[논문]대학생의 학업성취도 예측요인 연구 : J 대학을 중심으로

손요한; 김인규

doi:10.5392/jkca.2020.20.01.519

대학생의 학업성취도 예측요인 연구 : J 대학을 중심으로
A Study on Predictors of Academic Achievement in College Students : Focused on J University 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.1, 2020년, pp.519 - 529

손요한 (전주대학교 상담심리학과) , 김인규 (전주대학교 상담심리학과)

초록
AI-Helper

본 연구는 대학생의 학업성취 예측모형을 구축하여, 각 요인간의 상호관계와 상대적 영향력을 밝히는데 목적이 있다. 이를 위해 J 대학 재학생 1,310명의 학습자 개인요인과 학습전략 요인을 설문하였으며, 그 결과를 데이터마이닝 기법인 의사결정나무 분석을 통하여 학업성취 예측요인의 변별과 패턴을 분석하고, 각 요인의 상대적 영향력을 살펴보기 위한 이항 로지스틱 분석을 실시하였다. 분석결과, 학업성취를 예측하는 가장 중요한 요인은 효능감으로 나타났으며, 이외 학습동기, 시간관리, 우울이 학업성취를 예측하는 요인으로 나타났다. 학업성취를 예측하는 요인의 패턴은 효능감과 시간관리 수준이 높은 경우와 효능감이 중간 수준이더라도 학습동기가 높은 경우로 나타났다. 효능감과 학습동기가 낮거나 우울이 높은 경우 학업성취를 감소시키는 것으로 나타났다. 이러한 결과를 토대로 대학생의 학업성취 향상을 위한 효능감과 학습동기 향상, 시간관리 교육 강화, 부정적 정서 관리 등을 제안하였다.

Abstract ▼ AI-Helper

The purpose of this study is to establish a model for predicting academic achievement of college students and to reveal the interrelationship and relative influence of each factor. For this, we surveyed the personal factors and learning strategy factors of 1,310 learners at J University, and analyzed the discriminant factors and patterns of the predictors of academic achievement through the decision tree analysis, a data mining method, and examined the relative effects of each factor. Binary logistic regression analysis was performed for viewing. As a result, the most important factor for predicting academic achievement was efficacy, and other factors such as motivation, time management, and depression were predictive of academic achievement. The patterns of factors predicting academic achievement were found to be high in efficacy and time management, and high in motivation for learning even if the efficacy was moderate. Low efficacy and learning motivation, and high depression have been shown to decrease academic achievement. Based on these results, the study suggested the efficacy and motivation to improve academic achievement of college students, strengthening time management education, and managing negative emotions.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이에 본 연구에서는 대표적인 데이터마이닝 기법인 의사결정나부분석을 활용하여 대학생의 학업성취 예측 모형을 구축하고 각 요인간의 상호관계를 다각적으로 탐색하고자 한다. 더불어 로지스틱 분석을 활용하여 학업성취 요인의 상대적 영향력을 제시하고자 한다. 본연구는 대학생의 학업성취 예측요인을 이해하기 위한 다차원적 정보를 제공하고, 이를 통한 대학생의 학업성취 향상 및 학업부적응 예방을 위한 기초자료를 제공할수 있을 것으로 기대된다.
본 연구는 J 대학 교수학습개발센터에서 실시한 재학생 학습역량 분석 연구의 조사 자료를 활용하여 학업성 취를 변별하는 요인을 탐색하고 각 요인의 영향력을 분석하였다.
본 연구는 대학생의 학업성취 예측모형을 구축하여, 각 요인간의 상호관계와 상대적 영향력을 밝히는데 목적이 있다. 이를 위해 J 대학 교수학습개발센터에서 실시한 재학생 학습역량 분석 연구의 조사 자료 1,310부를 활용하여 데이터마이닝 기법인 의사결정나무 분석을 통하여 학업성취 예측요인의 변별과 패턴을 분석하 고, 각 요인의 상대적 영향력을 살펴보기 위한 이항 로지스틱 분석을 실시하였다.
본 연구에서는 전진 (forward: LR)방식의 이항 로지스틱 분석을 실시하여각 요인의 영향력 살펴보았다.
이에 본 연구에서는 대표적인 데이터마이닝 기법인 의사결정나부분석을 활용하여 대학생의 학업성취 예측 모형을 구축하고 각 요인간의 상호관계를 다각적으로 탐색하고자 한다. 더불어 로지스틱 분석을 활용하여 학업성취 요인의 상대적 영향력을 제시하고자 한다.
이에 본 연구에서는 학업성취와 관련된 학습자의 개인적 특성과 학습전략 요인을 종합적으로 투입하여 학업성취 예측요인을 분석하고자 한다. 또한, 학업성취 수준에 따른 각 요인들간의 상호적 관계를 다각적으로 탐색하고자 데이터마이닝 기법을 활용하여 분석하고자 한다.

