머신러닝 기법을 활용한 사교육비 지출 예측 모형 탐색

• 영문명: An Analysis on the Predictive Variables on the Private Tutoring Expenditure utilizing Random Forest Model
• 발행기관: 한국교육재정경제학회
• 저자명: 김영식(Kim, Young-sik) 이호준(Lee, Ho-jun) 김훈호(Kim, Hoonho)
• 간행물 정보: 『교육재정경제연구』 제29권 제4호, 235~257쪽, 전체 23쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2020.12.30

국문 초록

고교 유형과 대학 입시의 큰 틀이 변화하고 고등학생들의 사교육 수요 또한 빠르게 변화될 것으로 예상되는 바, 고등학교 학생들의 사교육 수요 현상을 분석하기 위한 보다 정교한 예측 모델의 필요성이 제기되고 있다. 이에 본 연구에서는 우선 빅데이터 분석 방법의 하나인 ‘랜덤 포레스트’ 방법을 사용하여 사교육비 지출 예측 변수를 탐색적으로 살펴보았다. 그리고 추출된 변수들을 활용하여 최소자승법을 활용한 회귀분석과 고정효과 모형 및 확률효과 모형을 활용한 분석을 실시하였으며, 그 결과를 비교·분석함으로써 보다 타당성 높은 사교육비 지출 예측 모형을 도출하고자 하였다. 랜덤 포레스트 분석 결과에 따르면, 고등학교 학생들의 사교육비 지출에 대한 예측력이 높은 변수들은 ‘남성보호자 월평균 소득’, ‘독서량’, ‘창의적 체험활동 만족도’, ‘진학 관련 월평균 방과후학교 비용’, ‘진로교육 활동 만족도’ 등이었다. 추출된 주요 변수들을 사용하여 최소자승법 및 고정효과 모형, 확률효과 모형 분석을 실시한 결과, 고등학교 학생의 사교육비 지출 규모를 가장 적절하게 예측하는 분석 모형은 ‘확률효과 모형’임을 확인하였다. 본 연구의 분석 모델 및 주요 결과를 보다 정교화할 경우 고등학교 학생들의 사교육비 지출 요인을 보다 실증적으로 파악할 수 있음은 물론, 증거 기반(evidence based) 의사결정 과정을 통해 정책 대안을 수립하는데 도움이 될 수 있을 것으로 기대된다. 요컨대, 본 연구는 실증적 자료와 분석 결과를 기반으로 사교육 경감 정책의 효과를 탐색적으로 가늠해볼 수 있다는 점에 의의가 있으며, 향후 교육학 분야에서도 머신러닝과 같은 새로운 실증 분석 방법이 보다 활발하게 사용될 필요가 있다는 점을 확인하였다.

영문 초록

A plenty of previous research attempted to reveal variables predicting private tutoring expenditure across Asia-pacific regions, particularly in the republic of Korea. Nonetheless, due to the several defects, such as restricted analytic models, limited variables of dataset, and endogeneity problems caused by the omitted variable bias, the findings of prior studies has not been consistent. Considering those limitations, this study proposed the application of Random Forests(RF), one of the representative methods of machine learning, and investigated the factors to predict each individual’s private tutoring expenditure using the 2nd year dataset of the Korea Education and Employment Panel Ⅱ. Furthermore, this study attempted to find more desirable model in predicting individual student’s private tutoring expenditure based on the comparison among OLS, Fixed Effect Model, and Random Effect Model. This study found that the following variable affected the expenditure for private tutoring: male parent’s monthly income, number of book to read in a month, the degree of satisfaction on creative experience activities & career education, and month expenditure on after-school classes for advancement, etc. Also this study identified that the school random effect model was the most appropriate in predicting each individual student’s private tutoring expenditure. Based on these results, this study provided useful policy implications for reducing demands for private tutoring and suggestions for future research regarding more rigorous methods for predicting variable related to private tutoring expenditure.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 분석 결과

Ⅴ. 논의 및 결론

참고문헌

키워드

사교육비 랜덤 포레스트 최소자승법 고정효과 확률효과 Private tutoring expenditure Random Forest OLS Fixed effect model Random effect model