[논문]사교육 참여가 수학 학업성취도에 미치는 영향에 대한 종단연구 : 초·중학생을 대상으로

김용석

doi:10.7468/jksmec.2020.23.4.207

사교육 참여가 수학 학업성취도에 미치는 영향에 대한 종단연구 : 초·중학생을 대상으로
A Longitudinal Study on the Effect of Participation in Private Education on Mathematics Achievement : For Elementary and Junior High School Students 원문보기

Journal of the Korean Society of Mathematical Education. Series C : Education of primary school mathematics, v.23 no.4, 2020년, pp.207 - 227

김용석 (성균관대학교)

초록
AI-Helper

우리나라의 사교육 수요는 매년 꾸준히 증가하고 있으며, 학년이 낮을수록 사교육의 참여율이 높은 것으로 나타났다. 사교육 효과에 대한 실증적인 검증을 위해서는 장시간에 걸쳐 추적 조사한 종단자료를 통한 분석이 필요하다. 본 연구는 서울 교육종단연구의 2013년도(초등학교 4학년)부터 2017년(중학교 2학년)까지의 종단자료를 활용하여 수학 사교육 참여시간과 수학 학업성취도의 종단적인 변화 양상을 살펴보았다. 또한, 학생들이 학년이 올라감에 따라 수학 학업성취도가 유사하게 변화는 그룹으로 나누어 각 그룹별 수학 사교육 참여 시간의 변화에 따른 수학 학업성취도의 영향을 살펴보았다. 연구결과, 전체 학생들의 수학 사교육 참여시간은 초등학교 5학년부터 중학교 2학년까지 지속적으로 증가하는 것으로 나타났으며, 그룹별 수학 사교육 참여시간은 다르게 나타났다. 또한, 그룹별 사교육 효과는 집단과 시기에 따라서도 다르게 나타났다.

Abstract ▼ AI-Helper

The demand for private education in Korea is steadily increasing every year, and the participation rate of private education is increasing as the grade goes down. In order to empirically verify the effectiveness of private education, it is necessary to analyze through longitudinal data that has been mainly investigated over a long period of time. This study investigated the longitudinal changes in mathematics academic achievement and participation time in mathematics private education using longitudinal data from 2013 (4th grade in elementary school) to 2017 (2nd grade in middle school) of the Seoul Education Longitudinal Study. The students were divided into groups in which mathematics academic achievement changed similarly as the grade went up, and the effect of mathematics academic achievement was examined according to the change of participation time in private mathematics education for each group. As a result of the study, it was found that the participation time of private math education of all students continuously increased from the 5th grade of elementary school to the 2nd grade of middle school, and the participation time of private math education by group was different. In addition, the effect of private tutoring by group was different according to the group.

주제어

표/그림 (20)

표 [표 1] 조사대상 및 시기 [Table 1] Subject and time of investigation
표 [표 2] 설문문항 및 설명 [Table 2] Questionnaire and explanation
표 [표 3] 모델 적합도의 기준 [Table 3] Standard of model fit
표 [표 4] 측정변인의 평균, 표준편차, 왜도, 첨도 [Table 4] Mean, standard deviation, skewness, kurtosis of measurement variables
표 [표 5] 측정변인들 간의 상관분석 결과 [Table 5] Correlation analysis result between measurement variables
표 [표 6] 전체 학생의 수학 수직척도 점수와 수학 사교육 참여시간에 대한 성장모형 모델 적합도 [Table 6] Growth model fit of all students' mathematics vertical scale scores and participation time in private mathematics education
그림 [그림 1] 전체 학생 수학 수직척도점수와 수학 사교육 참여시간의 성장모형 [Fig. 1] Growth model of total student mathematics vertical scale score and participation time in private mathematics education
표 [표 7] 전체 학생의 수학 수직척도점수와 수학 사교육 참여시간에 대한 성장모형 추정치 [Table 7] Growth model estimates for all students' mathematics vertical scale scores and participation time in private mathematics education
그림 [그림 2] 잠재계층 수 증가에 따른 정보지수의 변화 [Fig. 2] Changes in information index as the number of potential classes increases
표 [표 8] 수학 수직척도점수에 대한 그룹별 성장 혼합 모델의 적합도 지표 [Table 8] A goodness-of-fit indicator of a group-by-group growth mixture model for a mathematical vertical scale score
그림 [그림 3] 그룹별 수학 수직척도점수에 대한 잠재성장 모형 그래프 [Fig. 3] Latent growth model graph for each group's mathematical vertical scale score
표 [표 9] 그룹별 수학 수직척도점수에 대한 잠재성장모형 추정치 [Table 9] Latent growth model estimates for each group's mathematical vertical scale score
그림 [그림 4] 그룹별 수학 사교육 참여시간에 대한 잠재 성장모형 그래프 [Fig. 4] growth model graph for participation time in private mathematics education by group
표 [표 10] 그룹별 사교육참여 시간에 대한 잠재성장모형 모델 적합도 [Table 10] Model fit of latent growth model for private education participation time by group
표 [표 11] 그룹별 사교육 참여시간에 대한 잠재성장모형 추정치 [Table 11] Estimated value of the growth model for participation time in private education by group
표 [표 12] 그룹별 수학 사교육 참여시간 영향에 대한 다변량 잠재성장모형의 모델 적합도 [Table 12] Model suitability of the multivariate latent growth model for the influence of the participation time of private mathematics education by group
표 [표 13] 그룹별 수학 사교육 참여시간 영향에 대한 경로계수 모수추정치 [Table 13] Estimation of the path coefficient parameter for the influence of the participation time of private mathematics education by group
그림 [그림 5] 그룹별 수학 사교육 참여시간의 영향에 대한 다변량 잠재성장모형 [Fig. 5] Multivariate latent growth model on the influence of participation time in private mathematics education by group
그림 [그림 6] 그룹별 수학 사교육 참여시간의 영향에 대한 다변량 잠재성장모형 그래프 [Fig. 6] Multivariate latent growth model graph on the influence of participation time in private mathematics education by group
표 [표 14] 그룹별 수학 사교육 참여시간의 영향에 대한 다변량 잠재성장모형 추정치 [Table 14] Multivariate latent growth model for the Influence of private mathematics education participation time by group

