텍스트 마이닝 분석기법을 활용한 인공지능 리터러시, 인공지능 융합 교육에 관한 인식 연구 A Study on the Perception of Artificial Intelligence Literacy and Artificial Intelligence Convergence Education using Text Mining Analysis Techniques원문보기
본 연구는 소셜 데이터와 학술 연구 데이터를 수집하여 빈도 분석, TF-IDF, N-Gram, 연결 중심성 분석, ...
본 연구는 소셜 데이터와 학술 연구 데이터를 수집하여 빈도 분석, TF-IDF, N-Gram, 연결 중심성 분석, CONCOR 분석을 통해 ‘인공지능 리터러시’와 ‘인공지능 융합 교육’ 인식 양상과 현 상황을 파악하고, 인공지능 리터러시 및 융합 교육의 발전 방향에 대한 시사점을 제공하며, 향후 연구와 정책 방향 설정의 기초자료로 활용하고자 하였다. 따라서 본 연구는 온라인상의 인공지능 리터러시와 인공지능 융합 교육에 관한 텍스트 기반의 소셜 데이터, 학술 연구 데이터를 수집해 텍스트 마이닝과 의미연결망 분석을 활용해 상호간의 의미와 형태를 탐색하고, 인공지능 리터러시와 인공지능 융합 교육의 사회적 인식을 확인하고자 하였으며, 인공지능 리터러시 교육, 인공지능 융합 교육에 관해 수집한 빅데이터를 텍스트 마이닝와 연결망 분석으로 주요 핵심어, 주제어 네트워크 특성을 분석하는 연구를 진행하였다. 연구 문제 해결을 위한 소셜 데이터와 학술 연구 데이터는 수집 기간은 2020년 5월 1일부터 2022년 8월 31일까지로 설정하였다. 수집을 위한 검색 키워드는 ‘인공지능+리터러시’, ‘AI+리터러시’, ‘AI+융합+교육’, ‘AI+STEAM’, ‘인공지능+융합+교육’, ‘인공지능+STEAM’으로 선정하였다. 소셜 데이터는 국내에서 가장 규모가 큰 포털 사이트(네이버)에서 검색되는 데이터를 활용하였고, 학술 연구 데이터는 한국교육학술정보원 운영하는 학술연구정보서비스에서 수집하였다. 수집된 데이터는 TEXTOM 내에서 제공하는 분석 도구를 활용하여 데이터 전처리 작업을 진행하였고, 이어서 빈도, TF-IDF, N-gram, 의미연결망, CONCOR 분석을 실시하였다. 이를 통해 얻은 분석 결과는 다음과 같다. 첫째, 먼저 같은 수집 기간 동안 소셜 데이터와 학술 연구 데이터 모두 ‘인공지능 리터러시’보다 ‘인공지능 융합 교육’의 빈도 데이터가 더 많이 수집되어 사람들의 주요 관심과 이에 관련된 데이터의 생성은 ‘인공 융합 교육’이 더 많은 것으로 볼 수 있다. 둘째, ‘인공지능 리터러시’의 소셜 데이터에서 ‘인공지능’은 기술 개발과 이를 통해 실제적으로 활용할 수 있는 구체적인 것에 관련이 높게 나타났다. 셋째, ‘인공지능 리터러시’의 학술 연구 데이터에서 ‘학습자’는 문서내 중요도가 높게 나타났으나 N-gram 분석 결과 순위에 나타나지 않은 것으로 보아 단독으로 주로 활용됨을 알 수 있었다. 