학습관리시스템 로그 데이터를 이용한 대학생 정신건강 고위험군 예측 모델 = Prediction model for high-risk group of university students’ mental health using learning management system log data

국문 초록 (Abstract)

본 연구는 학습관리시스템(LMS) 로그 데이터를 통해 대학생 정신건강 고위험군을 예측하는 모델을 구축하고자 하였다. 이를 위해 2020년과 2021년 정신건강 실태조사 참여자의 실태조사 응답과 LMS 주간 액세스 데이터를 사용하였다. 매 학기 LMS 주간 액세스 데이터를 시계열 클러스터링하고, 시계열 패턴을 확인하여 분류된 클러스터 별 LMS 액세스 특징을 정의하였다. 그리고 클러스터 간에 정신건강 변인의 차이, 정신건강 고위험군 비율의 차이가 존재하는지 확인하였다. 그 결과, 학기마다 LMS 액세스 데이터를 통해 3~4개의 클러스터를 분류할 수 있었고, 그 중 정신건강 문제 또는 취약성이 시사되는 집단을 판별할 수 있었다. 해당 집단의 LMS 액세스 패턴 또한 학기마다 유사한 형태로 반복되었다. 또한 LMS 데이터를 분할 사용하여 학기 중에도 정신건강 고위험군 특성과 LMS 액세스 패턴이 유사하게 나타나는 클러스터의 식별이 가능하였다. 이러한 결과를 토대로 대학 장면에서 정신건강 고위험군을 관리함에 있어 갖는 시사점을 논의하였다.

다국어 초록 (Multilingual Abstract)

The present study aimed to build a model to predict a high-risk group for mental health among university students using learning management system (LMS) log data. To this end, the responses of the mental health survey participants in 2020 and 2021 with their weekly access data of the LMS were used. LMS access data of each semester was clustered and the time-series patterns were identified to define the LMS access characteristics of the clusters. Whether the clusters had differences in mental health variables and the proportion of high-risk groups were also examined. As a result, 3 to 4 clusters were classified from the LMS access data of each semester, and among them, a cluster with prominent mental health problems or vulnerabilities was identified. The LMS access patterns of the identified high-risk groups were also repeated in a similar form every semester. In addition, by using the LMS data segments, it was found that clusters with similar characteristics of high-risk mental health and LMS access patterns could be identified even during the semester. Based on these results, the implications for managing high-risk groups for mental health in the university setting were discussed.

목차 (Table of Contents)

• 초록 i
• ABSTRACT iii
• 목차 v
• 표 목차 vii
• 그림 목차 viii
• 1장. 서론 1
• 2장. 이론적 배경 5
• 2.1 대학생 정신건강 5
• 2.1.1 대학생 연령대의 발달적, 심리적 특성과 정신건강 관리의 중요성 5
• 2.1.2 대학생 정신건강 실태 및 학내 정신건강 관리의 한계점 7
• 2.2 학습관리시스템(Learning Management System) 10
• 2.2.1 학습관리시스템의 개념 10
• 2.2.2 학습관리시스템을 활용한 교육 데이터 마이닝 12
• 2.2.3 학습관리시스템을 활용한 정신건강 예측 연구가 디지털 표현형 분석에서 얻는 시사점 16
• 2.3 데이터 모델링 21
• 3장. 연구목적 및 연구문제 25
• 4장. 연구방법 26
• 4.1 연구 대상 26
• 4.2 연구 자료 26
• 4.2.1 정신건강 실태조사 데이터 26
• 4.2.2 학습관리시스템 데이터 28
• 4.3 자료 분석 29
• 4.3.1 사용 데이터 및 분석 대상자 29
• 4.3.2 자료 전처리 30
• 4.3.3 통계분석 및 모델 구축 33
• 5장. 연구결과 36
• 5.1 자료 구조 및 참여자 특징 36
• 5.2 LMS 액세스 시계열 클러스터링: 학기 전체 38
• 5.3 LMS 액세스 시계열 클러스터링: 주간 분할 55
• 6장. 논의 61
• 참고문헌 74
• 부록 89
• A. 데이터셋 별 참여자 인구통계학적 특징 89
• B. 학기 별 LMS 데이터 클러스터링 엘보우 도표 91
• C. 2020년 1학기 LMS 데이터 클러스터링: 주간분할 92
• D. 2020년 2학기 LMS 데이터 클러스터링: 주간분할 97