한국 초등학교 3학년 아동의 행복감 예측을 위한 머신러닝 알고리즘의 적용

• 영문명: Application of Machine Learning Algorithm to Predict Happiness of Elementary 3rd Graders in Korea
• 발행기관: 학습자중심교과교육학회
• 저자명: 고은경(Goh, Eun-Kyoung)
• 간행물 정보: 『학습자중심교과교육연구』제20권 13호, 1113~1128쪽, 전체 16쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2020.07.01

국문 초록

본 연구의 목적은 머신러닝 알고리즘을 사용하여 아동의 행복감을 예측하기 위한 것이다. 2017년에 실시된 한국아동패널 10차 데이터의 초등학교 3학년 아동 1,476명의 자료를 활용하였다. 아동의 행복감을 예측하는 모델로는 로지스틱 회귀 모델, 라쏘 로지스틱 회귀 모델, 랜덤포레스트 모델, 그레디언트-부스팅 의사결정나무 모델의 4가지 머신러닝 알고리즘을 사용하였고 민감도, 특이도, 정확도, AUC를 비교하였다. 분석 결과, 머신러닝 모델의 예측력은 네 가지 모델 모두 AUC가 .91로 우수하였다. 아동의 행복감을 예측하는 가장 중요한 변수는 학교선호도와 자아존중감이었다. 본 연구를 통해 한국아동패널 데이터를 이용한 머신러닝 모델이 아동의 행복감을 예측하고 분별하는 데 유용하다는 것을 확인하였다.

영문 초록

The purpose of this study is to predict children s happiness using machine learning algorithms. Data from 1,476 elementary 3rd grade children from the Korean Children s Panel 10th data conducted in 2017 were used. The happiness prediction model used 4 machine learning algorithms: a logistic regression model, a logistic regression with lasso model, a random forest model, and a gradient-boosted decision tree model, and compared sensitivity, specificity, accuracy, and AUC. As a result of the analysis, the predictability of all 4 machine learning models was excellent at AUC of .91. School preference and self-esteem were important variables to predict children s happiness. Through this study, we confirmed that the machine learning model using Korean children s panel data is useful for predicting and discriminating children s happiness.

목차

Ⅰ. 서 론

Ⅱ. 연구방법

Ⅲ. 연구결과

Ⅳ. 논의 및 결론

참고문헌

키워드

초등학교 3학년 행복감 머신러닝 분별모델 elementary 3rd graders happiness machine learning discriminative model