[논문]토픽 모델링을 활용한 다문화 연구의 이슈 추적 연구

박종도

doi:10.4275/kslis.2019.53.3.273

토픽 모델링을 활용한 다문화 연구의 이슈 추적 연구
A Study on Issue Tracking on Multi-cultural Studies Using Topic Modeling 원문보기

한국문헌정보학회지 = Journal of the Korean Society for Library and Information Science, v.53 no.3, 2019년, pp.273 - 289

초록
AI-Helper

본 논문은 국내 다문화 관련 분야의 연구동향을 규명하기 위하여 다문화와 관련한 국내 학술 문헌을 수집하여 LDA (Latent Dirichlet Allocation) 기반의 토픽 모델링을 통해 토픽을 분석하였다. 이를 통해 국내 다문화 관련 연구에서의 중심 연구 토픽을 시기별로 추적하여 그 변화의 양상을 관찰하였고, 그 결과 핫 토픽으로는 '다문화 사회통합'과 '학교 다문화 교육'이 관찰되었으며 콜드 토픽으로는 '문화정체성과 민족주의' 관련 토픽이 관찰되었다.

Abstract ▼ AI-Helper

The goal of this study is to analyze topics discussed in academic papers on multiculture in Korea to figure out research trends in the field. In order to do topic analysis, LDA (Latent Dirichlet Allocation)-based topic modeling methods are employed. Through the analysis, it is possible to track topic changes in the field and it is found that topics related to 'social integration' and 'multicultural education in schools' are hot topics, and topics related to 'cultural identity and nationalism' are cold topics among top five topics in the field.

주제어

표/그림 (14)

그림 <그림 1> Graphical model representation of LDA from “Latent Dirichlet Allocation,” by Blei, D. Ng, A. and Jordan, M. 2003. Journal of Machine Learning Research, 3: 997.
그림 <그림 2> 국내 다문화 관련 학술 논문 발행 추이
표 <표 1> 코퍼스 기본 정보
그림 <그림 3> 토픽 수와 혼란도의 상관관계 - 제목, 키워드, 초록
그림 <그림 4> 토픽 수와 혼란도의 상관관계 - 키워드
그림 <그림 5> 토픽 수와 혼란도의 상관관계 - 제목, 키워드, 초록 (토픽 수 10~60개)
그림 <그림 6> 각 토픽별 확률 분포
표 <표 2> 토픽별 주요 단어(상위 30개)
그림 <그림 7> 토픽 1의 워드 클라우드 - 학교 다문화 교육
그림 <그림 8> 토픽 2의 워드 클라우드 - 결혼 이주 여성
그림 <그림 9> 토픽 3의 워드 클라우드 - 문화 교육 및 다양성
그림 <그림 10> 토픽 4의 워드 클라우드 - 문화 정체성과 민족주의
그림 <그림 12> 연도별 토픽 트랜드의 변화
그림 <그림 11> 토픽 5의 워드 클라우드 - 외국인 사회 통합 정책