가설 설정

두 번째 단계에서는 의사결정나무 분석을 통해 나타난 주요 요인들의 영향력을 살펴보기 위해 이항 로지스틱 회귀분석을 실시하였다. 로지스틱 회귀모형은 목표 변수가 범주형 또는 순서형일 때 확률에 대한 로짓변환을 하여 분석을 하며 목표변수와 입력변수사이에 선형 관계가 있음을 가정한다. 본 연구에서는 전진 (forward: LR)방식의 이항 로지스틱 분석을 실시하여각 요인의 영향력 살펴보았다.

제안 방법

본 검사는 자기조절학습 능력의 근간을 이루는 습관적·행동적 및 전략적인 효율성을 측정하기 위해 개발한 것으로 성격 특성(효능감, 결과기대, 성실 성), 동기 특성(학습동기, 경쟁동기, 회피동기), 정서 특성(우울, 불안, 짜증), 행동 특성(시간관리, 수업듣기, 노트필기, 공부환경, 집중전략, 읽기전략, 기억전략, 시험 전략) 등 4개의 영역 17개 요인으로 이루어져있고, 영역별 문항수와 하위요인의 신뢰도는 [표 3]과 같다. 각요인에 대한 결과는 T점수로 제시되며, 본 연구에서는 의사결정나무 분석과 이항 로지스틱 회귀분석의 실시와 해석의 용이함을 위해 상(60 이상), 중(40이상~60 미만), 하(40미만)의 세 집단으로 재범주화하여 분석에 활용하였다.
넷째, 본 연구는 전체 학년을 대상으로 한 예측모형을 제시하였다. 다수 연구에서 학년별 학업성취 요인의 차이와 신입생의 학습지원을 중요하게 다루고 있으므 로[44][45] 후속연구에서는 대학 신입생을 비롯해서 학년별 예측 모형을 제시하는 연구가 필요할 것이다.
이에 본 연구에서는 학업성취와 관련된 학습자의 개인적 특성과 학습전략 요인을 종합적으로 투입하여 학업성취 예측요인을 분석하고자 한다. 또한, 학업성취 수준에 따른 각 요인들간의 상호적 관계를 다각적으로 탐색하고자 데이터마이닝 기법을 활용하여 분석하고자 한다. 데이터마이닝이란 다수의 변수 간 상호관련성, 패턴, 경향 등 의미있고 유용한 모형을 발견하는 기법으 로, 학업성취 요인간의 우선순위를 결정하고 예측모형을 제시함으로써 학습 수행과정에서 실질적인 학생의 학습활동과 성취를 돕는데 유용하다[22].
본 검사는 자기조절학습 능력의 근간을 이루는 습관적·행동적 및 전략적인 효율성을 측정하기 위해 개발한 것으로 성격 특성(효능감, 결과기대, 성실 성), 동기 특성(학습동기, 경쟁동기, 회피동기), 정서 특성(우울, 불안, 짜증), 행동 특성(시간관리, 수업듣기, 노트필기, 공부환경, 집중전략, 읽기전략, 기억전략, 시험 전략) 등 4개의 영역 17개 요인으로 이루어져있고, 영역별 문항수와 하위요인의 신뢰도는 [표 3]과 같다.
연구참여자는 J 대학 학부생을 대상으로 성별과 학년을 고려한 임의할당 방식으로 8개 단과대학에 고르게 할당하였으며, 각 학과의 협조를 얻어 연구 참여에 동의한 대상자에게만 서면동의를 받은 후 설문조사를 실시하였다.
05 수준이었다. 예측모형의 간명성을 위해 사용된 정지규칙으로 최대나무 깊이 (Maximum tree depth)는 5수준으로 하였으며, 부모 마디(parent node)의 사례수는 100, 자식마디(child node)의 사례수는 50으로 지정하였다.
5)을 사용하였다. 의사결 정나무 분석과 이항 로지스틱 회귀분석을 실시하기 위해 학점 점수를 사분편차를 기준으로 상 하 집단으로 범주화하였으며[27], 상위 25%(3.67점 이상)에 속한 그룹을 1, 하위 25%(2.98점 이하)에 속한 그룹을 0으로 코딩하여 분석에 사용하였다.
데이터마이닝은 목표변수를 설명하는 예측모형을 만들기 위해 광범위한 변수 간의 상호작용을 탐색하는 분석방법으로, 학업성취도를 설명하는 예측요인을 가능한 많이 투입하는 것이 유용하다[23]. 이에 본 연구에서는 대학생의 학업성취 요인과 관련된 선행연구[17][18] [26]를 참조하여 학습자 개인요인과 학습전략 요인을 예측변수로 설정하였다.

