연구 문제
머신러닝을 쓴 교육 연구가 빠르게 늘었지만, 데이터 규모와 균형, 성능 지표 보고 방식이 제각각이라 결과를 믿을 수 있는지 판단하기 어려웠습니다.
방법
- KCI 등재지 논문 72편 수집(2015–2023.5)
- 활용 목적·연구 주제·연구 대상·분석 방법·결과 활용의 5개 틀로 분석
- 제한적·불균형 데이터, 지표 오용·미공개 등 개선 필요 사례 정리
결과와 의의
신뢰도와 타당도를 높이기 위한 랜덤포레스트 활용 권고안을 제시했고, 이 권고는 다른 머신러닝 알고리즘을 쓰는 교육 연구에도 적용할 수 있습니다.
저자
김길재, 김병주.
김길재 · 교육측정 · 서·논술형 자동채점과 문항 자동 생성 연구. 연구 전체 보기