AI 본문요약
AI-Helper

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

문제 정의

이에 본 연구는 서울교육종단연구의 2013년도(1차)부터 2017년(5차)까지의 초등학교와 중학교자료를 이용하여 전체 학생들의 수학 학업성취도와 수학 사교육 참여시간의 종단적인 변화를 살펴보고자 한다. 또한, 수학 학업성취도의 종단적 변화패턴이 유사한 그룹으로 나누고 각 그룹별로 수학 사교육 참여시간의 변화 양상이 수학 학업성취도에 미치는 직접적인 영향을 살펴보려고 한다.
이에 본 연구는 서울교육종단연구의 2013년도(1차)부터 2017년(5차)까지의 초등학교와 중학교자료를 이용하여 전체 학생들의 수학 학업성취도와 수학 사교육 참여시간의 종단적인 변화를 살펴보고자 한다. 또한, 수학 학업성취도의 종단적 변화패턴이 유사한 그룹으로 나누고 각 그룹별로 수학 사교육 참여시간의 변화 양상이 수학 학업성취도에 미치는 직접적인 영향을 살펴보려고 한다.
하지만 일부 연구(김혜미 외, 2018; 상경아, 백순근, 2005; 상경아, 2006)를 제외하면 그룹에 따른 사교육의 효과를 밝힌 사례는 찾기 어려웠다. 이에 본 연구에서는 서울교육종단연구의 자료를 활용하여 수학 학업성취도의 종단적 변화패턴이 유사한 그룹으로 나누어 각 그룹별 사교육 참여시간에 대한 종단적인 변화양상을 살펴보고 이러한 변화양상이 수학 학업성취도 미치는 영향을 살펴보려고 한다.

가설 설정

또한, 시간경과에 따른 개인이나 집단의 다양성을 확인하고 연구하기 위해 이질적인 표본 내의 균질한 집단을 확인하는 접근법이다(Jung & Mickrama, 2007). 전통적 성장 모델링인 계층적 선형모델링(HLM; Hierarchical Linear Modeling)과의 큰 차이점은 성장 혼합 모델링은 연구의 대상인 참여자가 하나의 동질집단에 속한다고 가정하지 않는 것이다. 즉, 연구의 대상이 되는 집단이 하나의 동질집단에 속한다는 가정을 완화하여 다양한 집단(개체군)에서 나타내는 패턴을 식별할 수 있다(DeRoon-Cassini et al.

제안 방법

본 연구에서는 서울교육종단연구의 2013년도(초등학교 4학년)부터 2017년(중학교 2학년)까지의 종단자료를 이용하여 학생들의 수학 학업성취도와 수학 사교육 참여 시간에 대한 변화를 종단적으로 살펴보았다. 또한, 수학 학업성취도 변화패턴이 유사한 그룹으로 나누어 각 그룹별로 수학 사교육 참여시간의 종단적인 변화양상을 살펴보고 이러한 변화가 수학 학업성취도에 미치는 영향을 분석하였다. 본 연구의 분석결과로부터 도출된 논의는 다음과 같다.

