자동화 머신러닝(AutoML)과 SHAP을 적용한 청소년의 다중시민성 유형 및 설명 변인 탐색

• 영문명: A Study on Predictive Factors of Multiple Citizenship among Adolescents: Using Automated Machine Learning and SHAP
• 발행기관: 한국교육학회
• 저자명: 정성경 박환보
• 간행물 정보: 『교육학연구』제61권 제8호, 57~87쪽, 전체 31쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.12.31

국문 초록

본 연구는 지구촌 시대에서 한국 청소년의 다중시민성 유형과 도출된 다중시민성을 설명하는 주요 변인을 탐색하는 것을 목적으로 한다. 본 연구는 분석을 위해 ｢한국교육종단연구 2013｣의 6차년도 데이터를 활용하였으며, 다중시민성 유형 탐색을 위해 잠재프로파일 분석을 활용하였다. 본 연구는 다중시민성을 결정하는 설명 변인 탐색을 위해 자동화 머신러닝(Automated machine learning) 알고리듬을 통해 가장 우수한 성능을 보이는 모델을 탐색하여 채택하고, 결과 해석을 위해 설명 가능한 머신러닝인 SHAP 기법을 활용하였다. 주요 분석결과는 다음과 같다. 첫째, 잠재프로파일 분석에서 청소년의 다중시민성은 ‘높은 다중시민성’, ‘중간 다중시민성’, ‘낮은 다중시민성’으로 분류되었다. 둘째, 자동화 머신러닝을 실시한 결과, 머신러닝 기법 중에서 Gradient boosting이 가장 높은 성능을 보였다. 마지막으로 머신러닝을 통해 청소년의 다중시민성에 대한 주요 변인들을 예측한 결과, 의사소통역량이 가장 중요한 변인으로 나타났으며, 이외에 지식정보처리역량, 문화예술활동 및 봉사활동 인식, 독립적 진로성숙도, 문화다양성 존중과 국제이슈를 다루는 교육경험, 성별, 교사와 또래 관계 등이 주요 변인으로 나타났다. 본 연구는 이러한 결과를 토대로 청소년을 위한 실효성 있는 시민교육을 위한 정책 제언과 시사점을 도출하였다.

영문 초록

This study aims to investigate the typology of multiple citizenship among Korean adolescents and the predictive factors in the global era. The study analyzed data from the 6th wave of the 2013 Korean Educational Longitudinal Study and utilized latent profile analysis to explore the typology of multiple citizenship. To identify the predictive factors determining multiple citizenship, an automated machine learning algorithm was used to find the most performant model. SHAP (Shapley additive explanations) techniques were then applied to provide interpretable explanations of the machine learning results. The key findings are as follows. First, in the latent profile analysis, the multiple citizenship of adolescents was categorized into “high multiple citizenship,” “moderate multiple citizenship,” and “low multiple citizenship.” Second, the results of automated machine learning showed that gradient boosting exhibited the highest performance among machine learning techniques. When predicting the key variables related to adolescents’ multiple citizenship through machine learning, it was found that communication competence emerged as the most important predictor, followed by cognitive information processing skills, awareness of cultural and artistic activities, independent career maturity, educational experiences involving cultural diversity and international issues, gender, and relationships with teachers and peers. Based on these results, this study provides policy recommendations and implications for effective civic education for adolescents.

목차

Ⅰ. 서론

Ⅱ. 선행연구 고찰

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 논의 및 결론

키워드

청소년 다중시민성 잠재프로파일 분석 자동화 머신러닝 SHAP 기법 adolescents multiple citizenship latent profile analysis automated machine learning SHAP