메뉴 건너뛰기
.. 내서재 .. 알림
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)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김형도 (한양사이버대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제25권 제3호
발행연도
2025.3
수록면
425 - 435 (11page)
DOI
10.5392/JKCA.2025.25.03.425

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
학생 중도탈락 예측은 학업에 실패하거나 중퇴할 가능성이 높은 학생들을 사전에 파악하여 적절하게 지원함으로써 이를 예방하기 위한 것으로, 잘못된 예측은 여러 가지 문제를 일으킬 수 있으므로 높은 수준의 예측성능이 중요하다. 중도탈락 예측을 위해서 다양한 알고리즘들이 활용되고 있는데, 학생 중도탈락 데이터와 같은 표 형식의 이질적인 데이터 집합을 이용한 데이터마이닝에서는 랜덤 포리스트나 GBDT와 같은 의사결정나무 기반의 모델들이 우수한 성과를 보여주는 연구 결과들이 많다. AI가 활성화되면서 각광을 받고 있는 딥러닝 기반의 모델들은 오디오, 비디오, 문자열 등 동질적인 데이터 집합에서 좋은 성과를 보여주고 있지만, 표형식의 데이터 집합에 대해서는 그렇지 못하였다. 하지만 최근에는 딥러닝 기반의 모델들이 의사결정 나무기반의 모델들 못지않음을 주장하는 연구도 일부 제시되면서 논쟁적인 이슈가 되고 있다. 이 연구에서는 학생중도탈락 문제와 관련해서 이 이슈를 검토하고, 두 유형의 모델들을 결합 사용하는 접근법으로 학생 중도탈락 예측의 성능을 개선하는 새로운 방법을 제안한다. 공개된 학생 중도탈락 데이터 집합을 가지고 의사결정 나무기반 모델과 어텐션 메커니즘을 결합한 복합 모델을 생성하고, 정확도, F1, AUC로 비교 분석하였다. 랜덤 포리스트와 어텐션 메커니즘을 결합한 복합 모델이 정확도와 F1에서 가장 좋은 성과를 보여주었다.
#학생 중도탈락 예측 #데이터마이닝 #딥러닝 #의사결정 나무 #어텐션 #Student Dropout Prediction #Data Mining #Deep Learning #Decision Tree #Attention

목차

요약
Abstract
I. 서론
II. 관련 연구
III. 제안 모델 및 실험 설계
IV. 실험 및 분석
V. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0