표제지
요약
목차
I. 서론 8
1. 연구의 필요성 8
2. 연구의 내용 및 방법 9
3. 연구의 제한점 9
II. PISA 소개 10
1. PISA의 읽기 소양 11
2. PISA의 점수 등급 16
III. 머신러닝 기술 19
1. 머신러닝의 특징 19
2. 랜덤포레스트 20
3. 딥러닝 20
IV. 연구 방법 21
1. 분석 자료 21
2. 연구 모형 및 방법 23
V. 연구 결과 25
1. 모델 생성 실험 결과 25
2. 실험 결과 분석 30
VI. 결론 32
참고문헌 33
[표 1] PISA 2009의 텍스트 분류 기준 12
[표 2] PISA 2018의 텍스트 분류 기준 13
[표 3] PISA 2018의 읽기 소양 등급의 특징 18
[표 4] 평균 점수에 따른 읽기 소양 등급 22
[표 5] PV를 사용한 읽기 소양 등급 계산 22
[표 6] 실행 환경 24
[표 7] 알고리즘과 결과 변수에 따른 실험 분류 25
[표 8] 실험 1의 랜덤포레스트 모델 결과 26
[표 9] 실험 2의 랜덤포레스트 모델 결과 27
[표 10] 실험 3의 랜덤포레스트 모델 결과 28
[표 11] 실험 4의 랜덤포레스트 모델 결과 29
[표 12] 실험 5의 랜덤포레스트 모델 결과 30
[표 13] 전체 실험 결과 31
[그림 1] PISA 2018의 유창함 측정 문항 13
[그림 2] PISA 2018의 정보 찾기 능력 측정 문항 14
[그림 3] PISA 2018의 이해 능력 측정 문항 15
[그림 4] PISA 2018의 평가 능력 측정 문항 16
[그림 5] PISA 2018의 과제 난이도와 학생의 능력 관계 17
[그림 6] 전통적 프로그래밍과 머신러닝의 차이 19
[그림 7] PISA 2018 ICT 친숙도 설문 23
[그림 8] 실험 1의 DNN 모델 결과 26
[그림 9] 실험 2의 DNN 모델 결과 27
[그림 10] 실험 3의 DNN 모델 결과 28
[그림 11] 실험 4의 DNN 모델 결과 29
[그림 12] 실험 5의 DNN 모델 결과 30