최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.24 no.6, 2013년, pp.1285 - 1296
The fundamental concerns of this paper are to analyze the effects of student course evaluation using subject characteristic and student characteristic variables. We use a 2-level hierarchical linear model since the data structure of subject characteristic and student characteristic variables is mult...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
특정 수강생이 공유되는 특성을 가지게 되는 이유는 무엇인가? | 강의평가 결과에 영향을 미치는 특성변수로는 교과목 수준의 다양한 강좌특성 변수들과 수강생 수준의 다양한 인적특성 변수들이 있다. 특정 수강생은 다수의 교과목을 이수하기 때문에 다수의 교과목들은 동일한 수강생 안에 속하게 됨으로써 공유되는 특성이 있게 된다. 즉 강의평가 결과는 교과목 수준의 강좌특성 (1-수준)과 수강생 수준의 인적특성 (2-수준)에 의해 영향을 받는 다층구조 (multilevel)를 가지게 되며, 위계적 자료 특성을 가지는 복수의 분석단위의 구조가 된다. | |
위계선형모형이란 무엇인가? | 한편 위계선형모형 (HLM; hierarchical linear model)은 여러 학문분야에서 널리 활용되는 통계분석 기법으로서 자료의 위계적 특성을 적절하게 분석할 수 있는 기법이다. Raudenbush와 Bryk (2002)은 위계적 선형모형이 횡단적 다층 자료구조의 통합모형, 다변량 모형, 잠재변수 모형, 베이지안 추론모형 등에 폭넓게 적용될 수 있음을 제시하고 있다. | |
강의평가 결과에 영향을 미치는 변수들의 영향력 분석을 위해 분석단위의 문제를 해결해야 하는 이유는 무엇인가? | 따라서 전통적인 회귀분석에서와 같이 개별 교과목들이 독립이라는 가정을 할 수 없게 된다. 즉 강의평가 결과는 교과목 수준의 강좌특성 (1-수준)과 수강생 수준의 인적특성 (2-수준)에 의해 영향을 받는 다층구조 (multi-level)로서, 위계적 자료 특성을 가지는 복수의 분석단위의 구조가 된다. 따라서 강의평가 결과에 영향을 미치는 변수들의 영향력을 보다 타당하게 분석하기 위한 방법으로 분석단위의 문제를 해결해야 한다는 지적이 제기되어 왔다 (Ethington, 1997; Nasser와 Hagtvet, 2006). |
Baek, S. G. and Shin, H. J. (2008). Multilevel analysis of the effects of student and course characteristics on student course evaluation - Focused on the undergraduate liberal education program. Journal of Educational Evaluation, 21, 1-24.
Breiman, L., Friedman, J. H., Olshen, R. A. and Stone, C. J. (1984). Classification and regression trees, Chapman and Hall Press, Washington, D.C.
의사결정나무분석을 수행하기 위해 지니지수 (Gini index)를 분리기준으로 사용하였으며, 이지분리를 수행하는 CART (classification and regression trees; Breiman 등, 1984) 알고리즘을 사용하였다.
Cho, J. S., Kang, C. W, Choi, S. B. (2009). Comparison on equating methods for course evaluation. Journal of the Korean Data Information & Science Society, 20, 65-75.
그리고 Han 등 (2005)은 한국대학의 강의평가실태에 대해서 분석하였으며, Cho 등 (2009)과 Cho (2010)는 교과목 특성 변수에 기초해서 의사결정나무모형과 로지스틱 회귀모형을 이용하여 강의평가점수의 균등화 방법에 대해서 연구한 바가 있다.
Cho, J. S. (2010). A study on equating method based on regression analysis. Journal of the Korean Data Information & Science Society, 21, 513-521.
그리고 Han 등 (2005)은 한국대학의 강의평가실태에 대해서 분석하였으며, Cho 등 (2009)과 Cho (2010)는 교과목 특성 변수에 기초해서 의사결정나무모형과 로지스틱 회귀모형을 이용하여 강의평가점수의 균등화 방법에 대해서 연구한 바가 있다.
Cho, J. S. (2012). Study on the effectiveness of english-medium class. Journal of the Korean Data & Information Science Society, 23, 1137-1144.
Ethington, C. A. (1997). A hierarchical linear modeling approach to studying college effects. Higher Education:Handbook of Theory and Research, 12, Agathon Press, NY, 165-194.
따라서 강의평가 결과에 영향을 미치는 변수들의 영향력을 보다 타당하게 분석하기 위한 방법으로 분석단위의 문제를 해결해야 한다는 지적이 제기되어 왔다 (Ethington, 1997; Nasser와 Hagtvet, 2006).
