Academic Procrastination, Digital Addiction, and General Achievement Expectancy in University Students: Profile Delineating via Hierarchical Cluster Analysis

기술 요약: 대학생의 학업적 미루기, 디지털 중독, 그리고 일반적 성취 기대

문제 제기
본 연구는 대학생의 학업적 미루기(AP), 디지털 중독(DA), 그리고 일반적 성취 기대(GAE) 사이의 복잡한 상호작용을 다룬다. 기존 문헌은 이러한 변수들을 변수 중심 접근법(예: 상관관계, 회귀 분석, 구조 방정식 모델링)을 통해 자주 조사해 왔으나, 이러한 방법들은 평균적인 추세에 집중함으로써 학생 집단의 이질성을 가리는 경우가 많다. 저자들은 학생들이 동질적인 집단이 아니라고 주장한다. 예를 들어, 디지털 중독 수준이 유사하더라도 두 학생은 그들의 성취 신념에 따라 매우 다른 미루기 행동을 보일 수 있다. 결과적으로, 이러한 위험 및 보호 요인들을 결합하여 구별되는 학생 프로파일을 식별하기 위한 사람 중심 접근법(person-centered approaches)이 필요하다. 이를 통해 더욱 표적화된 교육적 개입을 촉진할 수 있다.

연구 방법론

• 설계 및 참여자: 본 연구는 터키 마르마라 및 흑해 지역 대학의 학부생 508명을 대상으로 한 양적 단면 연구 설계를 채택하였다. 표본은 주로 여성 학생(78.7%)으로 구성되었으며, 사회과학 전공자(63.9%)에 비중이 높았다.
• 측정 도구: 데이터는 검증된 세 가지 척도를 사용하여 수집되었다:
  1. 개정된 A Procrastination Scale-15 (APS-15): 미루기의 인지적, 행동적, 정서적 차원을 측정함 (본 연구의 Cronbach's $\alpha$ = 0.926).
  2. Digital Addiction Scale (DAS): 과도한 사용, 자제력 부족, 삶의 억제, 정서적 상태 및 의존성을 평가함 (Cronbach's $\alpha$ = 0.910).
  3. Generalized Expectancy for Success Scale (GESS-R): 미래의 학업적 성공에 대한 신념을 측정함 (Cronbach's $\alpha$ = 0.867).
• 분석 접근법: 본 연구는 학업적 미루기, 디지털 중독, GAE 점수를 기준으로 학생들을 그룹화하기 위해 Ward의 연결 기준과 유클리드 거리를 사용한 계층적 군집 분석(agglomerative method)을 활용하였다. 최적의 군집 수는 Davies–Bouldin 지수, gap statistic, silhouette score라는 세 가지 타당성 척치를 사용하여 결정되었다. 최종 분석 전 sklearn과 scipy 라이고리즘 간의 호환성을 검증하였다. 후속 분석에는 Pearson 상관계수, 이원 분산 분석(Two-Way ANOVA, 클러스터 프로파일과 학과 및 연령과 같은 인구통계학적 변수 간의 상호작용 테스트), 그리고 Tukey HSD 사후 검정이 포함되었다.

주요 결과

• 군집 프로파일: 타당성 척치들은 일관되게 2개의 군집 해(k=2)를 나타냈다. 분석 결과 두 가지 뚜렷한 프로파일이 드러났다:
  1. 미루기 - 디지털 중독 그룹 (n=206): 학업적 미루기($M=42.28$)와 디지털 중독($M=60.54$)에서 유의하게 높은 평균 점수를 보였으며, 낮은 일반적 성취 기대($M=77.1$)를 특징으로 한다.
  2. 디지털 균형 - 성공 지향 그룹 (n=302): 낮은 미루기($M=27.86$)와 낮은 디지털 중독($M=44.33$), 그리고 유의하게 높은 일반적 성취 기대($M=85.7$)를 특징으로 한다.
• 상관관계: 디지털 중독(DA)과 학업적 미루기(AP) 사이에 중간 정도의 양의 상관관계가 발견되었다($r=.48$). 두 변수 모두 GAE와 중간 정도의 음의 상관관계를 보였다 (AP의 경우 $r=-.47$, DA의 경우 $r=-.42$).
• 인구통계학적 상호작용:
  • 학과: 학업적 미루기에 대해 클러스터 프로파일과 학과 간의 유의한 상호작용 효과가 발견되었다. 사회과학 및 자연과학 전공 학생들은 신학, 예술 및 스포츠, 언어학 전공자들에 비해 유의하게 높은 미루기 행동을 보였다.
  • 연령: 23세 이상의 학생들은 더 어린 집단에 비해 디지털 중독과 미루기 수준이 유의하게 낮았다. 또한, GAE와 관련하여 연령과 클러스터 프로파일 간의 상호작용 효과가 관찰되었다. "디지털 균형 - 성공 지향" 그룹 내에서 23세 이상의 학생들은 더 어린 학생들보다 유의하게 높은 성취 기대를 보였다.

주요 기여
본 연구의 주요 기여는 변수 중심의 평균을 넘어 학생 프로파일을 묘사하기 위해 사람 중심 접근법을 적용했다는 점이다. 특정 디지털 위험 요소와 학업 신념 체계의 조합이 구별되는 학생 하위 집단을 정의한다는 것을 밝힘으로써, 본 연구는 디지털 기술 사용과 학업 성과를 연결하는 메커니즘에 대한 더 세밀한 이해를 제공한다. 연구는 GAE가 디지털로 유발된 미루기에 취약한 학생과 균형 잡힌 디지털 습관 및 높은 학업 자신감을 유지하는 학생을 구분하는 핵심적인 판별 자원으로 작용함을 강조한다.

의의 및 주장
저자들은 이러한 결과가 고등 교육에서 "일률적인(one size fits all)" 개입에서 벗어나야 함을 시사한다고 주장한다. 대신, 대학은 프로파일별 예방 및 교육 전략을 설계해야 한다.

• 미루기 - 디지털 중독 그룹의 경우, 디지털 리터러시, 비현실적인 성과 기준 및 실패에 대한 두려움을 다루기 위한 인지 행동 전략, 그리고 구조적 학습 지원(예: 과업 세분화, 동료 책임제)에 초점을 맞춘 개입을 제안한다.
• 디지털 균형 - 성공 지향 그룹의 경우, 학생들이 더 까다로운 교과 과정을 이수하는 과정에서 동기적 기초와 자기 효능감 신념을 유지하고 강화하는 데 초점을 맞춰야 한다.
• 또한 본 연구는 이러한 특정 프로파일에 대한 조기 스크리닝(예: 오리엔테이션 기간)이 부적응적 행동이 고착되기 전에 위험 학생을 식선별하는 데 효과적일 수 있다고 가정한다. 특히 위험 프로파일은 18~22세 연령대에서 변화가 거의 없는 반면, 균형 잡힌 프로파일은 연령이 높아짐에 따라 성취 기대도가 발달적 이득을 보인다는 점에 주목한다.

저자가 언급한 한계점
저자들은 횡단적 설계로 인해 관계의 양방향 또는 단방향적 성격에 대한 인과적 추론이 불가능함을 명시적으로 인정한다. 또한 표본의 인구통계학적 편향(주로 여성 및 사회과학 전공자)이 일반화 가능성을 제한할 수 있음을 언급한다. 나아가, 계층적 군집 분석을 사용하였으나, 향후 연구에서는 확률적 멤버십을 모델링하고 전이적 하위 프로파일을 탐색하기 위해 잠재 프로파일 분석(LPA)을 사용할 수 있음을 제안한다.