MHResearch

머신러닝을 활용한 유치원 정보공시 만족도 영향 요인 분석

교육재정·경제 분야 KCI 등재 학술지에 게재된 공동 논문으로, 같은 주제의 석사학위논문(2023)을 발전시킨 것입니다.
한국교육학술정보원(KERIS)의 만족도 조사 데이터를 재구성해 분석했습니다.

연구 문제

만족도 설문은 문항이 많고 응답자 배경이 다양해, 어떤 요인이 전반적 만족도를 실제로 좌우하는지 단순 집계로는 보이지 않았습니다.

방법

  1. t-검정과 ANOVA로 성별·지역·연령·이용 유형별 만족도 차이 검정
  2. 여러 머신러닝 알고리즘을 학습해 성능 비교, 랜덤포레스트 선택
  3. 만족도 예측 모델로 영향 요인 도출과 개선 방향 제시
머신러닝을 활용한 유치원 정보공시 만족도 영향 요인 분석 연구 도식
그림 1. 연구 흐름 도식.

결과와 의의

배경 변인에 따른 만족도 차이가 통계적으로 유의했고, 랜덤포레스트 모델은 정확도 85%, F1 84%를 보였습니다. 공공기관 데이터를 의사결정 정보로 바꾸는 방법을 보여 준 사례입니다.

저자

김길재, 김병주.
김길재 · 교육측정 · 서·논술형 자동채점과 문항 자동 생성 연구. 연구 전체 보기

관련 서비스

연구 목록으로 이 주제로 상담하기