대상 데이터

설문조사는 2016년 4월 30일부터 5월 11일까지 약 2주간에 걸쳐 실시하였으며, 배부된 2,000부 중 1,571부를 회수하였고, 불성실한 응답 203부를 제외한 1,310부를 분석에 사용하였다. 데이터마이닝의 분류모형 연구에서 최소 표본크기는 6×목표변수의 집단의 수 (2집단)×투입된 예측변수의 개수(28개)로[25], 최소 336개의 자료가 필요하므로 의사결정나부문석을 위한 표본 크기를 충족하였다.

데이터처리

두 번째 단계에서는 의사결정나무 분석을 통해 나타난 주요 요인들의 영향력을 살펴보기 위해 이항 로지스틱 회귀분석을 실시하였다. 로지스틱 회귀모형은 목표 변수가 범주형 또는 순서형일 때 확률에 대한 로짓변환을 하여 분석을 하며 목표변수와 입력변수사이에 선형 관계가 있음을 가정한다.
본 연구는 대학생의 학업성취도와 관련된 개인적 요인과 학습전략 요인을 투입하여 학업성취 예측요인을 변별하고, 해당 요인들의 영향력을 살펴보기 위해 데이 터마이닝 기법인 의사결정나무 분석(decision tree analysis)과 이항 로지스틱 회귀분석을 순차적으로 실시하였다.
의사결정나무 분석을 통해 대학생의 학업성취 요인으로 나타난 효능감, 학습동기, 시간관리, 우울 등 총 4개 예측변수들의 영향력을 살펴보기 위해 전진 (forward: LR)방식의 이항 로지스틱 회귀분석을 실시하였다.
본 연구는 대학생의 학업성취 예측모형을 구축하여, 각 요인간의 상호관계와 상대적 영향력을 밝히는데 목적이 있다. 이를 위해 J 대학 교수학습개발센터에서 실시한 재학생 학습역량 분석 연구의 조사 자료 1,310부를 활용하여 데이터마이닝 기법인 의사결정나무 분석을 통하여 학업성취 예측요인의 변별과 패턴을 분석하 고, 각 요인의 상대적 영향력을 살펴보기 위한 이항 로지스틱 분석을 실시하였다. 분석결과 학업성취를 예측 하는 요인은 효능감, 학습동기, 시간관리, 우울로 나타 났으며, 각 요인의 의미와 시사점을 논의하면 다음과 같다.
첫 번째 단계에서 학업성취와 관련된 개인적 특성과 학습전략 요인들 간의 상호작용을 다각적으로 살펴보기 위해 의사결정나부 분석을 실시하였다. 데이터마이 닝의 의사결정나무 분석은 결정규칙에 따라 나무구조로 도표화하여 분류(classification)와 예측(prediction)을 수행하는 방법으로, 판별분석과 회귀분석을 조합한 마이닝 기법이다[28].

이론/모형

본 연구에서는 의사결정나무 분석 중에서 X2 적합성 검정에 근거한 방법으로 목표변수를 분리하는 CHAID 알고리즘을 활용하였고, 독립요인들 간의 분리(splitting) 와 병합(merging)기준은 .05 수준이었다. 예측모형의 간명성을 위해 사용된 정지규칙으로 최대나무 깊이 (Maximum tree depth)는 5수준으로 하였으며, 부모 마디(parent node)의 사례수는 100, 자식마디(child node)의 사례수는 50으로 지정하였다.
학습전략 요인은 박동혁이 개발하여 출간된 2014년 개정판 학습전략검사 MLST-Ⅱ 대학생용(학지사)을 사용하였다[27]. 본 검사는 자기조절학습 능력의 근간을 이루는 습관적·행동적 및 전략적인 효율성을 측정하기 위해 개발한 것으로 성격 특성(효능감, 결과기대, 성실 성), 동기 특성(학습동기, 경쟁동기, 회피동기), 정서 특성(우울, 불안, 짜증), 행동 특성(시간관리, 수업듣기, 노트필기, 공부환경, 집중전략, 읽기전략, 기억전략, 시험 전략) 등 4개의 영역 17개 요인으로 이루어져있고, 영역별 문항수와 하위요인의 신뢰도는 [표 3]과 같다.

