Earticle

초록

영어

The purpose of this study is to increase the number of applicants by predicting the number of applicants, the number of applicants, and their grades to alleviate or prevent the damage caused by the decrease in the number of applicants for the entrance examination at Kumoh Institute of Technology in the trend of decreasing school age population in the aftermath of low birth rates. are leaving In order to utilize time series data, an LSTM recurrent neural network is used, and after learning using matlab's deep learning function, a forecast for the next two years is derived. After running deep learning, check the learning status through training progress, derive predicted data from 2015 to 2023, identify numerical similarity and flow similarity with actual data, and verify the numerical reliability of the training 모델 through significance test has been secured. Based on this numerical trust, the predictions of the number of regular recruitment, the number of applicants, and the performance status for 2024 and 2025 were disclosed. However, due to the problem of overfitting due to the insufficient amount of data to use the LSTM model and the low utilization of highly correlated data, it is expected that future research will be able to derive better results if these areas are supplemented.

한국어

본 연구는 저출생 여파로 학령인구가 감소하는 추세에 금오공과대학교의 입시 지원자수 감소로 인한 피해를 완 화 또는 방지하고자 수시 입시생들에게 모집 수, 지원자수, 성적현황을 예측해 줌으로써 지원자 증대에 목적을 두고 있 다. 시계열 데이터를 활용하기 위해 LSTM 순환신경망을 사용하고, matlab의 딥러닝 기능을 이용하여 학습을 한 후 향 후 2년간의 예측치를 도출한다. 딥러닝 실행 후 훈련진행상황을 통해 학습상태를 확인하고 2015년부터 2023년까지 예측 데이터를 도출한 뒤 실제 데이터와 수치적 유사성과 흐름의 유사성을 파악하고, 유의성 검정을 거쳐 훈련 모델의 수치 적인 신뢰도를 확보하였다. 이 수치적인 신뢰를 바탕으로 2024, 2025년의 수시 모집 수, 지원자수, 성적현황의 예측치를 공개하였다. 그러나 LSTM 모델을 사용하기엔 데이터양이 많이 부족하여 과적합이 일어날 수 있는 문제점과 상호연관 도가 깊은 데이터 활용도가 낮아 향후연구에서는 이부분을 보완한다면 더 나은 결과를 도출할 수 있을 것으로 보인다.

목차

요약
Abstract
1. 서론
2. 선행연구
2.1 학생 수 감소에 의한 대학 상황
2.2 학생 수 예측에 관한 연구
2.3 딥러닝에서 사용되는 최적화 알고리즘
3. 연구방법
3.1 자료수집
3.2 딥러닝 순서도
4. 연구결과
4.1 훈련결과 및 유의성검정
4.2 도출된 예측 데이터
5. 결론
REFERENCES

키워드

저자

• 장성덕 [ Seong-Deok Jang | 금오공과대학교 산업공학과 학생 ]
• 김태성 [ Tae Sung Kim | 금오공과대학교 산업공학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  컨설팅융합연구 [Journal of Consulting Convergence Research]

• 간기

  부정기

• eISSN

  2799-8924

• 수록기간

  2021~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 323 DDC 338