기계학습을 통한 양육 스트레스 관련 변수 탐색

Abstract

본 연구의 목적은 어머니의 양육 스트레스와 관련 있는 양육자의 변수를 탐색하는 것이다. 이를 위하여 한국 영유아 교육･보육 패널 1차년도 자료의 어머니, 아버지, 주양육자 패널 자료를 활용하였다. 연구에 투입된 변수는 총 475개로, 본 연구에서는 변수를 분석하기 위해 기계학습 기법 중 벌점회귀모형인 Elastic net을 활용하였다. 연구 결과, 총 32개 변수가 어머니의 양육 스트레스와 관련 있는 변수로 선택되었으며, 어머니 변수로 ‘임신기간 신체･정서 활동’, ‘후속 출산 계획’, ‘그릿’, ‘자아존중감’, ‘우울’, ‘결혼생활 만족도’, ‘스마트폰 과의존’, ‘양육행동’, ‘자녀가치’, ‘임신 중 음주 여부’, 아버지 변수로 ‘양육 스트레스’, 주양육자 변수로 ‘사회적 지원’ 변수가 선택되었다. ‘임신기간 신체･정서 활동’, ‘임신 중 음주 여부’ 변수는 본 연구로부터 새롭게 발견한 변수들이다. 연구 결과를 바탕으로 양육 스트레스를 감소하기 위한 육아 정책에 대하여 제언하였다.

The purpose of this study was to explore the variables associated with maternal parenting stress. Data from the first year of the Korean Early Childhood Education and Care Panel, including information on mothers, fathers, and primary caregivers. A total of 475 variables were considered, and a penalized regression model called elastic net regression was used for the analysis. The findings identified 32 variables related to maternal parenting stress. Significant variables for mothers included ‘physical and emotional activities during pregnancy, plans for additional childbirth, grit, self-esteem, depression, marital satisfaction, smartphone overdependence, parenting behavior, child values, and alcohol consumption during pregnancy.’ For fathers, ‘parenting stress’ was highlighted, and for primary caregivers, ‘social support’ was selected. Notably, physical and emotional activities and ‘alcohol consumption during pregnancy’ were newly identified variables in this study. Based on these results, we propose recommendations for childcare policies aimed at reducing parenting stress.