[논문 리뷰] A visualization tool for data analysis on higher education dropout: a case study at UFES

Pedro P. Ladeira, Leandro M. de Lima외 1명|arXiv (Cornell University)|2022. 01. 29.

Evasion and Academic Success Factors인용 수 4

한 줄 요약

이 논문은 에스피리토 산투 주립대학교(ufes)를 위해 고등교육에서의 학생 중도탈락 패턴을 분석하기 위해 개발한 상호작용형 데이터 시각화 대시보드를 제시한다. 이전 기관 데이터를 바탕으로, 경제적 배경, 전공 유형, 거주지와 같은 핵심 중도탈락 원인을 규명하였으며, ufes의 누적 중도탈락률(TDA)은 44.1%로 국가 평균보다 낮지만 여전히 교육 정책 및 기관 계획 수립에 있어 심각한 과제를 반영한다.

ABSTRACT

Through the analysis of cultural, socioeconomic and academic performance aspects it is possible to map the profile of the students and their motivations to drop out. This article aims to create a computational tool for data visualization that allows drawing the profile of students to support educational institutions managers in the definition of dropout avoidance policies. We present a method to treat data collected by higher education institutions over the years, analyze them to understand the dropout and provide that information to the university and the general public. Eight questions were proposed to clarify the dropout from the Federal University of Espírito Santo, Brazil. The questions were answered through the dashboard that helps to understand the causes of dropout. It is expected that this tool can be used by others educational institutions to draw student profiles contributing to possible resolution of the problem.

연구 동기 및 목표

• 교육 기관이 기관 데이터를 활용하여 학생 중도탈락 패턴을 시각화하고 분석할 수 있도록 컴퓨팅 도구를 개발하는 것.
• ufes에서 학생 중도탈락에 기여하는 주요 사회경제적, 학문적, 지리적 요인을 규명하는 것.
• 데이터 기반 통찰을 통해 대학 관리자 및 정책 입안자들이 표적화된 중도탈락 방지 전략을 수립할 수 있도록 지원하는 것.
• 기관 관리자와 일반 대중이 모두 접근 가능하고 재사용 및 업데이트가 가능한 대시보드를 구축하여 투명성과 지속적인 모니터링을 보장하는 것.
• 데이터 수집 및 표현의 격차를 보완함으로써 고등교육 기관의 데이터 품질 및 시각화 관행을 향상시키는 것.

제안 방법

• 연구는 ufes에서 여러 학년도에 걸쳐 수집한 이전 데이터를 사용하며, 사회경제적 요인, 학업 성취도 및 지리적 변수에 중점을 둔다.
• 파이썬의 bokeh 라이브러리를 사용하여 맞춤형 상호작용형 대시보드를 개발하여 동적 데이터 시각화 및 탐색을 가능하게 한다.
• 대시보드에는 중도탈락 추세를 전공, 지역 및 인구 통계 집단별로 표현하기 위해 막대 차트, 원형 차트 및 시계열 그래프와 같은 시각적 구성 요소가 포함되어 있다.
• 새로운 데이터가 수집될 때 실시간으로 업데이트가 가능하여 중도탈락 추세의 지속적 모니터링이 가능하다.
• 접근성 고려 사항을 고려하여 설계되었지만, bokeh 라이브러리의 功能 한계로 인해 HTML 및 자바스크립트를 사용한 대체 방법이 필요했다.
• 분석은 기관 간 중도탈락 수준 평가를 위한 주요 지표로 인셉(inep)에서 정의한 누적 중도탈락률(TDA)을 포함한다.

실험 결과

연구 질문

• RQ1 ufes에서 학생 중도탈락과 관련된 주요 사회경제적 및 학문적 요인은 무엇인가?
• RQ2 ufes 학생 인구에서 다양한 학문 전공과 지리적 지역 간 중도탈락률은 어떻게 달라지나?
• RQ3 ufes의 누적 중도탈락률(TDA) 추세는 시간이 지남에 따라 국가 평균 및 주 평균과 비교해 어떻게 변화하는가?
• RQ4 데이터 시각화 도구는 기관 관리자가 중도탈락 방지 정책 수립을 위한 의사결정을 어떻게 향상시킬 수 있는가?
• RQ5 중도탈락 분석 도구의 정확성과 사용성 향상을 위해 필요한 데이터 품질 및 시각화 디자인 개선 사항은 무엇인가?

주요 결과

• 2010년에서 2016년 사이에 입학한 학생들 중 ufes의 누적 중도탈락률(TDA)은 44.1%였으며, 이는 국가 평균 56.5%보다 낮지만 여전히 심각한 과제를 시사한다.
• 대시보드는 전공별로 중도탈락 패턴을 성공적으로 시각화하여, 일부 전공의 중도탈락률이 데이터셋에서 최대 67%까지 도달함을 드러내며 전공별 취약성을 명확히 하였다.
• 소득 인구당 정보 누락 및 중복 기록 등의 데이터 품질 문제로 분석의 완전성이 제한되었으며, 특히 사회경제적 프로파일링에 영향을 미쳤다.
• 학생의 거주지와 대학 간 거리가 중도탈락의 잠재적 요인으로 규명되었지만, 데이터 한계로 인해 완전히 반영되지 못했다.
• bokeh 라이브러리의 기능 한계로 인해 원형 차트에서 상호작용형 카테고리 선택이 제한되어, 웹 기반 시각화 프레임워크와의 깊은 통합이 필요함을 시사하였다.
• 심리적 요인 및 패an디믹 요인(코로나19 위기로 인한 정서적 영향 등)을 향후에 통합할 수 있는 잠재력은 향후 개선의 핵심 영역으로 지목되었다.