개별 학생의 한글 CBM 기울기 추정: 베이지안 사전확률 분포의 활용 (Estimating the Korean CBM Slope for Individual Students: Utilizing Bayesian Prior Distributions)

서지정보

· 발행기관 : 한국특수교육학회
· 수록지 정보 : 특수교육학연구 / 59권 / 3호 / 139 ~ 159페이지
· 저자명 : 여승수

초록

본 연구의 주된 목적은 개별 학생의 읽기 성취도를 측정하는 교육과정중심측정(CBM)에서 베이지안 사전확률분포를 활용한 기울기 추정의 효과를 검증하는 것이었다. 기존의 최소제곱추정법(OLS)은 CBM 연구에서 널리 사용됐으나, 데이터가 제한적이거나 이상치에 영향을 받으면 불안정한 추정치를 산출할 위험성을 갖고 있었다. 이에 본 연구는 관련 연구에서 도출된 사전 정보를 반영하는 베이지안 추정법이 OLS보다 더 신뢰성 높은 기울기 추정치를 제공할 수 있는지를 검증하였다. 한국의 초등학교 1학년 학생들을 대상으로 한 읽기 CBM 데이터를 바탕으로 두 추정법의 정확도를 평균제곱근오차(RMSE) 분석을 통해 비교한 결과, 베이지안 추정법이 특히 읽기 부진 학생 집단에서 OLS보다 더 우수한 성능을 보였다. 또한, 강한 사전확률분포를 적용할수록 안정적인 기울기 추정이 가능함을 확인하였다. 본 연구는 특수교사가 중재 전략의 효과를 평가할 때보다 신뢰성 높은 자료에 기반한 의사결정을 지원하며, 데이터 수집 부담을 줄이는 방안을 제시하였다. 본 연구에서 설명한 베이지안 방법은 교육 현장에서 개별 학생의 진전도를 면밀히 분석하고 중재 전략의 효과성을 높이는 데 기여할 수 있을 것으로 기대된다.

영어초록

This study explores the effectiveness of Bayesian prior distributions in estimating the slope of individual students’ reading progress using Curriculum-Based Measurement (CBM). While traditional Ordinary Least Squares (OLS) regression is commonly employed in CBM research, it often yields unstable estimates, particularly when data points are limited or influenced by outliers. This paper investigates whether Bayesian estimation can provide more reliable slope predictions compared to OLS by incorporating prior information from relevant studies. Using Korean first-grade students’ reading CBM data, we compare the accuracy of the two methods through Root Mean Square Error (RMSE) analysis. The findings reveal that Bayesian estimation consistently outperforms OLS, especially for students with reading difficulties, indicating that stronger prior distributions yield more stable results. The implications for special education practitioners include improved decision-making regarding intervention strategies and reduced data collection efforts. This study underscores the potential of Bayesian methods to enhance the precision of individual progress monitoring in educational settings.

참고자료

· 없음