대상 데이터

학생들이 학년이 올라감에 따라 수학 학업성취도와 수학 사교육 참여시간에 대한 변화와 이들 사이의 관계 및 영향을 분석하기 위해서 초등학교 4학년(1차)부터 중학교 2학년(5차)까지 모두 조사가 이루어진 학생을 추적 조사하여 1,577명을 최종 선택하였다. 따라서 본 연구에서는 최종 선택된 1,577명의 학생자료를 사용하여 연구가 진행되었다. 최종 선택된 1,577명의 학생 중 남학생은 710명(45%)이였으며, 여학생은 867명(55%)이었다.
본 연구는 서울교육종단연구(SELS; Seoul Education Longitudinal Study)의 2013년도(1차)부터 2017년(5차)까지의 자료를 이용하였다. 이 자료는 2013년도(1차) 당시 초등학교 4학년인 학생을 대상으로 조사가 이루어진 후 중학교 2학년이 되는 2017년도(5차)까지 매년 조사가 시행되어 구축된 종단데이터이다([표 1]).
본 연구에서는 서울교육종단연구의 2013년도(초등학교 4학년)부터 2017년(중학교 2학년)까지의 종단자료를 이용하여 학생들의 수학 학업성취도와 수학 사교육 참여 시간에 대한 변화를 종단적으로 살펴보았다. 또한, 수학 학업성취도 변화패턴이 유사한 그룹으로 나누어 각 그룹별로 수학 사교육 참여시간의 종단적인 변화양상을 살펴보고 이러한 변화가 수학 학업성취도에 미치는 영향을 분석하였다.
본 연구에서는 초등학교 4학년(1차)부터 중학교 2학년(5차)까지 수학 학업성취도와 수학 사교육 참여시간에 대해 모두 조사가 이루어진 학생을 대상으로 추적 조사를 진행하여 최종 선택된 1,577명의 학생을 대상으로 연구를 진행하였다. 따라서 본 연구에서 활용한 데이터에서는 결측치가 없었다.
본 연구는 서울교육종단연구(SELS; Seoul Education Longitudinal Study)의 2013년도(1차)부터 2017년(5차)까지의 자료를 이용하였다. 이 자료는 2013년도(1차) 당시 초등학교 4학년인 학생을 대상으로 조사가 이루어진 후 중학교 2학년이 되는 2017년도(5차)까지 매년 조사가 시행되어 구축된 종단데이터이다([표 1]).
따라서 본 연구에서는 최종 선택된 1,577명의 학생자료를 사용하여 연구가 진행되었다. 최종 선택된 1,577명의 학생 중 남학생은 710명(45%)이였으며, 여학생은 867명(55%)이었다.
학생들이 학년이 올라감에 따라 수학 학업성취도와 수학 사교육 참여시간에 대한 변화와 이들 사이의 관계 및 영향을 분석하기 위해서 초등학교 4학년(1차)부터 중학교 2학년(5차)까지 모두 조사가 이루어진 학생을 추적 조사하여 1,577명을 최종 선택하였다. 따라서 본 연구에서는 최종 선택된 1,577명의 학생자료를 사용하여 연구가 진행되었다.

데이터처리

성장 혼합 모델링(GMM)을 통해 나타난 하위 그룹에 대해 잠재성장모형(LGM; Latent Growth Model)을 활용하여 그룹에 대한 수학 학업성취도의 변화를 비교하고 분석하였다. 또한, 그룹별 수학 사교육 참여시간에 대해 잠재성장모형(LGM; Latent Growth Model)을 활용하여 시간에 따른 변화패턴을 분석하였다.
수학 수직척도점수와 수학사교육 참여시간에 대한 경향을 파악하기 위해 기술통계분석과 상관분석을 진행하였으며, 잠재성장모형(LGM; Latent Growth Model)및 분할함수 성장모형(PGM; Piecewise Growth Model)을 활용하여 수학 수직척도점수와 수학사교육 참여시간의 변화패턴을 분석하였다. 학생들의 학년이 올라감에 따라 수학 학업성취도가 변화하는 다양한 패턴을 구분하고 전체집단 안에 존재하는 동질패턴의 하위 그룹수를 결정하기 위해서 성장 혼합 모델링(GMM; Growth Mixture Modeling)을 활용하였다.

이론/모형

성장 혼합 모델링(GMM)을 통해 나타난 하위 그룹에 대해 잠재성장모형(LGM; Latent Growth Model)을 활용하여 그룹에 대한 수학 학업성취도의 변화를 비교하고 분석하였다. 또한, 그룹별 수학 사교육 참여시간에 대해 잠재성장모형(LGM; Latent Growth Model)을 활용하여 시간에 따른 변화패턴을 분석하였다. 수학 학업성취에 영향을 미치는 수학 사교육 참여시간에 대해 다변량 잠재성장 모형(MLGM; Multivariate Latent Growth Model)을 활용하여 어떻게 영향을 미치고 있는지 분석하였다.
본 연구에서는 모수추정방법으로 완전정보 최대우도법(FIML: Full Information Maximum Likelihood)을 사용하였다. 완전정보 최대우도법(FIML)을 사용하기 위해서는 다변량 정규성이 충족되어야 하므로 측정변인들의 왜도(skewness)와 첨도(kurtosis)를 통하여 다변량 정규성을 검증하였다.
따라서 본 연구에서 활용한 데이터에서는 결측치가 없었다. 본 연구에서는 잠재성장모형, 분할함수 성장모형, 다변량 잠재성장모형의 적합성을 판단하기 위해 X² 검증 이외에 모델 적합도로 RMSEA, CFI, TLI를 활용하였다. [표 3]은 본 연구에서 사용한 적합도의 기준을 정리한 것이다.
본 연구의 변화패턴 분석에는 잠재성장모형의 무변화모형, 1차 선형(Linear)변화모형, 2차(Quadratic) 비선형 변화모형과 2수준 분할함수 성장모형의 적합도를 비교하여 가장 좋은 적합도를 갖은 모형을 최종 선택하였으며, 성장모형 모두 공변수(covariate)를 포함하고 있지 않는 무조건(unconditional)모형을 추정하였다.
또한, 그룹별 수학 사교육 참여시간에 대해 잠재성장모형(LGM; Latent Growth Model)을 활용하여 시간에 따른 변화패턴을 분석하였다. 수학 학업성취에 영향을 미치는 수학 사교육 참여시간에 대해 다변량 잠재성장 모형(MLGM; Multivariate Latent Growth Model)을 활용하여 어떻게 영향을 미치고 있는지 분석하였다.
수학 수직척도점수와 수학사교육 참여시간에 대한 경향을 파악하기 위해 기술통계분석과 상관분석을 진행하였으며, 잠재성장모형(LGM; Latent Growth Model)및 분할함수 성장모형(PGM; Piecewise Growth Model)을 활용하여 수학 수직척도점수와 수학사교육 참여시간의 변화패턴을 분석하였다. 학생들의 학년이 올라감에 따라 수학 학업성취도가 변화하는 다양한 패턴을 구분하고 전체집단 안에 존재하는 동질패턴의 하위 그룹수를 결정하기 위해서 성장 혼합 모델링(GMM; Growth Mixture Modeling)을 활용하였다. 성장 혼합 모델링은 시간경과에 따라서 여러 번 반복 측정된 결과변인을 발달하는 양상이 유사한 하위모집단(subpopulation)으로 분류하는 방법이다(Muthén & Asparouhov, 2009; Muthén & Shedden, 1999).

