설명 가능한 인공지능을 활용한 고등학생의 진로개발역량 예측변수의 기여도 평가

• 영문명: Evaluation of Predictors for Career Development Competencies of High School Students Using Explainable Artificial Intelligence
• 발행기관: 한국교육학회
• 저자명: 변상민
• 간행물 정보: 『교육학연구』제61권 제4호, 235~266쪽, 전체 32쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.06.30

국문 초록

이 연구에서는 진로교육현황조사의 2019년 데이터를 활용하여 고등학생의 진로개발역량을 구성하는 4가지 세부 영역(자기이해와 사회성, 직업 이해, 진로탐색, 진로설계와 준비도)에 대한 예측모형을 구축하였다. 다만, 관련 선행연구에서 활용한 기계학습 방법이 설명 및 해석을 제공하기에 한계가 있었다는 점을 고려하여 설명 가능한 인공지능인 SHAP(SHapley Additive exPlanation)을 심층신경망 모형과 결합하여 각 세부 영역별로 예측 기여도가 높은 20개의 예측변수를 평가하였다. 주요 결과는 다음과 같다. 첫째, 전반적인 학교생활 및 진로활동 만족으로 모든 영역에서 높은 예측 기여도를 보였다. 둘째, 학교 진로활동은 진로개발역량의 세부 영역에 대한 예측에 대해 전반적으로 높은 기여도를 보였으며 세부 영역의 성격에 따라 개별 진로활동의 기여도가 다르게 나타났다. 셋째, 진로교육 과정과 관련하여, 재학 중인 학교의 ‘창의적 체험활동 내 진로활동 시수’의 예측 기여도가 높은 것으로 나타났다. 넷째, 학생 개인 변수 중 ‘부모와의 대화’는 네 세부 영역 모두에서 높은 예측 기여도를 보였다. 다섯째, 네 개의 세부 영역 모두에서 진로 프로그램 및 자료의 이용 여부 및 진로교육 사이트 인지 여부는 섀플리 가치 상위 20개에 포함되지 않았다. 또한, 개별 사례를 통해 예측에 대한 기여도를 비교한 결과, 동일한 예측 결과에 대해서도 학생별 변수의 기여도 및 방향이 다른 것으로 나타났다. 이러한 주요 결과를 바탕으로 향후 진로교육 및 프로그램 운영에 대한 논의와 제언을 제시하였다.

영문 초록

In this study, prediction models were constructed for four subfactors (self-understanding and sociality, job understanding, career exploration, and career design and preparation) of high school student’s career development competencies using data from the Korea Career Education Survey 2019. In addition, considering that the machine learning methods used in the previous studies were limited in providing an explanation, 20 predictors with a high contribution for each subfactor were evaluated using SHAP (SHapley Additive exPlanation), an explainable artificial intelligence. The main results are as follows. First, overall school life and career activity satisfaction showed a high contribution in all subfactors. Second, school career activities highly contributed to the prediction of high school student's career development, and the contributions of individual career activities differed by the subfactors. Third, regarding the career education curriculum, it was found that the contribution of the number of career activities in creative experiential activities was high. Fourth, among the student variables, conversation with parents showed a high contribution in all subfactors. Fifth, for all subfactors, the use of career programs and materials and whether it was a career education site did not appear. In addition, in comparing the individuals with the identical predicted value, it was found that the contribution and direction of variables for each student were different. Based on these main results, discussions on career education and programs are presented.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 논의

키워드

진로개발역량 예측모형 심층신경망 설명 가능한 인공지능 SHAP career development competencies prediction model deep learning explainable artificial intelligence(XAI) SHAP