연구결과 개요 보고서
| 과제구분 | 한국학기초연구 / 공동연구과제 | ||
|---|---|---|---|
| 과제코드 | |||
| 연구과제명 |
|
||
| 연구책임자 | 이영준 | ||
| 공동연구자 | 정영주, 남혜현, 전혜진, 김보라, 정다운, 이선진 | ||
| 연구기간 | 20240108 ~ 20241216 | 연구형태 | 공동연구 |
| 연구목적 및 배경 | 본 연구는 다문화학생의 한국문화 적응 양상을 살펴 학업유지 요인과 중도포기 현상을 규명하고, 이 현상을 예측할 수 있는 모델을 구축하여 다문화학생의 원활한 학업 수행에 도움이 될 수 있도록 하는 데 그 목적이 있다. 다문화사회의 도래로 학교 현장 내에도 국제결혼 및 외국인 가정 출신의 다문화학생이 증가하고 있다. 교육부(2023) 자료에 따르면 2006년 9,389명이었던 초․중등학교 다문화학생이 2022년 181,178명으로 약 20배 가까이 증가하였다. 최근 다문화학생들이 상급학교로 진학하는 비율이 높아지는 추세로 이들의 학업중단 관련 문제가 새로운 다문화교육의 이슈로 떠오르고 있다. 다문화학생의 높은 중도포기율은 이들의 성장과 사회 진출, 나아가 사회 통합과 연결되는 중요한 문제이다. 이에 다문화학생의 중도포기 결정에 영향을 미치는 요인들을 분석하여 사전에 예방할 수 있는 방안을 모색할 필요가 있다. 본 연구에서는 먼저 학교적응, 한국문화 적응, 학습자 성향을 파악할 수 있는 진단 도구를 활용하여 분석 결과를 모델링하고 다문화학생의 중도포기 현상을 예측할 수 있도록 한다. |
||
| 연구방법 및 내용 | 중도포기 예측 모델을 구축하기 위해서는 다양한 요인에 따른 학생들의 학업 중단 가능성을 분석할 수 있는 데이터가 필요하다. 그러나 실제 학생 데이터를 수집하는 것은 개인정보 보호 문제와 데이터 접근성의 제약으로 인해 어려움을 겪을 수 있다. 이에 따라 가상의 데이터를 생성함으로써, 데이터 수집의 제한을 극복하고 모델 개발을 위한 충분한 샘플을 확보할 수 있다. 본 연구에서는 KEDI 종합검사도구를 바탕으로 학업 중단에 영향을 미칠 수 있는 요인들을 포함하여 가상 데이터가 설계되었다. 이러한 데이터를 통해 다양한 상황과 조건에서 학업 중단 가능성을 예측하는 모델을 훈련할 수 있을 것으로 기대된다. 생성된 데이터는 학업 중단을 유발하는 주요 변수 간의 상관관계를 분석하고, 예측 모델을 개선하는 데 기여할 수 있을 것이다. |
||
| 연구결과물 세부 목차 | 1. 서론 2. 선행연구 3. 다문화교육 현황 4. 다문화학생의 학업 중도포기 요인 5. 다문화학생의 중도포기 예측 모델 구축 6. 결론 참고문헌 |
||
| 연구결과 | 중도포기 예측 모델을 구축하기 위해서는 다양한 요인에 따른 학생들의 학업 중단 가능성을 분석할 수 있는 데이터가 필요하다. 그러나 실제 학생 데이터를 수집하는 것은 개인정보 보호 문제와 데이터 접근성의 제약으로 인해 어려움을 겪을 수 있다. 이에 따라 가상의 데이터를 생성함으로써, 데이터 수집의 제한을 극복하고 모델 개발을 위한 충분한 샘플을 확보할 수 있다. 본 연구에서는 KEDI 종합검사도구를 바탕으로 학업 중단에 영향을 미칠 수 있는 요인들을 포함하여 가상 데이터가 설계되었다. 이러한 데이터를 통해 다양한 상황과 조건에서 학업 중단 가능성을 예측하는 모델을 훈련할 수 있을 것으로 기대된다. 생성된 데이터는 학업 중단을 유발하는 주요 변수 간의 상관관계를 분석하고, 예측 모델을 개선하는 데 기여할 수 있을 것이다. 예측 모델 1에서는 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 부모-자녀 관계 검사, 부모의 교육열 검사, 가정에 대한 만족도 검사, 이 9개 항목을 독립변수로 설정하고, 중도포기를 종속변수로 설정하였다. 각 변수들 사이에 상관관계를 설정하지 않았으며, 중도포기 발생율은 5%로 설정하여 1,000명의 학습자 가상 데이터를 생성하였다. 예측 모델 1에서는 클래스 불균형을 해결하기 위해 소수 클래스(중도포기)를 업샘플링하여 데이터 균형을 맞추었으며 훈련 데이터와 테스트 데이터로 나누어 모델 성능을 평가하였다. 로지스틱 회귀 모델을 학습시키고 테스트 데이터를 통해 그 성능을 평가하였다. 정확도는 56%에 이르렀으며 정밀도에서도 중도포기 0과 중도포기 1에 대해 모두 56%의 결과를 보였다. 샘플링 기법을 적용한 결과, 두 클래스 간의 균형 잡힌 예측 성능을 확보할 수 있었지만, 전반적인 예측 성능은 낮게 나타났다. 예측 모델 2에서는 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 부모-자녀 관계 검사, 부모의 교육열 검사, 가정에 대한 만족도 검사, 이 9개 항목을 독립변수로 설정하고, 중도포기를 종속변수로 설정하였다. 