기계학습 기법을 적용한 창의적 사고 역량 유형 및 영향 요인 탐색

• 영문명: Exploring Types of Creative Thinking Competencies and Influencing Factors Using Machine Learning Techniques
• 발행기관: 연세대학교 교육연구소
• 저자명: 오유경(Youkyoung Oh) 안성현(Seonghyun An) 김경선(Kyung Sun Kim)
• 간행물 정보: 『미래교육학연구』제37권 제4호, 65~85쪽, 전체 21쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

연구목적: 본 연구는 고등학생의 창의적 사고 역량 유형을 분류하고 그 유형 분류에 영향을 미치는요인을 탐색하고자 수행되었다. 연구방법: ‘한국교육종단연구(Korean Educational Longitudinal Study; KELS) 2013’고등학교 1학년(6차년도) 자료를 활용하여 창의적 사고 역량에 따른 잠재프로파일을 분류하였고, 잠재프로파일 예측을 위해 기계학습 기법 중 랜덤포레스트, LASSO 회귀모형, 능형 회귀모형을 적용하였다. 예측정확도가 높은 기계학습 기법을 활용하여 창의적 사고 역량 유형을 구분하는 데 주요한 영향을 미치는 요인을 탐색하였다. 연구결과: 첫째, 고등학생의 창의적 사고 역량은 세 개의 잠재프로파일로 분류되었다. 둘째, 창의적사고 역량 집단을 예측하기 위해 활용된 세 가지 기계학습 기법 중 랜덤포레스트의 정확도가 가장높았다. 셋째, 랜덤포레스트로 창의적 사고 역량 유형 구분에 영향을 미치는 주요 요인을 탐색한 결과, 수업태도, 학업적 자아개념, 자기이해, 진로계획성, 협력학습 등과 같은 변수가 도출되었다. 학술적 기여: 본 연구는 창의적 사고 역량 증진을 위해 학습자 중심 수업으로의 전환, 진로성숙도를 고려한 교수 학습 설계 등이 필요함을 시사한다.

영문 초록

This study aimed to classify types of creative thinking competencies among high school students and to explore the factors influencing this classification. To achieve this, the study utilized data from the 6th year of the 'Korean Educational Longitudinal Study(KELS) 2013,' focusing on first-year high school students. The study classified latent profiles based on creative thinking competencies and applied three machine learning techniques—random forests, LASSO, and ridge regression model—to predict these profiles. Additionally, it explored the factors influencing the classification of creative thinking competencies using machine learning techniques with high predictive accuracy. The results were as follows. First, students' creative thinking competency was classified into three latent profiles. Second, among the three machine learning techniques employed, random forests exhibited the highest accuracy in predicting creative thinking competency groups. Third, using random forests, the main factors affecting the classification of creative thinking competencies were identified as class attitude, academic self-concept, self-understanding, career planning, and cooperative learning. The research findings suggest a need to shift towards learner-centered instruction and instructional design that considers career maturity to enhance creative thinking competencies.

목차

Ⅰ. 서론

Ⅱ. 선행연구 고찰

Ⅲ. 연구방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 논의

참고문헌

키워드

핵심역량 창의적 사고 역량 기계학습 key competencies creative thinking competency machine learning KELS