[논문]토픽 모델링 분석을 통한 수학교육 연구 주제 분석

진미르; 고호경

doi:10.7468/jksmee.2019.33.3.275

토픽 모델링 분석을 통한 수학교육 연구 주제 분석
Analysis of trends in mathematics education research using text mining 원문보기

Journal of the Korean Society of Mathematical Education. Series E: Communications of Mathematical Education, v.33 no.3, 2019년, pp.275 - 294

진미르 (아주대학교 대학원) , 고호경 (아주대학교)

초록
AI-Helper

본 연구는 최근 수학교육 연구 논문들의 연구 동향을 파악하기 위하여 2016년 이후의 수학교육 학술지 논문들을 대상으로 텍스트마이닝 기법 중 토픽 모델링과 트랜드 분석 기법을 활용하여 분석을 실시하였다. 분석 결과 빈도수가 높은 단어들을 조합하여 5개의 토픽을 추출하였으며 이를 통해 최근 활발히 이루어지고 있는 수학교육 연구 주제들을 파악할 수 있었다. 이는 다시 기 수행된 동향 연구들과 차이점과 유사한 점들을 도출할 수 있었는데, 이와 같은 동향 분석을 통해 최근 연구자들이 수학교육 연구에서 중요시 여기는 관점을 읽어 나감과 동시에 향후 주목하여야할 연구 주제 및 방향에 대한 시사점을 제공한다.

Abstract ▼ AI-Helper

In order to understand the recent trends in mathematics education research papers, data mining method was applied to analyze journals of the mathematics education posterior to the year of 2016. Text mining method is useful in the sense that it utilizes statistical approach to understand the linkages and influencing relationship between concepts and deriving the meaning that data shows by visualizing the process. Therefore, this research analyzed the key words largely mentioned in the recent mathematics education journals. Also the correlation between the subjects of mathematics education was deduced by using topic modeling. By using the trend analysis tool it is possible to understand the vital point which researchers consider it as important in recent mathematics education area and at the same time we tried to use it as a fundamental data to decide the upcoming research topic that is worth noticing.

주제어

표/그림 (13)

표 <표 Ⅱ-1> 2000년 이후 수학교육 연구 동향 분석 논문
표 <표 Ⅲ-1> 연도별 학술지 논문 수(괄호는 영문으로 작성된 논문 수)
그림 [그림 IV-1] LDA의 시각적 표현(Blei et al. 2003, p. 997)
그림 [그림 IV-2] Topic 개수 별 IDM
그림 [그림 IV-3] 전체 토픽에 대한 IDM
표 <표 Ⅴ-1> 토필 모델링 분석 결과 추출된 5개의 토픽(Topic)
그림 [그림 Ⅴ-1] Topic 1에 대한 IDM
그림 [그림 Ⅴ-2] Topic 2에 대한 IDM
그림 [그림 Ⅴ-3] Topic 3에 대한 IDM
그림 [그림 Ⅴ-4] Topic 4에 대한 IDM
그림 [그림 Ⅴ-5] Topic 5에 대한 IDM
표 <표 Ⅴ-2> 연도별 토픽 비율(%)
그림 [그림 Ⅴ-6] 연도별 토픽 트렌드 그래프