AI 본문요약
AI-Helper

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

문제 정의

LDA는 문헌 내의 잠재된 토픽을 추정하는 것으로 어떤 단어들을 어떠한 토픽에서 선택하여 배치할 것인지 각각의 파라미터(parameter; α, β)로 모델링하는 기법이다. 문헌, 단어 등 관찰된 변수(w)를 통해 문헌의 구조 같은 잠재 변수를 추론하는 것을 목적으로 하며, 궁극적으로 전체 문서 집합의 주제들과 문서별 주제 비율및 각 주제에 포함될 단어들의 분포를 도출할수 있다.
본 연구에서는 다문화 관련 국내 주요 학술 문헌에서 다루어지는 주요 토픽을 분석하여 다문화 관련 연구에서 나타나는 주요 이슈들이 시간의 흐름에 따라 어떻게 변하고 있는지를 살펴보고 이를 통해 다문화 관련 국내의 연구 동향을 살펴보고자 한다. 특히 다문화 관련 국내 연구 동향의 시간 흐름에 따른 토픽의 변화를 살펴보기 위해 토픽 모델링 기법을 사용하고자 한다.
본 연구에서는 다문화 관련 국내 학술잡지에 실린 논문을 대상으로 LDA 분석의 장점을 최대한 활용하기 위해 논문의 제목, 저자 키워드, 초록 모두를 대상으로 최적의 토픽 수를 찾고 이를 통해 다문화 관련 연구의 토픽을 분석하고 연구 동향을 분석하고자 한다.
이러한 의미에서 토픽 모델링을 다문화 주제 분야에 적용하여 해당 주제 분야의 이슈 변화를 살펴보는 것이 광범위한 학문영역에서 다루어지는 특정 주제(다문화)와 관련한 이슈를 추적하므로 연구의 동향을 밝히는 것은 여전히 의미가 있다. 본 연구에서는 다양한 학문 분야에서 진행된 다문화와 관련한 국내 연구를 대상으로 초록이 아닌 논문 전체의 내용을 대상으로 토픽 모델링을 실시하여 다문화와 관련한 국내 연구의 주요 토픽을 규명함으로써 다문화 관련 연구의 동향을 분석하고자 한다.
그러나, LDA 기반 토픽 모델링에서는 식별가능한 단어(w)이외의 나머지 변수들은 모두 감추어져(latent) 있기 때문에 가장 이상적인 토픽의 개수를 명확히 정의할 수 없는 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위한 한 방법으로 LDA 모델에 적용할 최적의 토픽의 개수를 선정하기 위하여 토픽의 개수가 수집된 전체 코퍼스 내에 최소 10개에서 최대 30개의 숨겨진 토픽이 있음을 가정하고 최적의 토픽 수를 찾기 위하여 각토픽 모델을 시뮬레이션하였다.
본 연구에서는 한국연구재 단의 인용색인에 등재된 국내 학술지를 대상으로 특정 주제분야를 제한하지 않고 다문화와 관련된 논문의 제목, 저자 키워드, 초록을 모두 포함한 텍스트를 대상으로 토픽 모델링 기법을 적용하여 포괄적으로 다문화 관련 연구 토픽의 흐름을 분석하고자 하였다.
이 논문은 국내에서 진행된 다문화 연구를 대상으로 중요 연구 토픽을 추출하여 다문화 영역의 토픽의 흐름을 파악함으로써 해당 주제 분야의 연구 동향을 파악하고자 하였다. 기존의 선행 연구에서는 다문화와 관련한 연구자료의 수집 범위를 작은 하위 분야로 제한하여 연구자가 직접 내용 분석을 행하는 연구들이 많이 진행되었다.
토픽 모델링 기법은 텍스트 마이닝 기법을 활용한 통계 추론 모델로서 이 방법을 활용하면 연구자의 주관에 영향을 받을 수 있는 연구주제에 대한 평가를 문헌에 나타나는 텍스트를 통계적으로 분석하여 더욱 객관적이고 명확하게 연구 주제를 분석하여 낼 수 있는 장점이 있다. 이를 통해 다문화 관련 국내 학술 연구에서의 연구주제의 변화와 그 양상을 종합적으로 분석하 고자 한다.
박자현, 송민(2013)은 국내 문헌정보학 분야의 연구동향을 분석하기 위하여 문헌정보학 분야의 주요 학술지 4종에 실린 논문의 초록을 수집하여 LDA 기반의 토픽 모델링을 실시하였 다. 이를 통해 문헌정보학자들의 주요 연구주제를 규명하고 문헌정보학의 주요 연구주제의 연도별 추이를 분석하고 새롭게 활발한 연구가 진행되는 연구주제(hot topics)와 연구의 인기가 줄어들고 있는 연구주제(cold topics)를 밝히고자 하였다.
한편, 국내 다문화 관련 연구 활동이 활발해 짐에 따라 연구자들은 다문화관련 연구가 어떤 주제를 중심으로 발전하고 있으며 어떻게 변화하고 있으며 학문적 유행은 어떤 양상을 보이는지 등 그 현상을 조사해 볼 필요가 있다. 이에 본 연구에서는 다문화와 관련한 국내 연구자들의 연구주제를 분석하여 보고 국내 연구자들의 연구 관심의 흐름을 추적해보고자 한다.

