💡 ‘교육 데이터‘ 분석이 어려운 2가지 이유 데이터

이준건 ・ 2024.03.08

💡 ‘교육 데이터‘ 분석이 어려운 2가지 이유 데이터 분석은 수많은 영역과 맞닿아 있다. 금융, 의료, 개인정보, 트래픽, 인사, 법률 등. 물론 ’교육‘ 분야도 빼놓을 수 없다. 각 분야마다 나름의 어려움은 있겠으나, 특별히 ’교육 데이터 분석‘의 고충을 다뤄 보고자 한다. 1. 데이터 수집의 어려움 의료의 경우, 가령 당뇨병에 효과가 있는 신약을 개발하고 있다면, 성별/연령/체중/지병 등을 기준으로 어느 정도 객관적인 실험군을 모집할 수 있다. 그러나 교육 데이터는 수집 자체가 쉽지 않다. 일단 (교육 데이터의 광산이라 할 수 있는) 초중고교에서는 개인정보 보호를 위해 학생의 성적을 공개하지 않는다. 사기업이나 학원에서도 학생 성적은 일급 비밀이다. 결국 소규모 데이터 또는 아주 가끔 공개되는 공공 데이터를 통해 분석을 시도할 수밖에 없는데, 이는 매우 제한적인 결과를 갖는다. 초등학교 한 개 학년, 한 개 반의 결과는 얼마나 큰 함의를 가질까? 3학년 때의 평과 결과를 1-6학년 모두에 적용할 수 있을까? 2. 데이터 분석의 어려움 1) 독립변수 설정에 창의성이 필요하다. 수집도 쉽지 않지만, 교육 데이터는 분석도 어렵다. 우선 기본적인 회귀 분석의 요점을 생각해 보자. ① 종속변수 y를 설정한다. ② 종속변수에 영향을 미치는 독립변수(x)를 여러 개 설정한다. ③ y=ax1 + bx2 + cx3… 형태의 방정식을 세우고, 가장 큰 영향을 미치는 독립변수를 찾는다. 교육 데이터 분석에서는 보통 y를 ’성적‘으로 놓는다. 좋다, 그럼 성적에 영향을 미치는 요인은 무엇일까? 여기서부터가 난항이다. 부모님의 재산이나 신분(직업), 학습자가 다니는 학원의 수, 학습자의 지난 성적, 학습자가 발언하거나 손 든 횟수, 학습자의 자신감…… 정말 다양한 x가 나오는데, 무엇 하나 측정하기 쉬운 것이 없다. 게다가 교육 데이터 분석은 정말 의외의 변수가 결정적일 때가 있다. 어느 책에서는 ’손을 든 횟수’가 성적에 큰 영향을 미치는 것으로 관찰되었다고 한다. 즉, 참여도가 높으면 성적도 높은 것이다. 이렇듯 교육 데이터 분석은 독립변수에 대해서도 상당한 창의성을 요한다. 2) 종속변수 설정도 경우에 따라 달리해야 한다. 한 가지 더. 종속변수가 꼭 ’성적‘이라는 법칙은 없다. 특히 기업 직무 교육에 있어서는 더욱 그렇다. 직무 교육 성적이 높다고 과연 직무 수행 능력도 높을까? 높은 상관관계는 있겠지만, 어떤 직무냐에 따라 아닐 수도 있다. 이렇듯 교육 데이터 분석은 생각보다 적용이 쉽지 않다. 수량화와 수치화가 어려운 만큼, 분석가의 통찰이 중요해 보인다. #upyou_note #교육데이터분석 #교육 #분석

콘텐츠를 더 읽고 싶다면?

원티드에 가입해 주세요.
로그인 후 모든 글을 볼 수 있습니다.

・댓글 1