또한 ‘알고리즘’이 유독 학술 연구 데이터의 문서내 중요도에서만 높은 문서내 중요도를 보여 학술 연구 데이터는 인공지능을 작동 시키는 원리인 ‘알고리즘’을 소셜 데이터 보다 중요하게 보는 것을 알 수 있다. 넷째, ‘인공지능 융합 교육’의 소셜 데이터는 ‘로봇’, ‘수학’, ‘게임’, ‘과학’, ‘코딩’, ‘프로그램’ 등 구체적인 융합 교육 수단이 중요성 있게 언급되는 것을 알 수 있었다. 다섯째, ‘인공지능 융합 교육’의 학술 연구 데이터는 소셜 데이터에서 제시되지 않은 ‘플랫폼’이 학술 연구 데이터에서 문서내 중요도와 N-gram 결과가 높게 나타나는 것으로 보아 학술 연구 분야는 ‘인공지능 융합 교육’을 구조화하여 실행하기 위한 ‘플랫폼’을 중요하게 여기는 것으로 볼 수 있다. 또한 인공지능 융합 교육의 소셜 데이터에서 순위에 없는 ‘학습자’, ‘교원’, ‘교사’ 등의 키워드들이 학술 연구 데이터에서 높은 중요도와 N-gram 결과를 보여 학술 연구 데이터에서 융합 교육에 관련한 인적 자원을 구체적으로 제시하는 것을 알 수 있었다. 다음으로 연결망 및 CONCOR 분석에 따르면 ‘인공지능 리터러시’의 소셜 데이터에서 ‘인공지능’은 코딩 교육과 관련 있게 보는 것을 알 수 있고, ‘산업혁명’, ‘사회’, ‘미래’가 같은 군집을 이뤄 ‘인공지능’은 ‘산업혁명’과 마찬가지로 사회의 커다란 변화 과정으로 보고 있음을 시사한다. 특히 ‘활용’, ‘결과’, ‘중심’, ‘영향’, ‘방안’이 같은 군집을 형성하여 학술 연구 데이터는 연구 결과에 영향과 활용성에 대해 제시하는 주제가 하나의 군집을 형성하는 것으로 나타났다. 다음으로, ‘인공지능 융합 교육’의 소셜 데이터에서 ‘인공지능’은 초등학생에게 미래를 대비한 로봇과 코딩 교육을 하는 것과 연관이 있음을 알 수 있고 ‘교육’은 빅데이터를 활용한 분야의 여러 프로그램 및 수업, 그리고 ‘교육부’ 와 같은 행정 기관과 관련이 있음을 알 수 있다. 또한 학술 연구 데이터에서 ‘융합 교육’과 같은 군집에 속한 ‘교육과정’은 융합 교육이 교육과정과 연계되어 진행되는 것과 관련 있음을 유추 할 수 있다. 또한 학술 연구 데이터는 주로 학술지 내용으로 논문에서 주로 활용되는 용어들끼리 연결성이 높고, 추상적인 용어들이 군집을 나타내고 있어 소셜 데이터와 달리 수업 도구나 수단 등에 대한 구체적 명칭이 나타나지 않는 특징을 보였다. 본 연구는 소셜 데이터 수집시 인공지능 리터러시 보다 인공지능 융합 교육의 수집량이 2배 이상으로 많게 나타났다. 이는 영어 표현에 따른 수집 키워드와 중복 수집에 따라 나타난 현상으로 볼 수도 있으며 또는 ‘인공지능 리터러시’에 대한 관심과 언급이 ‘인공지능 융합 교육’보다 비교적 낮을 수도 있다는 점을 의미할 수도 있다. 또한 본 연구는 소셜 데이터와 학술 연구 데이터의 수집 데이터양의 차이가 매우 크게 나타났으며, 학술 연구 데이터는 특정 키워드에 관한 논문에 따라 TF-IDF에서 높은 영향이 나타날 수 있음으로 박사 학위 과정까지 참고하여 데이터를 수집하는 등 좀 더 의미 있는 데이터량을 확보한 연구를 진행할 필요성이 있다.
