Earticle

This study addresses the challenge of objectively evaluating the performance of early-stage startups amidst limited information and uncertainty. Focusing on companies selected by TIPS, a leading private sector-driven startup support policy in Korea, the research develops a new indicator to assess technological efficiency. By analyzing various input and output variables collected from Crunchbase and KIND (Korea Investor's Network for Disclosure System) databases, including technology use metrics, patents, and Crunchbase rankings, the study derives technological efficiency for TIPS-selected startups. A prediction model is then developed utilizing machine learning techniques such as Random Forest and boosting (XGBoost) to classify startups into efficiency percentiles (10th, 30th, and 50th). The results indicate that prediction accuracy improves with higher percentiles based on the technical efficiency index, providing valuable insights for evaluating and predicting startup performance in early markets characterized by information scarcity and uncertainty. Future research directions should focus on assessing growth potential and sustainability using the developed classification and prediction models, aiding investors in making data-driven investment decisions and contributing to the development of the early startup ecosystem.

본 연구는 빅데이터 분석을 활용한 지역 맞춤형 교육프로그램 선정 모형 개발을 주요 목적으로 한다. 우선, 문 헌 고찰을 통해 빅데이터 및 교육의 개념 및 특성 그리고 빅데이터 기술과 연구 활용 등의 이론을 분석하여, 이를 평 생교육 빅데이터 활용을 위한 선결과제와 기초 연구자료로 제공한다. 아울러 교육 데이터 수집의 방법과 교육의 특성 에 적정한 빅데이터 활용 방법을 제시하고 이를 활용한 지역 맞춤형 교육프로그램 선정 모형을 개발하였다. 지역 맞 춤형 교육프로그램 선정 모형 개발은 총 6단계로 진행되었다. 본 연구에서 제시한 맞춤형 교육프로그램 모델은 실질 적 활용 면에 있어, 국가승인통계인 ‘평생학습 개인 실태조사’ 처럼 1년 후에 분석하지 않고 실시간으로 데이터가 제 공되는 방식으로 활용 부분에 있어서도 선택적 분석이나 미래예측 등 자유도가 매우 높아 교육 분야에 빅데이터가 충분한 필요성과 가치가 있음을 알 수 있다. 뿐만 아니라 표본 모형에 사용되고 있는 모든 프로그램은 무료로 제공되 고 있으며, 프로그래밍 특성상 커뮤니티 또한 활발하게 교류가 이루어지고 있어 추후 수정 및 보완 시에도 매우 용이 하여 더욱 완성도 높은 교육프로그램 개발 모형을 개발할 수 있다.

This thesis is purposed to develop a regional-customized education program selection model using big data analysis. Based on the literature review, the concepts and characteristics of big data and lifelong education are analyzed. In addition, this thesis presents how to collect the data for lifelong education and to use big data suitable for the characteristics of lifelong education. Based on these results, a regional- customized lifelong education program selection model is developed. The regional customized lifelong education program model is developed by the following six steps. The customized education program model proposed in this study has a high degree of flexibility in terms of practical use, as it can be utilized in real-time data provision methods such as the nationally approved Lifelong Learning Personal Status Survey without the need for analysis one year later, allowing for selective analysis and future predictions. It is clear that there is a significant need and value for big data in the education field. Furthermore, all programs used in the sample model are provided free of charge, and due to the programming nature, the community is actively engaged in exchanges, making it very easy to modify and improve for the development of a more complete education program model in the future.