• 한국심리학회지:학교
• /
• 제16권3호
• /
• pp.433-451
• /
• 2019

이 연구는 한국의 초등학교 내에서 발생하는 문제행동을 측정할 수 있는 신뢰롭고 타당한 척도를 개발하여 평가 및 개입을 위한 기초자료를 제공하기 위해 실시하였다. 문헌 개관과 초등교사 면담, 미국에서의 훈육실 의뢰 조건, 국내 학교들의 벌점체계, 그린마일리지, 정서행동특성검사 등을 참고하여 초등학생 문제행동선별척도: 교사용(Classroom Problem Behavior Scale-Elementary School) 문항 군집을 구성하였다. 국내 초등학교 교사 및 교과교사 총 6명에게 내용타당도 검증 후 수업 내 문제행동, 수업 외 문제행동에 대해 각각 4개, 3개의 요인을 상정하고, 이를 측정하는 63개의 예비문항을 제작하였다. 1차 검증에서 예비문항에 대하여 154명의 아동 자료를 수집하여 가장 적합하다고 판단되는 최종 23문항을 선정하였다. 2차 검증에서 교사가 평정한 초등학생 209명의 자료를 활용하여 신뢰도와 타당도를 검증하였다. 분석 결과, 이 척도는 수업 내 문제행동으로 수업 준비 행동, 수업 방해 행동, 공격 행동, 위축 행동의 4요인에 14문항, 수업 외 문제행동으로 규칙 위반 행동, 공격 행동, 위축 행동의 3요인에 9문항, 총 23문항으로 구성하는 것이 가장 타당한 것으로 나타났다. 검사-재검사 신뢰도는 대부분의 소척도에서 .80이상의 상관계수를 보이고 있어 시간적 안정성도 가지고 있는 것으로 나타났고, 각 하위요인별 내적 합치도 역시 .76~.94로 전반적으로 양호하였다. 수렴타당도를 확인하기 위해 '아동·청소년 행동평가척도 교사용'(Teacher's Report Form, TRF)과 교사용 교실 적응 관찰 점검표(Teacher Observation of Classroom Adaptation-Checklist, TOCA-C)와의 상관분석에서 중간수준 이상의 상관이 나타났고 외현화와 공격행동, 내재화와 위축 등 유사한 개념에서 더 높은 상관을 보였다. 확인적 요인분석을 위해 실시한 구조방정식모형 검증에서도 양호한 적합도를 확인하였다. 마지막으로 문항의 구성과 검증 과정에서의 시사점 및 제한점을 논의하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.