Longitudinal study of educational satisfaction change using latent growth models - Focusing on K university

2020, 31

4)

637–652

잠재성장모형을 이용한 대학생의 교육만족도 변화에 관한 종단 연구 - K 대학교

ᄎ

ᅬ현석

¹

²

1계명대학교 교육성과관리센터 ·²계명대학교 교육학과

ᄌ ᅥ

ᆸᄉ ᅮ 2020ᄂ ᅧ ᆫ 4ᄋ ᅯ ᆯ 16ᄋ ᅵ ᆯ, ᄉ ᅮᄌ ᅥ ᆼ 2020ᄂ ᅧ ᆫ 5ᄋ ᅯ ᆯ 25ᄋ ᅵ ᆯ, ᄀ ᅦᄌ ᅢ ᄒ ᅪ ᆨᄌ ᅥ ᆼ 2020ᄂ ᅧ ᆫ 5ᄋ ᅯ ᆯ 28ᄋ ᅵ ᆯ

요 약

ᄇ

ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄂ ᅳ ᆫ K ᄃ ᅢᄒ ᅡ ᆨᄀ ᅭᄋ ᅴ ᄌ ᅩ ᆼ ᄃ ᅡ ᆫᄌ ᅡᄅ ᅭᄅ ᅳ ᆯ ᄋ ᅵᄋ ᅭ ᆼ ᄒ ᅡᄋ ᅧ ᄉ ᅵᄀ ᅡ ᆫᄋ ᅴ ᄒ ᅳᄅ ᅳ ᆷ ᄋ ᅦ ᄄ ᅡᄅ ᅳ ᆫ K ᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄃ ᅢᄒ ᅡ ᆨᄉ ᅢ ᆼᄃ ᅳ ᆯ ᄋ ᅴ ᄀ ᅭᄋ ᅲ ᆨ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ

ᅩᄋ ᅴ ᄇ ᅧ ᆫᄒ ᅪ ᄀ ᅪᄌ ᅥ ᆼᄋ ᅳ ᆯ ᄎ ᅮᄌ ᅥ ᆨᄒ ᅡᄀ ᅩᄌ ᅡ ᄒ ᅡ ᆫᄃ ᅡ. ᄇ ᅩ ᆫ ᄋ ᅧ ᆫᄀ ᅮᄋ ᅴ ᄆ ᅩ ᆨᄌ ᅥ ᆨᄋ ᅳ ᆯ ᄋ ᅱᄒ ᅢ 2014ᄂ ᅧ ᆫ 1ᄒ ᅡ ᆨᄀ ᅵᄋ ᅦᄉ ᅥ 2017ᄂ ᅧ ᆫ 2ᄒ ᅡ ᆨᄀ ᅵᄁ ᅡᄌ ᅵ ᄒ ᅡ ᆨ ᄋ ᅥ

ᆸᄋ ᅳ ᆯ ᄌ ᅮ ᆼ ᄃ ᅡ ᆫᄒ ᅡᄌ ᅵ ᄋ ᅡ ᆭᄀ ᅩ 8ᄒ ᅡ ᆨᄀ ᅵ ᄃ ᅩ ᆼ ᄋ ᅡ ᆫ ᄋ ᅧ ᆫᄉ ᅩ ᆨᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ ᄃ ᅳ ᆼᄅ ᅩ ᆨ ᄒ ᅡ ᆫ 1,072ᄆ ᅧ ᆼᄋ ᅳ ᆯ ᄃ ᅢᄉ ᅡ ᆼᄋ ᅳᄅ ᅩ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄒ ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄌ ᅩᄉ ᅡᄃ ᅩᄀ ᅮᄂ ᅳ ᆫ 6ᄀ ᅢ ᄋ ᅧ

ᆼᄋ ᅧ ᆨ, 28ᄀ ᅢ ᄆ ᅮ ᆫ ᄒ ᅡ ᆼᄋ ᅳᄅ ᅩ ᄀ ᅮᄉ ᅥ ᆼᄃ ᅬᄋ ᅥ ᄋ ᅵ ᆻᄋ ᅳᄆ ᅧ, ᄀ ᅭᄉ ᅮ, ᄀ ᅭᄋ ᅲ ᆨ ᄂ ᅢᄋ ᅭ ᆼ, ᄒ ᅡ ᆨᄉ ᅢ ᆼᄒ ᅪ ᆯᄃ ᅩ ᆼ, ᄀ ᅭᄋ ᅲ ᆨ ᄉ ᅵᄉ ᅥ ᆯᄀ ᅪ ᄒ ᅪ ᆫᄀ ᅧ ᆼ, ᄒ ᅡ ᆨᄀ ᅪ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩ, ᄃ ᅢ ᄒ ᅡ

ᆨ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩᄅ ᅩ ᄀ ᅮᄉ ᅥ ᆼᄃ ᅬᄋ ᅥ ᄋ ᅵ ᆻᄃ ᅡ. ᄀ ᅭᄋ ᅲ ᆨ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩᄋ ᅴ ᄇ ᅧ ᆫᄒ ᅪᄅ ᅳ ᆯ ᄌ ᅩ ᆼ ᄃ ᅡ ᆫᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ ᄇ ᅮ ᆫᄉ ᅥ ᆨᄒ ᅡᄀ ᅵ ᄋ ᅱᄒ ᅡᄋ ᅧ ᄌ ᅡ ᆷᄌ ᅢᄉ ᅥ ᆼᄌ ᅡ ᆼᄆ ᅩᄒ ᅧ ᆼᄋ ᅳ ᆯ ᄉ ᅡᄋ ᅭ ᆼ ᄒ

ᅡᄋ ᅧ ᆻᄃ ᅡ. ᄋ ᅧ ᆫᄀ ᅮᄀ ᅧ ᆯᄀ ᅪᄋ ᅦ ᄄ ᅡᄅ ᅳᄆ ᅧ ᆫ, ᄂ ᅡ ᆷᄒ ᅡ ᆨᄉ ᅢ ᆼᄋ ᅳ ᆫ ᄁ ᅮᄌ ᅮ ᆫ ᄒ ᅵ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩᄀ ᅡ ᄌ ᅳ ᆼ ᄀ ᅡᄒ ᅡᄂ ᅳ ᆫ ᄀ ᅧ ᆼᄒ ᅣ ᆼᄋ ᅳ ᆯ ᄇ ᅩᄋ ᅵᄂ ᅡ ᄋ ᅧᄒ ᅡ ᆨᄉ ᅢ ᆼᄋ ᅳ ᆫ ᄆ ᅩᄃ ᅳ ᆫ ᄒ ᅡ ᆨᄂ ᅧ ᆫ ᄋ

