Developing a practical college dropout prediction system using achine learning

대학생 중도탈락 문제는 고등교육의 주요 도전과제 중 하나이다. 중도탈락을 방지하기 위한 효과적인 방법은 중도탈락 위험 학생 군을 조기에 예측해서 이들을 대상으로 집중 관리와 지원 프로그램을 운영하는 것이다. 머신러닝 알고리즘을 적용한 중도탈락 학생 예측에 관한 연구가 있었지만, 작은 데이터세트 크기, 부족한 예측력 등 다양한 대학에서 보편적으로 실제 적용하기에는 한계가 있었다. 본 논문에서는 실제적 활용이 가능한 대학생 중도탈락 예측 시스템을 제안한다. 제안한 모델의 보편적 적용을 위해 기본 학사데이터에서 훈련 특성을 선정하였다. 54,771건의 표본을 사용했으며, 중도탈락 위험 학생의 조기 탐지를 위해 장기 예측까지 고려하여 1~4개 학기의 기간별 중도탈락 예측모델을 개발하였다. 성능 비교를 통해 선택된 랜덤 포레스트와 그레이디언트 부스팅 모델의 최종 테스트 결과 약 0.92~0.98의 AUC 점수를 달성하였다. 단기 예측의 경우 재현율 0.80에서 정밀도 0.83 이상의 우수한 성능을 보였으며, 장기 예측에서도 F1 점수 0.64~0.72의 높은 예측력을 보여 실제 적용이 충분함을 확인하였다. 또한, 기간별 예측 결과를 종합하여 학사 시스템에서의 실제 적용 방안을 제시하였다. 본 결과를 활용하여 중도탈락 위험 학생 군을 조기 예측하여 관리함으로써 학생의 학업 중단의 사전 예방에 이바지할 것으로 기대된다.