$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

텍스트 마이닝을 이용한 메이커 운동의 트렌드 분석
Trend Analysis in Maker Movement Using Text Mining 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.18 no.12, 2018년, pp.468 - 488  

박찬혁 (서울과학기술대학교 IT정책전문대학원 산업정보시스템전공) ,  김자희 (서울과학기술대학교 IT정책전문대학원 산업정보시스템전공)

초록
AI-Helper 아이콘AI-Helper

메이커 운동은 필요한 물건을 직접 만드는 사람들이 모여, 창의적 만들기를 통해 지식과 경험을 공유하는 사회와 문화의 움직임이다. 그러나 지난 10년간 메이커 운동이 빠르게 성장하면서, 어디까지를 메이커 운동으로 볼 것인지에 대한 공감대가 아직 부족하다. 앞으로의 발전 방향성을 모색하기 위해서는, 지금까지 메이커 운동이 어떻게 변화해 왔는지를 조망하는 것이 필요하다. 본 연구는 메이커 운동에 대한 이슈가 일반 미디어에서 어떻게 변화됐는지를 파악하기 위하여 언론 기사들을 텍스트 기반의 빅데이터 분석 방법론을 활용하여 분석한다. 특히 시간에 따른 관심의 변화를 다각도로 분석하기 위하여 키워드 네트워크 분석과 동적 토픽 모델을 통합적으로 적용한다. 키워드 네트워크는 메이커 운동의 발전을 분석하기 위하여 단어 수준에서 시기별 주요 키워드를 도출하고, 동적 토픽 모델은 메이커 운동이 아우르는 다양한 분야 관점에서 관심도의 변화를 단어와 토픽, 문서의 세 가지 수준에서 파악할 수 있도록 도와준다. 결과적으로 주요 토픽은 창업, 메이커스페이스, 메이커 교육 등이 식별되었고, 주요 키워드는 3D프린터와 기업에서 교육으로 변화된 것을 확인할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The maker movement is a phenomenon of society and culture where people who make necessary things come together and share knowledge and experience through creativity. However, as the maker movement has grown rapidly over the past decade, there is still a lack of consensus for how far they will be vie...

주제어

#메이커 운동   #키워드 네트워크 분석   #동적 토픽 모델   #텍스트 마이닝   #빅데이터  

표/그림 (27)

질의응답

핵심어 질문 논문에서 추출한 답변
메이커 운동이란? 메이커 운동은 필요한 물건을 직접 만드는 사람들이 모여, 창의적 만들기를 통해 지식과 경험을 공유하는 사회와 문화의 움직임이다. 그러나 지난 10년간 메이커 운동이 빠르게 성장하면서, 어디까지를 메이커 운동으로 볼 것인지에 대한 공감대가 아직 부족하다.
메이커 운동이 문헌보다 언론기사의 분석이 더 유용한 이유는? 동향 분석을 위해서는 동향을 파악할 대상과 방법론을 선택해야 한다. 대상 관점에서 고려할 때, 메이커 운동은 아직 학문의 영역이라기보다는 체계가 확립되지 않은 새로운 문화 현상에 가깝기 때문에, 관련 문헌보다 언론 기사의 분석이 더 유용하다. 특히 언론 기사는 기간에 따라 비교적 일정한 분량의 텍스트로 이루어져 있기 때문에, 텍스트 기반의 빅데이터를 활용한 사회적 연구서도 활용도가 높다는 것이 입증되고 있다[6][7].
키워드 네트워크 분석은 어떤 제약을 가지고 있는가? 또한, 단어들의 등위성에 기반을 둔 군집 분석을 통해 키워드를 분류할 수 있다. 하지만 하나의 키워드는 다양한 주제에 포함될 수 있으며, 높은 밀도(Density)의 네트워크에서는 군집의 계층 구조가 불균형하기 때문에, 군집을 통해 문서의 주제를 분류하기에는 제약이 있다. 주제 분류에는 단어들의 집합인 잠재된 토픽들을 식별해 문서의 의미를 파악하고자 하는 토픽 모델(Topic Model)이 더욱 적합하다[12].
질의응답 정보가 도움이 되었나요?

참고문헌 (54)

  1. https://makerfaire.com/global/, 2018.7.29. 

  2. 최혁규, "메이커 문화를 둘러싼 담론적 지형 - 메이커 운동(maker movement)에 대한 비판적 담론 분석," 한국언론정보학보, 제82호, pp.73-103, 2017. 

  3. 신현우, 이광석, "한국의 메이커 문화 동향에 대한 비판적 고찰 - 국가발전 메이커 담론과 일상문화속 저항 사이에서," 인문콘텐츠, 제45호, pp.207-231, 2017. 

