MOOC 이탈 예측과 원인 분석

초록

본 연구는 2012년 가을 학기 MIT 6.002x 강좌 데이터를 활용해, 학생들의 코스 중도 탈락(Stopout)을 고정된 시점에 예측하는 모델을 구축한다. 25여 개의 행동 기반 특성을 설계하고, 주별(lead‑lag) 예측 프레임워크를 적용해 10 000여 개의 머신러닝 모델을 학습시켰으며, AUC 0.95에 달하는 높은 정확도를 달성했다. 특히 첫 주 데이터만으로도 최종 주 이탈을 0.71 수준으로 예측할 수 있음을 보였다.

상세 분석

이 논문은 MOOC 환경에서 학습자의 이탈을 조기에 감지하기 위한 전 과정 파이프라인을 제시한다. 먼저 edX에서 제공된 클릭스트림, 포럼, 위키, 과제 제출 로그 등 방대한 원시 데이터를 MOOCdb라는 정규화 스키마로 변환해 저장함으로써, 70 GB 규모의 원시 데이터를 7 GB 수준으로 압축하고 메모리 기반 분석이 가능하도록 했다. 데이터 정제 후, 저자들은 ‘과제 제출 여부’를 이탈 정의의 핵심으로 채택했으며, 이를 통해 105 622명의 학습자 중 52 683명이 첫 주에 과제를 제출하지 않아 분석 대상에서 제외되는 등, 실제 학습 참여도를 반영한 라벨링을 수행했다.

예측 문제는 ‘lead’와 ‘lag’ 개념으로 구조화되었다. 예를 들어, lead = 5, lag = 3이면 첫 3주 행동 데이터를 이용해 5주 뒤 이탈 여부를 예측한다. 이렇게 하면 주별로 91개의 독립적인 이진 분류 문제가 생성된다. 특성 엔지니어링 단계에서는 27개의 복합 특성을 설계했는데, 이는 동영상 시청 시간, 과제 시도 횟수, 포럼 활동량, 주간 성취도(점수 평균) 등 다양한 행동 지표를 포함한다. 특히 군중소싱을 통해 특성 후보를 확장하고, 시계열적 변동을 포착하기 위해 주간 누적값과 변화율을 모두 활용했다.

모델링에는 로지스틱 회귀, 서포트 벡터 머신, 랜덤 포레스트, 딥러닝(Deep Belief Network) 등 최신 기법을 적용했으며, 하이퍼파라미터 튜닝과 교차 검증을 통해 10 000여 개의 모델을 자동 생성했다. 성능 평가는 ROC‑AUC 기준으로 수행했으며, 대부분의 경우 0.88 ~ 0.95의 높은 점수를 기록했다. 특히 ‘한 주 데이터만으로 최종 주 이탈을 예측’하는 가장 어려운 시나리오에서도 AUC 0.71을 달성, 제한된 정보만으로도 의미 있는 예측이 가능함을 증명했다.

특성 중요도 분석에서는 과제 제출 빈도와 점수 변화가 가장 강력한 예측 변수로 나타났으며, 포럼·위키 활동은 보조적인 역할을 하는 것으로 드러났다. 또한, 이탈이 발생한 주 이전의 행동 패턴이 급격히 감소하는 경향을 보였으며, 이는 조기 경고 시스템 설계에 활용될 수 있다.

전체적으로 이 연구는 대규모 온라인 교육 데이터에 대한 체계적 전처리, 풍부한 특성 설계, 그리고 다중 모델 탐색을 결합해, MOOC 이탈 예측이 실용적인 수준임을 입증한다. 향후 다른 코스와 플랫폼에 적용해 일반화 가능성을 검증하고, 예측 결과를 기반으로 맞춤형 개입(intervention) 전략을 설계하는 것이 향후 과제로 제시된다.