메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(건국대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제24권 제10호
오류 신고하기

피인용 1

검색

    초록·키워드

    대학은 대학 내 시스템에 쌓여있는 학생 개인 특성, 대학 내 활동 데이터, 학습 과정 데이터 등 대규모 데이터를 분석하여 학습에 어려움을 겪는 학생을 미리 감지하여 이에 대한 적절한 지원 방안을 마련하고자 고민하고 있다. 본 연구는 2022~2023년도 1학기 신입생을 대상으로 한 핵심역량진단결과와 실제 학사경고 유무를 매칭하여 오렌지 3 플랫폼을 활용하여 다양한 지도학습 모델을 적용하여보고, 모델별로 학사경고의 조기 경보 예측 가능성 및 실행 가능성을 탐색하고자 하였다. 그 결과 2022~2023년도 모두 Neural Network 모델의 예측률이 가장 높게 나타났으며, 성실성 역량, 남성, 수시 입학전형의 요인이 학사경고에 높은 상관관계를 보였다. 대학에서는 학기 초반 학사경고에 높은 상관관계를 보이는 요인을 확인한다면 학생 유지 및 관리에 도움이 될 것으로 기대한다.

    최근 본 자료 전체보기