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 이 6개 변수 사이에 상관관계를 설정하였고, 중도포기 발생율은 5%로 설정하여 1,000명의 학습자 가상 데이터를 생성하였다. 예측 모델 2에서는 클래스 불균형 문제를 해결하기 위해 소수 클래스(중도포기)를 업샘플링하여 데이터 균형을 맞춘 후 분석하였다. 초기 모델에서 정확도는 95%로 높았으나 중도포기 학습자에 대한 예측을 전혀 하지 못했다. 이 결과는 데이터의 불균형 문제로 인해 예측모델이 지나치게 편향된 예측을 수행했음을 보여준다. 샘플링 기법을 적용한 후 예측모델은 두 클래스(중도포기 0, 중도포기 1)에 대해 균형 잡힌 예측 성능을 보였다. 그러나 전체 정확도는 59%로 낮아졌다. 이를 통해 로지스틱 회귀분석을 활용하여 학업 중도포기 여부를 어느 정도 예측할 수 있음을 보여주었다. |
||
| 참고문헌 | 다문화교육, 중도포기, 기계학습 관련 선행연구 다수 | ||
연구요약문
| 전체 연구결과 요약 | |
|---|---|
|
본 연구는 다문화학생의 한국문화 적응 양상을 살펴 학업유지 요인과 중도포기 현상을 규명하고, 이 현상을 예측할 수 있는 모델을 구축하여 다문화학생의 원활한 학업 수행에 도움이 될 수 있도록 하는 데 그 목적이 있다. 본 연구에서는 학교적응, 한국문화 적응, 학습자 성향을 파악할 수 있는 진단 도구를 활용하여 분석 결과를 모델링하고 다문화학생의 중도포기 현상을 예측할 수 있도록 하였다. 본 연구에서는 학습자 특성, 가정 특성, 학교 특성 변인과 학생들의 학업성취도 간 관계 및 이들 사이의 관계에 대한 종합적 접근을 시도한 KEDI 종합검사도구(한국교육개발원 2007)를 활용하였다. 예측 모델 1에서는 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 부모-자녀 관계 검사, 부모의 교육열 검사, 가정에 대한 만족도 검사, 이 9개 항목을 독립변수로 설정하고, 중도포기를 종속변수로 설정하였다. 각 변수들 사이에 상관관계를 설정하지 않았으며, 중도포기 발생율은 5%로 설정하여 1,000명의 학습자 가상 데이터를 생성하였다. 예측 모델 1에서는 클래스 불균형을 해결하기 위해 소수 클래스(중도포기)를 업샘플링하여 데이터 균형을 맞추었으며 훈련 데이터와 테스트 데이터로 나누어 모델 성능을 평가하였다. 로지스틱 회귀 모델을 학습시키고 테스트 데이터를 통해 그 성능을 평가하였다. 정확도는 56%에 이르렀으며 정밀도에서도 중도포기 0과 중도포기 1에 대해 모두 56%의 결과를 보였다. 샘플링 기법을 적용한 결과, 두 클래스 간의 균형 잡힌 예측 성능을 확보할 수 있었지만, 전반적인 예측 성능은 낮게 나타났다. 예측 모델 2에서는 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 부모-자녀 관계 검사, 부모의 교육열 검사, 가정에 대한 만족도 검사, 이 9개 항목을 독립변수로 설정하고, 중도포기를 종속변수로 설정하였다. 자아 개념, 학교 적응, 자기 효능감, 학습 동기화, 학습 목표 지향성, 자기 조절 학습전략, 이 6개 변수 사이에 상관관계를 설정하였고, 중도포기 발생율은 5%로 설정하여 1,000명의 학습자 가상 데이터를 생성하였다. 예측 모델 2에서는 클래스 불균형 문제를 해결하기 위해 소수 클래스(중도포기)를 업샘플링하여 데이터 균형을 맞춘 후 분석하였다. 초기 모델에서 정확도는 95%로 높았으나 중도포기 학습자에 대한 예측을 전혀 하지 못했다. 이 결과는 데이터의 불균형 문제로 인해 예측모델이 지나치게 편향된 예측을 수행했음을 보여준다. 샘플링 기법을 적용한 후 예측모델은 두 클래스(중도포기 0, 중도포기 1)에 대해 균형 잡힌 예측 성능을 보였다. 그러나 전체 정확도는 59%로 낮아졌다. 이를 통해 로지스틱 회귀분석을 활용하여 학업 중도포기 여부를 어느 정도 예측할 수 있음을 보여주었다. 본 연구에서는 변수들 사이에 강한 상관관계를 설정해 놓은 가상 데이터를 생성하여 분석하였음에도 예측 모델의 정확도가 높게 나타나지 않았다. 이는 다문화학생의 중도포기 현상에 대한 논의가 양적 분석으로만 이루어져서는 안 된다는 것을 방증하는 결과이기도 하다. 학습자, 교사, 부모와의 심층 인터뷰를 통한 질적 연구 방법도 예측 모델 구축 과정에 포함되어야 할 것으로 사료된다. 이에 맞춰 다문화학생들의 원활한 학업유지를 위한 교수-학습 방안을 모색할 필요가 있다. |
|
| 세부과제별 요약 | |