성능/효과

하지만 모든 학년에 대해 변화의 폭이 적어 초등학교 5학년부터 중학교 2학년까지 그대로 유지되는 것으로 볼 수 있다. 2그룹(150명, 9.5%) 학생들은 초등학교 5학년부터 중학교 2학년까지 지속적으로 하향하는 것으로 나타났으며, 3그룹(38명, 2.4%)의 학생들은 초등학교 5학년부터 초등학교 6학년까지는 증가하다가 중학교 2학년까지는 지속적으로 하향하는 것으로 나왔다. 특히, 2그룹 학생들은 초등학교 5학년부터 중학교 1학년까지 수학 수직척도점수의 하향 폭이 큰 것으로 나타났다.
2그룹과 3그룹의 비표준화 계수에 대한 결과치를 보면 2그룹 수학 사교육 참여시간의 절편은 수학 수직척도점수 2차 계수에 0.7(p = 0.049)의 정적인 영향을 주는 것으로 나왔으며, 3그룹의 수학 사교육 참여시간의 기울기는 수학 수직척도점수 기울기에 23.841(p = 0.017)의 정적인 영향, 수학 사교육 참여시간의 기울기는 수학 수직척도점수 2차 계수에 –7.817(p = 0.013)의 부적인 영향을 주는 것으로 나타났다. [그림 5]는 그룹별 연구 결과를 토대로 유의미한 결과가 있는 변인 간의 경로 추정치를 그림으로 표시한 것이다.
[그림 4]는 그룹별 수학 사교육 참여시간에 대한 잠재성장모형 그래프이다. 3그룹 모두 초등학교 5학년부터 중학교 2학년까지 지속적으로 증가하는 것으로 나타났다. 특히, 대다수의 학생이 포함된 1그룹 사교육 시간이 증가폭이 가장 많았으며, 2그룹 학생의 증가폭이 가장 적은 것으로 나타났다.
5%)은 초등학교 5학년부터 중학교 1학년까지는 하향하다가 중학교 1학년부터 중학교 2학년까지는 소폭 증가하는 것으로 나타났다. 3그룹(38명, 2.4%)의 학생들은 초등학교 5학년부터 초등학교 6학년까지는 증가하다가 그 뒤로는 하향하는 것으로 나타났다. 특히, 3그룹의 학생들은 중학교 1학년부터 중학교 2학년시기에 수학 수직척도점수가 많이 하향하는 것으로 나타났다.
그룹별 수학 수직척도점수와 수학 사교육 참여시간을 종합해보면 대다수의 학생을 포함한 1그룹의 학생들은 초등학교 5학년부터 중학교 2학년까지 수학 수직척도점수와 수학 사교육 참여시간이 지속적으로 증가하는 것으로 나타났으며, 2그룹의 학생들은 초등학교 5학년부터 초등학교 6학년까지는 수학 수직척도점수와 수학 사교육시간이 증가하지만 그 뒤로는 수학 수직척도점수가 하향하고 수학 사교육 참여시간은 지속적으로 증가하는 것으로 나타났다. 3그룹의 학생들은 초등학교 5학년부터 중학교 1학년까지는 수학 수직척도점수가 하향하지만 수학 사교육 참여시간은 지속적으로 증가하는 것으로 나타났다.
[그림 4]와 [그림 6]을 종합해보면 대다수의 학생이 포함된 1그룹(1389명, 88.1%)의 학생들은 사교육 참여 시간이 지속적으로 증가해도 수학 수직척도점수는 그대도 유지되는 것으로 나타났으며, 상위 9.5%의 2그룹(150명)은 중학교 1학년부터 중학교 2학년에 수학 사교육 참여시간이 지속적으로 증가하면 수학 수직척도점수는 감소하는 것으로 나타났다. 특히, 3그룹(38명, 2.