제안 방법

LDA 기반의 토픽 모델링을 적용한 연구 동향의 분석이 문헌정보학, 정보학뿐만 아니라 관광분야, 다문화 영역에 이르기까지 다양하게 수행되었다. LDA 기반의 토픽 모델링 기법을 적용함으로써 해당 분야의 주제를 분석하고 또한 이러한 주제를 다양한 시기별로 분석함으로써 주제의 변화를 추적하여 연구 동향을 분석하였다. 이러한 방법을 적용하는 주제분석 및 연구 동향 분석은 SNS 분야에도 적용되 었으며 트윗과 같은 데이터를 활용하여 SNS상의 텍스트에 나타난 주제 분석과 이슈의 변화를 추적하는 연구가 진행되었다.
다문화 관련 국내 연구와 관련하여 연도별 연구 토픽 트랜드의 변화를 추적하기 위하여 전체 29개의 토픽 중 토픽 확률 분포의 상위 5개의 토픽(설정 값 p>0.045) 을 선정하고 이를 추적하였다.
연도별 연구 토픽의 트랜드를 분석하기 위해서 각 연도에 발행된 모든 논문의 제목, 저자 키워드, 초록에 나타난 텍스트를 각 연도별 하나의 문서로 간주하여 모으고 이를 대상으로 앞에서 분석한 토픽 모델을 적용하여 각 연도별 문헌에 나타나는 토픽의 분석을 시도하였다.
이 연구에서 연구 토픽의 흐름을 분석하기 위해 LDA 분석을 시행하였는데, 최적의 LDA 모델을 선정하기 위해 각 모델의 토픽 수를 달리 하여 실험한 후 해당 모델의 혼란도를 비교하여 가장 안정된 모델을 선정하였다. 그 결과 본 연구에서 사용한 코퍼스를 대상으로 하였을 경우 29개의 토픽 수가 가장 적합한 것으로 파악되었다.
<그림 3>의 경우에도 중간중간에 미세하게 두드러지는 부분(토픽수 19, 22, 26, 29)이 식별되는데, 이러한 지점에서 토픽 분석의 정확성을 담보하는 통계적 확률이 변화 하는 지점이라 할 수 있다. 이러한 사실을 바탕으로 토픽 모델 생성을 위해서 키워드만을 이용하는 대신 코퍼스 내의 각 논문을 표현하는 제목, 저자키워드, 초록 모두를 포함하는 텍스트를 활용하여 토픽 모델을 생성하였다.
그 결과 본 연구에서 사용한 코퍼스를 대상으로 하였을 경우 29개의 토픽 수가 가장 적합한 것으로 파악되었다. 이렇게 선택된 LDA 모델을 토대로 각 연도별 연구 문헌의 토픽을 비교하고 그 흐름을 추적하였다. 이를 통해 수집된 코퍼스의 수록 기간 전반기에는 문화, 정체성, 주의, 한국, 민족, 시민 등으로 대표되는 “문화정체성과 민족주 의”의 주제(토픽4)가 활발하게 진행된 반면, 근래에 와서는 이에 관한 관심이 상대적으로 줄어든 것을 알 수 있었다.
kr) 에서 키워드로 “다문화”라는 단어를 포함한 논문을 망라적으로 수집하였다. 이렇게 수집된 문헌의 텍스트를 제목, 키워드, 초록 등으로 구조화하였다. 수집된 텍스트를 활용하여 토픽 분석을 하기 위해서 각 논문의 텍스트를 코모란 한글형태소를 분석기를 활용하여 형태소 분석을한 다음 각 논문의 텍스트 중 명사만을 추출하여 해당 명사 단어군을 분석의 대상으로 삼았다.
이를 바탕으로 토픽 5의 잠정적인 주제를 “외국인 사회 통합 정책”으로 명명 하였다.
강범일, 송민, 조화순(2013)은 웹에서 대선 후보와 관련한 국내 신문자료의 기사를 수집하여 해당 기사에 나타난 토픽을 분석하기 위해 LDA 기반 토픽 모델링 알고리즘을 사용하여 주제를 분석하였다. 이를 통해 18대 대선 후보 들의 기사에서 형성되는 주제들을 추출하고, 이러한 주제들이 매체별로 보이는 차이, 주제를 구성하는 단어들의 내용의 차이, 시기별 주제 분포의 차이를 살펴보았다.
각 논문의 텍스트를 모두 활용하는 방법을 통해 토픽 수를 60개까지 더 늘려 실험한 결과를 보면 토픽 수 29개까지의 혼란도의 값이 조금씩 감소하다가 토픽 수 30개에서 그 값이 갑자기 증가하는 것을 <그림 5>와 같이 관찰하였 다. 이를 통해 볼 때, 전체 코퍼스 내에 존재하는 잠재적인 토픽의 수를 29개로 보는 것이 실험 결과에 비추어 볼 때 적합하다고 판단하여 이후 토픽 수를 29개로 설정하여 실험을 진행하였다. 물론 토픽의 수를 지속적으로 증가시켜 실험을 진행하면 혼란도의 값이 최소가 되는 지점을 찾을 수도 있겠지만 그 경우에는 토픽의 수가 매우 많아지게 되어 본 연구의 주제인 다문화 관련 연구분야의 주요 연구동향을 추적하는데 분석해야 하는 토픽의 수가 너무 많아 오히려 부정적인 효과를 나타낼 수도 있을 것이다.
장임숙, 장덕현, 이수상(2011)은 한국 다문화 지식체계의 구조를 분석하기 위하여 2005년 부터 2010년까지 발행된 한국연구재단 등재 및등재 후보 학술지를 대상으로 저자가 부여한 키워드를 활용한 키워드 동시출현을 통한 연결 망을 분석하여 다문화 연구가 활성화된 학문분 야의 분야별 핵심 주제와 다문화 지식구조의 특성을 분석하였다. 이상의 두 연구는 다문화 관련 연구의 연구 주제와 연구 동향을 분석하기 위하여 각각 초록 또는 저자 키워드를 대상 으로 분석을 실시하였다.
전처리 과정을 통해 정제된 텍스트를 활용하여 토픽분석을 하기 위하여 본 연구에서는 Matlab의 Text Analytics Toolbox를 활용하여 LDA 기반의 토픽 모델링을 한 후 이를 활용하여 토픽 분석하였다. LDA 토픽 분석의 경우, LDA 토픽 분석 결과의 품질 향상을 위해서는 문서와 토픽 간의 밀도를 나타내는 α의 값을 최적의 값으로 설정하는 것이 중요하다.
토픽의 수를 설정하고 토픽을 분석한 후, 2002 년도부터 2018년도까지 시계열별로 다문화 관련 연구 토픽 트랜드의 변화를 살펴보기 위하여 앞서 설정한 29개의 토픽에 대한 트랜드의 변화를 추적하였다.
본 연구에서는 다문화 관련 국내 주요 학술 문헌에서 다루어지는 주요 토픽을 분석하여 다문화 관련 연구에서 나타나는 주요 이슈들이 시간의 흐름에 따라 어떻게 변하고 있는지를 살펴보고 이를 통해 다문화 관련 국내의 연구 동향을 살펴보고자 한다. 특히 다문화 관련 국내 연구 동향의 시간 흐름에 따른 토픽의 변화를 살펴보기 위해 토픽 모델링 기법을 사용하고자 한다.