성능/효과

넷째, 효능감과 학습동기가 보통 수준인 학습자의 경우 우울은 학업성취를 변별하는 요인으로 나타났다. 효능감과 학습동기가 보통 수준인 학습자의 경우 우울 수준이 높으면 학업우수집단의 비율이 이전 56.
노드별 이익지수를 살펴보면, Index 값이 가장 큰 마디는 7번 마디(180.2%)로 효능감이 상 집단이면서 시간관리 전략이 상인 집단은 학업성취도 상위집단에 속할 확률이 약 1.8배 이상 높은 것으로 나타났다. 다음으로 효능감이 중 집단이면서 학습동기가 상 집단인 4번 마디(163.
00배로 매우 높게 증가하는 것으로 나타 났다. 다음으로 학습동기는 하 집단에 비해 상 집단이 48.68배, 중 집단은 16.99배 높게 나타났고, 시간관리는 하 집단에 비해 상 집단이 9.09배, 중 집단이 2.96 배 증가하는 것으로 나타났다. 우울의 경우 학업성취와 음(-)의 관계로, 우울 하 집단에 비해 상 집단이 학업성취 상위집단에 속활 확률이 0.
다음으로 효능감이 중 집단이고 학습동기가 중 집단 일때 우울이 상 집단이면 학업성취도 상위 집단 비율이 이전의 56.6%에서 31.7%로 크게 감소하였고, 중, 하집단은 74.1%로 증가하였다.
8배 이상 높은 것으로 나타났다. 다음으로 효능감이 중 집단이면서 학습동기가 상 집단인 4번 마디(163.3%)는 학업성취도 상 집단 비율이 전체 비율 보다 약 1.6배 높게 나타났고, 효능감이 상 집단이면서 시간관리가 중, 하 집단인 8번 마디(155.7%)는 약 1.6 배, 효능감이 중 집단이면서 학습동기가 중 집단이고 우울이 중, 하 집단인 9번 마디(139.9%)는 약 1.4배 높은 것으로 나타났다. 반면, 효능감이 중 집단이면서 학습동기가 중 집단이고 우울이 상 집단인 10번 마디 (59.
다음으로 효능감이 중 집단일 때 학습동기가 상 집단 이면 학업성취도 상위집단 비율은 이전의 48.4%에서 86.5%로 크게 증가하였고, 학습동기가 중 집단이면 56.6%로 소폭 증가하였다. 반면, 학습동기가 낮은 집단의 학업성취도 상위집단 비율은 이전의 48.
둘째, 학업성취를 가장 높게 예측하는 요인의 조합은 효능감과 시간관리 전략으로 나타났다. 효능감이 높고 시간관리 전략이 높으면 학업우수집단 비율은 이전 89.
7%로 크게 감소하였다. 반면 우울 수준이 중간 수준 이하이면 74.1%로 증가하였고 뿌리마디보다 학업성취를 약 1.4배 높이는 것으로 나타났다. 이러한 결과는 높은 수준의 우울이 학업성취에 부적 영향을 미친다는 선행연구[38][39] 결과를 재확인함과 동시에 보통 수준의 안정된 정서상태를 유지하는 것이 학업수행과 성취에 긍정적 영향을 미친다는 확인 할 수 있었다.
4배 높은 것으로 나타났다. 반면, 효능감이 중 집단이면서 학습동기가 중 집단이고 우울이 상 집단인 10번 마디 (59.8%)는 학업성취도 상위집단에 속할 확률이 약 0.6 배, 효능감이 중 집단이면서 학습동기가 하 집단인 6번 마디(16.6%)는 0.17배 ,효능감이 하 집단인 3번 마디 (6.2%)는 0.06배 감소하는 것으로 나타났다.
분석결과, 로지스틱 회귀분석 모형은 X2=484.16(p<.001)으로 통계적으로 유의하게 나타났으며, 목표변수를 예측 할 수 있는 설명력은 약 69%(Nagelkerke R2=.69)로 나타났다.