[표 13]은 그룹별 수학 수직척도점수에 대한 수학 사교육 참여시간의 영향을 알아보기 위해 시행한 다변량 잠재성장모형 결과이다. 그룹별 수학 수직척도점수에 대한 수학 사교육 참여시간 영향의 경로계수를 살펴보면 1그룹은 수학 사교육 참여시간의 절편이 수학수직척도점수 절편에 0.494(p = 0)의 정적인 영향을 주는 것으로 나타났으며, 수학 사교육 참여시간의 기울기는 수학 수직척도점수 기울기에 0.351(p = 0.003)의 정적인 영향을 주는 것으로 나타났다. 1그룹과 다르게 2그룹과 3그룹의 표준화 계수에 대한 결과치는 나오지 않았다.
그룹별 수학 수직척도점수와 수학 사교육 참여시간을 종합해보면 대다수의 학생을 포함한 1그룹의 학생들은 초등학교 5학년부터 중학교 2학년까지 수학 수직척도점수와 수학 사교육 참여시간이 지속적으로 증가하는 것으로 나타났으며, 2그룹의 학생들은 초등학교 5학년부터 초등학교 6학년까지는 수학 수직척도점수와 수학 사교육시간이 증가하지만 그 뒤로는 수학 수직척도점수가 하향하고 수학 사교육 참여시간은 지속적으로 증가하는 것으로 나타났다. 3그룹의 학생들은 초등학교 5학년부터 중학교 1학년까지는 수학 수직척도점수가 하향하지만 수학 사교육 참여시간은 지속적으로 증가하는 것으로 나타났다.
넷째, 그룹별 사교육의 효과는 집단에 따라서 다르게 나타났다. 이러한 결과는 집단의 학업성취도 특성에 따라서도 사교육의 효과는 다르게 나타날 수 있다는 선행연구들(김혜미 외, 2018; 박정주, 2011, 상경아, 2009)을 지지해주는 실증적인 근거가 될 수 있다.
셋째, 초등학교 시기에 상위권 학생들인 2그룹(150명, 9.5%), 3그룹(38명, 2.4%)의 학생들은 중학교로 학교 급의 이동이 있는 시기에 수학 학업성취도가 떨어지는 것으로 나타났다. 이것은 대부분의 학생이 포함된 1그룹(1389명, 88.
3점)에는 점수가 증가하는 것으로 나타났다. 수학 사교육 참여시간은 2차년도(2.77)부터 5차년도(4.74)까지 지속적으로 증가하는 것으로 나타났다. 특히, 3차년도(3.
697로 나왔다. 수학 사교육 참여시간의 모든 계수들의 평균과 분산은 유의미한 것으로 나와 개인 간의 차이가 있는 것으로 나타났다. [그림 1]은 전체 학생에 대한 수학 수직척도 점수와 수학 사교육 참여시간의 추정치를 활용하여 그래프로 나타낸 것이다.
첫째, 전체 학생에 대한 수학 사교육의 참여 시간은 초등학교 5학년부터 중학교 2학년까지 꾸준히 증가하는 것으로 나타났다. 또한, 초등학교 6학년부터 중학교 1학년 때의 시기에도 수학 사교육의 참여시간이 증가하는 것으로 보아 초등학교에서 중학교로 학교 급의 이동이 있는 시기에도 사교육의 참여시간은 증가하는 것으로 나타났다.
본 연구에서는 수학 수직척도의 종단적인 변화가 유사한 집단으로 나누기 위해 성장혼합 모델(GMM)을 적용하여 세 가지의 그룹을 발견하였다. 초등학교 5학년부터 6학년까지의 그룹별 수학 수직척도점수와 수학 사교육 참여시간을 비교해보면 대다수의 학생이 속한 1그룹(1389명, 88.1%)의 학생들보다 2·3그룹의 학생들의 수학 수직척도점수가 높게 나왔으며, 사교육의 참여시간도 높게 나타났다. 또한, 초등학교 5학년에는 2그룹의 수학 수직척도점수가 3그룹의 수학 수직척도점수보다 높았으나 초등학교 6학년에는 3그룹의 수학 수직척도점수가 2그룹의 수학 수직척도점수보다 높게 나왔다.

