스태킹 앙상블(Stacking Ensemble) 기법을 활용한 청소년의 인지적 공감과 사회적 행동 간의 불일치 예측

• 영문명: Predicting the Discrepancy Between Cognitive Empathy and Social Behavior in Adolescents Using a Stacking Ensemble Approach
• 발행기관: 한국교육평가학회
• 저자명: 김나영(Nayoung Kim)
• 간행물 정보: 『교육평가연구』제38권 제2호, 331~356쪽, 전체 26쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

본 연구는 청소년의 정서인식 역량과 사회적 행동 간 발달적 불일치(mismatch) 현상에 주목하여, 그 차이를 설명하고 예측할 수 있는 주요 요인을 분석하였다. 이를 위해 스태킹 앙상블(stacking ensemble) 기법을 활용한 머신러닝 기반 예측 모형을 적용하였으며, 분석 자료로는 2021년 한국아동·청소년패널조사(KCYPS) 제4차년도 중학교 1학년 코호트 데이터를 활용하였다. 총 2,265명의 고등학교 1학년 학생 데이터를 분석 대상으로 하였으며, 개인, 가정, 학교 관련 변수 188개를 설명변수로 포함하였다. 분석 결과, 정서인식 역량과 사회적 행동은 동일한 발달 경로를 따르지 않으며, 그 차이는 부모의 정서인식 역량, 학생의 그릿(Grit), 사회적 위축, 우울, 학업열의, 교사와의 관계, 여가시간 활용 등 다양한 요인에 의해 설명될 수 있음이 확인되었다. 스태킹 앙상블 모형은 기존의 단일 머신러닝 알고리즘에 비해 우수한 예측 성능을 보였으며, 이는 청소년의 사회정서역량과 같이 다차원적이고 복합적인 특성을 예측하는 데 효과적인 분석 방법으로 활용될 수 있음을 시사한다.

영문 초록

This study investigates the developmental mismatch between adolescents’ cognitive empathy and their prosocial behavior, with the aim of identifying and predicting key factors contributing to this discrepancy. A machine learning-based prediction model was developed using a stacking ensemble approach. Data were drawn from the 2021 Korea Children and Youth Panel Survey (KCYPS), focusing on the fourth-year cohort of first-year high school students (N = 2,265). A total of 188 variables related to individual, family, and school contexts were included as predictors. The findings revealed that cognitive empathy and prosocial behavior follow distinct developmental trajectories and that their discrepancy can be explained by multiple contextual and psychological factors, including parental cognitive empathy, grit, social withdrawal, depression, academic engagement, teacher-student relationships, and leisure activity patterns. The stacking ensemble model demonstrated superior predictive performance compared to single algorithm models, validating its effectiveness for predicting complex social-emotional competencies among adolescents. These results underscore the importance of multifaceted and context-sensitive approaches to social-emotional learning, especially in addressing the gap between internal emotional understanding and externally observable social behavior.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 결론 및 논의

참고문헌

키워드

정서 인식 역량 사회적 행동 청소년 발달 스태킹 앙상블 머신러닝 기반 예측 Cognitive empathy Prosocial behavior Adolescent development Stacking ensemble Machine learning prediction