박사

머신러닝을 활용한 중학교 수학 기초학력 미달 비율 예측모형 탐색 = Exploring the prediction model for middle school low-performing students ratio in mathematics using machine learning

이종현 2020년
논문상세정보
' 머신러닝을 활용한 중학교 수학 기초학력 미달 비율 예측모형 탐색 = Exploring the prediction model for middle school low-performing students ratio in mathematics using machine learning' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • 일반 연속간행물
  • 기초학력미달학생비율
  • 머신 러닝
  • 수학
  • 예측모형
  • 중학교
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
2,486 0

0.0%

' 머신러닝을 활용한 중학교 수학 기초학력 미달 비율 예측모형 탐색 = Exploring the prediction model for middle school low-performing students ratio in mathematics using machine learning' 의 참고문헌

  • 손상원 기초학력 부진 교육이슈 부상…광주 전남 교육감 대응 ‘온도차’ [2019]
  • 한국행정의 실증 연구: 행정조직론 분야
    김병섭 한국행정학회 1995년도 동 계연례학술대회 논문집, 49-83 [1995]
  • 한국 교육정책의 수월성과 형평성의 조화를 위하여
    안병영 사회과학논집, 41(2), 1-13 [2001]
  • 한 아이도 놓치지 않고 기초학력 책임진다
    교육부 교육부 보도자료, https://www.moe.go.kr/boardCnts/view.do?boardID=294&lev=0&statusYN=W&s=m oe&m=0204&opType=N&boardSeq=77172 에서 검색 [2019]
  • 학업성취가 높은 학교의 교장들은 무엇이 다른가
    김성열 이문복 KICE Position Paper, 1(5), 38-42 [2009]
  • 학습부진학생의 실효성 제고를 위한 대안 탐색
    이화진 지방교육경영, 14, 18-41 [2009]
  • 학습부진학생 지도 지원 정책의 개선 방안 연구
    황진숙 한국교원대학교 교 육정책전문대학원 석사학위 논문 [2011]
  • 학습부진학생 유형 분석에 관한 기초연구보고서 (RR-121)
    박병량 이영재 조시화 서울: 한국교육개발원 [1980]
  • 학습부진에 영향을 미치는 학생과 학교의 교육 맥락적 요인 탐색 (OR 2009-03-07)
    임현정 서울: 한국교육개발원 [2009]
  • 학습부진아의 인지특성 분석과 효율적인 교수 전략 탐색 연구
    이경준 중앙 대학교 대학원 박사학위 논문 [1983]
  • 학습부진아의 유형분석과 상담모형개발
    서병완 한양대학교 대학원 박사학위 논문 [1983]
  • 학습부진아의 교육받을 권리보장-기초학력책임지도제를 중심 으로
    박성혁 이지혜 시민교육연구, 40(1), 29-46 [2008]
  • 학습부진아의 가정환경과 자아개념과의 관계
    박종균 우석대학교 교육대학 원 석사학위논문 [1996]
  • 학습부진아교육
    황정규 한국교육개발원, 1992 [1992]
  • 학습부진아 지도 프로그램 개발 연구: 초등 학교 국어, 수학, 과학 및 학습전략 프로그램 예시안 개발을 중심으로 (RRC 1998-4)
    김수동 유준희 이화진 임재훈 서울: 한국교육과정평가원 [1998]
  • 학습부진아 교육을 위한 교육심리학의 역할과 과제
    김동일 교육심리연구, 13(2), 13-32 [1999]
  • 학습기술 향상 프로그램과 특별보충과정이 학습부진아 의 학습습관과 자기주도적 학습능력 향상에 미치는 효과
    김세정 이은진 이지연 한국심리학회지, 7(2), 151-170 [2010]
  • 학력향상 중점학교 사업의 기초학력 향상 효과 분석
    김지은 김지하 초등교 육연구, 25(2), 117-139 [2012]
