본 연구는 CIPP 평가모형을 적용하여 공동연구 프로그램을 대학원생 관점에서 평가하였다. 연구 대 상은 프로그램 참여 대학원생 15명이며, 방문연구 직후 실시한 대면 인터뷰 자료(15명)와 CIPP 평가모 형에 기반한 설문 18문항(7점 리커트 척도) 및 서면 인터뷰 11문항 응답자료(각 13명)를 수집·분석하 였다. 설문 분석 결과, 영역별 평균은 상황(Context) 6.00점, 투입(Input) 5.25점, 과정(Process) 5.71 점, 산출(Product) 5.95점으로 CIPP 네 영역 전반에서 대체로 긍정적 인식을 보였다. 상황 영역에서는 프로그램 필요성과 개인의 연구·학습 요구의 적합성이 높았고, 대학 간 공동연구·교류 경험을 통해 연구 수준 제고와 타 기관 연계 경험 보완을 기대하였다. 투입 영역은 운영 체계에 대한 평가는 긍정적이었 으나 일정·자원 지원 방식에서는 참여자 간 체감 차가 확인되었다. 과정 영역에서는 활동의 유익성과 몰입도가 높았으나 행정 지원 지연 문제가 일부 제기되었다. 산출 영역에서는 역량 향상, 네트워크 유 지, 진로 영향이 높게 평가되었다. 본 연구는 다기관 공동연구를 ‘교육 프로그램’ 관점에서 조망하여, 과 정과 맥락을 포함한 평가의 필요성을 제시했다는 점에서 의의가 있다.

이 연구의 목적은 머신러닝 분석방법을 활용하여 대학생의 소속 학과 만족도에 영향을 미치는 주요 요 인을 분석하여 대학생의 진로지도와 중도탈락 예방 관련 정책 및 제도 수립을 위한 기초 연구 자료를 제 공하기 위함이다. 이를 위해 한국교육고용패널 􎟯(KEEP 􎟯)자료의 4년제 대학 진학생 1,298명을 연구대 상으로 머신러닝 분석방법인 로지스틱 회귀분석과 랜덤포레스트 방법을 통하여 분석을 진행하였다. 주요 분석 결과는 다음과 같다. 첫째, 대학 입학년도에는 대학 생활 관련 변수 이외에도 고등학교 재학 시기 및 고등학교 졸업 후 진로 계획과 관련한 설명변수들이 중요도 상위 10개 항목 중 상당수를 차지하였으며, 입학년도와 졸업년도를 제외한 기간에는 전공 학습과 진로활동에 대한 변수들이, 졸업년도에는 취업준비 및 교육훈련 경험 등이 로지스틱 회귀분석과 랜덤포레스트 분석 결과에서 공통적으로 높은 중요도를 기록하였다. 둘째, 두 분석방 법에 따른 학년별 중요도 상위 10개 변수의 일치도는 63.3%로 나타났다. 셋째, 로지스틱 회귀분석과 달리 랜덤포레스트 분석에서는 설문의 응답자가 다수의 척도를 사용하여 응답한 설명변수들이 중요도 상위 10 개 설명변수에 포함된 경우가 상대적으로 많았다. 이 연구는 교육패널 자료를 단일 분석방법이 아닌 두 가지 머신러닝 방법을 사용하여 공통 요소를 도출하고, 결과의 비교를 시도했다는 점에 의의가 있다.