홍유정(2021). 학업 저성취 학생 예측을 위한 인공신경망 모형의 적용: 훈련자료 샘플링 방법에 따른 예측률 비교를 중심으로

학교교육의 중요한 책무는 모든 학생이 사회의 일원으로 살아가는 데 필요한 기본적인 능력을 키워주는 것에 있다. 따라서 교육 연구에서 기초 수준 이하로 낮은 성취를 보이는 학업 저성취 학생들은 지속적인 관심의 대상이다. 특히 저성취 학생들의 학습 결손은 특정 시기에 나타나는 현상이라기보다는 학년을 거듭할수록 누적되고 심화되는 특성이 있다. 따라서 학습 결손이 발생하기 전 또는 발생 초기에 적절한 교육적 지원을 제공하는 것이 매우 중요하다.
하지만 이러한 학생들은 소수 집단이기 때문에 일반적인 통계모형을 적용하는 것에는 한계가 있다. 이는 분석 자료가 분류 비율이 상당히 차이가 나는 불균형 자료(imbalanced data) 형태라는 점에서 통계적 기본 가정을 위배하는 경우가 많기 때문이다. 따라서 학업 저성취 학생을 예측하는 모형을 구축하기 위하여, 자료의 구조나 모형의 특성에 상대적으로 유연한 방법론인 딥러닝(Deep Learning) 분석방법을 적용해 보고자 하였다. 그 중에서도 심층인공신경망(Artificial Neural Network)은 주어진 데이터와 정답 간 비선형적인 관계를 모형화한 후 새로운 데이터를 예측하는 데 강점이 있다. 따라서 이를 활용하여 복잡한 교육맥락을 고려하는 동시에, 전체 학생에 비해 매우 적은 비율을 보이는 학업 저성취 학생을 예측해보고자 하였다.
본 연구에서는 기초미달 학생을 예측하기 위하여 한국교육종단연구2013 5개년도 자료를 활용하였으며, 심층인공신경망 모형 중 하나인 다층퍼셉트론을 적용해 보았다. 이때, 인공신경망 모형을 최적화하는 과정에서 다수집단의 정보가 필요 이상으로 반영되는 경우가 많다는 점을 고려하여, 훈련자료 샘플링 방법을 다양하게 적용하고 그 결과를 비교하였다. 더불어 기초미달 비율에 따른 결과도 비교해 보았다. 이를 바탕으로 심층인공신경망을 활용한 학업 저성취 학생을 예측하는 모형 구축 가능성을 탐색하고, 인공신경망 적용 과정의 장점 및 제한점을 살펴볼 것이다.