[논문]R을 이용한 대학의 학과 명칭 분석

반재훈; 김동현; 하종수

doi:10.6109/jkiice.2018.22.6.829

R을 이용한 대학의 학과 명칭 분석
Analysis of University Department Name using the R 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.22 no.6, 2018년, pp.829 - 834

반재훈 (Department of IT Management, Kosin University) , 김동현 (Division of Computer Engineering, Dongseo University) , 하종수 (Department of Broadcasting & Image, Kyungnam College of Information & Technology)

초록
AI-Helper

IT 기술의 발전에 따라 미래를 예측할 수 있는 빅데이터의 중요성이 강조되고 있으며, 다양한 산업에서 이를 활용하고 있다. 이러한 빅 데이터를 분석할 수 있는 도구인 R은 통계 기반의 정보 분석을 가능하게 하는 언어와 환경이다. 대학은 최고의 학문기관으로서 시대의 발전과 요구에 따라 그에 대응하는 학과를 개설하고 유지해 왔다. 따라서 대학의 학과명을 분석하면 현 시대의 요구와 기술의 발전에 대하여 알 수 있다. 본 논문에서는 빅데이터 분석도구인 R을 이용하여 전국에 2 4년제 대학, 대학원의 학과를 분석한다. 학과 명칭을 수집하고 각 데이터를 분석하여 학과 명칭의 빈도를 조사하며 대학에 어떤 학과 명칭이 자주 사용되는지를 파악한다.

Abstract ▼ AI-Helper

As the IT technology is progressing, the big data becomes more important and is exploited on the various industry. The R is the language and the environment analyzing the big data. The university which is the highest level of the academic organization keeps opening and maintaining the departments anticipating the needs of the progressing trends. As analyzing the names of the departments opened at the universities, it is possible to find out the requirements and the needs of the recent trends. In this paper, we analyze the names of the departments presented at the 4 year universities using the R. To do this, we collect the names of the departments and measure the frequency of the names in order to know the department of major frequently presented at the universities.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

학과 명칭을 수집하고 각 데이터를 분석하여 학과 명칭의 빈도를 조사하며 대학에 어떤 학과 명칭이 자주 사용되는지를 파악한다. 또한 신설되고 폐과된 학과들이 어떻게 분포되어 있는지도 조사한다.
본 논문에서는 R을 이용하여 전국에 2 · 4년제 대학의 학과를 분석하였다.

제안 방법

[2]에서는 데이터 시각화 도구 통계 패키지인 R을 이용하여 대기오염의 자료를 여러 가지 방법의 데이터 시각화를 통하여 나타내었고, 데이터 시각화 방법별로 통계적인 방법을 활용한 분석과 연계하여 어떤 특징이 있는지를 나타냈다. 2차원의 히스토그램과 선점도, 상자그림, 3차원 산점도와 투시도 등 다양한 방법의 그래프를 구현하여 오존농도와 설명 변수들 간에 어떠한 관련성이 있는지를 분석하였다.
그런데 어미를 삭제하는 경우에 수학과, 철학과 등의 학과명에서 학과를 삭제해서 의미가 회손되는 경우는 전처리를 하였으며 컴퓨터공학과, 컴퓨터과학과 등 공학, 과학 등의 단어로 끝나는 경우에도 학과를 삭제할 때 전처리하고 2차 분석을 실시하였다. 그러나 이러한 2차 분석에서도 단어를 완벽하게 분석하지 못하는 문제가 발견되었다.
본 논문에서는 전국 대학의 학과를 빅데이터 분석도구인 R을 이용하여 워드 클라우드 형태의 그래프로 표현한다. 먼저 각 대학에 어떠한 학과가 있는지를 조사하기 위하여 대학 알리미(http://www.
최근 3년간의 자료를 수집하고 2년제와 4년제를 나누어 기존, 신설, 변경된 학과의 데이터를 분석하였다. 빅데이터 분석도구 R을 이용하여 수집된 데이터를 분석하고 이를 워드클라우드 형태의 그림으로 나타내어 시각화함으로써 빈도 수에 따른 키워드를 쉽게 알아 볼 수 있도록 하였다. 향후 연구에서는 학과의 단어들로 구성된 사용자 사전을 구축하고 학과명에 들어간 의미 있는 명사를 추출하여 새롭게 분석할 예정이다.
본 논문에서는 R을 이용하여 전국에 2 · 4년제 대학의 학과를 분석하였다. 최근 3년간의 자료를 수집하고 2년제와 4년제를 나누어 기존, 신설, 변경된 학과의 데이터를 분석하였다. 빅데이터 분석도구 R을 이용하여 수집된 데이터를 분석하고 이를 워드클라우드 형태의 그림으로 나타내어 시각화함으로써 빈도 수에 따른 키워드를 쉽게 알아 볼 수 있도록 하였다.
필터링에서는 먼저 특수문자를 삭제(예 컴퓨터·전자에서 · 삭제)하였고 학과명에서 “학과”, “학부”라는 어미를 삭제하였다.
본 논문에서는 빅데이터 분석도구인 R을 이용하여 2016년~2018년의 전국에 2 · 4년제 대학의 학과를 분석한다. 학과 명칭을 수집하고 각 데이터를 분석하여 학과 명칭의 빈도를 조사하며 대학에 어떤 학과 명칭이 자주 사용되는지를 파악한다. 또한 신설되고 폐과된 학과들이 어떻게 분포되어 있는지도 조사한다.
본 논문에서는 R을 이용하여 전국에 2 · 4년제 대학의 학과를 분석하였다. 학과 명칭을 수집하고 각 데이터를 분석하여 학과 명칭의 빈도를 조사하였다.

