의 자기조절 학습전략 중 행동조절에 대한 학생/부모와 교사/학교 수준의 영향요인 검증

• 영문명: Exploring Influencing Factors at Student and Teacher/School levels on Self-regulated Behavioral Learning Strategies Using Machine Learning and HLM
• 발행기관: 학습자중심교과교육학회
• 저자명: 김지윤(JiYoon Kim) 임예림(Yerim Lim) 홍세희(Sehee Hong)
• 간행물 정보: 『학습자중심교과교육연구』제24권 19호, 335~350쪽, 전체 16쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.10.15

국문 초록

목적 본 연구는 자기조절 학습전략 중 가장 효과적으로 지도가 가능한 행동조절에 주목하여, 중학교 1학년 학생의 행동조절에 영향을 미치는 요인을 탐색적으로 도출하고자 하였다. 특히, 다층 분석을 통해 개인 특성이나 부모 요인뿐만 아니라 교사 및 학교 특성을 검증하여, 가정과 학교에서 개입이 가능한 지점을 수준별로 탐색하고자 하였다. 방법 서울학생종단연구 2020의 1차 연도 자료 중 결측치를 제외한 총 98개교 4,615명의 중학생과 데이터 전처리 과정을 통해 선정된 학생/부모 수준 206개, 교사/학교 수준 188개의 설명변수를 분석에 사용하였다. 다수의 변수를 모형에 동시에 투입할 수 있는 머신러닝 기법을 통해 자기조절 학습태도 예측에 우수한 성능을 보이는 알고리즘을 학생/부모(1수준)와 교사/학교(2수준)의 수준별로 선별하고, 각 수준별로 도출된 자기조절 학습태도 예측의 주요 변수를 2수준 HLM 분석을 적용하여 검증하였다. 결과 첫째, 수준별 상위 3개 알고리즘을 기반으로, 학생/부모 수준에서 10개, 교사/학교 수준에서 5개가 주요 변수로 도출되었다. 둘째, 2수준 HLM을 적용한 결과, 학생/부모 수준에서 자기조절 학습전략의 학습방법과 학습노력, 성장능력신념, 목표의식, 인권, 진학진로활동 프로그램의 도움 정도, 인지적 공감이, 교사/학교 수준에서 다문화학생 비율이 유의한 영향을 미치는 것으로 확인되었다. 결론 이러한 결과를 바탕으로, 중학생의 자기조절 학습태도를 향상하기 위한 방안을 구체적으로 논의하였다.

영문 초록

Objectives This study focuses on behavioral regulation, the most effectively teachable aspect of self-regulated learning strategies, with the aim of exploratively identifying the factors that influence behavioral regulation in first-year middle school students. Specifically, using multilevel analysis, the study examines not only individual characteristics and parental factors but also teacher and school characteristics, in order to explore potential intervention points at different levels within the home and school environments. Methods Using data from the first year of the Seoul Educational Longitudinal Study of Students 2020, excluding missing values, a total of 4,615 middle school students from 98 schools were analyzed, along with 206 student/parent-level and 188 teacher/school-level explanatory variables selected through data pre-processing. Machine learning techniques, capable of handling multiple variables simultaneously in the model, were employed to identify algorithms with excellent performance in predicting self-regulated learning attitudes at the student/parent level (Level 1) and the teacher/school level (Level 2). The key variables for predicting self-regulated learning attitudes identified at each level were then verified using a two-level hierarchical linear modeling (HLM). Results First, based on the top three algorithms at each level, 10 key variables were derived at the student/parent level and 5 key variables at the teacher/school level. Second, the application of the two-level HLM revealed that learning methods and efforts, growth mindset, goal orientation, human rights, support from academic and career programs, and cognitive empathy at the student/parent level, and the proportion of multicultural students at the teacher/school level, significantly influenced self-regulated learning strategies. Conclusions Based on these results, specific strategies to enhance self-regulated learning attitudes among middle school students were discussed.

목차

Ⅰ. 서론

Ⅱ. 연구방법

Ⅲ. 연구결과

Ⅳ. 결론 및 논의

참고문헌

키워드

자기조절 학습전략 학습태도 머신러닝 HLM 서울학생종단연구 2020 Self-regulated learning strategies learning attitudes machine learning HLM 2020 Seoul Student Panel Study