보편적 선별은 학습장애 위험군 학생들을 조기에 선별할 수 있는 대표적인 평가전략이다. 그동안 수행된 보편적 선별 연구 결과를 살펴보면 주로 빈도주의 이론을 적용하여 선별 준거를 결정하였다. 하지만 빈도주의 이론은 지난 50년간 지속해서 비판을 받아온 통계 이론이기에 이를 개선하는 방안을 모색할 필요가 있었다. 본 연구에서는 보편적 선별 검사에서 선별 준거를 추정할 수 있는 빈도주의 통계의 대안으로 베이지안 이론을 제안하였다. 본 연구의 결과에 따르면 베이지안 이론은 빈도주의 통계의 한계점을 극복하면서 보편적 선별에 필요한 유용한 교육적 정보를 제공할 수 있는 것으로 나타났다. 끝으로 연구의 제한점과 향후 연구주제를 제안하였다.
Universal screening is a popular assessment strategy for early identification of students at risk for learning disabilities. In the past, universal screening studies have used frequentist theory to determine screening criteria. However, frequentist theory is a statistical theory that has been continuously criticized over the past 50 years, and it is necessary to find ways to improve it. In this study, we propose Bayesian theory as an alternative to frequentist methods for estimating screening power in universal screening. The results of this study show that Bayesian theory can provide useful information for universal screening. Finally, limitations of the study and future research topics are suggested.
Ⅰ. 연구의 필요성 Ⅱ. 베이지안 이론 Ⅲ. 연구 방법 Ⅳ. 빈도주의와 베이지안 활용 분석 결과 예시 Ⅴ. 보편적 선별 연구에서 베이지안 이론 활용의 장점들 Ⅵ. 베이지안 이론의 제한점 및 향후 연구 주제 Ⅶ. 결론
