머신러닝을 활용한 유치원 정보공시 만족도 영향 요인 분석

Analysis of Factors Influencing Satisfaction on Kindergarten Information Disclosure Using Machine Learning

본 연구는 머신러닝 알고리즘을 활용하여 정보공시제도의 실현이라고 할 수 있는 유치원알리미의 이용 실태를 파악하고, 전반적 만족도를 예측하고자 하였다. 한국교육학술정보원에서 매년 실시하는 유치원알리미 만족도 설문 조사 결과를 바탕으로 머신러닝 알고리즘을 학습하여 성능을 비교하였다. 여러 알고리즘 중 랜덤포레스트가 가장 성능이 높은 것으로 드러났으며 이를 활용하여 전반적 만족도 예측에 영향을 미치는 요인이 무엇인지 파악하였다. 최종 모델의 성능은 Accuracy 0.85, F1 Score 0.84의 성능을 보였다. 학습한 모델의 변수 중요도, SHAP plot, 부분 의존성 도표 등 설명 가능한 인공지능을 활용하여 유치원 정보공시 만족도 예측에 영향을 미치는 변인을 파악하였으며 정보 만족도, 이용 편의성, 자료 충분도, 자료 신뢰도, 알게 된 경로 등이 크게 영향을 미치는 것으로 드러났다. 이용 실태 변인이 사용자의 배경 변인보다 만족도 예측에 크게 기여하는 것을 확인하였으며 결과를 바탕으로 유치원 정보공시 및 유치원알리미의 개선 방향을 도출하였다.

The purpose of this study is to identify the use of kindergarten notifications, which can be the realization of the information disclosure system and to predict overall satisfaction using statistical analysis methods and random forest algorithms. Based on the results of the annual kindergarten notification satisfaction survey conducted by the Korea Educational Information Service, differences in user response were analyzed, and random forest was used to identify factors that affect overall satisfaction prediction among machine learning algorithms. As a result of the t-test and one-way distribution variance analysis, the difference in use status according to gender, age, residential area, and type was statistically significant. As a result of random forest model learning, Accuracy 0.85 and F1 Score 0.84 were shown. Explanable artificial intelligence such as variable importance, SHAP plot, and partial dependence charts of the learned model was used to identify variables that affect the prediction of kindergarten information disclosure. It was confirmed that the usage status variable contributed more to the satisfaction prediction than the user's background variable, and based on the results, the direction of improvement of kindergarten information disclosure and kindergarten notification was derived.