  4. S. Papavlasopoulou, M. N. Giannakos, and L. Jaccheri, "Empirical studies on the Maker Movement, a promising approach to learning: A literature review," Entertainment Computing, Vol.18, pp.57-78, 2017. 

    상세보기 crossref

  5. T. Barrett, M. Pizzico, B. D. Levy, R. L. Nagel, J. S. Linsey, K. G. Talley, C. R. Forest, and W. C. Newstetter, "A review of university maker spaces," Georgia Institute of Technology, 2015. 

  6. M. A. Waller and S. E. Fawcett, "Click here for a data scientist: Big data, predictive analytics, and theory development in the era of a maker movement supply chain," Journal of Business Logistics, Vol.34, No.4, pp.249-252, 2013. 

    상세보기 crossref

  7. 강범일, 송민, 조화순, "토픽 모델링을 이용한 신문 자료의 오피니언 마이닝에 대한 연구," 한국문헌정보학회지, 제47권, 제4호, pp.315-334, 2013. 

    원문보기 상세보기

  8. 한국언론학회, 데이터 시대의 언론학 연구, 커뮤니케이션북스, pp.0-0, 2017. 

  9. C. Voigt, C. S. Montero, and M. Menichinelli, "An empirically informed taxonomy for the Maker Movement," In International Conference on Internet Science, Springer, Cham, pp.189-204, 2016. 

  10. J. Grus, Data science from scratch: first principles with python, O'Reilly Media Inc, pp.239-240, 2015. 

  11. A. Duvvuru, S. Kamarthi, and S. Sultornsanee, Undercovering Research Trends: Network Analysis of Keywords in Scholarly Articles, Proceedings of the 9th International Joint Conference on Computer Science and Software Engineering, pp.265-270, 2012. 

  12. C. Wang and D. M. Blei, Collaborative topic modeling for recommending scientific articles, presented at the Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining, ACM, pp.448-456, 2011. 

  13. 김현희, 이혜영, "토픽 네트워크 분석을 활용한 데이터 마이닝 분야 연구 논문 분석," 한국컴퓨터정보학회논문지, 제21권, 제5호, pp.141-148, 2016. 

  14. 나상태, 안주언, 김자희, "사회연결망분석을 활용한 스마트그리드 연구동향 분석," 전기학회논문지, 제66권, 제12호, pp.1697-1704, 2017. 

    원문보기 상세보기

  15. A. Bhadury, J. Chen, J. Zhu, and S. Liu, Scaling up dynamic topic models, Proceedings of the 25th International Conference on World Wide Web, International World Wide Web Conferences Steering Committee, 2016. 

  16. M. Lim and N. Kim, "Analyzing the Issue Life Cycle by Mapping Inter-Period Issues," Journal of Intelligence and Information Systems, Vol.20, No.4, pp.25-41, 2014. 

    원문보기 상세보기 crossref

  17. M. Hatch, The maker movement manifesto: rules for innovation in the new world of crafters, hackers, and tinkerers, McGraw-Hill Education, 2014. 

  18. 강현대, "가구디자인에서의 '메이커 무브먼트 (Makers Movement)' 사례 분석 연구 - '이케아 해킹(IKEA Hacking)' 사례를 중심으로," 한국가구학회지, 제28권, 제3호, pp.156-168, 2017. 

    원문보기 상세보기

  19. 곽혜정, 류희수, "융합인재교육(STEAM) 연구 동향 분석," 과학교육연구지, 제40권, 제1호, pp.72-89, 2016. 

  20. 김영흥, 김진수, "국내 STEAM 교육 연구 논문의 현황 분석," 대한공업교육학회지, 제42권, 제1호, pp.140-159, 2016. 

  21. 이연승, 조경미, "유아과학교육에서 메이커 교육 (Maker Education)의 의미고찰," 어린이미디어연구, 제15권, 제4호, pp.217-241, 2016. 

  22. 남기원, 이수연, "메이커스페이스 탐색을 통한 유아 메이커 교육 고찰," 유아교육학논집, 제21권, 제6호, pp.205-228, 2017. 

  23. 박재성, "4차 산업혁명시대 창업교육의 방향성에 관한 연구: 창업교육의 유형별 중심," 한국창업학회지, 제13권, 제1호, pp.40-67, 2017. 

  24. 강인애, 윤혜진, "메이커교육(Maker Education) 평가틀(Evaluation Framework) 탐색," 한국콘텐츠학회논문지, 제17권, 제11호, pp.541-553, 2017. 

    원문보기 상세보기

  25. 강인애, 김명기, "메이커 활동(Maker Activity)의 초등학교 수업적용 가능성 및 교육적 가치 탐색," 학습자중심교과교육연구, 제17권, 제14호, pp.487-515, 2017. 

  26. 조경미, 이연승, "메이커 교육(Maker Education)에 기반을 둔 유아과학교육 프로그램 개발 및 효과," 유아교육연구, 제38권, 제1호, pp.341-365, 2018. 