ᅦᄉ ᅥ ᄃ ᅩ ᆼᄋ ᅵ ᆯᄒ ᅡᄀ ᅥᄂ ᅡ ᄀ ᅡ ᆷᄉ ᅩᄒ ᅡᄂ ᅳ ᆫ ᄀ ᅧ ᆼᄒ ᅣ ᆼᄋ ᅳ ᆯ ᄂ ᅡᄐ ᅡᄂ ᅢᄋ ᅥ ᆻᄃ ᅡ. ᄌ ᅥ ᆫᄒ ᅧ ᆼᄋ ᅲᄒ ᅧ ᆼᄋ ᅦ ᄄ ᅡᄅ ᅡᄉ ᅥ ᄎ ᅩᄀ ᅵᄀ ᅡ ᆹᄀ ᅪ ᄀ ᅵᄋ ᅮ ᆯ ᄀ ᅵᄋ ᅴ ᄎ ᅡᄋ ᅵᄂ ᅳ ᆫ ᄐ ᅩ ᆼ ᄀ ᅨᄌ ᅥ ᆨ ᄋ

ᅳᄅ ᅩ ᄋ ᅲᄋ ᅴᄒ ᅡ ᆫ ᄎ ᅡᄋ ᅵᄀ ᅡ ᄂ ᅡᄌ ᅵ ᄋ ᅡ ᆭᄂ ᅳ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄀ ᅳᄅ ᅥᄂ ᅡ ᄂ ᅡ ᆷᄒ ᅡ ᆨᄉ ᅢ ᆼᄋ ᅴ ᄀ ᅧ ᆼᄋ ᅮ, ᄌ ᅥ ᆼᄉ ᅵᄋ ᅵ ᆸᄒ ᅡ ᆨᄉ ᅢ ᆼᄇ ᅩᄃ ᅡ ᄉ ᅮᄉ ᅵᄋ ᅵ ᆸᄒ ᅡ ᆨᄉ ᅢ ᆼ ᄋ

ᅴ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩᄀ ᅡ ᄂ ᅡ ᆽᄋ ᅡ ᆻᄋ ᅳᄂ ᅡ ᄆ ᅢᄂ ᅧ ᆫ ᄉ ᅡ ᆼᄉ ᅳ ᆼ ᄒ ᅡᄋ ᅧ ᄌ ᅥ ᆼᄉ ᅵᄋ ᅵ ᆸᄒ ᅡ ᆨᄉ ᅢ ᆼᄇ ᅩᄃ ᅡ ᄂ ᅩ ᇁ ᄋ ᅡᄌ ᅵ ᆫ ᄀ ᅥ ᆺᄋ ᅳᄅ ᅩ ᄂ ᅡᄐ ᅡᄂ ᅡ ᆻᄃ ᅡ. ᄃ ᅢᄒ ᅡ ᆨᄋ ᅴ ᄀ ᅭᄋ ᅲ ᆨᄒ ᅪ ᆫᄀ ᅧ ᆼᄋ ᅵ ᄋ ᅧ ᄒ ᅡ

ᆨᄉ ᅢ ᆼᄀ ᅪ ᄌ ᅥ ᆼᄉ ᅵ ᄋ ᅵ ᆸᄒ ᅡ ᆨᄉ ᅢ ᆼᄋ ᅦᄀ ᅦ ᄃ ᅥ ᄇ ᅮᄌ ᅥ ᆼᄌ ᅥ ᆨᄋ ᅳᄅ ᅩ ᄌ ᅡ ᆨᄋ ᅭ ᆼ ᄒ ᅡᄂ ᅳ ᆫ ᄋ ᅭᄋ ᅵ ᆫᄋ ᅵ ᄆ ᅮᄋ ᅥ ᆺᄋ ᅵ ᆫᄌ ᅵᄋ ᅦ ᄃ ᅢᄒ ᅡ ᆫ ᄎ ᅮᄀ ᅡ ᄐ ᅡ ᆷᄉ ᅢ ᆨᄋ ᅵ ᄑ ᅵ ᆯᄋ ᅭᄒ ᅡ ᆷᄋ ᅳ ᆯ ᄉ ᅵᄉ ᅡ ᄒ ᅡ

ᆫᄃ ᅡ.

ᄌ

ᅮᄋ ᅭᄋ ᅭ ᆼ ᄋ ᅥ: ᄀ ᅭᄋ ᅲ ᆨ ᄆ ᅡ ᆫᄌ ᅩ ᆨ ᄃ ᅩ, ᄌ ᅡ ᆷᄌ ᅢᄉ ᅥ ᆼᄌ ᅡ ᆼᄆ ᅩᄒ ᅧ ᆼ, ᄌ ᅩ ᆼ ᄃ ᅡ ᆫᄋ ᅧ ᆫᄀ ᅮ.

1. 서론 ᄀ

ᅭ육만족도는학생이 대학에서 경험하는교육경험과 학교에서 제공하는다양한 교육서비스에 대한 전 ᄇ

ᅡᆫ적인 인식이다. 대부분의 대학에서 교육의 질, 학업성취도, 학교이미지를 높이고, 새로운개선방향을 ᄆ

ᅩ색하기 위해 교육만족도 조사를 실시하고 있다.

ᄃ

ᅢ학교육은한 국가의 고급인력을양성하고, 국가 경쟁력을결정할 수 있는기능과 더불어 한 개인의 ᄉ

ᅡ

ᆱ의 질 향상과 교육욕구 충족,취업과 경제사회활동에 필요한 개인능력을고양시키는기능을하고 있으 ᄆ

ᅧ 대학교육은그 교육서비스 품질을수요자인 대학생들에 의해 평가 받게된다. 대학의 질은교육서비 ᄉ

ᅳ 품질 평가에 의해 결정되는것이며, 교육서비스 품질 평가는대학생의 만족도에 의해 결정되는것이 ᄅ

ᅡ고 할 수 있다 (Choi, 2013). 교육현장에서 만족감을느끼는학생들은교실에서 뿐만 아니라, 학교 졸 어

ᆸ 이후의 삶 속에서도 더욱잘 적응하고, 보다 높은성취도와 내재동기를나타내는것으로 보고되고 있 ᄃ

ᅡ (Kuh 등, 2010).

