• KDI Journal of Economic Policy
• /
• 제38권1호
• /
• pp.71-91
• /
• 2016

This paper examines the effect of the government college loan program in Korea on student academic performance, dropout decisions and loan defaults. While fairness in educational opportunities has been guaranteed to some degree through this program, which started in 2009, there has been a great deal of controversy over its effectiveness. Empirical findings suggest that recipients of general student loan (GSL) lower academic performance than those who received income contingent loan (ICL). Moreover, for students attending private universities, a higher number of loans received increased the probability of a dropout decision, and students from middle-income households had a higher probability of being overdue than students from low-income households. These findings indicate that expanding the ICL program within the allowance of the government budget is necessary. Furthermore, providing opportunities for students to find various jobs and introducing a rating system for defaulters are two necessary tasks.

• 대한통합의학회지
• /
• 제12권2호
• /
• pp.155-166
• /
• 2024

Purpose : This study aims to identify key factors for predicting dropout risk at the university level and to provide a foundation for policy development aimed at dropout prevention. This study explores the optimal machine learning algorithm by comparing the performance of various algorithms using data on college students' dropout risks. Methods : We collected data on factors influencing dropout risk and propensity were collected from N University. The collected data were applied to several machine learning algorithms, including random forest, decision tree, artificial neural network, logistic regression, support vector machine (SVM), k-nearest neighbor (k-NN) classification, and Naive Bayes. The performance of these models was compared and evaluated, with a focus on predictive validity and the identification of significant dropout factors through the information gain index of machine learning. Results : The binary logistic regression analysis showed that the year of the program, department, grades, and year of entry had a statistically significant effect on the dropout risk. The performance of each machine learning algorithm showed that random forest performed the best. The results showed that the relative importance of the predictor variables was highest for department, age, grade, and residence, in the order of whether or not they matched the school location. Conclusion : Machine learning-based prediction of dropout risk focuses on the early identification of students at risk. The types and causes of dropout crises vary significantly among students. It is important to identify the types and causes of dropout crises so that appropriate actions and support can be taken to remove risk factors and increase protective factors. The relative importance of the factors affecting dropout risk found in this study will help guide educational prescriptions for preventing college student dropout.

• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.630-644
• /
• 2021

Educational data analysis is attracting increasing attention with the rise of the big data industry. The amounts and types of learning data available are increasing steadily, and the information technology required to analyze these data continues to develop. The early identification of potential dropout students is very important; education is important in terms of social movement and social achievement. Here, we analyze educational data and generate predictive models for student dropout using logistic regression, a decision tree, a naïve Bayes method, and a multilayer perceptron. The multilayer perceptron model using independent variables selected via the variance analysis showed better performance than the other models. In addition, we experimentally found that not only grades but also extracurricular activities were important in terms of preventing student dropout.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.380-390
• /
• 2020

사이버대학교는 20대 중심의 일반대학교 학생보다 사회적 배경, 경제적 요인, IT 지식 및 활용능력 등. 복잡한 교육환경의 변화 요인으로 신입생들의 중도탈락이 높은 실정이다. 따라서 사이버대학교 학생은 일반대학교와 다른 중도탈락 방지 대책과 개선 방법이 필요하다. 본 연구에서는 A 사이버대학의 2017년 및 2018년 1학기 중도탈락에 영향을 미치는 요인을 추출하고 '의사결정트리모델'을 통하여 중점관리 및 상담기준을 분류하여 주요 요인을 도출하였다. 각 주요 요인에 대하여 의사결정 적용기준과 주차별 추진방법을 제시하여 '중도탈락개선모형'으로 구현하였다. 그리고 2019년 1학기 신입생을 대상으로 실제로 운영되고 있는 사이버대학 강의운영에 적용하였다. 그 결과 '중도탈락개선모형'을 적용한 신입생의 중도탈락률은 4.2% 감소하였고 학업지속비율은 11.4% 증가하였다. 본 연구의 주요한 의미는 설문지 조사와 사이버대학 LMS(Learning Management System) 학습활동 결과를 동시에 적용하여 객관적인 분석을 하였다는 것이다. 그러나 학생 자료에 대한 정량적인 요인분석은 되었지만, 정성적인 요인분석이 반영되지 못하였고 연구의 구조적인 한계점이 있어 후속연구가 필요하다. 본 연구에서 구현된 개선모형은 사이버대학의 중도탈락률 및 학업지속비율 개선에 유효하게 적용될 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제16권11호
• /
• pp.63-71
• /
• 2016

