딥 메트릭 러닝을 활용한 무크 중도탈락 예측 성능 개선

Abstract

무크는 온라인 플랫폼을 통해 교육 콘텐츠를 제공하는 시스템이다. 시공간 제약없이 강의를 들을 수 있는 편의성 때문에 많은 사람들이 이용하고 있으며, 특히 최근에는 비대면 수업의 확대로 그 중요성이 더욱 커지고 있다. 그러나 이러한 높은 이용률에도 불구, 실제 과정을 수료하는 비율은 저조한 상황이다. 이는 무크가 해결해야 할 주요 문제 중 하나이며, 이를 위해 이용자의 중도 탈 락 여부를 예측하는 방안에 대한 연구가 오랫동안 진행되어 왔다. 본 논문에서는 무크의 중도탈 락 예측 모델의 성능을 향상시키기 위해 딥 메트릭 러닝 모델을 이용하여 분류에 보다 유리한 공 간으로 데이터를 임베딩 시키는 한편, 이용자의 무크 활동정보를 표현할 수 있는 변수를 개발하 였다. 그 결과, 로지스틱 회귀분석과 선형 서포트 벡터 머신, 심층 신경망 모델의 AUC 성능이 향 상되었다.