Han, S. I. (2001). Research on student ratings of university teaching: Analysis of determinants related to professor, student, and class. The Journal of Educational Administration, 19, 247-266.
강의평가에 대한 선행연구로 Han (2001)은 교수, 학생, 수업관련 요인을 중심으로 강의평가 관련요인을 분석한 바 있다.
Han, S. I., Kim, H. J. and Lee, J. Y. (2005). A comprehensive study of Korean students' evaluations of university teaching. The Journal of Educational Administration, 23, 379-403.
그리고 Han 등 (2005)은 한국대학의 강의평가실태에 대해서 분석하였으며, Cho 등 (2009)과 Cho (2010)는 교과목 특성 변수에 기초해서 의사결정나무모형과 로지스틱 회귀모형을 이용하여 강의평가점수의 균등화 방법에 대해서 연구한 바가 있다.
Im, S. H. (2002). Multilevel models for cross-sectional approach to the developmental research. Journal of Educational Evaluation, 15, 295-315.
Jeon과 Kang (2005)은 다층자료의 구조적 특성에 따른 위계적 선형모형의 모수추정을 비교한 바 있으며, Im (2002)은 다층모형을 이용한 발달연구에 대한 횡단적 접근법에 대한 모형을 설정하고 분석하는 방안을 제시하였다.
Jeon, M. J. and Kang, S. J. (2005). A comparison of multilevel models in their parameter estimation - The comparison of 2-level HLM, 3-level HLM, and CMM. Journal of Education Evaluation, 18, 123-147.
Jeon과 Kang (2005)은 다층자료의 구조적 특성에 따른 위계적 선형모형의 모수추정을 비교한 바 있으며, Im (2002)은 다층모형을 이용한 발달연구에 대한 횡단적 접근법에 대한 모형을 설정하고 분석하는 방안을 제시하였다.
Kang, S. J. (1998). Analytical comparisons between classical linear models and multilevel models as educational and social research methods. Journal of Educational Evaluation, 11, 207-258.
그러나 회귀분석과 같은 전통적인 선형모형들은 복수의 분석단위를 가지는 위계적 자료의 분석에서 분산을 하위 수준과 상위 수준의 분산으로 분해하지 못하며, 하위 수준의 개체특성 효과가 상위 수준의 집단에 따라 변하는 구조적 관계를 규명하지 못하는 등의 방법론적으로 한계를 갖게 된다 (Kang, 1998).
Nasser, F. and Hagtvet, K. A. (2006). Multilevel analysis of the effects of studentand instructor/course characteristics on student ratings. Research in Higher Education, 47, 559-590.
Newman, F, Couturier, L. and Scurry, J. (2004). The future of higher education: Rhetoric, reality, and the risks of the market, Jossey-Bass, San Francisco.
특히 대학교육의 질적 수준에 대한 반성과 제고를 위한 노력과 훌륭한 인적자원 개발에 대한 관심으로 인해 대학교육의 질에 대한 관심이 점점 높아지고 있다 (Newman 등, 2004).
Raudenbush, S. W. and Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods, SAGE publication, San Francisco.
Raudenbush와 Bryk (2002)은 위계적 선형모형이 횡단적 다층 자료구조의 통합모형, 다변량 모형, 잠재변수 모형, 베이지안 추론모형 등에 폭넓게 적용될 수 있음을 제시하고 있다.
Ryu, C. H., Lee, J. H. (2003). A study on student factors associated with the student evaluation of teaching at universities. Korean Management Review, 33, 89-807.
그리고 Cho (2012)는 영어강좌의 효과성에 대해서 강의평가 결과를 이용하여 분석한 바 있다. 한편 위계적 선형모형을 이용한 강의평가에 관련된 연구로 Ryu와 Lee (2003)는 강의평가에 영향을 미치는 학생관련 수준의 인적특성만을 고려해서 분석하였다.
Son, C. K. and Kim, Y. T. (2007). A study on the difference of result to variables related to students' evaluation of teaching in university. Journal of Educational Evaluation, 20, 1-24.
수강생들의 강의평가 결과는 해당 교과목의 강좌특성 변수들과 수강생의 인적특성 변수들에 의해서 영향을 받는 것으로 선행연구들은 언급하고 있다 (Baek과 Shin, 2008; Son과 Kim, 2007 등).
그러나 교과목 수준의 강좌특성 관련 요인을 제외했다는 한계가 있다. 그리고 Son과 Kim(2007)는 강의평가에는 교과목 수준의 강좌특성뿐 만 아니라 수강생 수준의 인적특성도 영향을 미치므로 그 결과를 활용하기 위해서는 신중을 기해야 하며, 이와 관련된 체계적이고 경험적인 연구들을 수행해야 함을 제안하였다.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.