본 연구는 교육만족도가 대학생의 학업중단에 미치는 영향을 알아보기 위한 연구로 교육만족도 조사를 위해 지방 소재 J대학의 재학생 전체 대상으로 설문조사를 수행하였으며 이중 설문 작성의 충실도가 높은 7,248명의 설문을 분석하였다. 학년 별, 학점구간 별 만족도의 차이가 있는지를 분석하기 위하여 분산분석을 수행하였다. 분석결과 학년 별, 학점 구간 별로 만족도의 차이가 있는 것으로 나타났으며 특히 1학년의 만족도가 다른 학년에 비해 높은 것으로 나타났다. 학생들의 학업중단 의도와 만족도와의 관계를 알아보기 위해 로지스틱 회귀분석을 수행하였으며 학업지도, 취업지도, 교육환경, 학생자신에 대한 만족도가 학업중단 의도에 영향을 미치는 것으로 나타났다. 또한 의사결정나무 분석을 통해 학생자신의 대학 생활 만족도가 학업중단 의도를 결정하는 데 가장 중요한 변수로 나타났다.

• 대한공업교육학회지
• /
• 제44권1호
• /
• pp.23-51
• /
• 2019

이 연구의 목적은 특성화고 학업중단자의 학업중단 이전의 생활, 학업중단의 원인과 과정, 학업중단 이후의 생활과 지원 등을 구명하는데 있었다. 이를 위하여 특성화고 학업중단자 10명과 2018년 12월 8일부터 23일까지 일대일 면담을 실시하였으며, 현상학적 연구방법을 이용하여 분석하였다. 연구결과 120개의 의미있는 진술을 추출하였으며, 이들을 31개의 주제로 범주화하였으며, 다시 이 주제들을 3개 영역의 10개 주제 묶음으로 유목화하였다. 연구결과를 통해 다음과 같은 결론을 얻었다. 첫째, 특성화고 학업중단자들은 재학 중 고단한 학교생활과 답답한 분위기 속에서 기대에 못미치는 교사의 지도와 틀에 박힌 수업을 받는 것에 힘들어하거나 비행경험과 심리적 어려움을 겪기도 하였다. 그리고 교우, 교사, 가족 관계가 좋은 학업중단자도 있었으나 그렇지 못한 학업중단자들은 원만하지 못한 관계로 인하여 힘들어 하였다. 둘째, 특성화고 학업중단자들은 다양한 원인으로 인하여 학업중단을 선택하였다. 특성화고 학업중단자들이 학업중단을 처음 생각한 시기는 매우 이른 경우도 있었으며, 학업중단 절차는 비교적 쉽게 진행되며, 그 과정에서 학업중단숙려제의 역할은 미미하였다. 그리고 특성화고 학업중단자들은 학교를 그만둘 때 개인에 따라 다양한 심정이었으며, 학업중단에 대해 만족하는 자도, 후회하거나 아쉬워하는 자도 있었으며, 학업중단으로 인해 스트레스를 받는 자도 있었다. 셋째, 특성화고 학업중단자들은 학업중단 이후 아르바이트나 검정고시 준비 등을 하며 열심히 생활하고 있었다. 그들은 학업중단 후 생활에서 긍정적인 변화를 겪었으며, 다양한 어려움과 부정적인 변화를 겪기도 하였다. 그리고 그들은 대부분 자기 나름의 목표를 가지고 있으며, 이를 위한 준비를 하고 있으며, 복교에 대한 성공기대는 낮았다. 또한, 그들은 주변이 학업중단을 이해해주고, 믿고 지켜봐주길 바랐다. 현재 학교 밖의 여러 기관에서 특성화고 학업중단자들을 위한 지원이 이루어지고 있으며, 그들을 위해 다양한 정보 제공, 직업체험 활동, 상담 복지 등에 관한 실질적인 지원이 필요하다.

