Earticle

초록

영어

This study utilized minimum number of demographic variables and first-semester GPA of students to predict the final academic status of students at a vocational college in Seoul. The results from XGBoost and LightGBM models revealed that these variables significantly impacted the prediction of students' dismissal. This suggests that early academic performance could be an important indicator of potential academic dropout. Additionally, the possibility that academic years required to award an associate degree at the vocational college could influence the final academic status was confirmed, indicating that the duration of study is a crucial factor in students' decisions to discontinue their studies. The study attempted to model without relying on psychological, social, or economic factors, focusing solely on academic achievement. This is expected to aid in the development of an early warning system for preventing academic dropout in the future.

한국어

본 연구에서는 서울 소재 한 전문대학 학생들을 대상으로 하여 최소한의 인구통계학적 변수와 1학년 1학기 성적을 활용하여 학생들의 최종 학적 상태를 예측하고자 하였다. XGBoost와 LightGBM 모델을 사용한 결과, 이러한 변수들이 학생 들의 제적 여부 예측에 유의미한 것을 발견하였다. 이는 학업 시작 초기의 성적이 학업 중단의 중요한 지표가 될 수 있음을 시 사한다. 또한, 전문대학의 학제가 최종 학적에 영향을 미칠 가능성을 확인하였으며, 이는 학업 기간이 학생들의 학업 중단 결 정에 중요한 요소임을 나타낸다. 전문대학에서 조기 학업 중단 의도를 파악하는 데 있어 심리적, 사회적, 경제적 요인에 의존 하지 않고 학업 성취도만을 기준으로 모델링을 시도하였다. 이는 향후 학업 중단에 대한 조기 경보 시스템 구축에 도움이 될 것으로 기대된다.

목차

요약ㅤ
Abstractㅤ
1. 서론
2. 선행연구
2.1 학업 중단 요인 식별에 관한 연구
2.2 학업 중단 예측에 관한 연구
3. 데이터 및 연구방법
3.1 데이터
3.2 연구설계
4. 연구결과
4.1 학업중단 예측 모델에 대한 성능평가
4.2 학업중단 예측에 대한 중요변수의 식별
5. 결론
REFERENCES

키워드

전문대학 학업중단 조기예측 Random forest XGBoost LightGBM College Academic dropout Early prediction Random forest XGBoost LightGBM

저자

• 오상조 [ Sangjo Oh | 동양미래대학교 경영정보학과 교수 ]
• 심지환 [ JiHwan Sim | 동양미래대학교 빅데이터경영과 조교수 ] Corresponding Author

참고문헌

발행기관

간행물