분석결과, 의사결정나무 분석에서 학업성취를 가장잘 변별한 효능감의 경우 효능감 하 집단보다 상 집단과 중 집단이 학업성취 상위집단에 속할 확률이 각각 149.29배, 24.00배로 매우 높게 증가하는 것으로 나타 났다. 다음으로 학습동기는 하 집단에 비해 상 집단이 48.
분석결과, 학업성취를 변별하는 예측요인은 효능감, 학습동기, 시간관리, 우울 등 총 4개의 요인으로 나타났 으며, 뿌리마디 하단의 가장 상위에 위치하는 효능감이 학업성취도에 가장 영향력 있는 요인으로 나타났다.
첫째, 학업성취를 예측하는 가장 중요한 요인은 효능감으로 나타났다. 뿌리마디 하단의 가장 상위에 위치하는 효능감은 상 집단일 때 학업우수집단 비율이 89.4% 로 이전 53.0%에 비해 크게 증가하였고, 효능감 중 집단과 하 집단은 각각 48.4%, 3.3%로 크게 감소하는 것으로 나타났다. 효능감 수준에 따른 학업성취의 뚜렷한 변별은 예측요인으로서의 영향력을 보여주는 결과로, 학업성취에 학습자의 긍정적 자기인식을 강조한 선행 연구를[16][18][31] 뒷받침하는 결과이다.
셋째, 효능감이 중간 수준인 학습자의 학업성취를 변별하는 요인은 학습동기로 나타났다. 효능감이 중간 수준인 학습자의 학업우수집단 비율은 약 48%로 뿌리 마디와 비슷한 수준이였으나, 학습동기가 높으면 86.
학업성취와 관련된 데이터마이닝 연구로 이혜주, 정의현[4]은 한국청소년패널조사 자료를 활용해 중학생의 학업성취와 관련된 요인들의 상호관계를 다각적으로 탐색하였고, 권해수[23]는 학업진로, 개인심리, 사회환경 요인 간의 상호작용을 분석하여 대학생의 학사경고 결정요인을 분석하였으며, 양수경, 차성현, 남진현[24] 은 의사결정나무 분석을 이용해 중고등학생의 학업중 단을 변별하는 요인들을 탐색하였다. 이상의 연구는 데이터마이닝의 대표적인 기법인 의사결정나무 분석, 로지스틱 분석 등을 활용해 학업수행 및 성취의 예측변수를 변별하고 상호관계를 제시함으로써, 학업성취를 이해하는데 데이터마이닝 분석의 유용성을 보여주었다.
첫째, 학업성취를 예측하는 가장 중요한 요인은 효능감으로 나타났다. 뿌리마디 하단의 가장 상위에 위치하는 효능감은 상 집단일 때 학업우수집단 비율이 89.
위험도표는 의사결정나무 분석 결과의 오분류표를 통해 예측모형의 정확도를 살펴볼 수 있다. 평가결과 본 모형의 예측 정확도는 하위 집단 81.3%, 상위 집단 89.3%로 나타났으 며, 전체 분류 정확도는 85.5%로 높게 나타났다. 또한 잘못 분류되거나 예측될 위험을 말하는 위험추정치는 .
둘째, 학업성취를 가장 높게 예측하는 요인의 조합은 효능감과 시간관리 전략으로 나타났다. 효능감이 높고 시간관리 전략이 높으면 학업우수집단 비율은 이전 89.4%에서 95%로 증가하였고, 이는 뿌리마디보다 학업우수집단에 속활 확률이 약 1.8배 높은 것을 의미한다. 이러한 결과는 높은 효능감과 시간관리 전략이 우수 학습자의 주요 특징으로 볼 수 있으며, 두 요인이 상호보완적 관계임을 의미한다.
셋째, 효능감이 중간 수준인 학습자의 학업성취를 변별하는 요인은 학습동기로 나타났다. 효능감이 중간 수준인 학습자의 학업우수집단 비율은 약 48%로 뿌리 마디와 비슷한 수준이였으나, 학습동기가 높으면 86.5%로 크게 향상되었고, 학습동기가 낮으면 8.8%로 크게 감소하였다. 이러한 결과는 긍정적 자기 인식이 보통 수준인 학습자에게 학습동기는 학업성취를 향상 시키는 성취요인이자 동시에 위험요인으로 작용하고 있음을 알 수 있다.