후속연구

둘째, 본 연구에서는 과거의 자료를 활용하여 분석을 진행하였기 때문에 연구의 결과가 현재의 시점에서는 적용되지 않을 수도 있다. 이것은 종단연구의 특성으로 과거의 자료를 활용하여 분석을 진행하기 때문이다.
즉, 특정지역에서 수집된 자료의 분석결과를 전체 학생이나 다른 지역의 학생들에게 적용하거나 일반화하는 데에는 제한이 있을 수 있다. 따라서 추후 다른 지역 학생들에 대한 연구도 필요할 것으로 생각된다.
이것은 종단연구의 특성으로 과거의 자료를 활용하여 분석을 진행하기 때문이다. 따라서 추후 지속적인 연구가 이루어져야 할 것으로 생각된다.
또한, 초등학교 5학년에는 2그룹의 수학 수직척도점수가 3그룹의 수학 수직척도점수보다 높았으나 초등학교 6학년에는 3그룹의 수학 수직척도점수가 2그룹의 수학 수직척도점수보다 높게 나왔다. 이것은 종합해보면 학업성취도가 높을수록 사교육의 참여율이 높다는 선행연구들(양정호, 2003; 통계청, 2020)을 뒷받침해 줄 수 있는 근거가 될 수 있다. 하지만 2·3그룹의 학생들은 중학교 시기에 학업성취도가 낮아져도 사교육의 참여시간이 줄어들지 않은 것으로 보아 추후 중학교 학생들에 대해서는 지속적인 관찰이 필요할 것으로 보인다.
또한, 학습자의 특성과 학습 시기를 고려하여 사교육에 참여한다면 사교육의 효과가 있다고 잠정적으로 추론해 볼 수 있다(상경아, 2009). 이러한 결과에 따라 학습자의 특성에 맞는 수학 학습전략을 충분히 제공할 필요가 있으며, 추후 사교육 효과에 영향을 주는 학습자의 특성에 대한 연구도 필요할 것이다.
첫째, 본 연구는 서울교육종단연구(SELS)에서 제공하는 2013년도(초등학교 4학년)부터 2017년(중학교 2학년)까지의 패널 데이터를 사용하여 분석을 진행하였기 때문에 일반화하는 데에는 제한이 있다. 즉, 특정지역에서 수집된 자료의 분석결과를 전체 학생이나 다른 지역의 학생들에게 적용하거나 일반화하는 데에는 제한이 있을 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	2019년 기준 사교육비의 총액은?	우리나라에서 사교육은 사회적, 교육적, 경제적으로 큰 관심의 대상이며, 사교육 시장은 수요와 공급 측면에서 매년 꾸준히 증가하고 있는 추세이다(김대열, 박명희, 2020). 2020년도에 통계청에서 발표된 「2019년 초·중·고 사교육비조사 결과 보고서」에 따르면 전체 사교육비의 총액은 21조, 참여율은 74.8%였으며, 1인당 월평균 사교육비는 32만 1천원으로 역대 최고 수준으로 나타났다.
	사교육의 참여는 무엇에 의해 결정되나?	사교육의 참여는 학생 개인적인 요인을 비롯하여 학교요인, 사회·제도적인 요인까지 다양한 요인들에 의해서 결정된다(김경근, 황여정, 2009). 사교육의 직접적인 참여 대상이 되는 학생은 사교육에 있어 중요한 결정의 주체가 되며, 학생의 개인적인 요인을 다룬 연구들을 종합해보면 대부분 학업성취도와 사교육의 관계를 살펴보는 것에 중점을 두고 있다(임천순 외, 2004).
	성장 혼합 모델링의 장점은?	전통적 성장 모델링인 계층적 선형모델링(HLM; Hierarchical Linear Modeling)과의 큰 차이점은 성장 혼합 모델링은 연구의 대상인 참여자가 하나의 동질집단에 속한다고 가정하지 않는 것이다. 즉, 연구의 대상이 되는 집단이 하나의 동질집단에 속한다는 가정을 완화하여 다양한 집단(개체군)에서 나타내는 패턴을 식별할 수 있다(DeRoon-Cassini et al., 2010; Muthen, 2004).

참고문헌 (62)

Kang, M. J. (2018). Longitudinal Analysis of High School Students' Affective Attitude, Recognition of Teacher's Teaching Ability, Learning Strategy, and Achievement in Mathematics. Doctoral thesis, Iwaki Womans University.
Ko, Y. J. (2018). A study on analysis of actual state of mathmatics renouncers and treatment at the renouncer's level. Master's thesis, Ulsan University Graduate School of Education.
Kwak, S. R. (2005). Analysis of school effect through causal relationship of internal process variables in school. Proceedings of the 1st Korean Educational Termination Research Conference, 41-79.
Kim, G. G. & Byun, S. Y. (2007). The impact of cultural capital on student achievement in South Korea. Korean Journal of Sociology of Education, 17(1), 23-51.
Kim, G. G., & Hwang, Y. J. (2009). Determinants of Demand for Shadow Education of Middle School Students. The Korea Educationl Review, 15(1), 77-105.
Kim, K. S. (2003). The Effect of Private Lessons on Academic Achievement. Korean Journal of Sociology of Education, 13(3), 21-41.
Kim, K. H., Ahn, S. Y., Jang, S. S., Kim, M. R., & Choi, D. S. (2009). International comparative study on the life patterns of children and adolescents. Ministry of Health, Welfare and Family Affairs.
Kim, D. T., & Park, M. H. (2020). An analysis of the research trends of private tutoring in Korea, Journal of educational studies, 51(1), 1-27.
Kim, M. S., & Kim, M. H. (2010). The Effect of Private Tutoring Expenditures on High School Grades in Korea. International Economic Research, 16(2), 139-158.
Kim, S. S., & Ko, M. S. (2007). The Factor of Effect in Growth of Academic Achievement in Adolescent : The Use of Latent Growth Model. Studies on Korean Youth, 18(3), 5-29.
Kim, S. S., & Song, H. J. (2009). A Longitudinal study on the effect of school dissatisfaction and competition for entering a selective high school on students' private tutoring time and expense. Korean Journal of Sociology of Education, 19(4), 21-46.

