프로세스 데이터를 활용한 수학 학업성취도 예측: 선형회귀와 랜덤 포레스트 비교

• 영문명: Predicting mathematics achievement using process data: A comparison of linear regression and random forest
• 발행기관: 한국교육평가학회
• 저자명: 우예진(Yejin Woo) 최윤정(Youn-Jeog Choi)
• 간행물 정보: 『교육평가연구』제38권 제3호, 557~589쪽, 전체 33쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.09.30

국문 초록

본 연구는 PISA 2022 한국 수학 영역의 컴퓨터 기반 평가 데이터를 활용하여, 문항 특성(인지 수준, 유형, 변별도, 난이도)에 따라 재구성한 프로세스 데이터와 학습자 배경변인을 바탕으로 수학 학업성취 예측모형을 구축하고자 하였다. 총 6개의 모형을 설계하였으며, 모형 1은 학습자 배경변인만을 포함하였고, 모형 2~5는 학습자 배경변인과 문항의 단일 특성 기반 프로세스 데이터를, 모형 6은 학습자 배경변인과 문항의 모든 특성 기반 프로세스 데이터를 포함하였다. 선형회귀와 랜덤 포레스트 기법을 적용해, 모형별 예측 성능과 주요 예측 변인을 비교·분석하였다. 그 결과, 랜덤 포레스트가 전반적으로 더 우수한 성능을 보였고, 모형 2~5가 최종모형으로 선정되었다. 핵심 예측 변수로는 프로세스 데이터, 수학 자기효능감, 사회경제문화적 지위가 공통적으로 도출되었다. 본 연구는 문항 특성에 따른 프로세스 데이터가 수학 성취를 효과적으로 예측함을 보여준다.

영문 초록

This study aimed to construct a predictive model of mathematics achievement using computer-based assessment data from the mathematics domain of PISA 2022 in Korea. The model incorporated process data derived from item characteristics (cognitive level, item type, discrimination, and difficulty) along with learner background variables. Six models were developed: model 1 included only background variables; models 2 to 5 included background variables and process data based on a single item characteristic; and model 6 combined all variables. Linear regression and random forest algorithms were applied to compare predictive performance and identify key predictors. The results showed that random forest outperformed linear regression overall, and models 2 to 5 were selected as final models. The most important predictors included process data, mathematics self-efficacy, and socioeconomic and cultural status, demonstrating the effectiveness of process data in predicting mathematics achievement.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 결론 및 논의

참고문헌

키워드

프로세스 데이터 수학 학업성취 예측모형 랜덤 포레스트 선형회귀 Process data Math achievement Predictive modeling Random forest Linear regression PISA