컴퓨터과학 핵심 과목 학생 만족도 분석

초록

본 연구는 컴퓨터과학 전공 핵심 과목에서 학생 만족도에 가장 큰 영향을 미치는 요인을 데이터 마이닝 기법으로 도출하고, 그 외 속성들의 현재 상태를 평가한다. 설문 조사와 통계·머신러닝 분석을 통해 강의 내용, 교수‑학생 상호작용, 과제 난이도, 평가 공정성 등이 핵심 요인으로 확인되었으며, 기타 시설·지원 서비스는 상대적으로 낮은 만족도를 보였다. 결과는 교육 과정 개선 및 맞춤형 지원 전략 수립에 활용될 수 있다.

상세 분석

이 논문은 전통적인 만족도 조사 방식이 주관적이고 일관성 결여 문제를 안고 있다는 점을 지적하고, 이를 보완하기 위해 정량적 데이터 마이닝 접근을 채택하였다. 연구 대상은 한 대학 컴퓨터과학과의 핵심 전공 과목(예: 자료구조, 알고리즘)이며, 학기 말에 200명 이상의 학생을 대상으로 설문지를 배포하였다. 설문 항목은 30여 개로 구성되었으며, 강의 설계, 교수‑학생 상호작용, 과제·시험 난이도, 평가 투명성, 실습 환경, 학습 지원 서비스 등 다양한 차원을 포괄한다.

수집된 데이터는 결측치 처리와 정규화를 거친 뒤, 변수 간 상관관계 분석, 요인 분석(Factor Analysis) 및 군집 분석(K‑means)으로 전처리되었다. 핵심 요인 추출에는 주성분 분석(PCA)와 함께 의사결정나무(C4.5)와 랜덤 포레스트(Random Forest) 모델을 적용해 변수 중요도를 정량화하였다. 특히, 랜덤 포레스트는 변수 중요도 순위에서 ‘교수‑학생 상호작용’(importance = 0.27), ‘평가 공정성’(0.22), ‘과제 난이도 적절성’(0.18) 등을 상위에 배치하였다.

연관 규칙(Apriori) 분석을 통해서는 “평가 공정성 높음 → 전체 만족도 높음”(confidence = 0.81)과 “실습 장비 부족 → 만족도 낮음”(confidence = 0.74)과 같은 유의미한 패턴이 도출되었다. 또한, 군집 분석 결과는 만족도가 높은 학생군과 낮은 학생군이 명확히 구분되었으며, 전자는 ‘적극적 피드백 제공’과 ‘명확한 학습 목표’를 공통적으로 경험한 것으로 나타났다.

이러한 정량적 결과는 기존 문헌에서 제시된 ‘강의 질’과 ‘학습 지원’이 만족도에 미치는 영향을 실증적으로 재확인하면서도, 특히 ‘평가 공정성’과 ‘과제 난이도 적절성’이 핵심 요인으로 부각되는 점을 새롭게 제시한다. 연구자는 데이터 기반 인사이트를 바탕으로 교수법 개선, 평가 체계 투명화, 실습 인프라 확충 등의 구체적 정책 제안을 제시한다.