ᄀ

ᅭ육만족도와 대학생활 만족도에관한 다양한 선행연구가 이루어져왔다. Kim (2016)의 연구에서는 서

ᆼ별·전형유형별 전공만족도 종단연구에서 신입생의 전공만족도의 변화를무조건모형으로 분석한 결과,

1

(42601) ᄃ ᅢᄀ ᅮ ᄀ ᅪ ᆼᄋ ᅧ ᆨᄉ ᅵ ᄃ ᅡ ᆯᄉ ᅥᄀ ᅮ ᄃ ᅡ ᆯᄀ ᅮᄇ ᅥ ᆯᄃ ᅢᄅ ᅩ 1095, ᄀ ᅨᄆ ᅧ ᆼᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄀ ᅭᄋ ᅲ ᆨᄉ ᅥ ᆼᄀ ᅪ ᄀ ᅪ ᆫ ᄅ ᅵᄉ ᅦ ᆫᄐ ᅥ, ᄌ ᅩᄀ ᅭᄉ ᅮ.

2

ᄀ ᅭᄉ ᅵ ᆫᄌ ᅥᄌ ᅡ: (42601) ᄃ ᅢᄀ ᅮ ᄀ ᅪ ᆼᄋ ᅧ ᆨᄉ ᅵ ᄃ ᅡ ᆯᄉ ᅥᄀ ᅮ ᄃ ᅡ ᆯᄀ ᅮᄇ ᅥ ᆯᄃ ᅢᄅ ᅩ 1095, ᄀ ᅨᄆ ᅧ ᆼᄃ ᅢᄒ ᅡ ᆨᄀ ᅭ ᄀ ᅭᄋ ᅲ ᆨ ᄒ ᅡ ᆨᄀ ᅪ, ᄀ ᅭᄉ ᅮ.

E-mail: [email protected]

ᄉ

ᅵᆫ입생의 전공만족도는학기가 진행됨따라 계속감소하는경향을보였고, 조건모형을 통해 신입생의 전 ᄀ

ᅩ

ᆼ만족도의 최초 값과 기울기 값에 영향을미치는예측요인을 분석 결과, 전형유형은전공만족도의 초 ᄀ

ᅵ값에 영향을미쳤으나 전공만족도의 변화율에는영향을미치지 못하였으며 성별로는여학생은대학에 ᄉ

ᅮ학 학년이 길어지더라도 대학 전공만족도가 남학생 보다 높은것으로 나타났다.

Choi (2013)의 연구에서는대학교육만족도에 영향을미치는변인을선행연구에서 추출하여 교수, 교 ᄋ

ᅲ

ᆨ내용, 교육방법, 시설 및환경, 담당직원의 서비스 등 5가지 영역으로 분류하여 대학생들의 대학교육 ᄆ

ᅡᆫ족도에 영향을 미치는주요 변인의 영향력을파악하기 위해 회귀분석을 실시한 결과 교수, 교육내용, ᄀ

ᅭ육방법, 시설 및환경의 4가지 변인이 유의한 영향력 변인으로 나타났다.

Seo와 Yoon (2018)의 연구에서는지방대학의 교육만족도에 영향을주는요인의 변화와관계를 분석 ᄒ

ᅡ였는데, 잠재성장모형에서 제시한 대학시설지원, 교육과정, 기초학습프로그램, 대학상담, 교수 면담 ᄋ

ᅳ

ᆫ교수-학습만족도와관련이 있으며, 초기치의 분산이 유의한 것으로 나타나 개인차가 존재하는것으 ᄅ

ᅩ 나타났으며, 연구대학시설지원, 교육과정, 대학상담, 교수면담이 교수-학습만족도의 초기치에 영향 ᄋ

ᅳᆯ미치는것으로 나타났고, 교육과정 및 대학상담이 교수-학습만족도의 변화율에 영향을미치는것으 ᄅ

ᅩ 나타났다.

Kim과 Kim (2014)의 연구에서는대학생활만족도와 자율성 및 유능성의 변화정도를살펴보기 위하 ᄋ

ᅧ, 각 변인별로 잠재성장모형으로 분석한 결과, 학생들의 유능성에 대한 지각만이 선형변화모형으로 산 저

ᆼ되었고, 나머지 변인들은무변화모형으로 산정되었으며, 신입생들의 자율성과 유능성은대학생활 만 ᄌ

ᅩ

ᆨ도에 강한 정적 영향을주며 유능성의 초기값보다 유능성의 변화율이 훨씬 강하게 대학생활만족도에 여

ᆼ향을 준다고 하였다.

Cho와 Lee (2016)의 연구에서는대학입학전형과 대학생의 대학생활및 대학·전공만족도, 학업성취 ᄃ

ᅩ 간의관계 연구에서 수업태도와 전공만족도는 1학년 학업성취도에긍정적인 효과를주는반면 학교 새

ᆼ활 적응과 대학 만족도는 1학년 학업성취도에 부정적인 영향을미치는것으로 나타났다. 학교생활 적 ᄋ

ᅳ

ᆼ을잘하고 있는학생의 경우 대학에서 만난 새로운 친구들과의관계가 좋으며, 동아리활동 등의 학업 ᄋ

ᅵ외의 다양한 대학 생활을함에 따라 1학년 성적이 낮게 나타나고 자신이 입학한 대학에 만족도가 높은 ᄒ

ᅡᆨ생의 경우 자신이 원하는대학에 입학해 1학년 때 다소 학업을소홀히 하는경향이 있다고 하였다.

Choi와 Park (2018)의 연구에서는잠재성장모형을 통해서 전형유형에 따라 학업성취도가 어떻게 변 ᄒ

ᅪ하는지를 분석한 결과 정시모집이 수시모집 전형보다 GPA의 초기값부터 높게 나타나지만 이수 학기 ᄀ

ᅡ 늘어나면서 차이가 줄어드는경향을보이고 있다고 하였다.

K대학교는대학교육에 대한 재학생들의 인식을체계적으로 측정하고자 2004년부터 교수, 교육내용, ᄒ

ᅡᆨ생활동, 교육시설 및환경, 학교이미지, 학과이미지의 6개 영역의 교육만족도 조사 도구를개발하여 ᄆ

ᅢ년 말 전체 재학생을대상으로 만족도 조사를 실시하고 있다.

ᄆ

ᅢ년 수집되는 자료의 횡단적인 분석뿐만 아니라 한 학생이 입학부터 졸업까지 실제로 어떤 변화와 서

ᆼ장의 과정을거치는지를면밀히 분석해 볼 필요가 있다. K대학교의 교육만족도 종단자료를이용하여 ᄀ

ᅭ육만족도의 변화 과정을추적하고, 교수, 교육내용,학생활동,교육시설 및환경, 학교이미지, 학과이 ᄆ

ᅵ지의 6개 영역의 시간의 흐름에 따른성장추이를파악하고, 성별, 전형유형별 성장추이를비교하여 향 ᄒ

ᅮ 교육서비스의 개선과 대학 교육의 발전 방안을수립하기 위한 기초 자료를제공하고자 한다.

