머신러닝을 활용한 초등학생의 자아탄력성 영향 변수 및 예측모형 탐색

초록

본 연구는 초등학생의 자아탄력성에 영향을 미치는 개인적·맥락적·환경적 변수를 탐색하고,머신러닝 기법을 활용하여 이들의 영향력을 살펴보고자 하였다. 또한, 영향 변수의 탐색 과정에 개별 머신러닝 모델보다 더 우수한 성능을 보이는 최적화된 통합 모델을 제안하고자 하였다. 이를 위해 한국아동패널 12차(2019년) 자료 중 대부분의 응답 자료가 결측인 경우를 제외한 후 총 1,419명을 대상으로 분석하였다. 분석 결과, 첫째, RMSE 기준으로 Bayesian Ridge, Gradient Boosting Regressor, Random Forest Regressor 모델 순으로 초등학생의 자아탄력성 예측에 우수한 성능이 확인되었다. 둘째, 아동의 총 친구 수, 어머니 애착, 어머니의 일-가정 양립 관련 변수는 자아탄력성을 예측하는 주요 변수로서 본 연구를 통해 새롭게 제시되었다. 셋째, 앙상블 기법의 블렌딩 방식을 활용하여 통합된 모델이 기존의 선정된 개별 모델보다 더 우수한 성능을 나타내었다. 이러한 결과를 통해 본 연구에 대한 의의와 후속 연구를 위한 제언 및 시사점을 논의하였다.

키워드