[국내자료/학술지] 김효정 외. 2022. 외국인 유학생 학습부진 예측모형 개발

[초록]

본 연구는 K대학에 등록된 외국인 유학생의 학적 데이터와 2020년 1학기부터 2학기까지의 학습관리시스템에 누적된 로그데이터를 수집‧분석하여 외국인 유학생의 학습부진을 예측하는 최적의 모형을 구축하고, 이들의 학습부진을 예방하기 위한 대학교육의 시사점을 제공하고자 한다. 학습부진 예측을 위해 활용된 독립변인은 외국인 유학생의 학적 데이터와 활동정보 데이터로, 이는 온라인 환경에서 이루어지는 모든 학습활동의 양상이 정량적인 수치로 축약되어 표현된 자료이다. 예측모형은 랜덤포레스트(RandomForest), 서포트 벡터 머신(Support Vector Machine), LightGBM(Light Gradient Boosting) 모형을 활용하여 구축하였다. 모형 간의 성능 비교를 위해 F1 score를 주된 평가지표로 사용하였으며, 부가적인 평가지표로 정밀도(precision)와 재현율(recall)을 고려하였다. 이후, 예측 알고리즘의 성능평가지표에 대한 기여도를 중심으로 분석에 활용된 변수의 중요도를 탐색하였다. 이러한 연구결과를 바탕으로 대학교육의 현장에서 외국인 유학생 학습 질관리를 위해 예측모형을 활용하는 방안을 모색하였으며, 후속연구를 위한 제언을 제공하였다.

This study aims to establish a machine learning algorithm that predicts academic underachievement of international students. Log data compiled in the learning management system (LMS) was utilized in constructing the prediction algorithm. Log data used in this study specifically refers to the representations of international students’ learning activities that were conducted online. The prediction model was constructed using RandomForest, Support Vector Machine, and LightGBM. F1 score was used as the main evaluation index for performance comparison between models while precision and recall rate being considered as additional evaluation indicators. Tuning process of hyper parameters followed, and finally an ROC curve was drawn in order to provide a visualization of prediction accuracy derived from the three algorithms. The feature frequency was also calculated in order to draw meaningful implications for preventing underachievement of international students.