대상 데이터

kr/)에서 제공하는 학과정보를 이용하였다. 2016년, 2017년, 2018년 각각의 데이터를 수집하고 이 데이터를 이용하여 분석을 실시하였다. 각 년도의 데이터는 19열로 구성되며 2016년 42,789개, 2017년 45,569개, 2018년 45,452개로서 총 133,810개의 레코드로 구성된 데이터이다.
2016년, 2017년, 2018년 각각의 데이터를 수집하고 이 데이터를 이용하여 분석을 실시하였다. 각 년도의 데이터는 19열로 구성되며 2016년 42,789개, 2017년 45,569개, 2018년 45,452개로서 총 133,810개의 레코드로 구성된 데이터이다. 데이터의 분석과정은 그림 1과 같다.
본 논문에서는 전국 대학의 학과를 빅데이터 분석도구인 R을 이용하여 워드 클라우드 형태의 그래프로 표현한다. 먼저 각 대학에 어떠한 학과가 있는지를 조사하기 위하여 대학 알리미(http://www.academyinfo.go.kr/)에서 제공하는 학과정보를 이용하였다. 2016년, 2017년, 2018년 각각의 데이터를 수집하고 이 데이터를 이용하여 분석을 실시하였다.
본 논문에서는 빅데이터 분석도구인 R을 이용하여 2016년~2018년의 전국에 2 · 4년제 대학의 학과를 분석한다.

성능/효과

워드클라우드에는 분포가 50이상인 학과만을 나타내었다. 표 1과 같이 경영이 453회, 간호가 450회로 가장 많은 빈도를 보였으며 사회복지, 건축, 영어의 순서대로 많이 나타났다.
워드클라우드에는 분포가 30이상인 학과만을 나타내었다. 표 2와 같이 사회복지가 468회, 유아교육이 419회로 가장 많은 빈도를 보였으며 간호, 치위생, 전기의 순서대로 많이 나타났다. 4년제 기존 학과와의 분포를 비교하면 취업에 유리한 사회복지, 유아교육, 치위생, 물리치료 등이 상위권에 포함되어 있으며 영어, 수학, 행정 등의 인문계열의 학과가 포함되어 있지 않는 특징을 나타냈다.
워드클라우드에는 분포가 3이상인 학과만을 나타내었다. 표 3과 같이 사회복지 16회, 경영 13회로 가장 많은 빈도를 보였으며 소프트웨어, 컴퓨터, 간호의 순서대로 많이 나타났다
워드클라우드에는 분포가 30이상인 학과만을 나타내었다. 표 6과 같이 사회복지 255회, 간호 241회로 가장 많은 빈도를 보였으며 피부미용, 건축, 컴퓨터정보의 순서대로 많이 나타났다. 4년제 변경 학과와의 분포를 비교하면 거의 비슷하나 피부미용과 같이 2년제 대학에 많이 개설된 학과가 나타나는 것이 특징이다.