상세보기
Kim, S. I. (2006). Learner-centered interdisciplinary reform: contribution to educational psychology. Proceedings of the Fall Conference of the Korean Educational Association.
Kim, S. H., Kang, D. H., Moon, S. M., Yoon, W. S., & Park, S. H. (2016). Research on the achievement score for the academic achievement test for the 7th year Seoul National University of Education, Seoul Institute for Education Policy. Institute of Education and Research Information.
Kim, Y. B. & Kang, H. S. (2017). Student Achievement Growth among Middle School Students. Journal of Korean Education, 44(1), 33-61.
Kim, Y. S. (2020). A longitudinal study on the effect of learner's internal and external factors on mathematics academic achievement: For middle and high school students. Doctoral thesis, Sungkyunkwan University.
Kim. H. J. (2007). Exploring the Effects of Family Background, School Education, and Private Tutoring on High School Students" Achievement in Korea. The Journal of Educational Administration, 25(4), 485-508.
Kim. H. M., Kim, Y. S., & Han, S. Y. (2018). A Longitudinal Analysis on the Relationships Among Mathematics Academic Achievement, Affective Factors, and Shadow Education Participation. Korea Soc. Math. Ed. Ser. A: Mathematical Education, 20(2), 287-306.
No, G. S. (2014). Well-informed Thesis Statistical analysis. Han Bit Academy.
Ryu, D., & Kang, C. (2011). The effect of private tutoring expenditures on academic performance: Evidence from the Korea Education Longitudinal study. Proceedings of the 2nd Korean Educational Termination Research Conference, 111-137.
Park, G. D., & Kim, H. J. (2011). Meta-Analysis on Effects and Causing Factors of Private Tutoring Expenditure in Korea. Educational Research, 31, 75-104.
Pak, D. J., & B, K. M. (2009). Mathematics Academic Achievement Factors: a Case Study of the Second Grade Students at Middle Schools in Busan City and Kyungsangnam Do. Communications of mathematical education, 23(3), 523-543.
Park, S. H., & Yoon, W. S. (2018). Seoul Education Longitudibal Study 8th User Manual. Seoul Metropolitan Office of Education Research Information Service Education Policy Research Institute.
Park, J. J. (2011). Examination of the Relationship between Private Tutoring and its Subjective Effect by Autoregressive Cross-lagged Model: Multi-group Analysis across Income. The Journal of Educational Administration, 29, 149-168.
Park, H. J. (2008). Effects of school-level factors on the private tutoring. Asian journal of education, 9(4), 91-110.

상세보기
Park, H. J., & Lee, J. H. (2009). Effect of Middle School Students’ Plan to Enter Special-Purposed High School on their Demand for Private Tutoring. Asian journal of education, 10(3), 213-238.
Ban, S. J., Jeong, S. S., & Yang, S. G. Analysis of the impact of tutoring on learning achievement. Proceedings of the 1st Korean Educational Employment Panel Conference, 493-530.
Sang, G. A. (2006). Analysis of the Effects of Private Tutoring Using Multilevel Model. Journal of Korean Education, 33(1), 153-172.
Sang, G. A. (2009). Analysis of the Effects of Private Tutoring Using Propensity Score Matching. Journal of Educational Evaluation, 22(3), 717-735.
Sang, G. A., & Baek, S. G. (2005). The Effects of Private Tutoring on High School Student's Learning. Journal of Educational Evaluation, 18(3), 39-57.
Song, K. O. (2013). A Meta-Analysis of School Characteristics Affecting the Demand for Private Tutoring. Journal of educational studies, 44(1), 1-29.
Shin, J. H., Kim, Y. N., Bu, E. J., & Seo, E. J. (2008). Analysis of the effect of private education according to the degree of parental involvement. Proceedings of the 2nd Korean Educational Termination Research Conference, 157-171.
Shin, J. H., & Shin, T. S. (2006). The Analysis of Relations between Academic Achievement, Academic Self-efficacy, Perceived Teacher Expectancy, and Home Environment. The Journal of Child Education, 15(1), 5-23.
Yang, J. H. (2003). Mathematics Private Tutoring of Middle School Students: An HGLM Analysis of TIMSS-R. Journal of Korean Education, 30(2), 261-283.
Yeom, S. C., & Park, C. Y. (2011). Mediating Effect of Learning Strategy in the Relation of Mathematics Self-efficacy and Mathematics Achievement: Latent Growth Model Analyses. Korea Soc. Math. Ed. Ser. A: Mathematical Education, 50(1), 103-118.
Yoo, S. H. (2007). Student Expectations and Perceptions of the Transition from Elementary to Middle School, The Journal of Elementary Education, 20(1), 355-375.
Lee, M. H., & Kim, J. Y. (2005). A study on the effect of private education (extracurricular) on improving learning achievement. Proceedings of the 1st Korean Educational Employment Panel Conference, 421-432.
Lee, S. J. (2007). An Socio-Psychological Approach to the Cause of Shadow Education in South Korea. The Journal of Educational Administration, 25(4), 455-484.
Yi, P. N., Shin, I. S., & Jang, H. Y. (2017). The Relationship Between Private Tutoring Expenditure and Relevant Factors in South Korea. Korean Journal of Comparative Education, 27, 53-79.