대상 데이터

다문화 관련 국내 학술 연구의 연구주제 변화를 파악하기 위하여 한국연구재단에 등재 및 등재 후보 학술지를 대상으로 ‘다문화’라는 키워드를 포함한 논문 약 8,000건 중 텍스트로 원문 입수가 가능한 논문을 한정하였다. 논문의 발행 시기는 앞에서 수집한 논문의 가장 빠른 발행년도인 2000년 이후 발행된 학술 논문을 대상으로 하였다.
다문화 관련 국내 학술 연구의 연구주제 변화를 파악하기 위하여 한국연구재단에 등재 및 등재 후보 학술지를 대상으로 ‘다문화’라는 키워드를 포함한 논문 약 8,000건 중 텍스트로 원문 입수가 가능한 논문을 한정하였다.
본 실험 연구에 사용될 텍스트를 수집하기 위해 한국학술지인용색인(https://www.kci.go.kr) 에서 키워드로 “다문화”라는 단어를 포함한 논문을 망라적으로 수집하였다.
본 연구에서 LDA 토픽 분석에서 토픽과 단어 사이의 밀도를 설정하는 β의 값으로는 50을 기본으로 설정하였다.
수집된 텍스트를 활용하여 토픽 분석을 하기 위해서 각 논문의 텍스트를 코모란 한글형태소를 분석기를 활용하여 형태소 분석을한 다음 각 논문의 텍스트 중 명사만을 추출하여 해당 명사 단어군을 분석의 대상으로 삼았다.