보

ᆫ 논문의 구성은 다음과 같다. 2절에서는 잠재성장모형과 분석대상, 조사도구에 대하여 설명하고, 3절에서는교육만족도 6개영역의 잠재성장모형의 분석결과를제시하고, 4절에서는결론을내린다.

2. 연구방법

2.1. 잠재성장모형 ᄌ

ᅡ

ᆷ재성장모형을 활용한 구조방정식 모형은 3번 이상 동일 간격에 걸쳐 동일한 척도로 측정된반복측 저

ᆼ 자료로부터 종속변인을 반복측정하고 측정된값을 관찰변인으로 삼아서 종속변인의 절편과 변화량 으

ᆯ구하여 독립변인이 절편과 변화량에 어떤 영향을미치는지를 구하는 통계방법이다 (Marcoulides와 Schumacker, 2001).

ᄌ ᅡ

ᆷ재성장모형은시간의 흐름에 따라 해당 값의 변화량을파악하여 향후 성장성을파악하는모형이고, ᄇ

ᅧᆫ화량의 선형식을 구하는 것이 목적이므로 세 번 또는 그 이상관측된 종단자료나 패널자료에 대하여 지

ᆸ단평균또는개인에 대한 변화량을확인하는연구방법으로, 2단계에 걸쳐 분석하는 것이 일반적이다 (Duncan과 Duncan, 2004).

1단계는 비조건 모형 (unconditional model) 분석단계로 반복 측정된 변수만 포함한 모형의 변화 르

ᆯ 분석하며 절편 (intercept)과 기울기 (slope)를 구한 후 모형의 변화를 분석하는 비조건 선형모형 (unconditional linear model)과 절편과 기울기, 2차항 (quadratic term)을구한 후 모형의 변화를 분석 ᄒ

ᅡ는비조건 비선형모형 (unconditional nonlinear model)이 있다.

2단계 조건 모형 (conditional model)에서는시간에 걸친 변화를예측할 수 있는변수를모형에 포함 ᄒ

ᅡ여 절편, 기울기에 영향을미치는변수를찾아내는조건 선형모형 (conditional linear model)과 절편, ᄀ

ᅵ울기, 2차항에 영향을미치는변수를찾아내는조건 비선형 모형 (conditional nonlinear model)이 있 ᄃ

ᅡ (Kline, 1998; Lee와 Kang, 2013).

ᄌ ᅡ

ᆷ재성장모형을방정식으로 표현하면 다음과 같이 나타낼 수 있다.

yit= αi+ βiλt+ ϵit: unconditional model, (2.1) yit= αi+ βiλt+ βiλ²_t + ϵit: non − linear latent growth modeling, (2.2) ᄋ

ᅧ기서, yit는 i번째의 종단자료 중 t주기에 측정된 종단자료 값, αi는 i번째 학생의 절편, 그리고 βi는 i번째 학생의 기울기를나타낸다 (Bollen과 Curran, 2006).

1단계인 비조건 선형모형을 통하여 교육만족도 6개 영역의 절편과 기울기를구하여 이수학년이 증가 ᄒ

ᅡᆷ에 따라 교육만족도 6개 영역이 선형적으로 변화하는지를 분석한다. 절편의 경로계수를 1로 고정시키 ᄀ

ᅩ, 2차년도부터 선형적인 변화를 가정하여 기울기의 경로계수를 λ1i = i − 1, (i = 1, 2, · · · , 4)로 고 저

ᆼ한다 (Figure 2.1). 2차함수에 의한 비선형 잠재성장모델링 (non-linearlatent growth modeling)모형 으

ᆯ 통하여 교육만족도 6개 영역의 절편과 기울기와 이차항을구하여 이수학년이 증가함에 따라 교육만 ᄌ

ᅩ

ᆨ도 6개 영역이 비선형적으로 변화하는지를 분석한다. 절편의 경로계수를 1,기울기 잠재변수의 경로 ᄀ

ᅨ수를 λ1i= i − 1, (i = 1, 2, · · · , 4), 2차항의 경로계수를 λ2i= (i − 1)², (i = 1, 2, · · · , 4)로 고정하였 ᄃ

ᅡ (Figure 2.2).

Figure 2.1 Unconditional linear model Figure 2.2 Unconditional nonlinear model

2단계 조건 선형모형은성별과 모집단위를모형에 포함하여 절편과 기울기 (Figure 2.3)에 영향을미 ᄎ

ᅵ는 변수를 찾아내며, 2단계 조건 비선형모형은 성별과 모집단위를 모형에 포함하여 절편과 기울기, 2차항 (Figure 2.4)에 영향을미치는변수를찾아내는것이다.

Figure 2.3 Conditional linear model Figure 2.4 Conditional nonlinear model

ᄋ

ᅵ수학년이 증가함에 따라 교육만족도의 변화 상태가 가장 적합한 모형를찾아서, 이수학년이 증가함 ᄋ

ᅦ 따라 교육만족도 6개 영역의 성별 모집단위별 성장 추이의 차이를 분석한다. 이 분석을위해 Amos 25프로그램을사용하였다.

2.2. 분석대상 ᄌ

ᅡ

ᆷ재성장모형을 분석하기 위해서는 3번 이상 동일 간격에 걸쳐 동일한 척도로 측정된 연속형 반응변 ᄉ

ᅮ가 있어야 하므로 안정된 경향을알아보기 위하여 2014학년도 입학생을대상으로 하였다. 2014학년 ᄃ

ᅩ 입학생 5,398명 중외국인 특별전형, 편입학, 연계과정 등을제외한 4,705명 (수시입학생: 3,061명, 저

ᆼ시입학생: 1,644명) 중 2014년 1학기에서 2017년 2학기까지 학업을 중단하지 않고 8학기 동안 연속 ᄌ

ᅥᆨ으로 등록한 1,072명 (22.8%)을대상으로 분석하였다 (Table 2.1).