후속연구

넷째, 본 연구는 전체 학년을 대상으로 한 예측모형을 제시하였다. 다수 연구에서 학년별 학업성취 요인의 차이와 신입생의 학습지원을 중요하게 다루고 있으므 로[44][45] 후속연구에서는 대학 신입생을 비롯해서 학년별 예측 모형을 제시하는 연구가 필요할 것이다.
더불어 로지스틱 분석을 활용하여 학업성취 요인의 상대적 영향력을 제시하고자 한다. 본연구는 대학생의 학업성취 예측요인을 이해하기 위한 다차원적 정보를 제공하고, 이를 통한 대학생의 학업성취 향상 및 학업부적응 예방을 위한 기초자료를 제공할수 있을 것으로 기대된다.
셋째, 본 연구는 지방 소재 J 대학 재학생의 분석결과로 예측모형을 일반화하기에는 한계가 있다. 후속연구 에서는 대표성 있는 예측모형을 제시하기 위해서 전국 규모 설문자료나 패널데이터를 활용한 분석이 필요하 다.
둘째, 자기보고식으로 측정된 기억전략, 시험전략 등의 인지적 학습전략의 신뢰도는 한계가 있을 수 있다 [43]. 실제 기억과 회상에 대한 수행능력을 측정하기에 자기보고식 수검은 객관적인 결과를 보장할 수 없으므로 추후 지능검사와 같은 표준화된 검사 결과를 활용한 분석이 이루어진다면 더욱 신뢰로운 학업성취 예측모형을 제시할 수 있을 것이다.
또한, 출신고교, 통학시간, 학교만족도 등가정이나 학교요인과 같이 적극적 개입이 힘든 환경적 요인보다 효능감, 학습동기, 우울과 같은 전문상담 서비 스를 통해 변화 가능한 학습자 요인들이 도출되었다는 점이 긍정적이다. 이상의 요인들은 비교적 적은 문항으로 측정 가능한 요인으로, 학기 초 단체검사를 통해 학습자의 학업성취를 이해하고 맞춤형 개입전략을 수립 하는데 활용 될 수 있다. 이를 위해 대학 내 상담센터 혹은 교수학습개발센터는 각 대학 학습자의 특성을 고려한 검사도구를 마련하고, 단체검사와 맞춤형 상담 및교육 프로그램 개발이 요청된다.
첫째, 본 연구는 데이터마이닝 기법을 활용함으로써각 요인간의 상호관계와 패턴을 제시하였으나, 요인 간의 시간적 선행 또는 학업수행의 과정 및 경로를 파악 하기에는 한계가 있다. 또한, 인지적 요인들이 예측요인 으로 나타나지 않아 인지적 요인과 정의적 요인간의 상호관련성을 언급하지 못하였다.
또한, 인지적 요인들이 예측요인 으로 나타나지 않아 인지적 요인과 정의적 요인간의 상호관련성을 언급하지 못하였다. 추후 연구에서는 본 연구에서 밝혀진 주요 요인들의 구체적인 학업성취 과정을 밝히는 것이 필요하다.
셋째, 본 연구는 지방 소재 J 대학 재학생의 분석결과로 예측모형을 일반화하기에는 한계가 있다. 후속연구 에서는 대표성 있는 예측모형을 제시하기 위해서 전국 규모 설문자료나 패널데이터를 활용한 분석이 필요하 다. 또한 각 대학의 학습환경과 학습자 특성의 차이를 고려하여 예측변수를 선별하는 것이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	학업성취에 영향을 미치는 요인은 무엇이 있는가?	이러한 대학생의 학업 부적응을 예방하고 성공적인 학업수행을 유도하기 위해서 학업성취 결정요인 또는 예측요인을 탐색하는 연구가 고등교육에서 중요하게 수행되었다[10]. 학업성취에 영향을 미치는 요인은 학습동기, 학습수행 행동, 학습자원 관리 등의 학습자 개인 요인과 이에 영향을 미치는 가정, 학교, 지역사회 등의 환경요인이 있으며, 개인이 통제 불가능한 환경적 조건에 비해 교육적 개입으로 변화 가능하다는 점에서 학습자 개인요인이 주요하게 다루어져 왔다[11].
	학업스트레스 무엇을 초래하는가?	이러한 요구와 압박을 견디며 학업을 수행하는 것은 결코 쉬운 일이 아니다. 과도한 경쟁속에서 야기되는 학업스트레스는 우울과 같은 부정적 정서를 유발하여, 개인의 심리 정서 및 대학생활 전반에 부적응을 초해한다[7]. 또한, 지속된 학업부적응은 학사경고와 학업중단과 같은 학업실패를 초래하여[8] 개인의 심리적 좌절뿐만 아니라 대학의 인력손실과 대학경쟁력 하락 등의 구조적인 문제로 이어진다[9].
	대학생의 학업성취 예측모형을 구축하여, 각 요인간의 상호관계와 상대적 영향력을 밝히고자 연구를 진행하였을 때 그 결과는?	이를 위해 J 대학 재학생 1,310명의 학습자 개인요인과 학습전략 요인을 설문하였으며, 그 결과를 데이터마이닝 기법인 의사결정나무 분석을 통하여 학업성취 예측요인의 변별과 패턴을 분석하고, 각 요인의 상대적 영향력을 살펴보기 위한 이항 로지스틱 분석을 실시하였다. 분석결과, 학업성취를 예측하는 가장 중요한 요인은 효능감으로 나타났으며, 이외 학습동기, 시간관리, 우울이 학업성취를 예측하는 요인으로 나타났다. 학업성취를 예측하는 요인의 패턴은 효능감과 시간관리 수준이 높은 경우와 효능감이 중간 수준이더라도 학습동기가 높은 경우로 나타났다. 효능감과 학습동기가 낮거나 우울이 높은 경우 학업성취를 감소시키는 것으로 나타났다. 이러한 결과를 토대로 대학생의 학업성취 향상을 위한 효능감과 학습동기 향상, 시간관리 교육 강화, 부정적 정서 관리 등을 제안하였다.