• 대한치과기공학회지
• /
• 제41권3호
• /
• pp.221-232
• /
• 2019

Purpose: This experiment aims to provide the fundamental resources in developing a programme intended to prevent students from dropping out of their academics by promoting students to develop an optimistic psychological state, through analysis of the factors that influence students' commitment to their major. Methods: A self-administered questionnaire was conducted from $19^{th}$ of November of the year 2018, till $1^{st}$ of December of the same year, with dental technology students located in W city as the subject. 261(93.2%) of the participants' responses were used for the final analysis. Results: A negative association between factors of commitment to major and factors of academic dropout decision were portrayed to be of statistical significance (p<.01), and factors of commitment to major that influence dropping out of their academics were shown to be that of 'autotelic experience' (p<.001) with a negative ( - ) relationship, and 'change in a sense of time' (p<.01) with a positive ( + ) relationship of statistical significance, while the explanatory power of the model was shown to be 33.6%. Conclusion: In order to prevent dental technology students from dropping out of their academics, following their entrance, To achieve this, the department must consider the implementation of, aside from subject matters of the major, other various extra-curricular programmes, and programmes in which the supervisor is consistently providing consultations that are tailored to each individual student.

• 한국시뮬레이션학회논문지
• /
• 제32권4호
• /
• pp.19-26
• /
• 2023

전국 대학생의 중도 탈락 비율의 증가는 학생 개인 뿐만 아니라 대학과 사회에 심각한 부정적 영향을 끼친다. 본 연구에서는 중도 탈락이 예상되는 학생을 사전에 식별하기 위하여, 각 대학의 학사관리 시스템에서 손쉽게 얻을 수 있는 학적 데이터를 기반으로 머신러닝 분야의 결정트리, 랜덤 포레스트, 로지스틱 회귀 및 딥러닝 기반의 중도 탈락 예측 모델을 구축하고, 그 성능을 비교·분석하였다. 분석 결과 로지스틱 회귀 기반 예측 모델의 재현율이 가장 높았으나 f-1 및 auc 값이 낮은 한계를 보였고, 랜덤 포레스트 기반의 예측 모델의 경우 재현율을 제외한 다른 모든 지표에서 가장 우수한 성능을 보였다. 또한 예측 기간에 따른 예측 모델의 성능을 확인하기 위하여 예측 기간을 단기(1개 학기 이내), 중기(2개 학기 이내) 및 장기(3개 학기 이내)로 나누어 분석해 본 결과, 장기 예측 시 가장 높은 예측력을 보였다. 본 연구를 통해 각 대학은 중도 탈락이 예상되는 학생들을 조기에 식별하고, 이들에 대한 집중 관리를 통해 중도 탈락 비율을 줄이며 나아가 대학 재정 안정화에 기여할 수 있을 것으로 기대된다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.37-43
• /
• 2021

본 연구는 대학생의 중도탈락 패턴을 식별하는 효과적인 자동 분류 기법을 제안하고, 이를 바탕으로 중도탈락을 예방하기 위한 지능형 추천 시스템의 구현 방안을 제시하는 것을 목표로 한다. 이를 위해 1) 실제 대학생의 재학/제적 데이터를 기반으로 기계 학습의 성능을 향상시킬 수 있는 데이터 처리 방안을 제안하고, 2) 5종의 기계학습 알고리즘을 이용하여 성능 비교 실험을 실시하였다. 3) 실험 결과, 제안 기법이 베이스라인에 비해 모든 알고리즘에서 우수한 성능을 보여주었다. 제적생의 식별 정확률(precision)은 랜덤 포레스트(Random Forest)를 사용할 때 최대 95.6%, 제적생의 재현율(recall)은 나이브 베이즈(Naive Bayes)를 사용할 때 최대 80.0%로 측정되었다. 4) 마지막으로, 실험 결과를 바탕으로 중도탈락 가능성이 높은 학생을 우선 상담하는 추천 시스템의 활용 방안을 제시하였다. 교육 현안 문제를 해결하기 위해 IT 분야의 기술을 활용하는 융합 연구를 통해 합리적인 의사결정을 수행할 수 있음을 확인하였으며 향후 지속적인 연구를 통해 다양한 인공지능 기술을 적용하고자 한다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.