PSI를 활용한 학교급별 교사 소진 관련 변수 비교

• 영문명: Comparison of Predictors Relating to Teacher Burnout by School Level via Post-Selection InferenceComparison of Predictors Relating to Teacher Burnout by School Level via Post-Selection Inference
• 발행기관: 한국교육평가학회
• 저자명: 이성민(Sungmin Lee) 유진은(Jin Eun Yoo)
• 간행물 정보: 『교육평가연구』제37권 제4호, 717~750쪽, 전체 34쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

이 연구의 목적은 벌점회귀모형을 적용하여 대규모 교육 데이터를 탐색하고 학교급별로 교사 소진과 관련된 변수를 조사하는 것이다. 모든 학교급에 대하여 개인, 조직, 사회 측면의 변수를 포괄하여 분석하였다는 점에서 선행 연구와의 차별성이 있다. 서울교원종단연구(2020) 1차년도 데이터를 변수선택 후 추론(PSI) 기법으로 100회 반복 모형화하며 학교급별 소진 관련 변수의 통계적 유의성을 검정한 결과, 교사 경력, 학생의 지능 발달 가능성에 대한 고정 신념 등은 모든 학교급에서 통계적으로 유의한 변수인 것으로 나타났다. 한편, 학부모 상담 업무 부담 변수는 초등학교에서만, 학교 소재 지역의 경제 수준 변수는 중학교에서만 통계적으로 유의한 변수로 선택되는 등 학교급별 차이도 존재했다. 끝으로, 연구 결과를 정책에 활용할 수 있는 방안을 제안하였다.

영문 초록

The purpose of this study was to explore large-scale educational data with penalized regression, and to investigate significant predictors to teacher burnout by school level. Compared to previous studies, this study has the advantage of encompassing and analyzing teacher-related variables at the individual, organizational, and societal levels across elementary, middle, and high schools. Specifically, the Seoul Teachers Longitudinal Study (2020) 1st wave data was analyzed via Post-Selection Inference (PSI). After 100 iterations of PSI modeling, significant predictors were compared across school levels. As a result, predictors including teaching experience and teacher’s fixed mindset on students’ intelligence development potential were commonly selected across all school levels. Meanwhile, predictors of parental counseling duties and the economic level of the school location were selected only in elementary schools and middle schools, respectively. Policy recommendations to effectively address teacher burnout were discussed based on the findings.

목차

Ⅰ. 서론

Ⅱ. 선행 연구 검토

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 논의

참고문헌

키워드

교사 소진 벌점회귀모형 변수선택 후 추론(PSI) 기계학습 서울교원종단연구(2020) Teacher burnout penalized regression post-selection inference machine learning Seoul Teacher Longitudinal Study of 2020