아프가니스탄 교육 데이터 마이닝 적용 가능성 연구

초록

본 논문은 아프가니스탄 고등교육의 진학·이탈 문제를 해결하기 위해 교육 데이터 마이닝(EDM) 활용 가능성을 탐색한다. 설문조사와 해외 사례 분석을 통해 고등학교 교육과정의 체계적 설계·전공 선택 지원이 필요함을 확인하고, 현재 교육부·대학이 보유한 방대한 데이터가 단순 통계에 머물러 있음을 지적한다. EDM 기법을 적용하면 전공 적합도 예측·이탈 위험 학생 조기 탐지 등 교육 프로세스 개선이 가능하다는 결론을 제시한다.

상세 분석

본 연구는 아프가니스탄 교육 시스템이 직면한 두 가지 근본적 문제, 즉 고등학생의 전공 선택 지원 부재와 대학 신입생의 높은 이탈률을 데이터 기반 접근법으로 해결하고자 한다. 이를 위해 저자는 먼저 해외 선진국 및 개발도상국에서 수행된 교육 데이터 마이닝(EDM) 사례를 문헌 고찰하고, 아프가니스탄 대학생 350명을 대상으로 온라인 설문을 실시하였다. 설문 항목은 고등학교 교육 과정, 진학 상담 경험, 현재 전공 만족도, 학업 성취도, 이탈 의향 등을 포함했으며, 통계적 분석을 통해 전공 선택의 불확실성이 이탈 위험과 강하게 연관됨을 확인했다.

데이터 측면에서 저자는 교육부와 고등교육부가 각각 운영하는 학생 성적, 출결, 시험 결과, 인구통계 데이터베이스가 존재하지만, 데이터 포맷이 상이하고 메타데이터 관리가 미비해 통합 분석이 어려운 현실을 지적한다. 이러한 구조적 한계는 단순 집계(예: 평균 점수, 합격 인원)만을 가능하게 하며, 패턴 탐색이나 예측 모델 구축에 필요한 정제·전처리 단계가 결여돼 있다.

EDM 적용 가능 기술로는 (1) 분류 모델(결정트리, 랜덤 포레스트, 로지스틱 회귀, 신경망)을 이용한 전공 적합도 예측, (2) 군집 분석(K‑means, 계층적 군집)으로 학생을 학습 스타일·성취도 그룹으로 분류, (3) 연관 규칙 학습을 통한 과목 간 성취도 연관성 도출, (4) 시계열 분석을 통한 이탈 위험 시점 예측 등이 있다. 특히, 전공 적합도 예측은 고등학교 성적, 과목 선호도, 가정 배경 등을 입력 변수로 사용해 학생에게 맞춤형 전공 추천을 제공함으로써 Kankor 시험 전 진로 결정을 과학적으로 지원할 수 있다.

하지만 기술 도입에는 여러 도전 과제가 존재한다. 첫째, 데이터 품질 문제다. 누락값, 오류 입력, 비표준화된 코드 체계는 모델 정확도를 저하시킨다. 둘째, 인프라 부족이다. 클라우드 기반 데이터 웨어하우스 구축이나 고성능 컴퓨팅 자원이 제한적이며, 이는 대규모 학습 모델 훈련에 장애가 된다. 셋째, 인적 자원이다. 데이터 과학 및 교육 통계 전문가가 부족해 모델 설계·운영이 어려울 수 있다. 넷째, 개인정보 보호와 윤리적 문제다. 학생의 학업 성취와 가정 환경 등 민감 정보가 포함되므로, 데이터 수집·보관·활용 단계에서 법적·윤리적 가이드라인이 마련되어야 한다. 마지막으로 문화·정치적 요인이다. 교육 정책 결정 과정에 데이터 기반 의사결정이 아직 정착되지 않았으며, 이해관계자 간 신뢰 구축이 필요하다.

이러한 제약을 극복하기 위해 저자는 단계적 로드맵을 제시한다. 초기 단계에서는 기존 데이터베이스를 표준화하고, 메타데이터 사전을 구축해 데이터 통합 기반을 마련한다. 중간 단계에서는 파일럿 프로젝트로 전공 적합도 예측 모델을 개발하고, 파일럿 학교·대학에서 파일럿 운영을 통해 모델 성능과 실용성을 검증한다. 최종 단계에서는 전 국적 차원의 교육 데이터 플랫폼을 구축하고, 정책 입안자와 교육 현장에 모델 결과를 시각화·보고하는 대시보드를 제공한다. 이를 통해 데이터 기반 의사결정 문화가 정착하고, 학생 맞춤형 진로 지도와 이탈 방지 전략이 실효성을 갖게 된다.