참고문헌 (45)

권영주, 박영신, 김의철, "대학생의 정서적 지원과 자기효능감 및 학업성취와 행복의 관계 분석," 한국교육문제연구, Vol.25, No.2, pp.153-172, 2007.
김경미, 류승아, 최인철, "행복과 학업성취," 한국심리학회지: 문화 및 사회문제, Vol.20, No.4, pp.329-346, 2014.
V. Tinto, Leaving College: Rethinking the Causes and Cures of Student Attrition (2nd ed.), Chicago: University of Chicago Press, 2012.
이혜주, 정의현, "데이터마이닝을 이용한 학업성취 결정요인 탐색," 한국아동학회, Vol.22, No.2, pp.5-18, 2013.
이경아, 유나현, 이은경, 전주연, 이기학, "학습성격 유형 및 전공 만족도에 따른 학업성취 관련 변인에 관한 연구," 한국심리학회지 상담 및 심리치료, Vol.16, No.1, pp.107-121, 2004.
라영안, "학업 최우수 대학생의 학습전략에 관한 질적 연구," 교육문화연구, Vol.24, No.4, pp.359-380, 2018.
김재희, 박광희, "대학생의 정신건강과 건강위험행위의 관련성," 한국응용과학기술학회, Vol.34, No.4, pp.1036-1045, 2017.
P. Brady and P. Allingham, "Help or hindrance? The role of secondary schools in a successful transition to university," Journal of the First-Year Experience, Vol.22, No.2, pp.125-146, 2007.
김경희, "지방대학생들의 학업중단 영향요인과 대학생활만족도 분석," 한국콘텐츠학회논문지, Vol.11, No.8, pp.378-387, 2011.

원문보기 상세보기
Edin Osmanbegovic, Mirza Suljic, "Data mining approach for predicting student performance," Economic Review: Journal of Economics and Business, Vol.10, No.1, pp.3-12, 2012.
이재규, 김종운, 김현진, 박혜숙, 백미숙, 송재홍, 신을진, 유형근, 이명경, 이자영, 전명남, 학습상담, 서울:학지사, 2013.
D. F. Dansereau, The development of a learning strategies curriculum. In H. F. O'Neal, Jr. (Ed.), Learning strategies, New York: Academic Press, 1978.
B. J. Zimmerman and M. Martinez-Pons, "Construct validation of a strategy model of student self-regulated learning," Journal of Educational Psychology, Vol.80, No.3, pp.284-290, 1988.

상세보기
김영채, "학업수행과 결합되어있는 동기 및 학습전략 변인," 계명행동과학, Vol.3, No.1, 1990.
한순미, "학습동기 변인들과 인지전략 및 학업성취간의 관계," 교육심리연구, Vol.18, No.1, pp.329-350, 2004.
양명희, 자기조절학습의 모형 탐색과 타당화 연구, 서울대학교 대학원, 박사학위논문, 2000.
조일현, 김연희, 대학생의 학습동기, "인지전략 및 학업성취 간의 구조적 관계 분석," 교육과학연구, Vol.45, No.2, pp.77-98, 2014.
임이랑, 오인수, "대학생의 학업성취에 영향을 미치는 심리적, 학습역량, 환경/지지 요인 탐색," 아시아교육연구, Vol.17, No.4, pp.285-309, 2016.
이화인, "간호대학생의 자존감 및 우울과 학업성취도 와의 관계," 한국보건간호학회지, Vol.22, No.1, pp.97-107, 2008

원문보기 상세보기
P. A. Alexander, P. K. Marphy, B. S. Woods, K. E. Duhon, and D. Parker, "College instruction & concomitant changes in students's knowledge, interest & strategy use: a study of domain learning," Contemporary Educational Psychology, Vol.22, No.2, pp.125-146, 1997.