본 연구는 소셜 데이터와 학술 연구 데이터를 수집하여 빈도 분석, TF-IDF, N-Gram, 연결 중심성 분석, CONCOR 분석을 통해 ‘인공지능 리터러시’와 ‘인공지능 융합 교육’ 인식 양상과 현 상황을 파악하고, 인공지능 리터러시 및 융합 교육의 발전 방향에 대한 시사점을 제공하며, 향후 연구와 정책 방향 설정의 기초자료로 활용하고자 하였다. 따라서 본 연구는 온라인상의 인공지능 리터러시와 인공지능 융합 교육에 관한 텍스트 기반의 소셜 데이터, 학술 연구 데이터를 수집해 텍스트 마이닝과 의미연결망 분석을 활용해 상호간의 의미와 형태를 탐색하고, 인공지능 리터러시와 인공지능 융합 교육의 사회적 인식을 확인하고자 하였으며, 인공지능 리터러시 교육, 인공지능 융합 교육에 관해 수집한 빅데이터를 텍스트 마이닝와 연결망 분석으로 주요 핵심어, 주제어 네트워크 특성을 분석하는 연구를 진행하였다. 연구 문제 해결을 위한 소셜 데이터와 학술 연구 데이터는 수집 기간은 2020년 5월 1일부터 2022년 8월 31일까지로 설정하였다. 수집을 위한 검색 키워드는 ‘인공지능+리터러시’, ‘AI+리터러시’, ‘AI+융합+교육’, ‘AI+STEAM’, ‘인공지능+융합+교육’, ‘인공지능+STEAM’으로 선정하였다. 소셜 데이터는 국내에서 가장 규모가 큰 포털 사이트(네이버)에서 검색되는 데이터를 활용하였고, 학술 연구 데이터는 한국교육학술정보원 운영하는 학술연구정보서비스에서 수집하였다. 수집된 데이터는 TEXTOM 내에서 제공하는 분석 도구를 활용하여 데이터 전처리 작업을 진행하였고, 이어서 빈도, TF-IDF, N-gram, 의미연결망, CONCOR 분석을 실시하였다. 이를 통해 얻은 분석 결과는 다음과 같다. 첫째, 먼저 같은 수집 기간 동안 소셜 데이터와 학술 연구 데이터 모두 ‘인공지능 리터러시’보다 ‘인공지능 융합 교육’의 빈도 데이터가 더 많이 수집되어 사람들의 주요 관심과 이에 관련된 데이터의 생성은 ‘인공 융합 교육’이 더 많은 것으로 볼 수 있다. 둘째, ‘인공지능 리터러시’의 소셜 데이터에서 ‘인공지능’은 기술 개발과 이를 통해 실제적으로 활용할 수 있는 구체적인 것에 관련이 높게 나타났다. 셋째, ‘인공지능 리터러시’의 학술 연구 데이터에서 ‘학습자’는 문서내 중요도가 높게 나타났으나 N-gram 분석 결과 순위에 나타나지 않은 것으로 보아 단독으로 주로 활용됨을 알 수 있었다. 또한 ‘알고리즘’이 유독 학술 연구 데이터의 문서내 중요도에서만 높은 문서내 중요도를 보여 학술 연구 데이터는 인공지능을 작동 시키는 원리인 ‘알고리즘’을 소셜 데이터 보다 중요하게 보는 것을 알 수 있다. 넷째, ‘인공지능 융합 교육’의 소셜 데이터는 ‘로봇’, ‘수학’, ‘게임’, ‘과학’, ‘코딩’, ‘프로그램’ 등 구체적인 융합 교육 수단이 중요성 있게 언급되는 것을 알 수 있었다. 다섯째, ‘인공지능 융합 교육’의 학술 연구 데이터는 소셜 데이터에서 제시되지 않은 ‘플랫폼’이 학술 연구 데이터에서 문서내 중요도와 N-gram 결과가 높게 나타나는 것으로 보아 학술 연구 분야는 ‘인공지능 융합 교육’을 구조화하여 실행하기 위한 ‘플랫폼’을 중요하게 여기는 것으로 볼 수 있다. 또한 인공지능 융합 교육의 소셜 데이터에서 순위에 없는 ‘학습자’, ‘교원’, ‘교사’ 등의 키워드들이 학술 연구 데이터에서 높은 중요도와 N-gram 결과를 보여 학술 연구 데이터에서 융합 교육에 관련한 인적 자원을 구체적으로 제시하는 것을 알 수 있었다. 다음으로 연결망 및 CONCOR 분석에 따르면 ‘인공지능 리터러시’의 소셜 데이터에서 ‘인공지능’은 코딩 교육과 관련 있게 보는 것을 알 수 있고, ‘산업혁명’, ‘사회’, ‘미래’가 같은 군집을 이뤄 ‘인공지능’은 ‘산업혁명’과 마찬가지로 사회의 커다란 변화 과정으로 보고 있음을 시사한다. 특히 ‘활용’, ‘결과’, ‘중심’, ‘영향’, ‘방안’이 같은 군집을 형성하여 학술 연구 데이터는 연구 결과에 영향과 활용성에 대해 제시하는 주제가 하나의 군집을 형성하는 것으로 나타났다. 다음으로, ‘인공지능 융합 교육’의 소셜 데이터에서 ‘인공지능’은 초등학생에게 미래를 대비한 로봇과 코딩 교육을 하는 것과 연관이 있음을 알 수 있고 ‘교육’은 빅데이터를 활용한 분야의 여러 프로그램 및 수업, 그리고 ‘교육부’ 와 같은 행정 기관과 관련이 있음을 알 수 있다. 또한 학술 연구 데이터에서 ‘융합 교육’과 같은 군집에 속한 ‘교육과정’은 융합 교육이 교육과정과 연계되어 진행되는 것과 관련 있음을 유추 할 수 있다. 또한 학술 연구 데이터는 주로 학술지 내용으로 논문에서 주로 활용되는 용어들끼리 연결성이 높고, 추상적인 용어들이 군집을 나타내고 있어 소셜 데이터와 달리 수업 도구나 수단 등에 대한 구체적 명칭이 나타나지 않는 특징을 보였다. 본 연구는 소셜 데이터 수집시 인공지능 리터러시 보다 인공지능 융합 교육의 수집량이 2배 이상으로 많게 나타났다. 이는 영어 표현에 따른 수집 키워드와 중복 수집에 따라 나타난 현상으로 볼 수도 있으며 또는 ‘인공지능 리터러시’에 대한 관심과 언급이 ‘인공지능 융합 교육’보다 비교적 낮을 수도 있다는 점을 의미할 수도 있다. 또한 본 연구는 소셜 데이터와 학술 연구 데이터의 수집 데이터양의 차이가 매우 크게 나타났으며, 학술 연구 데이터는 특정 키워드에 관한 논문에 따라 TF-IDF에서 높은 영향이 나타날 수 있음으로 박사 학위 과정까지 참고하여 데이터를 수집하는 등 좀 더 의미 있는 데이터량을 확보한 연구를 진행할 필요성이 있다.
This study collects social data and academic research data from portal sites and RISS, and analyzes 'artificial intelligence literacy' and 'artificial intelligence convergence education' through frequency analysis TF-IDF, N-Gram, connection centrality analysis, and CONCOR analysis. It aims to grasp ...
This study collects social data and academic research data from portal sites and RISS, and analyzes 'artificial intelligence literacy' and 'artificial intelligence convergence education' through frequency analysis TF-IDF, N-Gram, connection centrality analysis, and CONCOR analysis. It aims to grasp the current situation, provide implications for the development direction of artificial intelligence literacy and convergence education, and use it as basic data for future research and policy direction setting. Therefore, this study collects social data and academic research data on online artificial intelligence literacy and artificial intelligence convergence education in the form of text data, applies text mining techniques and semantic network analysis to explore mutual meaning and form, and artificial intelligence The purpose of this study was to confirm the social perception of literacy and artificial intelligence convergence education. To this end, a study was conducted to analyze the characteristics of main keywords and keyword networks through text mining and network analysis of big data collected on artificial intelligence literacy education and artificial intelligence convergence education. Social data and academic research data for solving research