초등학생의 스마트폰 중독 관련 데이터를 활용한 머신러닝 알고리즘의 성능 분석

Performance Analysis of Machine Learning Algorithms Using Data related to Smartphone Addiction of Elementary School Students

이 연구의 목적은 초등학생의 스마트폰 중독 관련 데이터를 활용하여 머신러닝 알고리즘의 성능을 비교 분석함으로써 최적의 머신러닝 알고리즘을 탐색하는 것이다. 이를 위하여 선행연구를 토대로 KCYPS 2018 데이터로부터 스마트폰 중독에 영향을 미치는 요인과 스마트폰 중독 성향이 포함된 데이터를 수집하였다. 수집된 데이터를 머신러닝 알고리즘인 K-최근접 이웃, 로지스틱 회귀, 서포트 벡터 머신, 의사결정트리, 랜덤 포레스트에 적용하여 산출된 머신러닝 모델의 성능을 비교 평가하였다. 그 결과 예측 변수의 상대적 중요도는 스마트폰 사용시간, 학업열의, 주의집중, 자아존중감, 우울, 공격성, 게임 사용시간의 순서로 높게 나타났다. 각 머신러닝 알고리즘의 성능은 비슷하였고, 그 중 랜덤 포레스트의 성능이 가장 좋은 것으로 나타났다. 연구 결과를 통해 얻은 시사점은 다음과 같다. 첫째, 이 연구에서 산출된 모델은 사이버 중독 예방에 대한 실과교과 수업의 방향을 적절히 안내해 주고, 실과교과의 타 영역에 대한 인공지능 적용 연구를 촉발할 것이다. 둘째, 초등학생의 스마트폰 중독 연구에 인공지능 기술 적용 가능성을 국내에서 처음으로 확인하였다는 점에서 연구의 의의를 찾을 수 있다. 이는 초등학생에 대한 스마트폰 중독 성향의 종단적 예측 모델 탐색에 기여할 수 있을 것이다. 셋째, 이 연구에서 나타난 스마트폰 중독에 영향을 미치는 요인의 상대적 중요도는 초등학생 스마트폰중독 예방을 위한 교육적 처방의 방향을 찾는데 도움이 될 것이다.

The purpose of this study is to explore the optimal machine learning algorithm by comparing and analyzing the performance of machine learning algorithms using data related to smartphone addiction of elementary school students. For this purpose, data including factors affecting smartphone addiction and propensity for smartphone addiction were collected from KCYPS 2018 data based on prior research. The performance of the machine learning model calculated by applying the collected data to machine learning algorithms K-Nearest Neighbor, Logistic Regression, Support Vector Machines, Decision Tree, and Random Forest was evaluated. As a result, the relative importance of predictors was high in order of smartphone usage time, academic enthusiasm, attention, self-esteem, depression, aggression, and game usage time. The performance of each machine learning algorithm was similar, of which random forest had the best performance. The implications of the study were as follows: First, the models produced in this study will guide the direction of Practical Arts classes on cyber addiction prevention properly, and trigger research on artificial intelligence application in other areas of Practical Arts. Second, the significance of the research can be found in that it has confirmed for the first time in Korea the possibility of applying artificial intelligence technology to smartphone addiction research of elementary school students. This could contribute to the exploration of a longitudinal prediction model of smartphone addiction tendency for elementary school students. Third, the relative importance of factors affecting smartphone addiction shown in the study will help elementary school students find directions for educational prescriptions to prevent smartphone addiction.