Exploring the Predictability of Early Warning for College Freshmen Using the Orange3 Platform: focusing on the results of the Core Competency Assessment

대학은 대학 내 시스템에 쌓여있는 학생 개인 특성, 대학 내 활동 데이터, 학습 과정 데이터 등 대규모 데이터를 분석하여 학습에 어려움을 겪는 학생을 미리 감지하여 이에 대한 적절한 지원 방안을 마련하고자 고민하고 있다. 본 연구는 2022~2023년도 1학기 신입생을 대상으로 한 핵심역량진단결과와 실제 학사경고 유무를 매칭하여 오렌지 3 플랫폼을 활용하여 다양한 지도학습 모델을 적용하여보고, 모델별로 학사경고의 조기 경보 예측 가능성 및 실행 가능성을 탐색하고자 하였다. 그 결과 2022~2023년도 모두 Neural Network 모델의 예측률이 가장 높게 나타났으며, 성실성 역량, 남성, 수시 입학전형의 요인이 학사경고에 높은 상관관계를 보였다. 대학에서는 학기 초반 학사경고에 높은 상관관계를 보이는 요인을 확인한다면 학생 유지 및 관리에 도움이 될 것으로 기대한다.