problems were collected from May 1, 2020 to August 31, 2022. Search keywords for collection were selected as ‘artificial intelligence + literacy’, ‘AI + literacy’, ‘AI + convergence + education’, ‘AI + STEAM’, ‘artificial intelligence + convergence + education’, and ‘artificial intelligence + STEAM’. For social data, data retrieved from the largest portal site (Naver) in Korea was used, and academic research data was collected from the academic research information service operated by the Korea Education and Research Information Service. The collected data was subjected to data preprocessing using the analysis tool provided in TEXTOM, followed by frequency analysis, TF-IDF analysis, N-gram analysis, semantic network analysis, and CONCOR analysis. The analysis results obtained through this are as follows. First, during the same collection period, more frequency data of 'artificial intelligence convergence education' was collected than 'artificial intelligence literacy' for both social data and academic research data, so people's main interest and the creation of data related to it were 'artificial convergence education' You can see more of this. Second, in the social data of ‘Artificial Intelligence Literacy’, ‘Artificial Intelligence’ was highly related to technology development and concrete things that can be practically utilized through it. Third, in the academic research data of ‘artificial intelligence literacy’, ‘learner’ showed high importance, but it was not shown in N-gram analysis, indicating that it was mainly used alone. In addition, 'algorithm', which does not appear in both the frequency of academic research data and the frequency and importance of social data, shows high importance in academic research data, so 'algorithm', the principle that operates artificial intelligence, is more important than social data in academic research data. you can see what you see Fourth, in the social data of 'artificial intelligence convergence education', it was found that specific convergence education means such as 'robot', 'mathematics', 'game', 'science', 'coding', and 'program' were mentioned as important. Fifth, the academic research data of 'artificial intelligence convergence education' shows that 'platform', which is not presented in social data, has a high importance and probability of appearance in academic research data, so the academic research field is structured and implemented 'artificial intelligence convergence education' It can be seen that the 'platform' for doing so is important. In addition, words that do not appear in the social data of 'artificial intelligence convergence education', such as 'learner', 'teacher', and 'teacher', are presented with high importance and probability of occurrence in academic research data, suggesting that participation in and progress of convergence education in academic research data It can be seen that there is a tendency to express human resources more specifically. Next, according to the network and CONCOR analysis, in the social data of 'Artificial Intelligence Literacy', it can be seen that 'Artificial Intelligence' is recognized as coding education to students, and 'Industrial Revolution', 'Society', and 'Future' are one. , suggesting that 'artificial intelligence' is seen as a process of great social transformation, just like the 'industrial revolution'. In addition, in academic research data, ‘artificial intelligence’ and ‘literacy’ seem to form a cluster and are highly related to programs to improve digital competencies and skills in society. In particular, 'utilization', 'result', 'center', 'influence', and 'measure' form the same cluster, and academic research data was found to form one cluster by presenting the impact and usability of the research results. Next, in the social data of 'Artificial Intelligence Convergence Education', it can be seen that 'Artificial Intelligence' is related to robot and coding education necessary for the future, especially for elementary school students, and 'Education' refers to various programs and programs in the field of big data utilization. It can be seen that it is related to classes and administrative agencies such as the 'Ministry of Education'. In the academic research data, the 'curriculum' of the cluster that