XGBoost를 활용한 일반고 고등학생의 자기관리역량 예측 요인 탐색

• 영문명: Using XGBoost Techniques to explore predictors of self-management competencies in general high schoo
• 발행기관: 한국교육평가학회
• 저자명: 신윤범(Yunbeom Shin) 원효헌(Hyoheon Won)
• 간행물 정보: 『교육평가연구』제37권 제3호, 473~497쪽, 전체 25쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.09.30

국문 초록

본 연구는 글로벌 교육의 방향성인 학습자의 주체성(student agency)이 주목받는 시점에서, 일반고 고등학생의 자기관리역량을 예측하는 변수를 머신러닝 기법을 통해 체계적으로 분석하여 의미있는 시사점을 제공하고자 하였고, 주요 결과를 바탕으로 정리한 연구의 결론은 다음과 같다. 먼저 일반고 고등학생의 자기관리역량 예측을 위해 8가지 머신러닝 회귀모델 LinearRegression, SVR, KNN, GBM, Bagging Regressor, DecisionTree, RandomForest, XGBoost을 활용하였고, 해당 모델의 RMSE, MAE, R² 지표를 비교한 결과 XGBoost가 오차가 적으면서 설명력이 높은 우수한 모델로 선정되었다. 다음으로 선정된 XGBoost 모델을 적용하여 자기관리역량을 예측하는 변수의 중요도를 Gain값을 기준으로 분석한 결과 ‘(메타인지) 목표를 세우고, 그 목표를 생각하며 공부한다’, ‘(일에 대한 태도) 힘든 일이라도 내가 좋아하는 일이라면 선택할 것이다’, ‘(메타인지) 나에게 필요한 일이나 과제가 무엇인지를 찾아서 할 수 있다’가 상대적으로 중요한 변수임이 분석되었다. 아울러 설명변수-반응변수 간 상관관계를 알아보기 위한 부분 의존성 플롯을 산출한 결과 해당 변수들은 모두 정적인 관계를 보여 메타인지가 높을수록, 일에 대한 태도가 긍정적일수록 일반고 고등학생의 자기관리역량을 높게 예측함을 유추할 수 있었다.

영문 초록

This study aimed to provide meaningful implications by systematically analyzing variables that predict the self-management capabilities of general high school students using machine learning techniques. This analysis is particularly relevant given the growing emphasis on learner identity in global education. First, to predict the self-management capabilities of these students, eight machine learning regression models—Linear Regression, SVR, KNN, GBM, Bagging Regressor, Decision Tree, Random Forest, and XGBoost—were compared. XGBoost was identified as the most effective model, demonstrating low errors and high explanatory power. Next, the selected XGBoost model was applied to analyze the importance of variables in predicting self-management competency, using the Gain value as the evaluation criterion. It was analyzed that ‘setting a goal (meta-cognition) and studying while thinking about that goal’, ‘(attitude to work) even if it is difficult, I will choose what I like’, and ‘(meta-cognition) I can find and do what I need or task’ are relatively important variables compared to other variables. Additionally, a partial dependence plot was generated to examine the correlation between explanatory variables and response variables. It can be inferred that higher levels of metacognition and a more positive attitude toward work are associated with greater self-management abilities among general high school students.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

참고문헌

키워드

일반고 자기관리역량 머신러닝 XGBoost 핵심역량 General high school self-management machine learning XGBoost core competencies