학습분석학 기반 대학생의 학업저성취 예측 요인 탐색: 학기 시작 전 누적 학사 변인을 중심으로 = Exploring predictors of academic underachievement of college students based on learning analytics: Focusing on cumulative academic variables before the start of the semester

다국어 초록 (Multilingual Abstract)

Objectives The purpose of this study is to explore the possibility of preventing academic underachievers by utilizing the data of enrolled students accumulated in the school academic system from the perspective of learning analytics. In particular, by exploring predictive factors for academic underachievement based on academic data before the start of the semester, we intend to predict and select risk groups for academic underachievement early before the start of the semester. The results of early prediction and screening are intended to be used to prepare a preemptive support plan for teaching and learning for those at risk of academic underachievement.
Methods 670 students of 4-year A university located in the metropolitan area were selected as the research subjects and the academic data accumulated in the school academic system was analyzed. The independent variables are the previous semester's GPA, total credits completed, total number of leave of absence, total number of academic warnings, total number of F credit courses, and major course registration credits and liberal arts course registration credits for which course registration has been confirmed for the current semester. Dependent variables are GPA and low academic achievement in the current semester. For data analysis, SPSS 28.0 statistical program was used, linear regression analysis was performed to confirm the explanatory power of independent variables for grades, and logistic regression analysis was performed to derive predictive factors for low academic achievement.
Results As variables predicting grades according to Research Question 1, the GPA of the previous semester, total credits completed, credits for major course registration in the current semester, and credits for general course registration in the current semester had a positive effect on grades. And the total number of F-credit courses and the total number of leave of absence were confirmed as predictors that negatively affected grades. According to Research Question 2, the variables predicting low academic achievement are GPA of the previous semester, total credits completed, credits for major course registration in the current semester, and credits for general course registration in the current semester have a negative effect on low academic achievement. And the total number of F grade courses, the total number of leave of absence, and the total number of academic warnings were confirmed as predictive variables that had a positive effect on academic underachievement.
Conclusions This study has great educational significance in that it derives predictive factors for grades and academic underachievement based on the academic data of students enrolled in the school and prepares a method for teaching-learning support. The results of this study will be available as practical examples and reference materials for early prediction and support of grade and academic underachievers.

참고문헌 (Reference)

1 김미희, "학업적으로 추락한 대학생의 좌절 경험" 충남대학교 대학원 2014

2 김미경 ; 손민 ; 권미애, "학업저성취자를 위한 학습지원 프로그램 사례 연구 - A대학교의 사례를 중심으로 -" 한국국제문화교류학회 11 (11): 581-602, 2022

3 임이랑, "학업 저성취 대학생의 특성탐색 검사 문항개발 및 타당화" 이화여자대학교 대학원 2016

4 주영아 ; 정희진 ; 황선희 ; 김영혜, "학업 저성취 대학생의 자기결정성 및 스트레스 대처전략 증진 집단상담 프로그램 효과 연구" 학습자중심교과교육학회 13 (13): 85-115, 2013

5 김은진, "학업 저성취 대학생을 위한 학업향상 지원프로그램 효과성 연구" 인하대학교 대학원 2021

6 조성희, "학업 저성취 대학생을 위한 학습검사도구개발 및 타당화" 고려대학교 대학원 2020

7 임이랑 ; 박현정, "학업 저성취 대학생 지원 프로그램 개발을 위한 요구분석" 교육연구원 36 (36): 119-143, 2020

8 이훈희, "학습분석학을 이용한 학사경고자 예측에 관한 실증적 연구" 가천대학교 대학원 2017

9 신종호 ; 최재원, "학습분석 기반 대학 신입생 대상 학습부진 위험학생 조기예측 모델 개발 및 군집별 특성 분석" 한국교육공학회 35 (35): 425-454, 2019

10 윤정선, "학습부진 대학생을 위한 자기주도 학습능력 향상 현실치료상담 프로그램의 효과" 학습자중심교과교육학회 20 (20): 1-28, 2020

11 황현정 ; 박솔잎 ; 박형용, "학습결과 분석을 통한 원격대학 중도탈락 예측 시스템 AI 알고리즘 적용방안" 한국컴퓨터교육학회 24 (24): 63-73, 2021

