다층 잠재 마코프 라쉬 모델을 활용한 학교 성취도 평가

초록

본 논문은 학생이 소속된 학급이라는 군집 구조를 고려한 다층 잠재 마코프 라쉬 모델을 제안한다. 개인의 이진 장기 측정값을 시간에 따라 변하는 잠재 능력으로 설명하고, 학급 효과는 별도의 이산 잠재 변수로 모델링한다. EM 알고리즘을 이용해 최대우도 추정법을 제시하고, 이탈리아 롬바르디 지역 중학교 3년간의 수학 성취도 데이터를 통해 모델의 적용 가능성을 입증한다.

상세 분석

이 연구는 기존 라쉬 모델과 잠재 마코프 모델을 결합한 다층 구조를 도입함으로써, 군집화된 데이터를 보다 정교하게 분석할 수 있는 방법론을 제공한다. 먼저, 개인 수준에서는 이진 반응(정답/오답) 데이터를 라쉬 모델의 확률 구조에 따라 잠재 능력(θ)과 문제 난이도(β)로 분해한다. 시간에 따라 변하는 θ는 1차 마코프 과정으로 가정되어, 각 시점의 상태 전이 확률이 이전 상태에만 의존한다는 마코프 특성을 유지한다. 이는 학습·발달 과정에서 능력의 점진적 변화를 자연스럽게 포착한다.

두 번째로, 군집(학급) 수준에서는 각 학급에 고유한 이산 잠재 변수(ζ)를 도입한다. ζ는 학급 간의 이질성을 정량화하며, ζ가 특정 값을 가질 경우 해당 학급에 속한 모든 학생의 초기 능력 분포와 전이 확률이 동일하게 조정된다. 이렇게 함으로써 학급 효과가 개인 능력 추정에 미치는 영향을 명시적으로 분리한다.

모델 파라미터 추정은 기대-최대화(EM) 알고리즘을 기반으로 한다. E 단계에서는 현재 파라미터 추정값을 이용해 각 학생의 잠재 상태와 각 학급의 ζ에 대한 사후 확률을 계산한다. 여기서는 전통적인 전방-후방 알고리즘을 확장하여 다층 구조를 동시에 처리한다. M 단계에서는 사후 확률을 가중치로 사용해 라쉬 파라미터(β)와 마코프 전이 행렬, 그리고 학급 수준의 ζ 분포를 업데이트한다. 이 과정은 파라미터 공간이 고차원임에도 불구하고 수렴성을 확보하도록 설계되었다.

모형 선택에서는 베이지안 정보 기준(BIC)과 교차 검증을 활용해 잠재 상태 수와 학급 수준 ζ의 카테고리 수를 결정한다. 실증 분석에서는 3년간 5,000명 이상의 중학생 데이터를 사용했으며, 공립·사립 학교 구분, 성별, 사회경제적 지위 등 공변량을 포함시켜 모델의 설명력을 강화하였다. 결과적으로, 학급 수준 ζ가 학생들의 초기 능력과 성장 궤적에 유의미한 영향을 미치는 것으로 나타났으며, 특히 사립 학교 학급이 높은 초기 능력 평균과 더 빠른 성장률을 보였다.

이 모델의 주요 장점은 (1) 개인·군집 수준의 이질성을 동시에 추정함으로써 전통적인 단일 수준 모델이 놓치는 구조적 변이를 포착한다는 점, (2) 시간에 따른 능력 변화를 마코프 과정으로 모델링해 학습 진행 상황을 동적으로 추적한다는 점, (3) EM 알고리즘을 통한 효율적인 최대우도 추정이 가능하다는 점이다. 다만, 이산 잠재 변수의 카테고리 수 선택이 결과에 민감할 수 있으며, 대규모 데이터에서 계산 비용이 증가한다는 한계도 존재한다. 향후 연구에서는 베이지안 MCMC 방법을 도입해 파라미터 불확실성을 더 정밀하게 평가하거나, 연속형 반응 데이터에 대한 확장 모델을 고안하는 방향이 제시된다.