상세보기
K. McKenzie and R. D. Schweitzer, "Who succeeds at university? factors predicting academic performance in first year Australian university students," Higher Education Research & Development, Vol.20, pp.21-33, 2001.

상세보기
K. Shanmuga Priya, and A. V. Senthil Kumar, "Improving the Student's Performance Using Educational Data Mining," International Journal of Advanced Networking and Applications, Vol.4, No.4, pp.1680-1685, 2013.
권해수, "데이터마이닝을 활용한 학사경고 결정 요인 분석," 인간이해, Vol.37, No.2, pp.29-46, 2016.
양수경, 차성현, 남진현, "의사결정나무분석 방법을 이용한 학업중단 변별 요인 탐색," 한국교육, Vol.38, No.4, pp.65-91, 2011.
R. Delmater and M. Hancock, Data mining explained: A manager's guide to customer-centric business intelligence, 1st ed, Boston, MA: Digital Press, 2001.
신청설, 정지선, 신택수, "대학생의 학업성취도와 그 영향요인들 간의 인과관계 분석," 교육행정학연구, Vol.26, No.1, pp.587-313, 2008.
박동혁, MLST-II 학습전략검사 전문가 지침서, 서울:인싸이트, 2014.
송태민, 송주영, R을 활용한 소셜빅테이터 연구방법론, 서울: 한나래출판사, 2016.
이대웅, 권기헌, 문상호, "데이터마이닝 분석방법을 활용한 대촐 청년층의 노동시장 성과 결정요인 분석-근사 의사결정나무모형과 로짓모형을 중심으로-," Vol.25, No.3, pp.355-384, 2016.
최종후, 한상태, 강현철, 김은석, 김미경, 이성건, Answer Tree 3.0을 이용한 데이터마이닝예측 및 활용, 서울: SPSS 아카데미, 2002.
이숙정, "대학생의 학습몰입과 자기효능감이 대학생활적응과 학업성취에 미치는 영향," 교육심리연구, Vol.25, No.2, pp.235-253, 2011.
김희수, "대학생들의 자아효능감과 학업성취도의 관계," 한국교육문제연구소, Vol.19, pp.101-115, 2004.
A. Bandura, "A self-efficacy: Toward a unifying theory of behavioral changes," Psychological Review, Vol.84, pp.191-215, 1977.

상세보기
김외숙, "대학생의 시간관리가 자기효능감과 학업성취도에 미치는 영향," 한국가족자원경영학회지, Vol.17, No.4, pp.1-17, 2013.

원문보기 상세보기
윤용옥, 김외숙, "대학생의 시간관리: 관련변수 및 생활만족도와의 관계: 한국방송통신대학교 학생을 중심으로," 한국가정관리학회지, Vol.25, No.6, pp.71-82, 2007.

원문보기 상세보기
서은희, "저성취 대학생 대상 성적향상 프로그램 효과 연구 : G대학교의 '러닝하이'를 중심으로," 한국콘텐츠학회논문지, Vol.18, No.11, pp.250-257, 2018.

원문보기 상세보기
E. L. Deci and R. M. Ryan, Instrinsic motivation and self-determination in human behavior, N.Y.: Plenum, 1985.
S. L. Beilock and T. H. Carr, "On the fragility of skilled performance: What governs choking under pressure?," Journal of ExperimentalPsychology:General, Vol.130, No.4, pp.701-725, 2001.

상세보기
김경령, 서은희, "대학생의 우울수준에 따라 학업성취도에 영향을 미치는 학업적, 정의적 특성의 차이 연구," 학습자중심교과교육연구, Vol.18, No.21, pp.237-257, 2018.
김아영, "자기효능감과 학습동기," 교육방법연구, Vol.16, No.1, pp.1-38, 2004.
M. M. Clifford, "Failure Tolerance and risk taking in ten-to twelve year-old student," British Journal of Educational Psychology, Vol.58, pp.15-27, 1988.
송미영, "지능형 학생중도탈락 예방시스템을 위한 중도탈락자 예측모형 개발," Vol.22, No.10, pp.9-17, 2017.
정유선, 대학생의 목표지향성, 메타인지, 학습전략과 학업성취의 관계, 숙명여자대학교 대학원, 박사학위논문, 2018.
이인경, 김장회, "대학 신입생의 학교적응을 위한 교수 멘토링 교육과정의 효과," 상담학연구, Vol.12, No.2, pp.673-691, 2011.
송영아, 김신애, "전문대학 신입생의 학업중단의도에 영향을 미치는 요인," 한국콘텐츠학회논문지, Vol.19, No.6, pp.257-270, 2019.

원문보기 상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증