💻 computer science

Early Academic Capital as the Causal Origin of Dropout in Constrained Educational Systems -- Evidence from Longitudinal Data and Structural Causal Models

이 논문은 공학 계열 교육 과정의 종단 데이터를 활용한 인과 추론 분석을 통해, 대학 중도 탈락이 개별적인 과목 낙제와 같은 후속 사건보다는 학기 초기의 학업 성취도(학업 자본)와 교육 시스템의 시간적 제약 사이의 불일치에서 비롯된다는 것을 입증했습니다.

원저자: Hugo Roger Paz

게시일 2026-04-28

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Hugo Roger Paz

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🎓 제목: "성적표의 점수보다 무서운 것은 '엇박자'다"

1. 기존의 생각: "시험에 떨어져서 그만두는 거야" (사건 중심)

보통 우리는 학생이 대학을 그만둔다고 하면, 이런 이유를 떠올립니다.
"아, 저 학생 이번에 수학 시험에서 낙제했구나. 그래서 의욕을 잃고 그만뒀나 보네."

이것을 논문에서는 **'이벤트(사건) 중심'**의 시각이라고 부릅니다. 마치 축구 경기에서 골을 못 넣어서 팀이 지는 것처럼, '낙제'라는 특정 사건이 탈락의 직접적인 원인이라고 믿는 것이죠.

2. 이 논문의 새로운 시각: "이미 리듬이 깨진 거야" (궤적 중심)

하지만 이 연구는 완전히 다른 이야기를 합니다. 학생이 그만두는 진짜 이유는 특정 시험에 떨어진 그 순간이 아니라, '학습의 속도'와 '학교의 시간'이 어긋나기 시작한 아주 초기 단계에 이미 결정되어 있다는 것입니다.

이를 이해하기 위해 '계단 오르기' 비유를 들어볼게요.

[계단 오르기 비유]
여러분이 아주 높은 탑을 올라가고 있습니다. 이 탑은 규칙이 엄격해서, '1층 계단을 다 밟아야만 2층 계단으로 넘어갈 수 있는' 구조입니다.

어떤 학생은 1층에서 계단을 하나하나 차근차근 잘 밟고 있습니다. 그런데 어떤 학생은 1층에서 자꾸 발을 헛디디거나, 계단 하나를 오르는 데 시간이 너무 오래 걸립니다.

시간이 흘러 모두가 3층, 4층을 향해 달려가고 있는데, 이 학생은 여전히 1층 계단 근처에서 머뭇거리고 있습니다. 이때 이 학생이 겪는 문제는 단순히 '계단 하나를 못 밟은 것'이 아닙니다. **남들은 이미 저 멀리 올라가서 다음 단계로 넘어갈 준비를 하는데, 본인은 여전히 기초 단계에 머물러 있는 '박자(리듬)의 불일치'**가 진짜 문제입니다.

결국 이 학생이 나중에 2층 계단에서 넘어지는 것은, 이미 1층에서 박자가 어긋났기 때문에 일어날 수밖에 없는 **'정해진 결말'**에 가깝다는 것이죠.

3. 연구의 핵심 결과: "초반 스노우볼 효과"

연구팀이 수만 명의 공대생 데이터를 분석해 보니 놀라운 결과가 나왔습니다.

진짜 범인: 입학 후 첫 1년(두 학기) 동안 제대로 된 과목을 거의 통과하지 못한 학생들은, 나중에 특정 과목(예: 대수학)에서 낙제했을 때보다 자퇴할 확률이 무려 2배나 더 높았습니다.
결론: '수학 시험 낙제'는 이미 탈락할 위기에 처한 학생들에게 나타나는 **'증상'**일 뿐이지, 탈락을 일으키는 **'근본 원인'**이 아니라는 것입니다. 진짜 원인은 초반에 공부의 진도(자본)를 제대로 쌓지 못해 학교의 시간 흐름과 박자가 어긋나버린 **'초기 궤적의 이탈'**에 있었습니다.

4. 우리에게 주는 메시지: "사후 약방문보다는 사전 예방을"

이 연구는 교육 정책에 아주 중요한 조언을 던집니다.

지금까지의 학교는 학생이 시험에 떨어지면 "자, 여기 보충 수업 있어"라고 뒤늦게 도와줬습니다(사후 처방). 하지만 이 논문에 따르면, 이미 박자가 어긋난 학생에게 보충 수업을 주는 것은 밑 빠진 독에 물 붓기가 될 수 있습니다.

진짜 해결책은:
학생이 시험에서 떨어지기를 기다릴 게 아니라, 입학 직후 아주 초기에 "이 학생은 지금 학교의 진도와 박자가 맞지 않고 있구나!"라는 것을 미리 알아채고, 그 박자를 다시 맞춰주는 데 집중해야 한다는 것입니다.

💡 요약하자면:

"학생이 대학을 그만두는 것은 특정 시험에 실패해서가 아니라, 초반에 공부의 리듬을 놓쳐서 학교의 시간 흐름과 따로 놀기 시작했기 때문이다. 따라서 낙제생을 찾아낼 게 아니라, 초반에 진도가 뒤처지는 학생을 미리 찾아내어 리듬을 되찾아줘야 한다."