성능/효과

각 논문의 텍스트를 모두 활용하는 방법을 통해 토픽 수를 60개까지 더 늘려 실험한 결과를 보면 토픽 수 29개까지의 혼란도의 값이 조금씩 감소하다가 토픽 수 30개에서 그 값이 갑자기 증가하는 것을 와 같이 관찰하였 다.
이 연구에서 연구 토픽의 흐름을 분석하기 위해 LDA 분석을 시행하였는데, 최적의 LDA 모델을 선정하기 위해 각 모델의 토픽 수를 달리 하여 실험한 후 해당 모델의 혼란도를 비교하여 가장 안정된 모델을 선정하였다. 그 결과 본 연구에서 사용한 코퍼스를 대상으로 하였을 경우 29개의 토픽 수가 가장 적합한 것으로 파악되었다. 이렇게 선택된 LDA 모델을 토대로 각 연도별 연구 문헌의 토픽을 비교하고 그 흐름을 추적하였다.
박준형, 오효정(2017)은 국내 기록관리학 분야의 연구동향을 분석하기 위해 LDA 기반의 토픽 모델링 기법과 HDP(Hierarchical Dirichlet Process) 기반의 토픽 모델링 기법을 적용하고 그 결과를 바탕으로 두 토픽 모델링 기법의 차이를 비교 분석하였다. 이를 통해 LDA 토픽 모델링은 빈도수가 높은 키워드에 영향을 많이 받으며 일반적인 키워드가 많아 각 토픽의 특징을 파악하기 어려운 반면, HDP 토픽 모델링은 고빈도 키워드에 상대적으로 적은 영향을 받으며각 토픽마다 유일하게 등장하는 키워드가 많이 포함되어 있어 각 토픽의 특징을 뚜렷하게 구분할 수 있음을 밝혔다.
이상연, 이건명(2014)과 배정환, 한남기, 송민(2014)은 SNS상에서의 토픽 트랜드를 분석 하기 위해 트위터로부터 데이터를 활용하여 트윗에 나타난 토픽을 분석하기 위해 LDA 토픽 모델링 기법을 사용하였다. 이를 통해 LDA와 같은 토픽 모델링의 방법이 트위터와 같은 SNS 상의 데이터에도 적용할 수 있음을 밝히고 나아가 SNS상의 이슈 변화를 추적할 수 있음을 보여주었다.
이를 통해 수집된 코퍼스의 수록 기간 전반기에는 문화, 정체성, 주의, 한국, 민족, 시민 등으로 대표되는 “문화정체성과 민족주 의”의 주제(토픽4)가 활발하게 진행된 반면, 근래에 와서는 이에 관한 관심이 상대적으로 줄어든 것을 알 수 있었다.

후속연구

이 토픽에 포함된 단어에 상호 문화주의, 다원주의 등의 단어가 등장하는 것으로 미루어 보아 상호문화주의를 해당 토픽의 주제 중 하나로 볼 수 있겠다. 또한 다른 토픽의 상위어에 포함되지 않은 문학이 포함되어 있는 것으로 미루어 보아 문학과 관련한 다문화 연구도 이 토픽에서 다루어지고 있음을 추측할 수있겠다. 토픽 3의 잠정적인 주제를 “문화 교육및 다양성”으로 명명하였다.
본 연구에서 살펴본 다문화 관련 연구의 토픽의 흐름을 통해 최근 5년간 지속적으로 다문 화와 관련한 사회 통합 문제가 주요 이슈였음을 볼 때 앞으로도 이 토픽에 대한 관심이 지속될 것으로 예측할 수 있다. 또한 학교 교육에서의 다문화와 관련한 이슈들도 앞으로도 계속 지속될 것으로 예상된다.
물론 토픽의 수를 지속적으로 증가시켜 실험을 진행하면 혼란도의 값이 최소가 되는 지점을 찾을 수도 있겠지만 그 경우에는 토픽의 수가 매우 많아지게 되어 본 연구의 주제인 다문화 관련 연구분야의 주요 연구동향을 추적하는데 분석해야 하는 토픽의 수가 너무 많아 오히려 부정적인 효과를 나타낼 수도 있을 것이다.
본 연구에서 살펴본 다문화 관련 연구의 토픽의 흐름을 통해 최근 5년간 지속적으로 다문 화와 관련한 사회 통합 문제가 주요 이슈였음을 볼 때 앞으로도 이 토픽에 대한 관심이 지속될 것으로 예측할 수 있다. 또한 학교 교육에서의 다문화와 관련한 이슈들도 앞으로도 계속 지속될 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	다문화사회는 무엇인가?	한국사회는 2000년대 들어서면서 이주노동자와 결혼이민자가 증가함에 따라 다문화사회로 변모하고 있다. 다문화사회란 민족이나 인종, 문화적으로 다원화되어 있는 사회로 한 국가나 사회 속에 여러 다른 생활양식이 존재한다는 것을 의미한다(국가기록원 2019). 국제사회에서 단일민족 단일국가 체제의 순수한 이념적 유형을 대표하는 나라 중 하나인 한국이 다인종, 다민족, 다문화 사회로 진입하고 있다.
	한국사회는 어떤 특징이 나타나고 있는가?	한국사회는 2000년대 들어서면서 이주노동자와 결혼이민자가 증가함에 따라 다문화사회로 변모하고 있다. 다문화사회란 민족이나 인종, 문화적으로 다원화되어 있는 사회로 한 국가나 사회 속에 여러 다른 생활양식이 존재한다는 것을 의미한다(국가기록원 2019).
	LDA의 단점은 무엇인가?	2003). 반면, 데이터의 양이 적거나 정규분포의 환경에는 적합하지 않다(Liu, Zhang, Chang and Sun 2011; Wang and Blei 2013).

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