  • 학교효과성에 영향을 미치는 변인 간의 구조분석
    김태연 주현준 최성보 교 원교육, 26(6), 117-142 [2010]
  • 학교장의 수업지도성이 학교효과성에 미치는 영향에 관한 구조적 분석
    주영효 교육행정학연구, 24(1), 1-24 [2006]
  • 학교 학업성취수준에 영향을 미치는 학교특성 요인: 학업고성취 및 저성취수준에 미친 요인 비교를 중심으로
    곽현주 백종면 송인발 양예슬 교육과정평가연구, 19(1), 333-358 [2016]
  • 학교 유형별 기간제 교사가 학업성취도에 미치는 영향 분석
    조현국 경제학연 구, 61(2), 5-29 [2013]
  • 학교 밖 청소년의 사회적 낙인이 심리사회적 적응에 미치는 영향: 자기개념 명확성의 조절효과를 중심으로
    김영미 이화명 청소년학연구, 23(9), 127-154 [2016]
  • 표집평가 전환에 따른 국가 수준 학업성취도 평가 개선 방안 연구 (연구보고 RRE 2018-9)
    김명화 김희경 박민규 서민희 임효진 정혜경 진천: 한국교육과 정평가원 [2018]
  • 평가와 선택기법에 기반한 대표패턴 생성 알고리즘
    이형일 한국컴퓨터정보학 회논문지, 14(3), 139-147 [2009]
  • 초등학교 국가수준 학업성취도 평가의 결과타당도
    민경석 박인용 조재민 교 육과정평가연구, 18(1), 135-154 [2015]
  • 초등학교 국가수준 학업성취도 평가에 대한 단위학교 수준의 결과 타당도 분석
    조재민 세종대학교 대학원 박사학위 논문 [2013]
  • 초등학교 3학년 학생의 기초학력에 영향을 미치는 변인 고찰
    김소영 홍수진 초등교육연구, 22(2), 233-256 [2009]
  • 초․중등학교의 기초학력 향상방안 연구
    유경훈 임종헌 학습자중심교과교육 연구, 17(20), 889-918 [2017]
  • 초 중등교육법 시행령
    대통령령 제29421호 [2016]
  • 초 중등교육법
    법률 제14603호 [2016]
  • 초 중등교육 책무성 정책 사례의 논리와 성과분석: 학력향상 중점학교 정책을 중심으로. 김병찬 외 (편), 한국 교육책무성 탐구 (pp.255~305) 중
    정동욱 파주: 교육과학사 [2013]
  • 창원시 중학교 학력수준 분석 및 개선 방안 모색
    권은경 김성열 한국디지털 정책학회논문지, 16(12), 153-162 [2018]
  • 진단 도구의 정확성 평가
    송상욱 한국정보기술학회지, 14(1), 23-28 [2016]
  • 중학생의 학업성취 변화 관련 요인 탐색
    강호수 김양분 한국교육, 44(1), 33-61 [2017]
  • 중학교 학습부진학생을 위한 프로그램 개발 연구 (RR84-12)
    박성익 서울: 한국교육개발원 [1986]
  • 중학교 수학 학습부진아의 수학적 태도 및 지도방안 연구
    김지혜 전남대학 교 교육대학원 석사학위 논문 [2018]
  • 중학교 기초학력미달 학생의 학습실태와 요구 조사
    양명희 전명남 교육학논 총, 36(2), 21-39 [2015]
  • 중학교 기초학력 미달률에 미치는 학교환경과 교장공 모제의 효과
    김광주 김성훈 이효정 교육과정평가연구, 21(1), 173-195 [2018]
  • 중 고생 기초학력 미달 느는데 학교생활 행복도는 상승
    이현근 경남신 문, http://www.knnews.co.kr/news/articleView.php?idxno=1282953 에서 검색 [2019]
  • 전국 고등학교 학생의 학업중단에 대한 종단적 분석
    권재기 나우열 한국아 동복지학, 1(59), 209-234 [2017]
  • 일반계 고등학교의 기초학력미달 변화에 따른 학교유형 분류 및 종단 적 변화
    권재기 교육평가연구, 26(5), 1037-1066 [2013]
  • 인본주의에 기초한 평등성과 수월성이 균형잡힌 교육정책 방 안
    안관수 조시오 디지털융복합연구, 11(11), 2013, 733-745 [2013]
  • 인공지능과 핀테크
    김영상 김원걸 유성민 한국정보기술학회지, 14(1), 23-28 [2016]
  • 이화여자대학교 인간발달연구소 중학교 학습부진 학생 지도를 위한 실험적 연구
