의사결정 나무 모형 분석기법을 활용한 자살 생각에 영향을 미치는 위기 학생의 생태학적 요인 탐색

• 영문명: Exploring Ecological Factors Associated with At-Risk Students with Suicidal Ideation: A Decision Tree Algorithm
• 발행기관: 한국행동분석학회
• 저자명: 홍사훈(Hong, Saahoon) 김은지(Kim, Eunji) 성정훈(Sung, Junghoon) 권오용(Kweon, Oyong)
• 간행물 정보: 『행동분석·지원연구』제8권 제3호, 17~35쪽, 전체 19쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2021.12.31

국문 초록

본 연구는 경기종단연구 5차 년도 데이터를 활용하여 자살 생각을 가진 중학교 2학년 위기 학생의 생태학적 요인을 탐색하고자 하였다. 머신러닝 기반의 의사결정 나무 모형은 자살 생각과 생태학적 요인 간의 교차성을 확인해 주었다. 자살 생각과 관련된 설문 문항에 “매우 그렇다”와 “전혀 그렇지 않다”라고 답한 학생들은 정신건강, 애착 소외, 학업 스트레스, 성별, 가구소득, 그리고 비행 요인에 대해 통계적으로 유의미한 차이를 보여 주었다. 이와 같은 연구 결과는 위기 학생에 대한 심리적․정서적 필요, 가정환경, 그리고 학교환경과 같은 생태학적 관점의 포괄적인 접근이 필요하다는 점을 확인해 주고 있다. 이와 함께, 의사결정 나무 모형과 같은 데이터 기반 접근이 학교 차원 긍정적 행동지원과 학교 안전 통합시스템에 대한 시사점을 함께 논의하였다.

영문 초록

The primary purpose of this study was to explore the ecological factors of at-risk students with suicidal thoughts among second-year middle school students, participated in the 5th year of the Gyeonggi Education Panel Study (GEPS). The decision-tree model, one of the machine learning algorithms, confirmed the intersectionality between suicidal ideation and the ecological factors of students at risk. For students who answered “strongly agree” and “not at all” to the question of suicidal ideation, mental health, attachment alienation, academic stress, gender, household income, and delinquency factors were identified as major factors with statistical significance. Based on the decision-tree model and its results, it was emphasized that it is necessary to understand the psychological and emotional needs, the home environment, and the school environment of students in crisis from an ecological perspective. In addition, the implications of the data-based approach, such as the decision tree model for School-Wide Positive Behavior Supports and the school safety integrated system (Wee project), were discussed.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

V. 결론 및 제언

키워드

자살 생각 위기 학생 생태학적 요인 의사결정 나무 모형 머신러닝 Suicidal ideation At-risk Studnets Ecological factors Decision tree algorithm Machine learning