연구내용은 한국청소년패널조사(KYPS) 종단 연구의 산출물인 대규모 데이터를 데이터마이닝 기법을 이용하여 스트레스와 관련된 유의미한 정보를 찾는 것이다. 전통적인 통계 기법과 달리 데이터마이닝은 기계학습적인 방식으로 대량의 데이터를 다각적으로 분석하여 사람 ...

연구내용은 한국청소년패널조사(KYPS) 종단 연구의 산출물인 대규모 데이터를 데이터마이닝 기법을 이용하여 스트레스와 관련된 유의미한 정보를 찾는 것이다. 전통적인 통계 기법과 달리 데이터마이닝은 기계학습적인 방식으로 대량의 데이터를 다각적으로 분석하여 사람이 미처 찾아내지 못한 데이터 특성을 탐색하는 접근 방법을 택하고 있다. 본 연구에서는 이에 더하여 연차별 데이터마이닝 분석을 통하여 데이터마이닝으로 파악하기 어려운 요소간의 연차별 추이 분석을 하고자 한다. 이를 위하여 본 연구는 크게 2단계로 구성되며, 각 단계의 내용은 다음과 같다.

가. 1단계: 데이터마이닝 기초작업

1단계에서는 데이터마이닝을 위한 데이터 처리 및 사전 분석, 데이터마이닝을 적용하기 위한 분석환경 설치 및 적절한 데이터마이닝 기법을 연구한다. 

(1) 데이터 전처리 (Data Preprocessing)
데이터마이닝에 사용할 종단 연구 데이터의 전처리 작업을 해준다. 전처리가 필요한 이유는 연구 데이터에는 잡음이나 결측치 등의 오류가 있을 수 있으며, 이를 적절히 처리하거나 보정해줘야 하기 때문이다.

(2) 데이터마이닝 분석 환경 설치
데이터 분석 및 데이터 마이닝을 실행하기 위하여 최근에 강력한 데이터마이닝 툴로 각광받고 있는 R을 설치하고, 이용한다.  

(3) 데이터 특성 분석 및 시각화
데이터의 특성을 분석하는 것은 데이터마이닝의 첫 번째 단계이며, 이를 위해서 통계적 기법을 활용하여 데이터의 기본 특성을 파악한다. 특히 평균, 표준편차, 중앙값, 공분산, 편향 등에 대한 값을 확인하여, 데이터의 특성을 분석한다. 또한 히스토그램, 백분위 도표, 누적확률분포함수, 산포도 등으로 데이터의 특성을 시각화한다.

(4) 연관분석 적용
연관분석은 데이터 요소들 간에 어떤 연관이 있는지를 파악하는 분석 방식이다. 본 연구에서는 학업 성취에 영향을 주는 요소들이 어떻게 연관되는지를 파악하는데 사용한다. 적용 알고리즘은 Apriori 알고리즘

본 연구에서는 학습자의 스트레스를 설명하는 결정요인을 연차별로 분석하기 위하여 한국청소년패널조사(KYPS;
Korea Youth Panel Survey) 중 2 패널의 1차년도(2003년, 중학교 2학년), 3차년도(2005년, 고등학교 1학년), 5차년도(2007년, 고등학교 3학년) 데이터를 중 ...

본 연구에서는 학습자의 스트레스를 설명하는 결정요인을 연차별로 분석하기 위하여 한국청소년패널조사(KYPS;
Korea Youth Panel Survey) 중 2 패널의 1차년도(2003년, 중학교 2학년), 3차년도(2005년, 고등학교 1학년), 5차년도(2007년, 고등학교 3학년) 데이터를 중심으로 데이터마이닝 의사결정나무분석을 통해 스트레스의 결정요인을 탐색하였다. 그 결과 2003년인 중학교 2학년 시기의 스트레스는 공격성, 부모공부기대, 공부고민, 부모애착, 자기인식문제아, 형제사이가 결정요인으로 나타났으며, 2005년인 고등학교 1학년 시기의 스트레스는 부모공부기대, 공격성, 공부고민, 부모폭력, 자아존중감, 낙관적 성향, 학교공부흥미로 나타났다. 2007년인 고등학교 3학년 시기의 스트레스는 부모공부기대, 공부고민, 공격성, 자아존중감, 학교주변환경, 여가활동, 형제사이, 부모폭력으로 나타났다. 또한 이러한 요인들은 조합되는 다양한 조건과 조합에 따라 스트레스를 증가시키거나 감소시키는 것으로 나타났다. 이러한 본 연구의 결과로 학습자의 스트레스를 중재하고 조절하기 위하여 다양한 개별 조건들을 효과적으로
활용할 수 있으며, 데이터마이닝의 방법으로 종단 자료를 좀 더 유용하게 활용할 수 있음을 제언하였다.