[논문]머신러닝을 이용한 학업중단 위기학생 관리시스템의 설계

반재훈; 김동현; 하종수

doi:10.13067/jkiecs.2021.16.6.1255

초록
AI-Helper

학업을 중단하는 학생들의 비율이 해마다 증가하고 있어 대학은 학업중단을 막기 위하여 위험요소를 파악하고 이를 사전에 제거하기 위해 노력하고 있다. 그러나 특정 위험요소의 단변수 분석을 통해 위기학생을 관리하고 있어 예측이 부정확한 문제가 발생하고 있다. 본 연구에서는 이러한 문제점을 해결하기 위하여 학업중단 위험요소를 파악하고 학업중단 예측을 위해 머신러닝 방법을 통해 다변수 분석을 실시한다. 또한 다양한 예측방법별로 성능평가를 수행하여 최적화 방법을 도출하고 학업중단을 발생시키는 위험요소간의 연관성과 기여도를 평가한다.

Abstract ▼ AI-Helper

The proportion of students dropping out of universities is increasing year by year, and they are trying to identify risk factors and eliminate them in advance to prevent dropouts. However, there is a problem in the management of students at risk of dropping out and the forecast is inaccurate because...

The proportion of students dropping out of universities is increasing year by year, and they are trying to identify risk factors and eliminate them in advance to prevent dropouts. However, there is a problem in the management of students at risk of dropping out and the forecast is inaccurate because crisis students are managed through the univariable analysis of specific risk factors. In this paper, we identify risk factors for university dropout and analyze multivariables through machine learning method to predict university dropout. In addition, we derive the optimization method by evaluation performance for various prediction methods and evaluate the correlation and contribution between risk factors that cause university dropout.

Keyword

표/그림 (10)

그림 그림 1. 학생관리시스템의 위기학생 관리 Fig. 1 Management system for students at risk of dropout
그림 그림 2. 시스템 설계를 위한 연구 단계 Fig. 2 Research phases for system design
표 표 1. 주요 변수별 탈락률 비교 Table 1. Comparison of dropout rates by major variables
표 표 2. 성적관련 변수별 탈락률 비교 Table 2. Comparison of dropout rates by grade-related variables
표 표 3. 성능평가를 위한 실험군 Table 3. Experimental group for performance evaluation
그림 그림 3. 예측 방법별 성능평가 비교(Case1~Case6의 평균값) Fig. 3 Comparison of performance evaluation among prediction methods(average value of Case1~Case6)
표 표 4. 성능평가를 위한 평가지표 Table 4. Metrics for performance evaluation
그림 그림 4. 성적관련 독립변수의 AUC 성능평가 비교 Fig. 4 Comparison of AUC performance evaluation for credit-related independent variables
그림 그림 5. 성적관련 독립변수 제외 AUC 성능평가 비교 Fig. 5 Comparison of AUC performance evaluation excluding grade-related independent variables
그림 그림 6. 기타 독립변수의 AUC 성능평가 비교 Fig. 6 Comparison of AUC performance evaluation for other independent variables

참고문헌 (10)

S. Hwang, D. Shin, J. Oh, Y. Lee, and J. Kim, "A Regression Analysis of Factors Affecting Dropout of College Students," Journal of the Institute of Internet, Broadcasting and Communication, vol. 20, no. 4, Aug. 2020, pp. 187-193.

원문보기 상세보기
E. Lee and J. Lee, "A Exploratory Study on the Determinants Predicting Student Depature of Freshmen: Focusing on the Case of S University," Journal of the Korea Contents Association, vol. 21, no. 4, Apr. 2021, pp. 317-330.

원문보기 상세보기
J. Kim, "Analysis of dropout behavior and influencing factors of university students using big data analysis techniques," Journal of the Korean Institute of Intelligent Systems, vol. 31, no. 2, Apr. 2021, pp. 150-157.

상세보기
D. Jung and J. Park, "Data Analysis of Dropouts of University Students Using Topic Modeling," Journal of Korea Institute of Information and Communication Engineering, vol. 25, no. 1, Jan. 2021, pp. 88-95.

원문보기 상세보기
J. Lim, "Education factors affecting the dropout intention of college students," Journal of the Korea Entertainment Industry Association, vol. 14, no. 3, Mar. 2020, pp. 105-115.
H. Kim, "Development and effectiveness analysis of dropout prevention programs for local college student," Journal of Fishries and Marine Sciences Education, vol. 32, no. 3, Mar. 2020, pp. 823-833.

상세보기
J. Lee, D. Kim, and J. Gil, "A Study on the Prediction Model for Student Dropout," Annual Conference of the Korea Information Processing Society, Seoul, Korea, May 2018.
C. Evandro, F. Baldoino, S. Almeida, A. Ferreira, and R. Joilson, "Evaluating the effectiveness of educational data mining techniques for early prediction of students' academic failure in introductory programming courses," Journal of Computers in Human Behavior, vol. 73, May. 2017, pp. 247-256.

상세보기
G. Park and Y. Bae, "Performance Comparison of Machine Learning in the Various Kind of Prediction," Journal of the Korea Institute of Electronic Communication Sciences, vol. 14, no. 1, Jan. 2019, pp. 169-178.

원문보기 상세보기
M. Jo, "A Study on the History, Classification and Development Direction of Artificial Intelligence," Journal of the Korea Institute of Electronic Communication Sciences, vol. 16, no. 2, Mar. 2021, pp. 307-312

원문보기 상세보기

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

[국내논문] 머신러닝을 이용한 학업중단 위기학생 관리시스템의 설계
Design of the Management System for Students at Risk of Dropout using Machine Learning 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (10)

표/그림 (10)

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 머신러닝을 이용한 학업중단 위기학생 관리시스템의 설계 Design of the Management System for Students at Risk of Dropout using Machine Learning 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (10) 모든 표/그림 보기

표/그림 (10) 슬라이드로 보기

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

반재훈 (21) 김동현 (37) 하종수 (4)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 머신러닝을 이용한 학업중단 위기학생 관리시스템의 설계
Design of the Management System for Students at Risk of Dropout using Machine Learning 원문보기

초록
AI-Helper

표/그림 (10)

표/그림 (10)