Exploring Key Factors and Building a Predictive Model for University Student Dropout Using Explainable AI (XAI) Techniques

전국 대학생의 중도 탈락 비율은 증가하고 있으며, 중도 탈락율은 국내 대학의 평가 지표로도 활용되고 있어, 각 대학은 중도 탈락의 비율을 낮추기 위해 다양한 연구를 진행하고 있다. 그 연구 중에 하나가 중도탈락 예측 모델을 만들어 사전에 중도탈락의 위험군을 예측하는 조기경보시스템을 구축하여 괸리함으로써 중도탈락을 낮추려는 노력을 하고 있다. 2024학년도 우리나라 대학교의 평균 중도탈락율은 5.73%를 기록하였고 2023년도 보다 0.4％p 상승했다. 높은 중도탈락율은 교수자와 대학에게 부정적 영향을 미치며, 사회·경제적 손실을 초래할 뿐만 아니라 대학의 대외평가 지표에 큰 영향을 미치고 있다. 따라서 조기 경보 시스템을 통해 중도탈락 위험 학생을 조기에 식별하고 미리 대응하는 것이 중요하다. 최근 몇 년간 인공지능과 데이터 분석 기법의 발전으로 이러한 중도탈락 예측에 대한 관심이 크게 증가하였다. 머신러닝을 이용한 조기 중도탈락 예측 모델들이 해외 유명 인공지능 학술지에 다수 보고되고 있으며, 중도탈락에 영향을 미치는 여러 요인을 규명하고 있다. 본 연구는 다양한 머신러닝 기법을 활용하여 중도탈락 예측모델의 예측 결과를 비교하고, 모델별 설명 가능한 인공지능(XAI) 기법인 SHAP와 LIME 기법을 통해 변수의 영향도를 확인하고 활용하는 방법을 제시하고자 한다.