$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

머신러닝과 설명가능한 인공지능 SHAP을 활용한 사범대 과학교육 전공생의 전공만족도 및 학업만족도 영향요인 탐색
Exploration of Factors on Pre-service Science Teachers' Major Satisfaction and Academic Satisfaction Using Machine Learning and Explainable AI SHAP 원문보기

과학교육연구지 : 경북대학교 과학교육연구소 = Journal of science education, v.47 no.1, 2023년, pp.37 - 51  

서지범 (성균관대학교) ,  강남화 (한국교원대학교)

초록
AI-Helper 아이콘AI-Helper

본 연구는 사범대 과학교육전공 재학생의 전공만족도와 학업만족도에 영향을 주는 요인을 머신러닝 모델인 랜덤 포레스트와 그래디언트 부스팅 모델과 SHAP 기법을 활용하여 탐색했다. 연구 결과, 그래디언트 부스팅 모델의 성능이 랜덤 포레스트보다 우수한 것으로 드러났으나 그 차이는 크지 않았다. 전공만족도에 영향을 주는 요인으로는 '본인 전공 교과에 해당하는 고교시절 과학교사 만족도', '교직 동기', '나이' 등이 있으며, 학업만족도는 '나이', '성별', '내신 과학 전문교과 이수여부'의 영향을 크게 받는 것으로 드러났다. SHAP value를 활용하여 변인의 영향력을 밝힐 수 있었고, 그 결과가 집단 전체에 대한 것과 개별적 분석으로 각각 도출이 가능했고, 서로 보완적 결과가 도출이 가능함을 확인하였다. 연구 결과를 바탕으로 과학교육과 재학생의 전공 및 학업 만족도를 지원하기 위한 방안을 제안하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study explored the factors influencing major satisfaction and academic satisfaction of science education major students at the College of Education using machine learning models, random forest, gradient boosting model, and SHAP. Analysis results showed that the performance of the gradient boost...

주제어

#머신러닝   #설명가능한 인공지능   #사범대 과학교육 학생 만족도   #전공만족도   #학업만족도  

참고문헌 (21)

  1. Breiman, L. (2001). Random forests. Machine？learning, 45(1), 5-32. 

  2. Chang, H. S., & Lee, H. J. (2011). Exploring？Pre-service Science Teachers' Motivation？for Career Choice and Their Self-Image as？a Science Teacher. Journal of the Korean？Association for Science Education, 31(1),？14-31. 

  3. Chen, T., & Guestrin, C. (2016, August).？Xgboost: A scalable tree boosting system. In Procedings of the 22nd acm sigkdd？international conference on knowledge？discovery and data mining (pp. 785-794). 

  4. Choi, J. H., & Lee, S. B. (2021). A longitudinal？study of college students' academic？achievement and department satisfaction？according to the admissions process:？Focusing on the case of D University. The？Journal of Learner-Centered Curriculum？and Instruction, 21(19), 75-90. 

  5. Dorogush, A. V., Ershov, V., & Gulin, A. (2018). CatBoost: gradient boosting with？categorical features support. arXiv？preprint arXiv:1810.11363. 

  6. Han, E. S., & Kim, J. D. (2003). An Analysis of？Influential Factors on College of Education？Students' Academic Satisfaction. The？Journal of Korean Teacher Education,？20(3), 313-335. 

  7. Kang, S. B., & Kim, K. H. (2019). An Empirical？Study on Adaptation to College and？Learning Attitude of University Freshman's？and the Different Effects of Admission？System. The Korean Association of General？Education, 13(6), 77-96. 

  8. Ke, G., Meng, Q., Finley, T., Wang, T., Chen,？W., Ma, W., Ye, Q., & Liu, T. Y. (2017).？Lightgbm: A highly efficient gradient？boosting decision tree. Advances in neural？information processing systems, 30. 

  9. Kim, H. S. (2009). An analysis of factors？affecting procedure of entrance and？career choice related to science in college？of natural science and engineering. (Master's thesis). Hanyang University,？Seoul, Korea. 

  10. Kim, K. H., & Ha, H. S. (2000). A Study of？Department Satisfaction Factors of？Undergraduate Students. Korea Journal of？Counseling, 1(1), 7-20. 

  11. Kim, K. H., & Kang, S. B. (2016). Development？and Validation of the College Life？Adjustment Scale for University Freshmen.？The Korean Association of General？Education, 10(3), 253-293. 

  12. Kim, S. Y. (2012). An Analysis of College？Student Dropouts' Mobility Paths and？Structure. Journal of educational studies,？43(3), 131-163. 

  13. Lee, B. K., & Chang, S. C. (2008). The effect of？educational backgrounds in high school？sciences on the achievement of college？sciences. The Journal of Curriculum？Studies, 26(2), 191-210. 

  14. Lee, B. W., & Kim, H. K. (2018). What Factors？Affect Pre-service Teachers in Choosing？Teaching Science as Career?: Teaching？Motivations of Pre-Service Science？Teachers in Korea. Journal of the Korean？Association for Science Education, 38(2),？123-133. 

  15. Lee, G. G., & Hong, H. G. (2022). The Effects of？the Number, Ratio of Advanced Courses,？and Variety in Science Elective Subjects？on the Growth of High School Science？Course Students' Attitude Towards？Science. Journal of Science Education,？46(1), 80-92. 

  16. Lee, G. Y., Choi, T. W., & Lee, Y. S. (2015).？Stress Effects on employment of college？students college life. Korean Review of？Corporation Management, 6(2), 197-209. 

  17. Lee, I., Kwak, Y. S., & Cho, H. S. (2019). A？Survey Research on Science and？Engineering College Students' Perception？on Completing Prerequisite Science？Courses in High School. Journal of Science？Education, 43(2), 195-206. 

  18. Lee, J. J., Lee, Y. R., Lim, D. H., & Ahn, H. C.？(2021). A Study on the Employee Turnover？Prediction using XGBoost and SHAP. The？Journal of Information Systems, 30(4), 21-42. 

  19. Lee, Y. G. (2020). Relationship between？Department Satisfaction and Career？Decision Efficacy in Pre-Service Teachers？in a College of Education. The Journal of？Educational Development, 40(2), 527-545. 

  20. Li, C. (2016). A gentle introduction to gradient？boosting. Retrieved from http://www.ccs.neu.edu/home/vip/teach/MLcourse/4_boosting/slides/gradient_boosting.pdf. 

  21. Shim, H. J., & Lee, H. N. (2017). Influence of？Pre-service Science Teachers' Selection of？Earth Science I, II in High School and？College Major on their Self-perceived？Attitude and Academic Achievement in？General Earth Science Lecture. Journal of？the Korean Earth Science Society, 38(3),？239-249. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로