Resumen de An international comparison study exploring the influential variables affecting students’ reading literacy and life satisfaction

Hyewon Chung, Jung-In Kim, E.J. Jung, Soyoung Park

• español

  El Programa para la Evaluación Internacional de Alumnos (PISA) tiene como objetivo proporcionar datos comparativos sobre el rendimiento académico y el bienestar de los jóvenes de 15 años. El propósito del presente estudio es explorar y comparar las variables que predicen la competencia lectora y la satisfacción vital de estudiantes estadounidenses y coreanos. El algoritmo de bosque aleatorio, que es un enfoque de aprendizaje automático, se aplicó a los datos de PISA 2018 (4.677 estudiantes estadounidenses y 6.650 estudiantes coreanos) para explorar y seleccionar las variables clave entre 305 variables que predicen la competencia lectora y la satisfacción vital. En cada análisis de bosque aleatorio, uno para Estados Unidos y otro para Corea, se derivaron 23 variables como variables clave en la competencia lectora de los estudiantes. Además, se derivaron 23 variables en EE.UU.y 26 variables en Corea como variables importantes para la satisfacción vital de los estudiantes. El análisis multinivel reveló que varias variables clave relacionadas con los estudiantes, los profesores o la escuela, derivadas del bosque aleatorio, estaban estadísticamente relacionadas con la competencia lectora y/o la satisfacción vital de los estudiantes estadounidenses y/o coreanos. El presente estudio propone utilizar un enfoque de aprendizaje automático para examinar los datos internacionales a gran escala para una comparación internacional. Se discuten las implicaciones del presente estudio y las sugerencias para futuras investigaciones

• English

  The Program for International Student Assessment (PISA) aims to provide comparative data on 15-year-olds’ academic performance and well-being. The purpose of the current study is to explore and compare the variables that predict the reading literacy and life satisfaction of U.S. and South Korean students. The random forest algorithm, which is a machine learning approach, was applied to PISA 2018 data (4,677 U.S. students and 6,650 South Korean students) to explore and select the key variables among 305 variables that predict reading literacy and life satisfaction. In each random forest analysis, one for the U.S. and another for South Korea, 23 variables were derived as key variables in students’ reading literacy. In addition, 23 variables in the U.S. and 26 variables in South Korea were derived as important variables for students’ life satisfaction. The multilevel analysis revealed that various student-, teacher- or school-related key variables derived from the random forest were statistically related to either U.S. and/or South Korean students’ reading literacy and/or life satisfaction. The current study proposes to use a machine learning approach to examine international large-scale data for an international comparison. The implications of the current study and suggestions for future research are discussed.