Table 2.1 Number of students for analysis

group early admission general total

total subject of analysis total subject of analysis total subject of analysis

male 1,361 81 779 68 2140 149

female 1,700 618 865 305 2565 923

total 3,061 699 1,644 373 4,705 1,072

2.3. 조사도구

K대학교 교육만족도 조사도구는 6개 영역의 28개 문항으로 구성되어 있는데 응답범주는 ‘매우 불만 ᄌ

ᅩ

ᆨ한다’ (1점)에서 ‘매우 만족한다’ (5점)까지의 5점 척도로 구성되어 있으며 응답 점수가 5점에 가까울 ᄉ

ᅮ록만족도가 높다고 할 수 있다.

ᄀ

ᅭ수영역은 ‘교수님의 수업에 대한 열의’, ‘학생 수준에 맞는강의내용과 수업방법’, ‘성적평가의 공정 서

ᆼ과 타당성’, ‘교수님의 학생에 대한관심이나 태도’, ‘강의시간 이외의 면담기회와 만족도’의 5문항으 ᄅ

ᅩ 구성되어 있다.

ᄀ

ᅭ육내용영역은 ‘교육과정에 학생들의 요구가 반영되는정도’, ‘현장연계 및 취업능력 개발을위한 교 ᄀ

ᅪ목의 개설 운영’, ‘전공영역 교과 만족도’, ‘교양영역 교과 만족도’의 4문항으로 구성되어 있다.

ᄒ

ᅡᆨ생활동영역은 ‘학과나 학부의 동료 및 선후배관계 만족도’, ‘학생회 및 동아리활동에 대한 대학의 ᄌ

ᅵ원’, ‘학생회 및 동아리 활동에 대한 만족도’, ‘교내 행사나 학생참여 프로그램 만족도’의 4문항으로 ᄀ

ᅮ성되어 있다 ᄀ

ᅭ육시설 및 환경영역은 ‘교육시설 (강의실, 실험 실습실 등)만족도’, ‘후생복지시설 (식당, 기숙사 ᄃ

ᅳᆼ)만족도’, ‘도서관만족도’, ‘전산망 만족도’, ‘캠퍼스 자연환경과 휴식 공간 만족도’, ‘행정 서비스에 ᄃ

ᅢ한 만족도’, ‘장학금수혜 기회와 배분의 공정성’의 7문항으로 구성되어 있다 ᄒ

ᅡᆨ교이미지영역은 ‘학교에 대한 자부심’, ‘학교에 대한 사회적 평판’, ‘이 대학 졸업이 진로나 취업에 ᄆ

ᅵ치는영향 정도’, ‘대학의 발전 가능성과 지역사회 기여도’의 4문항으로 구성되어 있다 ᄒ

ᅡᆨ과이미지영역은 ‘학과에 대한 자부심’, ‘학과에 대한 사회적 평판’, ‘이 학과 졸업이 진로나 취업에 ᄆ

ᅵ치는영향 정도’, ‘학과의 발전 가능성과 지역사회 기여도’의 4문항으로 구성되어있다.

3. 연구결과 ᄀ

ᅭ육만족도의 6개 영역의 변화 추세는이수학년이 증가하면서 비슷한 경향을보이고 있으며, 교수, 학 ᄀ

ᅪ이미지, 교육내용,교육시설 및환경 순으로 만족도가 높은것으로 나타났다 (Figure 3.1).

Professor Educational content Student activities

Educational facilities and environment School image Department image

Figure 3.1 Changes in education satisfaction

3.1. 교육만족도 변화 측정을 위한 잠재성장모형 ᄆ

ᅥᆫ저 비조건 선형모형을 통하여 교육만족도 6개 영역의 절편과 기울기를구하여 이수학년이 증가함에 ᄄ

ᅡ라 교육만족도 6개 영역이 선형적으로 변화하는지를 분석하여 성장 추세를파악하였다. 교육만족도 6개 영역의 이수학년별 추세가 같은경향을보이는것으로 나타났으며, 6개 영역 중에서 교수영역에 대 ᄒ

ᅡ여 설명을하고자 한다.

3.1.1. 교수영역의 비조건 선형 잠재성장모형 ᄀ

ᅭ수영역의 비조건 선형모형은다음과 같다 (Figure 3.2).

Figure 3.2 Unconditional linear model

Table 3.1 Estimates of the unconditional linear model for predicting implied means of processor area

Estimate S.E. t-value p-value

Icept 3.834 0.02 188.966 <0.001

Slope 0.06 0.009 6.634 <0.001

Model fit index: NFI=0.946, CFI=0.954, RMSEA=0.07, AIC=62.042

ᄑ

ᅭ준적합도 (NFI)는 0.9 이상이면 적합한 모델로 판단 할 수 있고, 비교적합도 (CFI)는 0.9이상이 ᄆ

ᅧᆫ 양호한 모델 판단 할 수 있고, RMSEA (root mean square error of approximation)은 0.05∼0.08 ᄋ

ᅵ하이면 수용할 수 있는 것으로 간주된다. 비조건모형의 적합도 지수에서 NFI=0.946, CFI=0.954, RMSEA=0.07로 적합도 기준을 충족시켜 선형 잠재성장모형은적합하다고 할 수 있다. 교수영역의 비 ᄌ

ᅩ건 선형모형의 절편은 3.834로 통계적으로 유의하며 (p <0.001), 기울기는 0.06으로 통계적으로 유의 ᄒ

ᅡ게 나타나고 (p <0.001), 학년이 증가할수록교수영역의 값은평균적으로 0.06씩 증가하는추세를보 ᄋ

ᅵ고 있다 (Table 3.1).

ᄀ

ᅭ수영역의 예측평균 (implied means)은다음과 같이 나타난다 (Table 3.2).

i번째 학년의 교수영역의 예측평균추정값 = 3.834 + 0.06 × (i − 1), (i = 1, 2, 3, 4).

Table 3.2 Estimated implied means (unconditional linear model)

year 2014 2015 201 2017

implied means 3.834 3.894 3.954 4.014

Figure 3.3은이수학년에 따른교수영역 예측평균의 추정값을그림으로 나타낸 것이다

Figure 3.3 Chart of estimated implied means (unconditional linear model)

3.1.2. 교수영역의 2차함수에 의한 비선형 잠재성장모델링 ᄀ

ᅭ수영역의 2차함수에 의한 비선형 잠재성장모델링 (non-linear LGM)을 통하여 절편, 기울기와 이

ᄎ

ᅡ항을구하여 학년이 증가함에 따라 교수영역값이 비선형으로 변화하는지를 분석하였다 (Figure 3.4).

