대학생 이탈 시점(조기·중도)에 따른 예측 모델 구축 및 결정 요인 비교 분석 = Predictive Modeling of University Student Dropout by Timing: A Comparative Analysis of Early and Mid-Program Determinants

국문 초록 (Abstract)

학령인구 감소로 인한 대학의 위기 속에서 재학생 중도탈락 예방은 대학의 지속 가능성을 위한 핵심 과제로 대두되고 있다. 이에 본 연구는 중도탈락을 단일한 결과가 아닌 연속적인 과정으로 규정하고, 이탈 발생 시점(조기·중도)에 따라 차별화된 예측 모델을 구축하여 그 결정 요인을 비교·분석하였다. 이를 위해 A 대학교의 9년 치(2016~2024년) 입학 및 학사 통합 데이터를 활용하였으며, 범주형 변수 처리에 강점을 가진 CatBoost 알고리즘과 모델의 해석력을 높이는 SHAP 기법을 적용하였다. 또한, 학생의 대학 생활 적응 과정을 반영하기 위해 성적 분산, 비교과 참여 증감 등의 시계열적 파생변수를 생성하여 모델의 설명력을 높였다. 분석 결과, 조기이탈과 중도이탈은 서로 다른 발생 기제를 보였다. 조기이탈은 입학 전 형성된 개인적 배경과 초기 학업 성취가 주된 결정 요인으로 작용하였으나, 중도이탈은 대학 생활 과정에서 축적된 경험, 즉 성적의 변동성이나 비교과 활동의 감소와 같은 시계열적 변화 추이가 핵심적인 예측 변수로 확인되었다. 본 연구는 데이터 기반의 분석을 통해 이탈 시점에 따른 맞춤형 학생 지원 전략과 선제적 경보 시스템 구축을 위한 실증적 방법론을 제시하였다는 데 의의가 있다.

다국어 초록 (Multilingual Abstract)

Amid the demographic-driven crisis facing universities, preventing student dropout has become essential for institutional sustainability. This study adopts a process-based approach to conceptualize dropout as a dynamic process rather than a static outcome. It develops distinct prediction models based on departure timing (early vs. mid-program) to examine the multifaceted determinants that influence this phenomenon. To this end, we have applied the CatBoost algorithm and SHAP analysis to a nine-year (2016–2024) set of admission and academic data from A University. Time-series variables reflecting student adaptation, such as GPA volatility and changes in extracurricular participation, were incorporated to improve explanatory power. The findings indicate that mechanisms related to departure timing are distinct. Early dropout is predominantly influenced by pre-admission characteristics and initial academic performance. Conversely, mid-program dropout is driven by accumulated university experiences, particularly GPA instability and reduced extracurricular engagement. These findings support the development of timing-specific student support strategies and proactive early warning systems.