머신러닝 기법을 활용한 사교육비 지출 예측 모형 탐색

Abstract

고등학교 유형이나 대학 입시의 큰 틀이 변화하면서 고등학교 학생들의 사교육 수요 또한 빠르게 변화하고 있을 것으로 예상되는 바, 고등학교 학생들에 초점을 맞추어 사교육 수요 현상을 새롭게 분석해 볼 필요가 있을 것으로 보인다. 이에 본 연구에서는 랜덤 포레스트 방법을 사용하여 사교육비 지출 예측 변수를 추출하고, 이를 활용하여 고정효과 및 확률효과 모형 분석을 실시함으로써 보다 적절한 사교육비 지출 예측 모형을 탐색하고자 하였다.

분석 결과에 따르면, ‘남성보호자 월평균 소득’, ‘고등학교 계열’, ‘고등학교 계열 선택 이유’, ‘창의적 체험활동 만족도’, ‘진학 관련 월평균 방과후학교 비용’, ‘진로교육 활동 만족도’, ‘여성보호자 최종학력’ 등이 사교육비에 대한 예측력이 높은 것으로 나타났다. 랜덤 포레스트 분석 결과 도출된 사교육비 지출 관련 주요 변수들을 활용하여 적합한 고교생의 사교육비 지출 모형을 확인한 결과 OLS 및 고정효과 모형, 확률효과 모형 중 학교 확률효과 모형의 적합성이 가장 높았다.

증거 기반(evidence based) 의사 결정의 중요성이 정책 결정 과정에서 높아져 감에 따라 사교육비 지출 예측 모형에 대한 보다 합리적인 추정 및 이에 근거한 정책 대안 수립이 가능해지고 있다. 본 연구의 분석 결과 혹은 접근 방식을 보다 정교화함으로써 사교육과 관련된 원인을 보다 실증적으로 파악하는 한편, 이의 해소를 위한 정책 대안 수립을 위한 기초자료로 활용될 수 있다. 이런 맥락에서 정책 성과에 대한 예측 및 분류는 해당 정책의 성패를 선험적으로 가늠해 봄으로써 실패 확률을 줄이고 재정 효율성을 제고할 수 있다는 점에서 상당한 의의가 있다. 따라서 교육학 분야에서도 머신러닝을 활용한 실증분석이 향후 활발히 이루어질 필요가 있음을 제언한다.