includes 'convergence education' suggests that it is important that convergence education is linked to the curriculum. In addition, academic research data are mainly academic journal contents, and the terms mainly used in thesis show high connectivity, and abstract terms form a cluster with the centrality of connection, so unlike social data, keywords for specific teaching tools or means do not appear. showed In this study, when collecting social data, the collection amount of ‘Artificial Intelligence Convergence Education’ was more than twice as large as that of ‘Artificial Intelligence Literacy’. This can be seen as a phenomenon that occurred according to the number of collections and imported keywords considering English expressions, or it suggests that the interest and mention of ‘artificial intelligence literacy’ may be relatively less than ‘artificial intelligence convergence education’. In addition, this study showed a very large difference in the amount of collection of academic research data compared to social data. In addition, academic research data can have an influence on the TF-IDF analysis depending on the results of the thesis of a specific dependent variable, so when considering the quality of research, more meaningful data volume was secured, such as collecting data by referring to the doctoral degree course. There is a need to conduct research.
This study collects social data and academic research data from portal sites and RISS, and analyzes 'artificial intelligence literacy' and 'artificial intelligence convergence education' through frequency analysis TF-IDF, N-Gram, connection centrality analysis, and CONCOR analysis. It aims to grasp the current situation, provide implications for the development direction of artificial intelligence literacy and convergence education, and use it as basic data for future research and policy direction setting. Therefore, this study collects social data and academic research data on online artificial intelligence literacy and artificial intelligence convergence education in the form of text data, applies text mining techniques and semantic network analysis to explore mutual meaning and form, and artificial intelligence The purpose of this study was to confirm the social perception of literacy and artificial intelligence convergence education. To this end, a study was conducted to analyze the characteristics of main keywords and keyword networks through text mining and network analysis of big data collected on artificial intelligence literacy education and artificial intelligence convergence education. Social data and academic research data for solving research problems were collected from May 1, 2020 to August 31, 2022. Search keywords for collection were selected as ‘artificial intelligence + literacy’, ‘AI + literacy’, ‘AI + convergence + education’, ‘AI + STEAM’, ‘artificial intelligence + convergence + education’, and ‘artificial intelligence + STEAM’. For social data, data retrieved from the largest portal site (Naver) in Korea was used, and academic research data was collected from the academic research information service operated by the Korea Education and Research Information Service. The collected data was subjected to data preprocessing using the analysis tool provided in TEXTOM, followed by frequency analysis, TF-IDF analysis, N-gram analysis, semantic network analysis, and CONCOR analysis. The analysis results obtained through this are as follows. First, during the same collection period, more frequency data of 'artificial intelligence convergence education' was collected than 'artificial intelligence literacy' for both social data and academic research data, so people's main interest and the creation of data related to it were 'artificial convergence education' You can see more of this. Second, in the social data of ‘Artificial Intelligence Literacy’, ‘Artificial Intelligence’ was highly related to technology development and concrete things that can be practically utilized through it. Third, in the academic research data of ‘artificial intelligence literacy’, ‘learner’ showed high importance, but it was not shown in N-gram analysis, indicating that it was mainly used alone. In addition, 'algorithm', which does not appear in both the frequency of