설명 가능한 인공지능을 활용한 청소년의 학업열의 관련 주요 변수 탐색

• 영문명: Exploring Key Variables Related to Adolescent’ Academic Engagement using Explainable Artificial Intelligence
• 발행기관: 한국교육학회
• 저자명: 한정아
• 간행물 정보: 『교육학연구』제61권 제6호, 323~349쪽, 전체 27쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.10.31

국문 초록

최근 학업부진 및 학업 관련 스트레스 극복을 위해 중요한 열쇠가 되는 학업열의의 중요성이 부각되고 있다. 본 연구는 청소년의 학업열의 관련 주요 변수를 탐색하기 위한 목적으로 수행되었다. 이를 위해 한국아동･청소년패널조사 2018 중1 패널 1차 연도(중학교 1학년)와 4차 연도(고등학교 1학년) 자료를 활용하였다. 본 연구에서는 학업열의를 가장 잘 예측하는 머신러닝 기법을 선택하기 위해 랜덤 포레스트, 그래디언트 부스팅, 익스트림 그래디언트 부스팅의 예측성능을 비교하였고, 주요 변수와 학업열의 간의 관계를 파악하기 위해 설명 가능한 인공지능 기법인 SHAP 지수를 활용하였다. 주요 결과는 다음과 같다. 3가지 머신러닝 기법 중에서 그래디언트 부스팅의 예측성능이 가장 우수한 것으로 나타났다. 중･고등학교에서 공통적으로 도출된 주요 변수로, ‘스스로 공부하는 시간(주말, 평일)’, ‘지난 학기 전 교과 성적 수준’, ‘삶의 만족도’, ‘그릿’, ‘창의적 성격(영리한)’, ‘교사와의 관계’는 학업열의와 정적인 관계가 있는 것으로 나타났고, ‘학업무기력(학습동기 결여, 긍정정서 결여)’은 학업열의와 부적인 관계가 있는 것으로 나타났다. 공통적으로 도출된 주요 변수의 영역은 생활시간, 지적발달, 사회･정서, 학교 영역이다. 그밖에 중학교는 활동 영역, 고등학교는 신체발달, 매체, 진로, 가정 영역에서 주요 변수가 도출되었다. 이러한 연구 결과를 바탕으로 청소년의 학업열의와 관련한 교육적 시사점을 논의하였다.

영문 초록

Recently, the importance of academic engagement, an important key to overcoming under-achievement and academic-related stress, has been highlighted. The purpose of this study was to explore key variables related to adolescents’ academic engagement. For this purpose, data from the 1st year (7th graders) and 4th year (10th graders) of the Korean Children and Youth Panel Survey 2018 were used. A comparison was made of the predictive performance of random forest, gradient boosting, and XGBoost to select the best machine learning technique for predicting academic engagement. Additionally, the SHAP index, which is an explainable artificial intelligence technique, was used to identify the relationship between key variables and academic engagement. The main research results are as follows. It was found that gradient boosting had the best prediction performance among the three machine learning techniques compared. The key variables commonly derived from middle and high schools are self-study time (weekends, weekdays), grade level for all subjects the previous semester, life satisfaction, grit, creative personality (cleverness), and teacher-student relationship, which had a positive relationship with academic engagement. However, academic helplessness (lack of learning motivation, lack of positive emotions) was found to have a negative relationship with academic engagement. The commonly derived key variables were in the areas of daily living time, intellectual development, social/emotional, and school. In addition, major variables were derived in the activity area for middle school and in physical development, media, career, and family areas for high school. Based on these results, educational implications regarding adolescents’ academic engagement are discussed.

목차

Ⅰ. 서론

Ⅱ. 선행연구 고찰

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 논의 및 결론

키워드

학업열의 설명 가능한 인공지능 SHAP 그래디언트 부스팅 청소년 academic engagement explainable artificial intelligence SHAP gradient boosting adolescent