대학수학능력시험 과학탐구 영역의 심화(Ⅱ)과목 선택 요인에 관한 데이터 마이닝:한국교육고용패널 2005-2009년 자료를 활용하여 = Educational Data Mining Regrading Selection of Advanced Science Subject in CSAT: Using the KEEP 2005-2009 Data

국문 초록 (Abstract)

본 연구에서는 대학수학능력시험 과학탐구 영역의 심화(Ⅱ)과목 선택 요인을 살펴보았다. 분석 방법으로서는 변수 선택 중심의 데이터 마이닝을 시도하였으며, 분석 자료는 한국교육고용패널Ⅰ의 중학교 3학년 코호트 데이터였다. 심화과목 선택 여부에 대한 로지스틱 선형 회귀를 위하여 1,040개의 입력변수를 설정하였으며, 이에 대하여 벌점화 축소 추정법의 일종인 LASSO 및 Elastic Net을 적용한 결과 각각 34개와 86개의 변수가 선택 및 적합되었다. 모형의 해석은 다음과 같다. 첫째, 코호트들이 중학교 3학년이던 1차년도에 조사된 변수들이 절반 이상이었다. 둘째, 학교 소재지를 비롯한 지역 관련 변수들이 선택되었다. 셋째, 친구 및 또래들과 관련된 변수들이 선택되었다. 넷째, 여가 및 취미생활과 관련된 변수들이 선택되었다. 다섯째, 학생 개인의 특성과 관련된 변수들이 선택되었다. 여섯째, 학교 교육과정 및 진로지도와 관련된 변수들이 선택되었다. 일곱째, 학생의 가정환경과 관련된 변수들이 선택되었다. 결론적으로, 수능 과학탐구 영역에서의 심화과목 응시 여부에는 부모의 사회경제적 지위나 사교육 여부 등이 영향을 미치기도 하지만 개인의 학습 특성 및 학교 수준에서 관리 가능한 요소들이 긍정적인 영향을 끼칠 수 있으므로 교육적 개입이 무의미하지 않다.

다국어 초록 (Multilingual Abstract)

This study aims to investigate factors for the selection of advanced science subject (Ⅱ) in Korean College Scholastic Ability Test (CSAT) employing data mining methods. Using data collected from middle school third year cohort in the Korean Education & Employment Panel (KEEP), we set 1,040 input variables for logistic regression. By applying LASSO and Elastic Net, which are kinds of shrinkage and penalized estimators, we selected and fitted 34 and 86 variables, respectively, in each method. The selected variables were categorized as follows: first, about a half of the variables were from the first year of the survey; second, regional variables; third, variables about friends; fourth, variables describing leisure and hobbies; fifth, traditional variables of students’ individual characteristics; sixth, variables related to school curriculum and career guidance; and seventh, variables related to students’ home environments. It was found, in conclusion, that educational intervention would be effective in resolving the issue of selection of advanced science subject in Korean CSAT.

참고문헌 (Reference)

