본 연구의 목적은 직무만족도와 관련 있는 교사 변수를 탐색하는 것이었다. 이를 위하여 경기교육종단연구(GEPS) 5차년도 자료의 중학교 교사 패널 자료를 활용하였다. 연구에 투입된 교사 관련 변수는 총 223개로, 수백 개의 변수를 한 모형에서 분석할 수 있는 기계학습 기법이 적절하다고 판단되었다. 기계학습 기법 중 벌점회귀모형인 elastic net은 변수 선택뿐만 아니라 자료의 다중공선성까지 고려하는 기법이다. 특히 본 연구는 ‘relevance count’를 활용하여 100번의 elastic net 중 33번 이상 뽑히는 변수를 정리하였다. 그 결과 총 29개 변수가 교사 직무만족도와 관련 있는 변수로 선택되었으며, GEPS의 기준에 따라 크게 ‘교사 사기(열의) 및 효능감’, ‘현 학교 만족도’, ‘학교 풍토 및 조직 문화’, ‘공개수업에 대한 인식’, ‘개인적 특성’, ‘교육 정책에 대한 기대’의 6개 범주로 분류되었다. ‘교사 사기(열의) 및 효능감’, ‘현 학교 만족도’, ‘학교 풍토 및 조직 문화’, ‘개인적 특성’은 선행 연구에서 다뤄졌던 변수들이고, ‘공개수업에 대한 인식’, ‘교육 정책에 대한 기대’는 본 연구를 통해 새롭게 발견한 변수들이다. 본 연구 결과를 바탕으로 교사 만족도를 향상시키기 위한 교육정책의 방향성에 대하여 제언하였다.
The purpose of this study was to explore important variables to teacher job satisfaction. Elastic net, a machine learning technique, was employed to analyze the 5th wave GEPS data. Particularly, relevance count was obtained after 100 iterations, and variables selected 1 out of 3 were considered to be important. A total of 29 variables were such important variables, selected among 223 teacher variables. The selected variables were grouped into six categories according to the variable classification of GEPS: ‘Teacher morale (enthusiasm) and Efficacy’, ‘Current School Satisfaction’, ‘School climate and organizational culture’, ‘personal characteristic’, ‘Recognition of open class’, and finally ‘Expectation of educational policy’. Variables pertaining to ‘Teacher morale (enthusiasm) and Efficacy’, ‘Current School Satisfaction’, ‘School climate and Organizational culture’, ‘personal characteristic’ and ‘Recognition of open class’ have been investigated in the literature. Some variables in the ‘Recognition of open class’ and ‘Expectation of educational policy’ categories were newly found variables important to teacher job satisfaction. Implications of the study were discussed, particularly on education policy relating to teacher job satisfaction.
요약
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 연구방법
Ⅳ. 연구 결과
Ⅴ. 논의
참고문헌
Abstract