Figure 3.4 Unconditional nonlinear model

Table 3.3 Estimates of the unconditional quadratic model for predicting implied means of processor area

Estimate S.E. t-value p-value

Icept 3.904 0.019 204.336 <0.001

Slope 0.011 0.002 4.951 <0.001

Quad 0.011 0.002 4.951 <0.001

Model fit index: NFI=0.959, CFI=0.959, RMSEA=0.072, AIC=63.252

ᄀ

ᅭ수영역의 2차함수에 의한 비선형 잠재성장모델링의 적합도 지수는 NFI=0.959, CFI=0.959, RM- SEA=0.072로 적합도 기준을 충족시켰으므로 이 모형이 자료에 잘 부합되었으며 절편에 대한 회귀 ᄀ

ᅨ수는 3.904 (p <0.001)로 절편은 통계적으로 유의하게 나타나고 기울기에 대한 회귀계수는 0.011 (p <0.001)로 기울기는 통계적으로 유의하게 나타났으며, 2차항에 대한 회귀계수는 0.011 (p <0.001)로 2차항은 통계적으로 유의하게 나타났다 (Table 3.3).

i (i = 1, 2, 3, 4)번째 학년의 교수 영역의 예측평균은다음과 같이 나타난다 (Table 3.4).

i번째 학년의 교수 영역 예측평균추정값 = 3.904 + 0.011 × (i − 1) + 0.011 × (i − 1)².

Table 3.4 Estimated implied means(unconditional quadratic model)

year 2014 2015 2016 2017

implied means 3.904 3.926 3.97 4.036

Figure 3.5는이수학년에 따른교수 영역 예측평균의 추정값을그림으로 나타낸 것이다

Figure 3.6은이수학년에 따른교수 영역의 비조건 선형 잠재성장모형과 2차함수에 의한 비선형 잠재 서

ᆼ장모델링에서 나온결과를 실제 자료와 함께 비교하였다

Figure 3.6에 의하면 비조건 선형 잠재성장모형이 2차함수에 의한 비선형 잠재성장모델링보다 실제 ᄀ

ᅭ수영역 값에 좀더 가까운예측평균추정량을제공하는것으로 나타났으며, 모형의 적합도에서 비조 ᄀ

ᅥᆫ 선형 잠재성장모형의 AIC 값이 2차함수에 의한 비선형 잠재성장모델링 AIC 값보다 작게 나타나 비 ᄌ

ᅩ건 선형 잠재성장모형이 모형이 더 적절하다고 판단되었다.

3.2. 성별과 모집단위에 따른 교육만족도의 변화 측정을 위한 잠재성장모형 저

ᆯ편과 기울기의 2개 잠재변수가 있는비조건 선형 잠재성장모형을사용하는것이 타당하게 나타났으

Figure 3.5 Chart of estimated implied means (unconditional quadratic model)

Figure 3.6 Comparing estimated implied means of professor area from unconditional linear and quadratic models with actual Professor area means

ᄆ

ᅧ, 이수학년이 늘어나면서 성별과 모집단위에 따른교육만족도 6개 영역의 차이를 분석·예측하기 위해 서

ᆼ별과 모집단위별로 절편, 기울기에 차이가 있는지 조건 선형 모형을 통해 분석하고자 한다.

3.2.1. 교수영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른 차이가 교육만족도 교수영역에 어떤 영향을 미치는지를 ᄉ

ᅡ

ᆯ펴보았다. 모형은 Figure 3.7과 같다.

Figure 3.7 Professor area: Unconditional linear model by gender and admission type

Table 3.5 Professor area: Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.195 0.059 3.328 <0.001

gender→Slope 0.038 0.026 1.469 0.142

admission type→Icept 0.010 0.043 0.239 0.811

admission type→Slope -0.003 0.019 -0.136 0.892

Model fit index: NFI=0.940, CFI=0.952, RMSEA=0.060

ᄀ

ᅭ수영역은 남학생이 여학생보다 1학년에서 통계적으로 유의하게 높게 나타나며 (β=0.195, p <

0.001), 이수학년이 증가하면서 기울기의 차이는 변하지 않는 것을 알 수 있다 (β=0.038, p=0.142).

ᄆ

ᅩ집단위에 대해서는 수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β=0.010, p=

0.811), 이수학년이 증가하면서 기울기의 차이는 변하지 않는 것을 알 수 있다 (β=-0.003, p=0.892) (Table 3.5). 전형유형에 따라 여학생은 교수영역 만족도에큰변화는없으나, 남학생의 경우 이수학년 ᄋ

ᅵ 증가하면서 매년 상승하여 4학년에서는수시입학생의 교수영역 만족도가 정시입학생보다 높아진 것 ᄋ

ᅳ로 나타났다 (Figure 3.8).

Figure 3.8 Comparing means of professor area by gender and admission type

3.2.2. 교육내용 영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른차이가 교육내용영역에 어떤 영향을미치는지를살펴보 ᄋ

ᅡ

ᆻ다. 모형은 Figure 3.9와 같다.

Figure 3.9 Educational content: Unconditional linear model by gender and admission type

Table 3.6 Educational content : Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.200 0.066 3.009 0.003

gender→Slope 0.076 0.029 2.594 0.009

admission type→Icept -0.021 0.048 -0.436 0.663

admission type→Slope 0.000 0.021 0.002 0.998

Model fit index: NFI=0.949, CFI=0.960, RMSEA=0.056

ᄀ

ᅭ육내용영역은 남학생이 여학생보다 1학년부터 통계적으로 유의하게 높게 나타나며 (β=0.200, p=0.003), 이수학년이 증가하면서 기울기의 차이가 점차 늘어나는 것을 알 수 있다 (β=0.076, p <

0.009). 모집단위에 대해서는 수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β = -0.021, p=0.663), 이수학년이 증가하면서 기울기의 차이는 변하지 않는 것을 알 수 있다 (β=0.000, p=0.998) (Table 3.6). 여학생은 전형유형에 따라 큰 변화는 없으나, 남학생은 이수학년이 증가하면 ᄉ

ᅥ 4학년에서는수시입학생의 교육내용영역 만족도가 정시입학생보다 높아진 것으로 나타났다 (Figure 3.10).

Figure 3.10 Comparing means of Educational content by gender and admission type

3.2.3. 학생활동영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른차이가 학생활동영역에 어떤 영향을미치는지를살펴보았 ᄃ

ᅡ. 모형은 Figure 3.11과 같다.

