인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
초록·키워드
본 연구에서는 국가거점국립대학교인 C 대학교를 대상으로 신입생 중도탈락에 선제적으로 대응하기 위한 예측 모형을 개발하였다. 설명 변수는 입학 정보, 단과대학, 입시전형 및 주소지, 학사정보의 네 범주로 구성하였으며, 학사정보의 유무에 따라 1학년 1학기 모형(학사정보 미포함)과 1학년 2학기 모형(학사정보 포함)으로 구분하여 분석을 수행하였다. 단변량 로지스틱 회귀분석을 통해 각 변수와 중도탈락 간의 관계를 파악하고 회귀계수를 도출한 후, 다중공선성 완화를 위해 분산팽창지수(VIF) 5 이하의 변수를 선별하여 다중 로지스틱 회귀분석을 실시하였다. 변수간 상호작용에 따른 회귀계수 부호 왜곡을 방지하기 위해 단변량 분석 결과와 일관된 방향으로 계수를 조정하였다. 또한 각 범주별 회귀모형의 Area Under Curve(AUC)를 기반으로 가중치를 부여하여 최종 중도탈락 예측 모형을 구축하였다. 본 모형은 도출된 중도탈락 확률을 바탕으로 대학에서 원하는 기준에 따라 신입생을 위험군과 비위험군으로 분류할 수 있어, 대학 차원의 선제적 개입 및 관리 전략 수립에 활용 가능하다. 아울러 회귀계수 해석을 통해 중도탈락에 영향을 미치는 주요 요인을 정량적으로 설명하였으며, 이러한 연구 결과는 C 대학교 실무 정책에 적용중이며 향후 타 국가거점국립대학교로의 확장 적용 가능성을 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094295195