    서울: 이화여자대학교 [1972]
  • 이전, 조성필, 이경중 SVM 분류기를 통한 심실세동 검출
    송미혜 전자공학회 논문지, 42(5), 27-34 [2005]
  • 우리나라 학교급식 지원정책의 문제점과 개선 방안
    안소룡 남부대학교 교 육대학원 석사학위 논문 [2016]
  • 우리나라 초 중 고 학생의 학업성취 특성 분석: 2009년 국가수준학업성취도 평가 전수 결과 중심 (연구보고(RRE 2010-7-1)
  • 연합뉴스
    https://www.yna.co.kr/view/AKR?input=1179m 에서 검색 [2019]
  • 엔트로피를 기반으로 한 특징 집합 선택 알고리즘
    안종일 정태충 홍석미 전 국공학회논문지-CI, 41(2), 87-94 [2004]
  • 양선아 수포자 영포자들 감긴 눈 뜨게 할 수 있을까
    한겨레, http://www.hani.co.kr/arti/society/schooling/891172.html 에서 검색 [2019]
  • 숙 중학생 학습부진 원인 분석에 따른 효과적 지원 방안 연구 (서교연 2011-37)
  • 수학 학습 부진아의 학습 태도 개선을 위한 학습 프로그램 개발 연 구
    송미정 서울대학교 교육대학원 석사학위 논문 [2001]
  • 성공적인 지식경영을 위한 핵심정보기술-데이터마 이닝
    장남식 장재호 홍성완 서울: 대청 [2000]
  • 선수학습 Program 학습지 활용이 수학 기초학습 부진아의 문제 해 결력 신장에 미치는 효과
    지가진 한국연구재단 연구 성과물, 1-67 [1999]
  • 서울시 초 중 학생들의 교육격차 분석: 2010년∼2013년 학업성취도 를 중심으로. 서울교육
    이정연 서울: 서울특별시교육청 [2014]
  • 빅데이터를 활용한 학업중단 학생 대응 모델 연구 (연구보고 RR 2018-10)
    강태훈 박주형 선미숙 이선복 정제영 대구: 한국교육학술정보원 [2018]
  • 빅데이터 시대의 예측 도구, Machine Learning의 올바른 활용법
    이성경 POSRI 이슈리포트, 51(2), 37-62 [2013]
  • 빅데이터 분석대로 미래는 이루어진다
    우종필 서울: 매일경제신문사 [2017]
  • 빅데이터
    정용찬 서울: 커뮤니케이션북스 [2013]
  • 비행소년의 발전경향에 관한 연구
    박현기 이순래 한국범죄학, 1(2), 149-190 [2007]
  • 분류 기법을 이용한 방광암 재발 예측
    김원재 김원태 류근호 서동혁 손호선 신동문 정보과학회논문지: 데이타베이스, 39(3), 193-201 [2012]
  • 방과후학교 지원비의 기초학력 향상 효과 분석
    이상호 이성은 천세영 교육 종합연구, 10(3), 211-233 [2012]
  • 미국의 ‘모든 학생의 성공법(ESSA)’ 제정 및 시사점
    염철현 교육법학연구, 28(1), 81-101 [2016]
  • 머신러닝을 활용한 KOSPI200지수 예측 성과 비교 연구
    구본상 한국외국 어대학교 대학원 박사학위 논문 [2017]
  • 돈이 보이는 빅데이터: 새로운 기회와 수익을 만드는 빅데이터 사 용법
    이종석 파주: 김영사 [2018]
  • 데이터마이닝을 활용한 유급 간병서비스 예측모형 개발
    김한결 고려대학교 대학원 석사학위 논문 [2014]
  • 노인 만성질환자의 건강관련 삶의 질 영향요인 분석 및 예측모델 개발
    이수경 서울대학교 대학원 박사학위 논문 [2013]
  • 기초학력 증진을 위한 정책 개발 기초 연구 (연구보고 RRI 2009-2)
    권점례 김도남 서근원 이신동 이혜영 조난심 서울: 한국교육과정평가원 [2009]
  • 기초학력 도달 관련 심리적 특성 분석을 위한 로지스틱 모형 적용 연 구
    양명희 교육평가연구, 18(3), 97-116 [2005]
  • 기초통계학
    김석우 서울: 학지사, 96-97 [2007]
  • 기계학습(Machine Learning) 기반 사회보장 빅데이터 분석 및 예측모형 연구 (연구보고서 2017-46)
    김수현 오미애 장준혁 진재현 천미경 최현수 세종: 한국보건사회연구원 [2017]
  • 기계학습 및 딥러닝 기술동향