Figure 3.11 Student activities: Unconditional linear model by gender and admission type

Table 3.7 Student activities: Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.235 0.072 3.268 0.001

gender→Slope 0.081 0.03 2.705 0.007

admission type→Icept 0.067 0.052 1.283 0.200

admission type→Slope -0.023 0.022 -1.059 0.290

Model fit index: NFI=0.965, CFI=0.978, RMSEA=0.039

ᄒ

ᅡᆨ생활동 영역은 남학생이 여학생보다 1학년에서 통계적으로 유의하게 높게 나타나며 (β=0.235, p=0.001), 이수학년이 증가하면서 기울기의 차이가 점차 늘어나는 것을 알 수 있다 (β=0.081, p=

0.007). 모집단위에 대해서는 수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β

=0.067, p=0.200),이수학년이 증가하면서 기울기의 차이는변하지 않는것을 알 수 있다 (β=-0.023, p=0.290) (Table 3.7). 여학생은 전형유형에 따라 학생활동 영역에 큰 변화가 없으나, 남학생의 경우 ᄉ

ᅮ시입학생의 학생활동영역 만족도가 이수학년이 증가하면서 꾸준히 증가하여 4학년에서 수시입학생의 ᄒ

ᅡᆨ생활동영역 만족도가 정시입학생과 비슷하게 나타났다 (Figure 3.12).

Figure 3.12 Comparing means of Student activities by gender and admission type

3.2.4. 교육시설 및 환경영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른차이가 교육시설 및환경영역에 어떤 영향을미치는지를 ᄉ

ᅡ

ᆯ펴보았다. 모형은 Figure 3.13과 같다.

Figure 3.13 Educational facilities and environment: Unconditional linear model by gender and admission type

Table 3.8 Educational facilities and environment: Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.211 0.064 3.309 <0.001

gender→Slope 0.088 0.027 3.245 0.001

admission type→Icept -0.046 0.046 -0.989 0.323

admission type→Slope 0.001 0.020 0.052 0.959

Model fit index: NFI=0.0.955, CFI=0.965, RMSEA=0.055

ᄀ

ᅭ육시설 및 환경영역은 남학생이 여학생보다 1학년에서 통계적으로 유의하게 높게 나타나며 (β=

0.211, p < 0.001),이수학년이 증가하면서 기울기의 차이가 점차 늘어나는것을알 수 있다 (β=0.088, p=0.001). 수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β=-0.046, p=0.323), 이수 ᄒ

ᅡᆨ년이 증가하면서 기울기의 차이는변하지 않는것을알 수 있다 (β=0.001, p=0.959) (Table 3.8). 여 ᄒ

ᅡᆨ생은 수시 및 정시모집에 따라 교육시설 및 환경영역에 큰변화는없으나, 남학생은정시입학생보다 ᄉ

ᅮ시입학생의 교육시설 및환경영역 만족도가 낮았으나 이수학년이 증가하면서 4학년에서 수시입학생 ᄋ

ᅴ 교육시설 및환경영역 만족도가 정시입학생보다 높아진 것으로 나타났다 (Figure 3.14).

Figure 3.14 Comparing means of educational facilities and environment by gender and admission type

3.2.5. 학교이미지영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른차이가 학교이미지영역에 어떤 영향을미치는지를살펴보 ᄋ

ᅡ

ᆻ다. 모형은 Figure 3.15와 같다.

Figure 3.15 School image: Unconditional linear model by gender and admission type

Table 3.9 School image: Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.170 0.064 2.672 0.008

gender→Slope 0.109 0.028 3.828 <0.001

admission type→Icept -0.081 0.046 -1.746 0.081

admission type→Slope 0.010 0.021 0.462 0.644

Model fit index: NFI=0.941, CFI=0.951, RMSEA=0.065

ᄒ

ᅡᆨ교이미지영역은 남학생이 여학생보다 1학년에서 통계적으로 유의하게 높게 나타나며 (β=0.170, p=0.008), 이수학년이 증가하면서 기울기의 차이가 점차 늘어나는 것을 알 수 있다 (β=0.109, p <

0.001). 모집단위에 대해서는 수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β=- 0.081, p < 0.081), 이수학년이 증가하면서 기울기의 차이는변하지 않는 것을알 수 있다 (β=0.010, p=0.644) (Table 3.9). 수시와 정시의 전형유형에 따라 여학생은학교이미지영역 만족도에 변화가 크지 ᄋ

ᅡ

ᆭ으며, 남학생은 이수학년이 증가하면서 4학년에서 수시입학생이 정시입학생보다 학교이미지영역 만 ᄌ

ᅩ

ᆨ도가 높아진 것으로 나타났다 (Figure 3.16).

Figure 3.16 Comparing means of school image by gender and admission type

3.2.6. 학과이미지영역 조건모형: 성별과 모집단위 ᄒ

ᅡᆨ년이 증가하면서 성별과 전형유형에 따른차이가 학과이미지영역에 어떤 영향을미치는지를살펴보 ᄋ

ᅡ

ᆻ다. 모형은 Figure 3.17과 같다.

Figure 3.17 Department image: Unconditional linear model by gender and admission type

Table 3.10 Department image: Estimates of regression weights for the conditional quadratic model by gender and admission type

path Estimate S.E. t-value p-value

gender→Icept 0.158 0.068 2.336 0.019

gender→Slope 0.081 0.029 2.757 0.006

admission type→Icept 0.057 0.049 1.152 0.249

admission type→Slope -0.027 0.021 -1.253 0.210

Model fit index: NFI=0.971, CFI=0.981, RMSEA=0.041

ᄒ

ᅡᆨ과이미지영역은 남학생이 여학생보다 1학년에서 통계적으로 유의하게 높게 나타나며 (β=0.158, p =0.019), 이수학년이 증가하면서 기울기의 차이가 점차 늘어나는 것으로 나타났다 (β=0.081, p=

0.006). 모집단위에 대해서는수시 및 정시모집에 따라 1학년에서 통계적으로 차이가 없으며 (β=0.057, p= 0.249),이수학년이 증가하면서 기울기의 차이는변하지 않는것을알 수 있다 (β=-0.027, p=0.210) (Table 3.10). 전형유형에 따라 여학생의 학과이미지영역은 큰변화는 없으나, 남학생은수시입학생이 저

ᆼ시입학생보다 학과이미지영역 만족도가 낮았으나 이수학년이 증가하면서 4학년에서는수시입학생의 ᄒ

ᅡᆨ과이미지영역 만족도가 정시입학생보다 높아진 것으로 나타났다 (Figure 3.18).

