선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 이와 같이 독립변수들의 주효과와 상호작용효과에 따른 중복조정의 문제를 해결하기 위해 데이터 마이닝의 의사결정나무 분석법인 CART (classification and regression trees) 알고리즘 결과를 이용하여 독립변수들의 주효과와 상호작용효과에 따른 중복조정의 문제를 해결하고자 한다. CART 알고리즘은 불순도 (impurity) 또는 다양도 (diversity)를 측정하는 지니지수 (Gini index)를 사용하여 지니지수를 가장 감소시켜주는 독립변수와 그 변수의 최적분리를 자식마디로 분리하는 방법으로 자세한 내용은 최종후 등 (1998), 허명회와 이용구 (2003), 허준 등 (2003), Breiman 등 (1984)을 참고하기 바란다.
- 먼저 비모수적 방법으로 데이터 마이닝 기법인 의사결정나무 모형을 사용하였으며 모수적 방법으로는 가변수를 포함하는 선형회귀모형을 사용하였다. 또한 변수들의 주 효과와 상호작용 효과를 동시에 고려하여 여타의 조건들을 사후적으로 통제하여 강의평가 결과가 다양한 조건에서도 동질성을 가질 수 있도록 강의평가 결과를 사후 조정함으로써 강의평가 결과가 순수하게 강의자의 능력과 강의에 투입한 노력을 반영할 수 있게 하는 방법을 찾고자 한다. 이를 위해 통계적 기법인 데이터 마이닝의 CART (classification and regression trees) 알고리즘을 적용하였으며, 여러 가지 균등화 방법 (equating method)을 적용하여 강의평가 점수를 사후 조정하였다.
- 본 연구는 강의자의 능력과 노력을 제외한 여타의 변수들, 예를 들어 강좌규모, 강의형태, 이수구분, 평균평점 등의 영향력을 강의평가 결과로부터 배제할 수 있는 방법을 모색하였다. 이를 위해 4가지 균등화방법에 의해 강의평가 원점수의 평균과 표준편차 그리고 1%, 5%, 10%, 25%, 50%, 75%, 90%, 95%, 99% 백분위수 모두에서 균등화된 사후조정 점수를 비교하였으며, 그 결과 등백분위수 균등화방법이 다른 방법들에 비해 상대적으로 효율적임을 알 수 있었다.
- 몇 개의 점을 택할 것 인지에 대한 정확한 기준은 없지만, 많은 점들을 이용하면 편의는 다소 줄이고 자료의 변이는 증가시키는 효과를 갖는다. 본 연구에서는 등사분위 방법, 등백분위 방법, 선형균등화 방법 및 모수적 함수에 의한 균등화 방법을 적용시키고자 한다. 두 자료집단 ΛX = {x1 ,x2,···,xm}, Λy = {y1 ,y2,···,yn}에서 X0.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.