    문성은 이정혁 이종석 장수범 한국통신학회 지, 33(10), 49-56 [2016]
  • 국가수준학업성취도평가 자료를 이용한 기간제 교사의 효과분석: 일반 고등학교를 중심으로
    최형재 한국경제연구, 32(2), 5-36 [2014]
  • 국가수준 학업성취도 평가체제 구축 방안 연구 (교육정책연구 2001-14)
    김명숙 노국향 박정 이명희 이종승 허형 서울: 교육인적자원부 [2001]
  • 국가수준 학업성취도 평가를 통한 중학교 3학년의 수학과 교육과정 성 취기준에 대한 이해도 분석
    임해미 교육과정평가연구, 21(1), 219-241 [2018]
  • 국가수준 학업성취도 평 가 결과: 고등학교 학업성취도 변화 추이 (연구보고 RRE 2013-2-3)
    구남욱 김경희 김성 박인용 신진아 임은영 한정아 서울: 한국교 육과정평가원 [2012]
  • 국가별 교육책무성 정책과 학업성취도 분석
    김영식 서울대학교 대학원 박 사학위 논문 [2014]
  • 교육책무성 정책이 초․중학교 학업성취도에 미치는 효과에 관한 메타분석
    장임정 전주대학교 교육대학원 박사학위 논문 [2017]
  • 교육지원청 수준에서 기초학력 영향 변인 연구
    이성은 천세영 교육학연구, 51(2), 37-62 [2013]
  • 교육인적자원부 교육발전 5개년 계획(시안)
    서울: 교육인적자원부 [1999]
  • 교육과 학습에서 빅데이터
    김나리 김동호 윤승원 천종필 서울: 커뮤니케이 션북스 [2017]
  • 교사 87% “교육부 기초학력 대책 부적절”
    황대훈 EBS뉴스, https://news.v.daum.net/v/20190409211604946?f=p 에서 검색 [2019]
  • 경영정보시스템 원 론(제2판)
  • 건강검진 자료에서 Random forests를 이용한 백내장 발생 위험군 예측모형
    한은정 연세대학교 대학원 석사학위 논문 [2005]
  • 「초등학생의 기초학력 미달여부에 영향을 미치는 변인들의 효과 분석」
    김태은 노원경 오상철 이화진 교육심리연구, 26(2), 505-521 [2012]
  • “중학교 기초학력 성취도 차이에 미치는 영향요인 분석.”
    유미경 중부대학교 대학원 박사학위 논문 [2016]
  • WEKA 도구를 이용한 인공지능 수업 개선
    김종완 한국지능시스템학회 학술 발표 논문집, 22(2), 170-171 [2012]
  • The relationship between Precision-Recall and ROC curves ,
    [2006]
  • The regression analysis of binary sequences
    20 ( 2 ) , 215-242 . [1958]
  • Teaching and managing : Inseparable activities in schools
    [2018]
  • Supervisor , unintended consequences of high-stakes testing
    1008 , 1-21 [2011]
  • Speeding up logistic model tree induction . Knowledge Discovery in Databases : P kdd 2005
    [2005]
  • Social Science Research : Principles , Methods , and Practices
    [2014]
  • Secondary structure prediction with support vector machines
    19 ( 13 ) , 1650-1655 . [2003]
  • Screening large-scale association study data : Exploiting interactions using random forests
    5 , 32 . [2004]
  • SAS와 통계자료분석
    홍종선 서울: 탐진 [1996]
  • Random Forest 분류기에 의한 부정맥 데이터 분석에 대한 연구
    이현주 세종대학교 대학원 석사학위 논문 [2011]
  • Performance analysis of various data mining algorithms .
