하이브리드 머신러닝 접근에 의한 영유아교사의 포괄적 행복척도 단축형 개발

• 영문명: Developing a short version of the Comprehensive Happiness Scale for early childhood teachers: A hybrid machine learning approach
• 발행기관: 인지발달중재학회
• 저자명: 고은경 전효정
• 간행물 정보: 『인지발달중재학회지』제15권 제3호, 153~169쪽, 전체 17쪽
• 주제분류: 사회과학 > 심리학
• 파일형태: PDF
• 발행일자: 2024.09.30

국문 초록

연구목적: 본 연구의 목적은 하이브리드 머신러닝 접근 방식을 사용하여 영유아교사의 포괄적 행복 척도의 단축형을 개발하고 타당성을 조사하는 것이다. 연구방법: 본 연구는 총 212명의 영유아교사를 대상으로 총 53문항의 포괄적 행복 척도를 개발하고 타당화한 2차 자료를 활용하였다. 먼저, 비지도 학습을 통해 전체 53개의 문항 자료를 투입하여 문항 반응에 대한 잠재집단을 계층화하였다. 다음으로, 3개에서 25개에 이르는 서로 다른 문항 수로 구성된 단축형 후보 버전을 설정하여 동시 타당성을 조사하였다. 단축형 도구의 타당성은 지도학습 모델링에 의해 산출된 Kappa 계수, AUC (area under the receiver operating characteristic curve) 수치로 비교하였다. 연구결과: 첫째, 영유아교사가 응답한 53개의 문항 자료를 모두 투입한 결과, 전체 집단(N = 212, m = 3.59, sd = 0.40)은 비지도 학습을 통해 3개의 잠재집단으로 계층화되었다. 3개의 집단은 ‘조직에 대한 만족과 몰입’ 및 ‘여가 및 신체적 안녕’이 특히 낮으면서 전반적으로 포괄적 행복 수준이 낮은 집단(n = 52, m = 3.11, sd = 0.18), ‘심리적 안녕’이 특히 높으면서 전반적으로 포괄적 행복 수준이 높은 집단(n = 50, m = 4.11, sd = 0.25), 그리고 전체 집단의 평균과 유사하면서 다른 두 집단의 포괄적 행복 수준 사이에 분포하는 중간 집단(n = 110, m = 3.58, sd = 0.17)으로 확인되었다. 둘째, 17개의 문항 수로 구성된 단축형 도구는 포괄적 행복 수준이 낮은 집단(Kappa = 0.98, AUC = 1.00), 높은 집단(Kappa = 0.98, AUC = 1.00), 중간 집단(Kappa = 0.85, AUC = 0.98)을 모두 분류하기에 적합하였다. 결론: 본 연구를 통해 영유아교사의 포괄적 행복을 측정하는 17문항의 단축형 도구를 개발하였다. 이를 통해 앞으로 영유아교사의 행복 수준을 보다 간편하면서도 정확하게 측정하여, 영유아교사의 포괄적 행복을 지원하는데 활용될 수 있다.

영문 초록

Objective: This study develops and validates a shortened version of the Comprehensive Happiness Scale for early childhood teachers using a hybrid machine learning approach. Methods: Secondary data on 212 early childhood teachers were used to develop and validate a comprehensive 53-item happiness scale. First, the full 53-item data were fed through unsupervised learning to stratify the latent population for item responses. Next, candidate shortened versions with different item counts, (3-25 items), were created to investigate concurrent validity. The shortened instruments’ validity was compared using Kappa coefficients and AUC values calculated by supervised learning. Results: First, after inputting early childhood teachers’ response data on all 53 items, the entire sample (N = 212, m = 3.59, sd = 0.40) was stratified into three latent groups through unsupervised learning. These groups were identified to have lower overall composite happiness, with particularly low levels of “satisfaction and engagement with the organization” and “leisure and physical well-being” (N = 52, m = 3.11, sd = 0.18), higher overall composite happiness with particularly high levels of “psychological well-being” (N = 50, m = 4.11, sd = 0.25); and an intermediate group (N = 110, m = 3.58, sd = 0.17) similar to the total population mean and distributed between the other two groups' composite happiness levels. Second, the shortened 17-item instrument was adequate to categorize the low (Kappa = 0.98, AUC = 1.00), high (Kappa = 0.98, AUC = 1.00), and intermediate (Kappa = 0.85, AUC = 0.98) groups in terms of comprehensive happiness. Conclusions: A shortened 17-item instrument was developed to measure early childhood teachers’ comprehensive happiness. This shortened instrument can be used to more easily and accurately measure the happiness level of infant and toddler teachers and support their comprehensive happiness.

목차

서론

연구방법

결과

논의

키워드

영유아교사 포괄적 행복 척도 하이브리드 머신러닝 early childhood teachers short verson of comprehensive happiness scale hybrid machine learning