머신러닝을 활용한 유아의 실행기능 예측모델 개발 :Developing the prediction model for children''s executive function using machine learning

이근애

추천

검색

자료유형: 학위논문

저자정보: 이근애 (동아대학교, 동아대학교 대학원)

지도교수: 전효정

발행연도: 2021

저작권: 동아대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (3)

2022

머신러닝을 활용한 유아의 사회적 유능성 예측모델 개발

이근애 아동학회지 2022.08 학술저널

머신러닝을 활용한 유아의 사회적 유능성 예측모델 개발

이근애 한국아동학회 학술발표논문집 2022.04 학술대회자료

2021

머신러닝을 활용한 유아의 실행기능 예측모델 개발

이근애 영유아학과 2021.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 유아의 실행기능 유형을 예측하고 분류하기 위해 잠재계층분석을 활용하여 유아의 실행기능의 잠재계층 유형을 구분하고, 머신러닝을 활용하여 유아의 실행기능 유형 예측모델을 개발하며, 이를 예측하는데 상대적으로 중요한 변수가 무엇인지 알아보고자 하였다. 이를 위해 다음과 같은 연구문제를 설정하였다.
연구문제 1. 유아의 실행기능 잠재계층의 유형과 특성은 어떠한가?
연구문제 2. 유아의 실행기능 집단 간 분류유형에 따른 머신러닝 예측모델의 성능은 어떠한가?
연구문제 3. 유아의 실행기능 유형을 예측하는 변수의 상대적 중요도는 어떠한가?

본 연구의 대상은 부산시 및 경남 지역에 거주하는 만 3∼5세 유아 569명과 그들의 어머니이다. 연구를 위하여 유아의 실행기능, 유아의 탄력성, 유아의 우려되는 행동, 유아와 어머니의 성격 및 기질, 그리고 어머니의 양육특성에 대한 자료를 수집하였다. 수집된 자료는 SPSS win 25.0을 사용하여 기술통계, 신뢰도 분석, 상관관계분석, 일원변량분산분석을 실시하였고, R version 3.6.1 및 R studio 1.2.5033 환경에서 잠재계층분석과 머신러닝 기법을 활용하여 예측모델을 구축하고 성능평가를 실시하였다. 본 연구에서 활용한 머신러닝 알고리즘은 로지스틱 회귀, 라쏘 로지스틱 회귀, 랜덤 포레스트, 그리고 그레디언트-부스티드 의사결정나무 등 4가지이다. 본 연구의 주요 결과를 요약하고 결론을 내리면 다음과 같다.
첫째, 유아의 실행기능 잠재계층은 그 특성에 따라 ‘High Level’, ‘Middle Level’, 그리고 ‘Low Level’의 3개의 계층으로 구분되었다.
둘째, 유아의 실행기능 잠재계층 유형에 따라 4가지 집단 간 분류유형을 설정하고 머신러닝 알고리즘에 투입하여 모델별 성능을 확인한 결과 분류유형 1과 분류유형 3은 라쏘 로지스틱 회귀모델이, 분류유형 2와 분류유형 4는 랜덤 포레스트 모델의 성능이 가장 뛰어났다.
셋째, 유아의 실행기능 유형 예측에 있어 가장 중요한 변수는 4가지 집단 간 분류유형 전체에서 유아의 우려되는 행동으로 나타났다.
넷째, 유아의 우려되는 행동 다음으로 유아의 실행기능 유형을 예측하는 주요변수는 각 집단 간 분류유형에서 서로 다르게 나타났다.

본 연구는 유아의 실행기능 발달을 사람 중심적 접근을 바탕으로 서로 다른 양상을 보이는 잠재계층으로 구분하여 각 계층별 특성을 확인하였고, 머신러닝 기법을 활용하여 유아의 실행기능 유형 예측모델을 개발함으로써 유아의 실행기능 수준에 따른 선별적 지원과 맞춤형 접근을 위한 근거를 마련하였음에 선행연구들과의 차별성이 있다. 이를 바탕으로 유아의 실행기능 발달을 지원하기 위한 구체적 방안의 모색과 중재방안의 필요성에 대한 함의를 제시하였다.

The purpose of this study is to identify the types of children''s latent classes of executive function, and to develop the predict model concerning the latent classes using machine learning to predict the type of children''s executive function, and to find out relatively important variables in predicting them. For this purpose, the study raised the following research questions.
Question 1. What are the types and characteristics of the latent class of children''s executive function?
Question 2. How are the performance of machine learning prediction model for children''s executive function based on the discrimination type?
Question 3. How are the relative importance of the variables in predicting the type of children''s executive functioning?

The subjects of this study are 569 children aged 3-5 and their mothers living in Busan and Gyeongsangnam-do. For the study, the data on children''s executive function, children''s resilience, children''s concerned behavior, children''s and mother''s temperament and character, and the mother''s parenting characteristics were collected. The collected data were analysed by descriptive statistics, reliability analysis, correlation analysis, and ANOVA, using SPSS win 25.0. Latent class analysis, machine learning model construction, and performance evaluation were performed in R version 3.6.1 and R studio 1.2.5033 environments. The machine learning algorithms used in this study are logistic regression, lasso logistic regression, random forest, and gradient-boosted decision tree models. To summarize and conclude the main results of this study are as follow.
First, according to the characteristics of the latent class of children''s executive function, it was classified into three types: ''High Level'', ''Middle Level'', and ''Low Level''.
Second, four discrimination types were established according to the latent class of children''s executive function. As the result of comparing the performance of each model by putting it into a machine learning model, classification model 1 and 3 showed the best performance in the lasso logistic regression model, and classification model 2 and 4 showed the best performance in the random forest model.
Third, the most important variable predicting the type of children''s executive function is manifested by the children''s concerned behavior across all four discrimination types.
Fourth, the variables that predict the type of children''s executive function show different results in each discrimination group in addition to the children''s concerned behaviors.
This study is differentiated from previous studies in that young children''s executive function are classified into three latent classes and confirming their characteristics with the person-oriented approach. In addition, it is meaningful that the basis for customized support and intervention according to the level of the children''s executive function. The suggested machine learning model can predict the type of children''s executive function and revealing important variables that predict each type. Based on this, the implications for the necessity of the education and intervention plan to support the development of the children''s executive function were discussed.

key words: children''s executive function, children''s concerned behavior, latent class type, machine learning predict model

#유아의실행기능 #유아의우려되는행동 #잠재계층유형

Ⅰ. 서론 1
1. 연구의 필요성 및 목적 1
2. 연구문제 9
Ⅱ. 이론적 배경 10
1. 유아의 실행기능 10
2. 유아의 실행기능 발달 관련 요인 20
3. 유아의 실행기능 유형의 구분 26
4. 유아의 실행기능 유형의 예측 31
Ⅲ. 연구방법 40
1. 연구대상 40
2. 연구도구 42
3. 연구절차 51
4. 자료처리 및 분석 52
Ⅳ. 연구결과 55
1. 기술통계 및 상관분석 55
2. 유아의 실행기능 잠재계층 유형과 특성 60
3. 유아의 실행기능 집단 간 분류유형에 따른 머신러닝 예측모델의 성능 70
4. 유아의 실행기능 유형을 예측하는 주요 변수의 상대적 중요도 84
Ⅴ. 논의 95
Ⅵ. 결론 및 제언 108
참고문헌 112
부록 134
Abstract 143

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)