• 1 손창균, "한국복지패널의 저소득층 가구의 결측 패턴연구" 2 : 452-466, 2009
• 2 손창균, "패널자료의 종단적 결측패턴에 관한 실증분석 연구" 273-285, 2011
• 3 이주리, "중학생의 자살사고 예측모형：데이터 마이닝을 적용한 위험요인과 보호요인의 탐색" 한국아동권리학회 13 (13): 227-246, 2009
• 4 송헌재, "재정패널 2차년도 이탈가구와 대체가구의 특성 분석" 한국재정학회 5 (5): 97-133, 2012
• 5 민승식, "수능시험 과학 심화과목 응시 여부와 해군사관학교에서의 학업성취도 관계 분석" 48 : 29-40, 2016
• 6 김명정, "수능 선택률과 고등학교 정치교육" 한국정치학회 50 (50): 31-50, 2016
• 7 문지영, "벌점화 회귀모형을 사용한 사교육비 관련요인 탐색" 한국교육개발원 45 (45): 111-137, 2018
• 8 이혜주, "데이터마이닝을 이용한 청소년의 부모, 교사, 또래 애착유형별 예측모형 탐색" 한국아동교육학회 25 (25): 23-38, 2016
• 9 유진은, "데이터 마이닝 기법을 통한 교육 패널데이터 분석: 벌점회귀모형과 KYPS 자료" 교육연구소 17 (17): 1-19, 2016
• 10 이상하, "대학수학능력시험의 물리 I 선택 요인 분석" 한국교육과정평가원 16 (16): 231-251, 2013
• 11 김덕수, "대학수학능력시험의 “선택수능제”와 “교과편식”의 문제 -최근 10년사회탐구 과목의 선택현황을 중심으로" 80 : 1-20, 2014
• 12 장경호, "대학수학능력시험에서 탐구 과목 선택이 대학교 전공 선택에 미치는 영향" 한국경제교육학회 24 (24): 39-58, 2017
• 13 박상은, "대학수학능력시험에서 일반사회 선택 학생의 특성 분석" 한국경제교육학회 22 (22): 141-161, 2015
• 14 한경동, "대학수학능력시험에서 경제를 선택하는 학생의 특성 분석" 한국경제교육학회 18 (18): 45-57, 2011
• 15 김현경, "대학수학능력시험 화학 I 문항 분석 및 학생과 교사의 인식 조사를 통한 화학 I 응시자 감소 원인 분석" 대한화학회 61 (61): 378-387, 2017
• 16 한경동, "대학수학능력시험 경제 선택이 임금에 미치는 효과" 한국경제교육학회 24 (24): 59-73, 2017
• 17 주아림, "고차원 선형모형에서 벌점화우도 방법을 이용한 변수 선택방법 연구" 한국자료분석학회 17 (17): 2391-2402, 2015
• 18 유미현, "고등학교 자연 계열 학생들의 과학 과목 선택 경향 파악: 지구과학을 중심으로" 교과교육연구소 17 (17): 595-618, 2013
• 19 전창완, "경제 교육의 성과 개선을 위한노력과 한계 － 대학수학능력시험의 경제 선택 여부를 중심으로" 한국경제교육학회 19 (19): 97-122, 2012
• 20 박형준, "경제 과목에 대한 인식이 수능에서 경제 과목 선택에 미치는 영향" 교육문제연구소 57 : 85-104, 2013
• 21 윤성철, "결측값의 대치법" 대한예방의학회 37 (37): 209-211, 2004
• 22 천영민, "개인 성격이 패널 이탈에 미치는 영향" 한국직업능력개발원 20 (20): 179-206, 2017
• 23 Buuren, S. V., "mice: Multivariate Imputation by Chained Equations in R" 1-68, 2010
• 24 박창이, "R을 이용한 데이터마이닝" 교우사 2015
• 25 Friedman, J., "Regularization Paths for Generalized Linear Models via Coordinate Descent" 33 (33): 1-22, 2010
• 26 Tibshirani, R, "Regression Shrinkage and Selection via the Lasso" 58 (58): 267-288, 1996
• 27 나종화, "R 응용 회귀분석" 자유아카데미 2017
• 28 Kyung, M., "Penalized Regression, Standard Errors, and Bayesian Lassos" 5 (5): 369-411, 2010
• 29 Rubin, D. B., "Multiple Imputation for Nonresponse in Surveys (Vol. 81)" John Wiley & Sons 2004
• 30 Bennett, D. A, "How Can I Deal with Missing Data in My Study?" 25 (25): 464-469, 2001
• 31 유진은, "Group lasso를 통한 중학생의 삶의 만족도에 영향을 미치는 변수 탐색" 한국청소년정책연구원 28 (28): 127-149, 2017
• 32 Hall, P., "Geometric Representation of High Dimension, Low Sample Size Data" 67 (67): 427-444, 2005
• 33 Sabbe, N., "EMLasso: Logistic Lasso with Missing Data" 32 (32): 3143-3157, 2013
• 34 Gelman, A., "Data Analysis Using Regression and Multilevel/Hierarchical Models" Cambridge university press 2006
• 35 Lee, Y., "Data Analysis Using Hierarchical Generalized Linear Models with R. Chapman and Hall/CRC" 2017
• 36 교육부, "2022학년도 대학입학제도 개편방안 및 고교교육 혁신방향 발표"
• 37 한국과학기술단체총연합회, "2022 수능에서 수학․과학 바로 세우기 기자간담회 개최 -2022 수능 과목구조 및 출제범위에 대한 과기계 의견 전달-"
• 38 교육부, "2022 수능 과목 구조 및 출제범위 논의를 위한 대입정책포럼 개최"