12 박수미, "학생 데이터 통합과 데이터마이닝을 활용한 학사경고 예측 요인 분석: A 대학 사례를 중심으로" 학습자중심교과교육학회 19 (19): 581-604, 2019

13 김옥분 ; 김혜진, "학사경고자의 대학생활 경험에 관한 현상학적 연구" 사단법인 인문사회과학기술융합학회 8 (8): 379-389, 2018

14 조명희 ; 김은진 ; 이현우, "학사경고자 예측을 위한 학습분석학적 모형 탐색" 한국교육공학회 34 (34): 877-900, 2018

15 이다희, "학사경고자 및 학사경고 위험군 대학생의 학습지원 프로그램 개발 및 적용: D대학의 3단계 학습 특별관리시스템 기반의 학습지원 프로그램을 중심으로" 학습자중심교과교육학회 21 (21): 275-294, 2021

16 이종연 ; 김복미 ; 장은주, "학사경고자 대학생을 위한 자기탐색(Exploring Myself) 프로그램 개발" 한국상담학회 14 (14): 359-384, 2013

17 이용진 ; 양현정 ; 조성희, "학사경고생의 특성 변인과 교육적 개입 필요성에 대한 탐색" 한국교육방법학회 29 (29): 161-184, 2017

18 김종두, "학사경고 학생들의 면담과 학업성취도" 한국엔터테인먼트산업학회 10 (10): 253-265, 2016

19 남영옥 ; 이대형, "학사경고 원인 탐색을 위한 검사도구 개발" 한국농·산업교육학회 48 (48): 131-151, 2016

20 주영아 ; 원수경 ; 김영혜, "학사경고 여대생의 학업성취 실패 및 지속요인에 대한 탐색적 연구 -포커스 그룹 인터뷰를 중심으로" 한국청소년복지학회 14 (14): 47-69, 2012

21 대학알리미, "중도탈락 학생현황"

22 서은희, "저성취 대학생 대상 성적향상 프로그램 효과 연구: G대학교의 ‘러닝하이’를 중심으로" 한국콘텐츠학회 18 (18): 250-257, 2018

23 유지원, "일반대학에서 교양 e-러닝 강좌의 중도탈락 예측모형 개발과 조기 판별 가능성 탐색" 한국컴퓨터교육학회 17 (17): 1-12, 2014

24 김효정 ; 엄미리 ; 김수인 ; 권혜정 ; 이수강 ; 진서연, "외국인 유학생 학습부진 예측모형 개발" 대학교육개발센터협의회 15 (15): 81-109, 2022

25 박신영, "여자 대학생의 휴학 사유와 경험에 대한 사례 연구" 이화여자대학교 대학원 2012

26 전호정, "상위권 대학 학생들의 반복적 학사경고 경험에 관한 연구" 서울대학교 대학원 2017

27 정미숙, "비서과 학생의 진로의식과 대학생활적응간의 관계 - 수도권 지역 학생을 중심으로 -" 한국비서학회 20 (20): 117-143, 2011

28 황순희, "비교과 교육 활동 참여가 학점 변화에 미치는 영향 - 성, 전공, 학년 변인과 비교과 활동 유형을 중심으로" 한국교양교육학회 13 (13): 11-37, 2019

29 권해수, "데이터마이닝을 활용한 학사경고 결정 요인" 학생생활상담연구소 37 (37): 29-46, 2016

30 이혜주 ; 정의현, "데이터마이닝을 이용한 학업성취 결정요인 탐색" 한국아동교육학회 22 (22): 5-18, 2013

31 박영신 ; 김경이 ; 김지원, "대학의 학업부진 학생들을 위한 동료 튜터링 프로그램의 효과 연구 : 학업성취 및 학업 역량 향상을 중심으로" 한국교육방법학회 31 (31): 503-525, 2019

32 최경민 ; 김민지, "대학의 비교과 학습공동체 활동이 자기주도 학습능력에 미치는 영향- 이러닝을 활용한 학습공동체를 중심으로 -" 학습자중심교과교육학회 19 (19): 1283-1300, 2019

