선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- LDA는 각 문서에 어떤 주제들이 존재하는지에 대한 확률 모형으로 문서에 포함된 단어들의 빈도수를 가지고 표현한다. 본 논문에서는 자유학기제 보고서에 대해 토픽의 의미론적 일관성을 살펴보기 위해서 coherence를 통해 적절한 토픽의 수를 찾아본다. 토픽이 얼마만큼 일관성을 가지는지에 따라서 coherence score가 정해진다.
- 본 연구는 현재 전국의 모든 중학교에서 시행되고 있는 자유학기제의 운용 현황을 분석하기 위하여 실제로 자유학기제의 수업을 구성하고 시행하고 있는 교사들이 작성한 수업계획서를 다양한 빅데이터 분석 방법을 활용하여 분석하였다는 데 그 의미가 있다. 즉 본 연구의 결과는 사전에 일정한 내용으로 질문을 한정하는 설문지 조사를 통해 수행된 연구에 비하여 더욱 광범위한 주제를 분석할 수 있었다는 장점이 있으며, 신문기사나 보도자료가 아닌 현장 전문가의 실제 계획서를 분석했다는 점에서 자유학기제의 실제 운영 현황에 근접한 결과를 도출하였다고 생각된다.
- 본 연구에서는 빅데이터 기술을 교육 분야에서 실제로 어떻게 활용할 수 있는가를 보이기 위해, 현재 전국의 모든 중학교에서 운영되고 있는 자유학기제의 운영계획서를 바탕으로 빅데이터 분석을 수행하였다. 자유학기제는 지난 2015년 시범운영 이후 2016년부터 전국의 모든 중학교에서 시행되고 있으며, 현 정부의 교육부 6개 과제 중 ‘교실혁명을 통한 공교육 혁신’의 세부과제로서 자유학기제 확대가 포함되어 있을 만큼 현 정부의 핵심교육정책 중의 하나이다.
- 본 연구에서는 현 정부의 대표적인 교육정책인 자유학기제의 운용 현황과 시도별 운영 특징을 살펴보기 위하여 서울과 강원지역 전체 중학교의 자유학기제 운영계획서를 분석하였다. 구체적으로 서울과 강원지역 중학교의 자유학기제 운영계획서에 포함된 주요 단어와 빈도를 분석하여 지역별 주요관심 사항을 비교하고 시각화하였다.
가설 설정
- 문서에 여러 토픽들이 존재할 수 있고, 토픽은 다양한 단어들로 표현된다고 전제한다. 그리고 각 문서마다 토픽의 구성 비율이 다르고, 이 비율을 결정하는 확률분포로 디리클레 분포가 존재한다고 가정한다. LDA는 결과적으로 텍스트 데이터에서 주요 토픽들과 그 토픽들을 구성하는 단어들의 집합을 찾아낸다.
- 이와 같이 원-핫 인코딩(one-hot encoding)을 수행하여 문서에 대해서 벡터화하여 원-핫 벡터(one-hot vector)를 만든다. 그리고 비슷한 위치에 있는 단어들이 서로 유사한 의미를 가진다는 가정으로 단어의 의미를 벡터화한다. 그러나 이러한 벡터는 매우 고차원의 결과를 나타내기 때문에 결과의 가독성과 해석 가능성을 높이기 위하여 t-SNE(t-Distributed Stochastic NeighborEmbedding)[20]를 이용하여 저차원으로 변환 후 시각화한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.