    6 ( 3 ) , 118-127 [2014]
  • P rediction of pathologic stages based on prostate biopsy specimen : The accuracy comparison of svm and ann
    [2011]
  • P attern classification
    [2002]
  • Mining data with random forests : A survey and results of new tests
    44 ( 2 ) , 330-349 . [2011]
  • Learning bayesian belief network classifiers : algorithms and system . Canadian Ai 2001 : Advances in Artificial Intelligence
    2056 , 141-151 [2011]
  • Keypoint recognition using randomized trees .
    28 ( 9 ) , 1465-1479 . [2006]
  • Intrusion detection system based on k-star classifier and feature set reduction .
    15 ( 5 ) , 107-112 . [2013]
  • Image annotation using svm . P roceeding Spie 5304
    [2003]
  • High-stakes testing
    23 ( 2 ) , 47-64 . [2007]
  • Exploiting partial decision trees for feature subset selection in email categorization .
    [2006]
  • Elementary statistics . Boston : 5th ed
    [1992]
  • Efficient learning algorithms for support vector machines
    [2012]
  • Educational effectiveness and ineffectiveness
    [2015]
  • Digital media in teaching and its added value
    [2015]
  • Closing the achievement gap : How schools are making it happen
    5 ( 2 ) , 1-12 [2002]
  • Climate for high achievement : A study of gap-closing schools in south carolina . South Carolina , SC : South Carolina Educational Policy Center College of Education University of South Carolina-columbia
    1-44 [2007]
  • Chen, J., Xing, Y., Xi, G., Chen, J., Yi, J., Zhao, D., & Wang, J. (2007). A comparison of four data mining models: Bayes, neural network, svm and decision trees in identifying syndromesin coronary heart disease. Advances in Neural Networks–isnn 2007, 1274-1279.
  • Channel compensation for svm speaker recognition .
    1 , 629-632 . [2005]
  • Cao, Y., Xu, J., Liu, T. Y., Li, H., Huang, Y, & Hon, H. W. (2006). Adapting ranking svm to document retrieval. P aper P resented at the P roceedings of the 29th Annual International Acm Sigir Conference on Research and Development in Information Retrieval, 186-193.
  • C4.5 : Programs for Machine Learning
    [1993]
  • Bias in random forest variable importance measures : Illustrations , sources and a solution
    8 , 25 [2007]
  • Bayesian networks In Ruggeri , F. , Kenett , R. & Faltin , F. W ( Eds . ) , Encyclopedia of statistics in quality and reliability
    [2007]
  • Assessment , high stakes , and alternative visions : Appropriate use of the right yools to leverage improvement
    [2006]
  • Application of k-nearest neighbor ( knn ) approach for predicting economic events : Theoretical background
    3 ( 5 ) , 605-610 [2013]
  • Analysis of parametric & non parametric classifiers for classification technique using weka
    7 , 43-49 [2012]
  • After the test : Closing the achievement gaps with data
    [2004]
  • Accountability policies and measures : What we know and what we need
    [2009]
  • A review of leadership theories , principles and styles and their relevance to educational management
    5 ( 1 ) , 6-14 . [2015]
  • A new performance measure and evaluation benchmark for road detection algorithms .
    [2013]
  • A low-achiever ’ s learning process in mathematics : Shirley ’ s fraction learning
    39 ( 2 ) , 10-23 [2004]
  • A comparison of machine learning algorithms for proactive hard disk drive failure detection
    [2013]
  • A cascade learning system for classification of diabetes disease : Generalized discriminant analysis and least square support vector machine
    34 ( 1 ) , 482-487 [2008]
  • 2007년 국가 수준학업성취도 평가 연구 과학 (연구보고 RRE2008-5-4)
  • 2006년 국가수준학업성취도 평가연 구: 2003∼2006년 변화추이 (연구보고 RRE 2007-3-1)
    김명화 김수진 송미영 조지민 최인봉 서울: 한국교육과정평가원 [2007]