심층신경망과 설명가능한 AI를 활용한 대학생 중도탈락 예측요인 탐색

Abstract

본 연구는 한국의 고등교육기관에서 대학생의 중도탈락에 영향을 미치는 개인 수준 및 대학 수준의 요인을 분석하기 위하여 딥러닝 모델로 자료를 학습시킨 뒤 설명가능한 AI(Explainable AI) 알고리즘의 하나인 SHAP(Shapley Additive Explanations)을 활용하였다. 중도탈락 현상이 단순히 개인의 선택이 아니라, 대학 특성 및 경쟁력에 의해 복합적으로 영향을 받을 수 있다는 점을 고려하여 한국교육고용패널(KEEPⅡ)과 대학알리미 자료를 활용하여 실증적 분석을 수행하였다. 분석 결과, 중도탈락에 영향을 미치는 상위 20개 변수를 도출하였고, 그 중 학교만족도가 중도탈락에 가장 큰 영향을 미치는 변수로 확인되었다. 또한 동료와의 관계가 긍정적일수록, 등록금이 낮은 대학일 수록 중도탈락 가능성을 높게 예측하는 것으로 나타났으며, 이는 일부 선행연구의 논의와 상반되는 결과로 확인되었다. 그럼에도 불구하고 SHAP의 의존성 플롯을 통해 관련 변인들의 상호 관계를 고려하여 해석해볼 때 중도탈락의 요인을 복합적으로 확인해볼 수 있었다. 이러한 결과는 중도탈락을 더욱 심층적으로 이해하기 위해 보다 정교한 접근이 필요함을 강조하며, 개인적, 재정적, 학업적, 사회적 요인들의 복합적인 상호의존을 고려한 전략 수립이 필요함을 시사한다. 본 연구는 AI 기반 분석을 통해 중도탈락 요인에 대한 새로운 통찰을 제시하고, 향후 중도탈락 예방을 위한 정책 수립에 기초자료로 활용될 수 있을 것이다.

This study applied a deep learning model utilizing the SHAP(Shapley Additive Explanations Explainable AI) algorithm to analyze the factors at the individual and institutional levels that influence college dropout among students in higher education insitutions in Korea. Considering that dropout is not merely a personal choice but could be influenced by the characteristics and competitiveness of the university an empirical analysis was conducted using data from the Korean Education and Employment Panel(KEEPⅡ) and the Higher Education Information Disclosure Systme(Daehal Alimi). The analysis identified the top 20 variables affecting dropout rates with school satisfaction emerging as the most influential factor. Additionally the study found that the likelihood of dropout increases when peer relationships are more positive and when attending universities with lower tuition fees, suggesting that social and financial factors interact in complex ways. These findings emphasize the need for a more nuanced approach to understanding and predicting dropout, highlighting the importance of tailored strategies that consider the interplay between personal, financial, academic, and social factors. This study provides new insights into the factors influencing dropout rates through AI-based analysis and can serve as a foundational resource for developing policies aimed at preventing college dropout in the future.