[기술 요약] 제약된 교육 시스템 내 중도 탈락의 인과적 기원으로서의 초기 학업 자본

1. 문제 정의 (Problem Statement)

기존의 고등교육 중도 탈락(Dropout) 연구는 주로 과목 낙제, 재수강 등 관찰 가능한 '사건 기반(Event-based)' 관점에 치중해 왔습니다. 이러한 접근법은 특정 사건과 탈락 사이의 상관관계를 파악하는 데는 유용하지만, 다음과 같은 한계를 가집니다:

인과관계와 상관관계의 혼동: 특정 과목의 실패가 탈락을 직접 유발하는 것인지, 아니면 이미 악화된 학업 궤적(Trajectory)의 결과로 나타나는 증상인지 구분하지 못합니다.
개입 시점의 오류: 예측 모델이 식별한 '위험 신호(사건)'에만 집중할 경우, 실제 원인이 아닌 결과(증상)를 치료하는 데 자원을 낭비할 위험이 있습니다.

본 연구는 공학 커리큘럼과 같이 선이수 과목 체계가 엄격한 **'제약된 시스템(Constrained System)'**에서, 학생의 학업 진전 속도와 제도적 시간 제약 사이의 불일치가 어떻게 중도 탈락을 유발하는지 규명하고자 합니다.

2. 연구 방법론 (Methodology)

본 연구는 인과적 계산 사회과학(Causal Computational Social Science) 접근법을 채택하여, 단순 예측을 넘어 인과적 메커니즘을 식별합니다.

데이터셋: 아르헨티나 투쿠만 국립대학교(UNT) 공학부 학생 16,868명의 종단적 행정 데이터(Longitudinal Administrative Data).
처치(Treatment) 정의: '낮은 초기 학업 자본(Low Early Academic Capital)'. 즉, 두 번째 활성 학기(Term 2) 종료 시점까지 통과한 과목이 1개 이하인 상태.
결과 변수(Outcome): 입학 후 3년 이내의 기관 중도 탈락 여부.
인과 추론 전략 (Methodological Triangulation): 결과의 강건성(Robustness)을 확보하기 위해 서로 다른 두 가지 인과 추론 모델을 사용했습니다.
1. G-estimation of Structural Nested Mean Models (SNMM): 시간 가변적 교란 요인(Time-varying confounders)이 존재하는 상황에서 처치의 가법적 인과 효과( $\psi$ )를 직접 추정.
2. Marginal Structural Models (MSM) with IPTW: 역확률 가중치(Inverse Probability of Treatment Weighting)를 사용하여 교란 요인이 통제된 가상 인구 집단을 생성하여 효과 추정.
통제 변수: 누적 수강 과목 수, 현재 학기 수강 부하(Load) 등 시간 가변적 교란 요인 포함.

3. 주요 결과 (Key Results)

연구 결과, 초기 학업 자본의 결핍은 중도 탈락에 매우 강력하고 직접적인 인과적 영향을 미치는 것으로 나타났습니다.

핵심 인과 효과: 낮은 초기 학업 자본은 3년 내 중도 탈락 확률을 약 25.3~27.4%포인트(pp) 증가시킵니다. (G-estimation: 25.3pp, MSM-IPTW: 27.4pp)
하위 사건과의 비교: 흔히 중도 탈락의 주요 원인으로 지목되는 '기초 수학(Algebra) 과목의 첫 재수강'이 미치는 직접적인 인과 효과는 12.7%포인트로 나타났습니다.
결론적 비교: 초기 학업 자본의 결핍이 미치는 영향력은 특정 과목 실패(Algebra 재수강)보다 약 2배 더 큽니다.

4. 핵심 기여 및 의의 (Key Contributions & Significance)

학술적 기여

궤적 기반 프레임워크 제시: 중도 탈락을 개별 사건의 결과가 아닌, 시간과 학업 자본 축적 사이의 불일치로 인해 발생하는 **'동적 궤적(Dynamic Trajectory)'**의 종착점으로 재정의했습니다. (Time–Capital Misalignment Hypothesis)
인과적 메커니즘 규명: 기존의 '사건 기반' 연구들이 놓쳤던 상류(Upstream)의 구조적 원인을 인과 추론 기법을 통해 입증했습니다.
방법론적 정교화: 교육학 연구에서 활용이 저조했던 G-estimation과 MSM을 적용하여, 시간 가변적 교란 요인이 존재하는 복잡한 교육 데이터에서의 인과 추론 가능성을 보여주었습니다.

정책적/실무적 시사점

개입 시점의 전환 (Shift in Intervention): 중도 탈락 방지를 위한 개입은 과목 낙제나 재수강이 발생한 '사후(Downstream)'가 아니라, 학기 초반(첫 1~2학기)의 학업 자본 형성 단계에서 이루어져야 합니다.
예측 모델의 재해석: 머신러닝 기반의 조기 경보 시스템이 식별하는 '위험 신호'는 탈락의 원인이 아니라, 이미 궤적이 이탈했음을 알리는 '증상'임을 인지해야 합니다.
구조적 개선 필요성: 중도 탈락의 높은 비율은 개별 학생의 역량 문제뿐만 아니라, 커리큘럼의 시간적 제약과 선이수 체계가 학생의 학습 속도와 맞지 않는 구조적 불일치에서 기인할 수 있음을 시사하며, 이는 커리큘럼 설계의 변화를 요구합니다.