  27. 이지선, "메이커 교육에 디자인 사고 적용 연구," 한국디자인포럼, 제54호, pp.225-234, 2017. 

  28. 이재호, 장준형, "과학영재용 소프트웨어 코딩기반 메이커 교육 프로그램의 개발," 영재교육연구, 제27권, 제3호, pp.331-348, 2017. 

  29. 윤성혜, 장지은, 김세영, "청소년 기업가정신 함양을 위한 메이커교육 프로그램 모형 개발," 교육공학연구, 제33권, 제4호, pp.839-867, 2017. 

  30. 강인애, 김홍순, "메이커 교육(Maker education)을 통한 메이커 정신(Maker mindset)의 가치 탐색," 한국콘텐츠학회논문지, 제17권, 제10호, pp.250-267, 2017. 

    원문보기 상세보기

  31. 홍소람, 박성우, "코워킹 스페이스로서의 공공도서관 무한창조공간 개념 분석," 한국도서관정보학회지, 제46권, 제4호, pp.245-269, 2015. 

  32. 김보영, 곽승진, "대학도서관의 메이커 스페이스 도입방안 연구," 한국도서관정보학회지, 제48권, 제3호, pp.259-279, 2017. 

  33. 장윤금, "공공도서관 메이커스페이스 구성 및 프로그램 분석 연구," 한국문헌정보학회지, 제51권, 제1호, pp.289-306, 2017. 

    원문보기 상세보기

  34. 강인애, 최성경, "도서관 메이커 활동(Maker Activity)을 통한 메이커 정신: 사회관계성을 중심으로," 학습자중심교과교육연구, 제17권, 제19호, pp.407-430, 2017. 

  35. 곽승진, 노영희, 신재민, "복합문화기관으로서 도서관의 공간 구성 연구," 한국비블리아학회지, 제28권, 제3호, pp.7-25, 2017. 

    원문보기 상세보기

  36. 문찬, "메이커산업과 디자인.공학 융합교육의 방향," 상품학연구, 제35권, 제3호, pp.27-34, 2017. 

  37. 변문경, "발명 교실 학생들의 메이커 교육에 대한 인식 분석," 한국과학교육학회지, 제38권, 제1호, pp.1-9, 2018. 

    원문보기 상세보기

  38. 안인자, 노영희, "공공도서관 메이커스페이스 조성과 운영 현황조사 분석 연구," 한국비블리아학회지, 제28권, 제4호, pp.415-436, 2017. 

    원문보기 상세보기

  39. 언규, "창업.혁신 맥락에서의 중국 촹커," 글로벌 문화콘텐츠, 제31호, pp.127-141, 2017. 

  40. 송민, 텍스트 마이닝, 청람, pp.21-120, 2017. 

  41. J. Thanaki, Python Natural Language Processing, Packt Publishing Ltd, pp.84-86, 2017. 

  42. D. Chopra, N. Joshi, and I. Mathur, Mastering Natural Language Processing with Python, Packt Publishing Ltd, pp.25-27, 2016. 

  43. A. C. Muller and S. Guido, Introduction to Machine Learning with Python: A Guide for Data Scientists, O'Reilly Media, Inc., pp.394-427, 2016. 

  44. S. Wasserman and K. Faust, Social Network Analysis: Methods and Applications (Vol.8), Cambridge University Press, 1994. 

  45. 김용학, 사회연결망분석, 박영사, pp.108-110, 2011. 

  46. 나상태, 안주언, 정민호, 김자희, "동적 토픽분석을 활용한 스마트그리드 연구동향 분석," 전기학회논문지, 제66권, 제4호, pp.613-620, 2017. 

    원문보기 상세보기

  47. J. Chang, S. Gerrish, C. Wang, J. L. Boyd-Graber, and D. M. Blei, Reading tea leaves: How humans interpret topic models, Advances in neural information processing systems, pp.288-296, 2009. 

  48. D. Newman, J. H. Lau, K. Grieser, and T. Baldwin, Automatic evaluation of topic coherence, Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, Association for Computational Linguistics, pp.100-108, 2010. 

  49. https://www.bigkinds.or.kr 

  50. https://radimrehurek.com/gensim/models/coherencemodel.html, 2018.9.14. 

  51. M. Roder, A. Both, and A. Hinneburg, Exploring the space of topic coherence measures, In Proceedings of the eighth ACM international conference on Web search and data mining, ACM, pp.399-408, 2015. 

  52. http://www.kbench.com/?qnode/141411, 2018.7.29. 

  53. 조상래, "선전 메이커운동과 스타트업 동향," 기술과 혁신 2018년 5월호, pp.26-29, 2018. 

  54. http://platum.kr/archives/54896, 2018.7.29. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로