Detecting Unsuccessful Students in Cybersecurity Exercises in Two Different Learning Environments
Created by
- Haebom
Category
Empty
저자
Valdemar \v{S}vabensky, Kristian Tka\v{c}ik, Aubrey Birdwell, Richard Weiss, Ryan S. Baker, Pavel \v{C}eleda, Jan Vykopal, Jens Mache, Ankur Chattopadhyay
개요
본 논문은 사이버보안 교육에서 학생들의 실습 활동 데이터를 활용하여 학습 성취도가 낮을 위험이 있는 학생들을 예측하는 자동화된 도구 개발에 관한 연구이다. 두 개의 학습 환경(KYPO CRP 및 EDURange)에서 313명의 학생 데이터를 수집하여 머신러닝 알고리즘을 통해 학습 성공 여부를 예측하는 모델을 구축하였다. 두 가지 특징 추출 방식을 비교 분석하여 다양한 분류기를 학습시켰고, 의사결정 트리가 가장 높은 정확도와 민감도를 보였다. 본 연구는 사이버보안 실습 데이터를 활용하여 학생들의 성공 여부를 예측할 수 있음을 보여주며, 교수자의 효율적인 학생 지원을 위한 잠재적 활용 가능성을 제시한다. 데이터와 코드를 공개하여 다른 연구자들의 활용을 지원한다.
시사점, 한계점
•
시사점:
◦
사이버보안 실습 데이터를 활용하여 학생들의 학습 성취도를 예측할 수 있는 자동화된 시스템 개발 가능성을 제시.
◦
교수자의 효율적인 학생 지원을 위한 데이터 기반 의사결정 지원 가능.
◦
개발된 모델과 데이터, 코드 공개를 통한 연구의 재현성 및 확장성 확보.
◦
의사결정 트리 기반 분류기의 높은 성능 확인.
•
한계점:
◦
분석에 사용된 데이터의 규모(313명)가 상대적으로 작을 수 있음.
◦
특정 학습 환경(KYPO CRP 및 EDURange)에 국한된 데이터를 사용하여 일반화 가능성에 대한 검토 필요.
◦
다양한 사이버보안 교육 방식 및 학습 내용에 대한 모델의 일반화 가능성 검증 필요.
◦
장기적인 학습 성과 및 학생 개인 특성 등을 고려하지 않은 단기적인 성취도 예측에 대한 한계.
