딥러닝 모형을 활용한 교육 빅데이터 분석 논의

Discussion on Education Big Data Analytics using Deep Learning Models

빅데이터는 사회 전 분야에 걸쳐 수집되고 있으며 교육 분야도 예외는 아니다. 빅데이터의 보편화는 빅데이터로부터 도출되는 정보에 근거한 교육 정책 결정과 교육의 효과성 제고로 이어질 수 있다. 교육 분야의 빅데이터는 깊이와 활용도에 따라 크게 세 종류로 나뉠 수 있는데, 교육기관에서 생성·수집되는 학생(학부모 포함) 수준, 교사 수준, 학교 수준 데이터 등을 포괄하는 대규모(macro-level), 학생들의 토론 게시물(forum discussion), 자유 게시글(posting), 작문(essay) 과제와 같은 텍스트 데이터의 중규모(meso-level), 학습 활동을 초단위로 기록하는 클릭스트림(clickstream) 데이터와 같은 소규모(micro-level) 데이터로의 분류가 대표적 사례이다. 본 연구는 교육 빅데이터 활용의 확산을 예상하는 가운데 한 가지 사례로서 한국교육고용패널 데이터 일부를 딥러닝 모형에 적합시켰다. 학습, 여가, 가정 생활 등 다양한 학생 수준의 변수 140개를 입력층으로 하고 두개의 은닉층을 포함하는 신경망 모형의 활용을 통해 학생의 진로성숙도 수준을 예측하고 예측성능을 다항 로지스틱 회귀모형과 비교하였다. 분석 결과와 함께 딥러닝 모형을 활용한 교육 빅데이터 분석에 관련한 논의를 제시하였다.

Big data is being collected across all sectors of society, and the education sector is no exception. The generalization of big data can lead to educational policy decisions based on information derived from big data and enhance the effectiveness of education. Big data in the education field can be roughly divided into three types according to its depth and utilization: macro-level data that includes student (including parents) level, teacher level, and school level data generated and collected by educational institutions; meso-level data for text such as students’ forum discussions, postings, and essay; and small-scale data (such as clickstream) for recording learning activities. In this study, a part of the data from the Korea Education Employment Panel Wave II was fitted to the deep learning model as an example of the spread of the use of big data in education. Using a neural network model including two hidden layers with 140 variables of various student levels such as learning, leisure, and family life as the input layer, the level of student career maturity was predicted and the prediction performance was compared with the multinomial logistic regression model. Discussions related to education big data analysis using deep learning models are presented along with the analysis results.