상세보기
Lim, C. S., Park, S. Y., & Lee, K. H. (2004). Private Education Activities Affecting Student Learning, The Journal of economics and finance of education, 13(1), 331-356.
Lim, C. S., Woo, M. S., & Chae, J. E. (2008). An Analysis of Private Education Demand in Korea : Learning Supplement and Strategic Investment. The Journal of economics and finance of education, 17(2), 1-27.
Lim, H. J. (2016). Structural relationships among variables affecting the math in-class attitude of middle school students: Focusing on the student-centered teaching effect at regular and innovation schools. Secondary Education Research, 64(4), 1075-1104.

상세보기
Jung, Y. K., Lee, M. H., Woo, Y. K, Bong, M. M., & Kim, S. I. (2010). Changes in Academic Motivation, Learning Strategy Use, and Test Scores by Private Tutoring Hours. Journal of Korean Psychological and Social Issues, 16(2), 103-124.
Jeong, H. C. (2016). A Longitudinal Study of School Effect on Improvement of Student Achievement: The Case of Academic High School in Seoul, Doctoral thesis, Korea National University of Education Graduate School of Education Policy.
Choi, H. & Cho, M. (2014). Identifying latent classes in adolescent's self-determination motivation and testing determinants of classes, The korean journal of school psychology, 11(1), 253-274.

상세보기
Choi, H. H. (2008). The Effect of Private Tutoring on College Entrance. International Economic Research, 14(1), 73-110.
Statistics Korea (2020). Results of the 2019 elementary, middle and high school private education expenditure survey. Statistical Office.
Hong, S. U. (2009). Analysis of large-scale academic achievement evaluation data using growth model. Collection of the 3rd KICE Curriculum Evaluation Policy Forum.
Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. Sage Focus Edition, 154, 136-162.
Corcoran, M. (2000). Mobility, persistence, and the intergenerational determinants of children's success, Focus, 21(2), 16-20.
Curran, P. J., West, S. G., & Finch, J. F. (1996). The robustness of test statistics to nonnormality and specification error in confirmatory factory analysis. Psychological Methods, 1(1), 16-29.

상세보기
DeRoon-Cassini, T. A., Mancini, A. D., Rusch, M. D., & Bonanno, G. A. (2010). Psychopathology and Resilience Following Traumatic Injury: A Latent Growth Mixture Model Analysis. Rehabilitation Psychology, 1(55), 1-11.
Gefen, D., & Straub, D. W. (2000). The relative importance of perceived ease of use in IS adoption: A study of e-commerce adoption. Journal of the association for Information Systems, 1(1), 8.
Hong, S., Yoo, S. K., You, S., & Wu, C. C. (2010). The reciprocal relationship between parental involvement and mathematics achievement: Autoregressive cross-lagged modeling. The Journal of Experimental Education, 78(4), 419-439.

상세보기
Jung, T., & Mickrama, K. A. S. (2007). An introduction to latent class growth analysis and growth mixture modeling. Social and Personality Psychology Compass, 2(1), 302-317.

상세보기
Kline, R. B. (2005). Principles and Practice of Structural Equation Modeling. NY: The Guilford Press.
MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130-149.

상세보기
Mandel, H. P., & Marcus, S. I. (1988). The psychology of underachievement: Differential diagnosis and differential treatment. New York: John Wiley & Sons.
Muthen, B. O., & Shedden, K. (1999). Finite mixture modeling with mixture outcomes using the EM algorithm. Biometrics, 55, 463-469.

상세보기
Muthen, B. (2004). Latent variable analysis: Growth mixture modeling and related techniques for longitudinal data. In D. Kaplan (Ed.), Handbook of quantitative methodology for the social sciences. 346-368. Newbury Park, CA: Sage Publications.
Muthen, B. O., & Asparouhov, T. (2009). Growth mixture modeling: Analysis with non-Gaussian random effects. In Fitzmaurice, G., Davidian, M., Verbeke, G. & Molenberghs, G.(eds.), Longitudinal Data Analysis, pp.143-165. Boca Raton: Chapman & Hall/CRC Press.
Wickrama, K. K., Lee, T. K., O'Neal, C. W., & Lorenz, F. O. (2016). Higher-order growth curves and mixture modeling with Mplus: A practical guide. Routledge.
Yu, C. Y. (2002). Evaluating cutoff criteria of model fit indices for latent variable models with binary and continuous outcomes. Doctoral dissertation, University of California, Los Angeles.

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