academic research data and the frequency and importance of social data, shows high importance in academic research data, so 'algorithm', the principle that operates artificial intelligence, is more important than social data in academic research data. you can see what you see Fourth, in the social data of 'artificial intelligence convergence education', it was found that specific convergence education means such as 'robot', 'mathematics', 'game', 'science', 'coding', and 'program' were mentioned as important. Fifth, the academic research data of 'artificial intelligence convergence education' shows that 'platform', which is not presented in social data, has a high importance and probability of appearance in academic research data, so the academic research field is structured and implemented 'artificial intelligence convergence education' It can be seen that the 'platform' for doing so is important. In addition, words that do not appear in the social data of 'artificial intelligence convergence education', such as 'learner', 'teacher', and 'teacher', are presented with high importance and probability of occurrence in academic research data, suggesting that participation in and progress of convergence education in academic research data It can be seen that there is a tendency to express human resources more specifically. Next, according to the network and CONCOR analysis, in the social data of 'Artificial Intelligence Literacy', it can be seen that 'Artificial Intelligence' is recognized as coding education to students, and 'Industrial Revolution', 'Society', and 'Future' are one. , suggesting that 'artificial intelligence' is seen as a process of great social transformation, just like the 'industrial revolution'. In addition, in academic research data, ‘artificial intelligence’ and ‘literacy’ seem to form a cluster and are highly related to programs to improve digital competencies and skills in society. In particular, 'utilization', 'result', 'center', 'influence', and 'measure' form the same cluster, and academic research data was found to form one cluster by presenting the impact and usability of the research results. Next, in the social data of 'Artificial Intelligence Convergence Education', it can be seen that 'Artificial Intelligence' is related to robot and coding education necessary for the future, especially for elementary school students, and 'Education' refers to various programs and programs in the field of big data utilization. It can be seen that it is related to classes and administrative agencies such as the 'Ministry of Education'. In the academic research data, the 'curriculum' of the cluster that includes 'convergence education' suggests that it is important that convergence education is linked to the curriculum. In addition, academic research data are mainly academic journal contents, and the terms mainly used in thesis show high connectivity, and abstract terms form a cluster with the centrality of connection, so unlike social data, keywords for specific teaching tools or means do not appear. showed In this study, when collecting social data, the collection amount of ‘Artificial Intelligence Convergence Education’ was more than twice as large as that of ‘Artificial Intelligence Literacy’. This can be seen as a phenomenon that occurred according to the number of collections and imported keywords considering English expressions, or it suggests that the interest and mention of ‘artificial intelligence literacy’ may be relatively less than ‘artificial intelligence convergence education’. In addition, this study showed a very large difference in the amount of collection of academic research data compared to social data. In addition, academic research data can have an influence on the TF-IDF analysis depending on the results of the thesis of a specific dependent variable, so when considering the quality of research, more meaningful data volume was secured, such as collecting data by referring to the doctoral degree course. There is a need to conduct research.
주제어
#인공지능 리터러시 융합 교육 텍스트 마이닝 빅데이터 TF-IDF N-gram 의미연결망 분석 CONCOR 분석
학위논문 정보
저자
윤혁
학위수여기관
광주교육대학교 교육대학원
학위구분
국내석사
학과
AI융합교육
지도교수
김정랑
발행연도
2023
총페이지
72
키워드
인공지능 리터러시 융합 교육 텍스트 마이닝 빅데이터 TF-IDF N-gram 의미연결망 분석 CONCOR 분석
※ AI-Helper는 부적절한 답변을 할 수 있습니다.