33 박종향 ; 이효정 ; 이선영, "대학에서의 학업실패 예방과 지원방안 마련을 위한 학사경고자의 경험과 어려움 탐색" 한국열린교육학회 25 (25): 191-211, 2017

34 차지철, "대학생의 학업중단 영향요인 분석" 지방자치연구소 37 (37): 91-113, 2020

35 임이랑 ; 오인수, "대학생의 학업성취에 영향을 미치는 심리적, 학습역량, 환경/지지 요인 탐색" 교육연구소 17 (17): 285-309, 2016

36 손요한 ; 김인규, "대학생의 학업성취도 예측요인 연구 : J 대학을 중심으로" 한국콘텐츠학회 20 (20): 519-529, 2020

37 서은희 ; 김은영, "대학생의 학사경고 예측요인 탐색: 학교참여도 변인을 중심으로" 한국콘텐츠학회 21 (21): 469-476, 2021

38 장애경 ; 양지웅, "대학생의 학사경고 경험과 극복과정에 관한 질적 연구" 한국상담학회 14 (14): 995-1013, 2013

39 손은령 ; 김연중, "대학생의 진로결정수준과 진로준비행동의 이차원적 유형과 학습행동과의 관계" 한국진로교육학회 23 (23): 1-20, 2010

40 전영미, "대학생들의 학업부진원인과 학업부진지원 프로그램의 성과 연구" 한국열린교육학회 27 (27): 51-73, 2019

41 이지은 ; 황현우, "대학생 학사경고자의 학업부진 유형 분류: 지방 사립 A 대학을 중심으로" 교육연구소 24 (24): 327-351, 2018

42 남상은 ; 유기웅, "대학생 학사경고자를 위한 코칭 프로그램의 개발 및 적용에 관한 실행연구(Action Research)" 한국교양교육학회 11 (11): 281-311, 2017

43 한국대학평가원, "기관평가 인증 기본 방향"

44 노해림 ; 김희경 ; 박승희 ; 양지연 ; 이우재 ; 전지혜 ; 조민경 ; 심은정, "군 복무 후 복학생들의 대학생활 적응 경험에 대한 혼합적 연구: 학업, 대인관계, 진로를 중심으로" 한국상담학회 16 (16): 621-642, 2015

45 서울대학교 교육연구소, "교육학 용어사전" 하우 2011

46 Gershenfeld, S., "The role of first-semester GPA in predicting graduation rates of underrepresented students" 17 (17): 469-488, 2016

47 Fletcher, J. M., "The effects of academic probation on college success: Lending students a hand or kicking them while they are down? (Working paper of Texas Higher Education Opportunity (THEOP) project)" Princeton University 2010

48 Johnson, L., "The 2011 horizon report" The New Media Consortium 2011

49 Ferguson, R., "Social learning analytics:Five approaches" 2012

50 Kline, R. B., "Principles and practices of structural equation modeling" The Guilford Press 2016

51 Siemens, G., "Open Learning Analytics: An integrated & modularized platform" Open University Press 2011

52 Santosa, R. G., "Logistic Regression Model for Predicting First Semester Students Gpa Category Based on High School Academic Achievement" 8 (8): 58-66, 2017

53 Klösgen, W., "Handbook of data mining and knowledge discovery" Oxford University Press, Inc 2002

54 Bienkowski, M., "Enhancing teaching and learning through educational data mining and learning analytics: An issue brief Washington" US Department of Education 2012

55 Romero, C., "Educational data mining : A review of the state of the art" 40 (40): 601-618, 2010

56 Dyckhoff, A. L., "Design and implementation of a learning analytics toolkit for teachers" 15 (15): 58-76, 2012

57 Gaudioso, E., "Data mining to support tutoring in virtual learning communities : Experiences and challenges" 4 : 207-225, 2006

58 Sage, "Academic Probation_How students navigate and make sense of their experiences" University of Wisconsin 2010

59 Casey, M., "Academic Probation, Student Performance and Strategic Behavior"

60 대학알리미, "2022년 4월 대학정보공시 분석결과 발표 보도자료"

61 한국교육개발원 대학역량진단센터, "2021년 대학 기본역량 진단"