교육학 연구에서 공변수 유형에 따른 SEMtree 모형 활용 방안 비교 = A comparisons of the covariate types in applications of SEMtree model to educational studies

국문 초록 (Abstract)

본 연구에서는 교육학 분야의 연구에서 설명변수로 투입되는 공변수의 유형에 따라 SEMtree 모형의 결과가 어떻게 달라지는지를 실증 데이터 분석을 통해 비교하여 SEMtree 모형 활용 방안을 제안하는 것에 목적이 있다. 최근 머신러닝 기법의 발달에 따라 SEMtree가 개발되었는데, 이는 구조방정식모형을 기반으로 하기 때문에 변수들간의 관계를 연구 문제에 따라 유연하게 설정할 수 있는 확인적 자료 분석 기법일 뿐만 아니라, 의사결정나무모형의 특성인 설명변수의 투입을 통해 탐색적 자료 분석 기법이라는 장점을 가진다. 한국 아동·청소년 패널조사 2018의 초4패널 데이터를 분석한 종단연구를 수행한 결과는 다음과 같다. 우선, 공변수를 시간가변성(time-varying)으로 다루는 경우가 시간불변성(time-invariant)으로 다루는 경우에 비해 노드 분할에서 공변수가 중복 선택되는 경우가 적어 결과 해석적 측면에서 장점을 보였다. 또한 이분형 공변수가 리커트형에 비해 노드 분할에서 중복이 덜 발생하기는 했지만, 분할된 노드의 수가 적게 나타났다. 따라서 본 연구는 향후 SEMtree 모형을 활용하여 교육학 연구를 수행할 때 연구자가 연구 목적에 맞게 모형의 간명성과 해석상의 장점 측면 등에 기반하여 공변수의 유형을 고려해야함을 제언하였다.

다국어 초록 (Multilingual Abstract)

In this study, we investigated the applicability of the SEMtree model to analyze the longitudinal data analysis in educational studies. SEMtree is one of the advanced approaches to incorporate the advantages of structural equation modeling and decision tree models under confirmatory and exploratory data analysis frameworks. The main purpose of this study is to figure out how the researcher deals with the data conditions of covariates when using the SEMtree model. By analyzing KCYPS 2018 the 4th-grade elementary school students' panel, we found that there were differences of the duplicated selected covariates when splitting the nodes in the SEMtree model between the time-invariant and the time-varying types. The binary covariates showed less duplicated selection of covariates when splitting the nodes, while the Likert-type covariates showed more number of terminal nodes. Thus, the researcher should consider how to deal with covariate types when using the SEMtree model in educational data analysis.

목차 (Table of Contents)

• 교육학 연구에서 공변수 유형에 따른 SEMtree 모형 활용 방안 비교
• 1. 서론
• 2. 이론적 배경
• 3. 연구 방법
• 4. 연구 결과
• 5. 결론 및 제언