후속연구

예를 들어 “컴퓨터전자학과”의 경우 “컴퓨터”와 “전자”라는 두 개의 단어로 분리되어 분석되어야 하는데 이를 하나의 단어로 인식하는 한계가 발생하였다. 추후 연구에서는 사용자 사전을 구축하여 단어를 분석할 계획이며 본 논문에서는 1차와 2차 분석만을 기술한다.
빅데이터 분석도구 R을 이용하여 수집된 데이터를 분석하고 이를 워드클라우드 형태의 그림으로 나타내어 시각화함으로써 빈도 수에 따른 키워드를 쉽게 알아 볼 수 있도록 하였다. 향후 연구에서는 학과의 단어들로 구성된 사용자 사전을 구축하고 학과명에 들어간 의미 있는 명사를 추출하여 새롭게 분석할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터 분석 기술에는 어떠한 것들이 있는가?	기존의 빅데이터 분석 기술로는 데이터 마이닝, 텍스트 마이닝, 오피니언 마이닝, 웹 마이닝, 소셜 마이닝 등 다양한 기법을 통한 빅 데이터 분석연구가 있었다. [1] 에서는 정보통신의 발달과 소셜 미디어의 급속한 확산으로 생산된 빅 데이터를 분석하는 기법과 인프라 기술에 대해 기술하고 한글 텍스트 데이터를 R 프로그램을 이용하여 usesejongdic() 이라는 함수를 이용하여 명사만 추출하는 방법으로 비정형 데이터를 분석하였다.
	R의 특징은?	IT 기술의 발전에 따라 실생활에서 발생하는 대규모의 비정형 데이터를 수집하고 수집된 데이터를 이용하여 미래를 예측할 수 있는 빅데이터 의 중요성이 강조되고 있으며, 다양한 산업에서 이를 활용하고 있다. 이러한 빅 데이터를 분석할 수 있는 도구인 R은 통계 기반의 정보 분석을 가능하게 하는 언어와 환경이다.
	본 논문에서 R을 이용하여 전국에 2․4년제 대학의 학과를 분석하기 위해 어떠한 절차과정을 거쳤는가?	본 논문에서는 R을 이용하여 전국에 2․4년제 대학의 학과를 분석하였다. 최근 3년간의 자료를 수집하고 2년제와 4년제를 나누어 기존, 신설, 변경된 학과의 데이터를 분석하였다. 빅데이터 분석도구 R을 이용하여 수집된 데이터를 분석하고 이를 워드클라우드 형태의 그림으로 나타내어 시각화함으로써 빈도 수에 따른 키워드를 쉽게 알아 볼 수 있도록 하였다. 향후 연구에서는 학과의 단어들로 구성된 사용자 사전을 구축하고 학과명에 들어간 의미 있는 명사를 추출하여 새롭게 분석할 예정이다.

참고문헌 (8)

H. Kim, "Big Data Case Study by Using R," M. S. thesis, Hoseo University, Asan, Korea, 2014.
Y. Oh, E. Park, "Data visualization of airquality data using R software," Journal of the Korea Data & Information Science Society, vol. 26, no. 2, pp. 399-408, Apr. 2015.

원문보기 상세보기
C. Jang, J. Jang, S. Kim, H. Lee, C. Lee, "A study on the efficient patent search process using big data analysis tool R," Journal of Korea Safety Management & Science, vol. 15, no. 4, pp. 289-294, Aug. 2013.

원문보기 상세보기
Y. Kim, C. Ban, "Analysis of the Bible Data using Big Data Analytics Tools R," in Proceedings of Korea Institute of Information and Communication Engineering 2015, pp. 349-352, 2015.
Y. Noh, S. Yoon, K. Lee, Y. Cho, "Structuring of unstructured big data and visual interpretation," Journal of the Korea Data & Information Science Society, vol. 25, no. 6, pp. 1431-1438, Dec. 2014.

원문보기 상세보기
W. Lee, J. Kang, "A Study on Humanity Convergence Map using space metaphor and POI (point of interest) of Big Data," The Journal of the Institute of Internet, Broadcasting and Communication, vol. 15, no. 3, pp. 43-50, Oct. 2015.
J. Lee, M. Lee, "Big data-based information recommendation system," Journal of the Korea Institute of Information and Communication Engineering, vol. 22, no. 3, pp. 443-450, Aug. 2018.
G. Chandrika, "Study on Software Reliability and Reliability Testing," Asia-pacific Journal of Convergent Research Interchange, vol. 1, no. 1, pp. 7-20, Feb. 2015.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증