Figure 3.18 Comparing means of department image by gender and admission type

4. 결론 ᄇ

ᅩᆫ 연구는 K 대학교의 종단자료를 이용하여 시간의 흐름에 따른 K 대학교 대학생들의 교육만족도 ᄋ

ᅴ 변화 과정을추적하고자 한다. 본연구의 목적을 위해 2014년 1학기에서 2017년 2학기까지 학업을 주

ᆼ단하지 않고 8학기 동안 연속적으로 등록한 1,072명을 대상으로 분석하였다. 조사도구는 6개 영역, 28개 문항으로 구성되어 있으며, 교수, 교육내용,학생활동,교육시설과환경, 학과 만족도, 대학 만족도 ᄅ

ᅩ 구성되어 있다. 교육만족도의 변화를 종단적으로 분석하기 위하여 잠재성장모형을사용하였다.

1단계 비조건 모형 분석결과 절편과 기울기의 2개 잠재변수가 있는비조건 선형모형을사용하는것이 ᄐ

ᅡ당하며 이수학년이 늘어나면서 성별과 모집단위에 따른교육만족도 6개 영역의 차이를 분석·예측하기 ᄋ

ᅱ해 성별과 모집단위별로 절편, 기울기에 차이가 있는지 조건 선형모형을 통해 분석하였다.

ᄋ

ᅧᆫ구결과에 따르면, 남학생은꾸준히 만족도가 증가하는경향을보이나 여학생은모든학년에서 동일 ᄒ

ᅡ거나 감소하는경향을나타내었다. 전형유형에 따라서 절편과 기울기의 차이는 통계적으로 유의한 차 ᄋ

ᅵ가 나지 않는 것으로 나타났다. 그러나 남학생의 경우, 정시입학생보다 수시입학생의 만족도가 낮았

ᄋ

ᅳ나 매년 상승하여 정시입학생보다 높아진 것으로 나타났다 서

ᆼ별로는 절편은대부분의 영역에서 남학생이 여학생보다 통계적으로 유의하게 높게 나타나며, 이수 ᄒ

ᅡᆨ년이 증가하면서 기울기는 통계적으로 유의하게 점차 늘어나는것을알 수 있다. 남학생은꾸준히 증 ᄀ

ᅡ하는경향을보이나 여학생은 1학년 때의 값을유지하거나 감소하는 경향을나타내므로 학생들의 눈 노

ᇁ이에 맞는학습환경조성, 학습전략 수립 등의 학생들의 요구를반영한 교육서비스개선 방안 수립하는 ᄇ

ᅡᆼ안을강구하여야 한다.

ᄋ

ᅧ학생은 전형유형에 따라 큰변화는 없으나, 남학생의 경우 1학년때 수시입학생의 교수, 교육내용, ᄒ

ᅡᆨ생활동,교육시설과환경, 학과 만족도, 학교영역 만족도가 정시입학생과 비슷하거나 낮았으나 이수학 ᄂ

ᅧᆫ이 증가하면서 정시입학생은감소하는경향을보이지만 수시입학생은매년 상승하여 정시입학생보다 ᄂ

ᅩᇁ아진 것으로 나타났다.

ᄃ

ᅢ학의 교육환경이 여학생과 정시입학생에게 더 부정적으로 작용하는 요인이 무엇인지에 대한 깊이 이

ᆻ는탐색이 필요함을시사하는데, 신중하고 충분한 탐색을 통하여 학생들의 불만 요인을찾아 제거하고 ᄒ

ᅡᆨ생들의 다양한 요구 사항을정확히 파악하여 충족시키고 기대에 부응하는교육서비스를제공해야 한 ᄃ

ᅡ. 다른영역에 비해 만족도가 상대적으로 낮은대학만족도를 높이기 위해 학과와 동문에 대한 애착도 르

ᆯ유지 증진하는방안을마련하고 학교와 학과를 통해 자신의 잠재력을키워 나가는노력을지속하여야 ᄒ

ᅡᆯ 것이다. 특히 교수영역과 교육내용영역이 다른영역에 비하여 교육만족도가 상대적으로 높게 나타나 ᄆ

ᅳ로 교수의 학생들과의 상호작용과 기업체와 사회수요를반영한 교육과정과 교육내용으로 학생들의 교 ᄋ

ᅲ

ᆨ만족도를더 높일수 있는방안과 특히 여학생의 교육만족도 제고 방안을강구하여야 할 것이다.

보

ᆫ 연구의 제한점으로 1학년에서 4학년까지 중간에 학업을 중단하지 않은 동일한 조사대상자들만을 부

ᆫ석하였지만 추후에 중도 탈락한 학생들까지 포함한 비교연구를 통하여 교육만족도를 높이기 위한 연 ᄀ

ᅮ를 진행하고자 한다.

References

Bollen, K. A. and Curran, P. J. (2006). Latent curve models: A structural equation perspective, Wiley- Interscience, New Jersey.

Cho, W. K. and Lee, S. (2016). Relationship among college admission system, college students’ college life and satisfaction on college major, and their academic achievements. Journal of Learner-Centered Curriculum and Instruction, 16, 673-700.

Choi, H. S. and Park, C. (2018). Longitudinal study of academic achievement change using latent growth models. Journal of the Korean Data & Information Science Society, 29, 937-950.

Choi, Y. J. (2013). A study on academic satisfaction of undergraduate students in Korea, Andragogy Today:

Interdisciplinary Journal of Adult & Continuing Education, 16, 61-83

Duncan, T. E. and Duncan, S. C. (2004). An introduction to latent growth curve modeling. Behavior Therapy, 35, 333-363.

Kim, E. J. and Kim, M. G. (2014). Effects of parent-child relationship on college freshman’s life satisfac- tion mediated by autonomy and competence using latent growth modeling. Korean Journal of Youth Studies, 21, 29-56

Kim, S. W. (2016). A longitudinal study on college student’s major satisfaction and selection method based on latent growth model. Journal of Learner-Centered Curriculum and Instruction, 16, 189-209.

Kline, R. B. (1998). Principles and practices of structural equation modeling, Gilford Press, New York.

Kuh, G. D., Kinzie, J., Schuh, J. H. and Whitt, E. J. (2010). Student success in college: Creating conditions that matter, John Wiley & Sons

Lee, H. and Kang, S. (2013). Analysis of latent growth model using repeated measures ANOVA in the data from KYPS. Journal of the Korean Data & Information Science Society, 24, 1409-1419.

Marcoulides, G. A. and Schumacker, R. E. (2001). New developments and techniques in structural equation modeling, Lawrence Erbaum Associates, New Jersey.

Seo, K. W. and Yoon, M. (2018). The analysis of the structural relationship on factors that influence

educational satisfaction in local universities using a latent growth model. The Journal of Research in

Education, 31, 201-226