AI 본문요약
AI-Helper

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

문제 정의

김선희, 김수민(2018)은 2017년 국제 학술대회에서 발표된 연구의 제목을 언어 네트워크 분석법을 이용하여 분석하여 수학교육의 최근 연구 동향을 살펴보았다. 1,201편의 논문 제목에 언급된 단어의 빈도와 단어와 단어를 연결하는 의미 분석을 함께 살펴봄으로서 최근 수학교육 연구에서 어떤 주제가 연구되고 있는지를 구체적으로 파악하고, 그 동향에서 국내에서 미진한 주제를 찾아 국내 연구자들에게 정보를 제공하는 데 의의를 두었다. 그러나 위의 연구에도 논문의 제목만을 가지고 분석하였다는 한계점이 있다.
다음 단계인 형태소 분석은 정보 추출이 가능하도록 텍스트를 자연어 형태로 변환하는 단계로 본 연구에서는 한국어 처리 패키지인 ‘KoNLP’와 ‘tm’, ‘stringr’ 패키지를 활용하고자 한다.
하지만 논문의 서론과 결론을 이용하여 분석하는 본 연구의 특성상 기간이 길어질수록 텍스트의 양이 너무 방대해져서 분석하는데 한계점이 있었다. 따라서 본 연구는 기간에 따른 동향의 변화가 아닌 최근에 주로 이루어지고 있는 수학교육에 관한 연구의 트렌드를 분석하는 것을 목표로 하였다. 특히 최근에 이루어진 교육정책 중 연구 주제 선정에 가장 큰 영향을 미친다고 판단되는 ‘2015 개정 교육개정’이 발표된 이후인 2016년부터 1월부터 2018년 12월까지 총 3개년을기간으로 선정하여 분석을 진행하였다.
하지만 워낙 방대한 자료를 대상으로 하였기 때문에 논문의 전체적인 내용을 분석하지 않고, 제목과 초록만을 분석하였기에 지역별, 유목별, 연도별 분석 기준과 기준별 상호관계를 파악하는 분석 밖에 할 수 없는 단점이 있다. 따라서 본 연구에서는 논문의 전반적인 내용을 종합적으로 분석을 위하여 논문의 서론과 결론을 이용하여 분석하였다.
따라서 본 연구에서는 논문의 제목만 가지고 분석하는 것이 아닌 본문의 서론과 결론을 이용하여 분석을 실시하고자 하며, 2016년 이후 최근 3개년도의 수학교육 연구 학술지를 대상으로 다루고 있는 연구 논문에서 추출한 주요 주제들 간의 네트워크는 어떻게 나타나는지 도출하고자 토픽 모델링과 트랜드 분석을 실시하였다. 토픽모델링(topic modeling)은 텍스트 데이터 내 단어들의 빈도수를 통계적으로 분석하여 전체 데이터에서 잠재적주제인 토픽(topic)들을 자동으로 추출하여 분류한다는 점에서 주제 분석 시 유용하다.
<초등수학교육>의 연구 동향을 포괄적으로 파악했다는 점이 큰 특징이나, 하위 요소를 너무 세세하게 분류하여 전체적인 경향의 변화를 파악하기 힘들다. 따라서 본 연구에서는 하위요소에 대한 세세한 분석 보다는 전체적인 동향을 파악하는 것에 중점을 두고 분석을 실시하였다.
그동안 수학교육 연구에서는 연구의 동향을 파악하기 위한 연구들이 거의 매년 실시되고 있는 추세이다. 본 연구는 수학교육 분야의연구 동향을 파악하기 위한 계보로써의 중요성 외에도 텍스트마이닝 기법 중에서 동향을 추측하는데 보다 적합한 모델을 찾고 이를 통해 분석을 새롭게 시도했다는 점에서도 그 의의를 찾을 수 있다. 여기서 활용한 방법은 주제들 간의 관계가 유의미한 토픽끼리 묶인 집합들을 추출함으로써, 수학교육 연구 안에서 다루고 있는 주요내용들은 무엇이며 이를 주제별로 묶으면 어떠한 주제들을 다루고 있는지를 통해 수학교육 연구의 흐름과 변화를 추정할 수 있었다.
그 중 혼합 연구방법을 사용한 논문을 가지고 연구 단계별로 혼합유형에 대해 조금 더 심층적으로 조사하였다. 수학교육논문에 연구방법이 어떠한 방법으로 사용되었으며 미래의 수학교육 연구에서의 연구방법의 방향과 다양성에 대한 시사점을 제시하고자 하였다.

제안 방법

김동중 외(2014)는 2003년부터 2013년까지 국내 학술지에 등재 및 발표된 문헌 연구를 제외한 총 709편의 논문을 대상으로 하여 연구 동향 및 연구방법의 동향을 분석하였다. 그 중 혼합 연구방법을 사용한 논문을 가지고 연구 단계별로 혼합유형에 대해 조금 더 심층적으로 조사하였다. 수학교육논문에 연구방법이 어떠한 방법으로 사용되었으며 미래의 수학교육 연구에서의 연구방법의 방향과 다양성에 대한 시사점을 제시하고자 하였다.
그러나 위의 연구에도 논문의 제목만을 가지고 분석하였다는 한계점이 있다. 따라서 본 연구에서는 논문의 제목이 아닌 본문의 서론과 결론을 이용하여 분석을 실시하였다.
국내외 국외의 학술지를 비교 분석하였다는 특징이 있으며, 비교적 많은 양의 논문을 대상으로 중등수학교육과 관련된 내용을 포괄적으로 다루었으나, 국내 학술지로는 2개만을 선정하여 국내의 동향을 대표한다고 보기 어렵다. 따라서 본 연구에서는 보다 다양한 학술지를 선정하여 분석을 진행하였다.
먼저, 분석 대상을 선정하기 위해 한국학술지인용색인(Korea Citation Index: KCI) 사이트를 통해 수학교육관련 학술지를 검색하여 KCI에 등재(후보)된 학술지를 중심으로 학술지명, 발행 학회, 영향력지수 등을 비교하였다. 그러나 영향력지수는 학회지 별로 대동소이하여 이를 기준으로 삼아 선별하는 것은 무의미하다 판단하였다.
데이터 클리닝 단계는 자연어처리(NLP) 기법을 이용하여 앞서 수집한 텍스트 데이터를 분석이 용이한 형태로 변환하는 과정이다. 본 연구에서 데이터 클리닝은 R-Studio 프로그램을 이용하여 텍스트 데이터에 대한 전처리(preprocessing) 작업과 형태소 분석의 두 단계로 진행하였다. 전처리 단계에서는 수집된 텍스트 데이터 중 분석에 불필요한 단어 및 어구를 삭제하는 작업을 진행하였는데 텍스트에 포함되어 있는 각종 특수기호와 문장부호 등 분석 시 의미를 부여할 필요가 없는 불용어(stopword)를 제거한다.
토픽 트렌드는 최근 다양한 분야에서 동향을 파악하기 위한 방법으로 활발하게 사용되고 있다. 본 연구에서는 위 공식을 사용하여 토픽 트렌드를 분석하였고 각 토픽들의 연도별 비율 변화를 분석하였다. 이를 통해 최근 수학교육 연구에서 나타나는 관심도가 높은 주제(hot topic)와 낮은 주제(cold topic)를 추론하여 수학교육의 연구 동향에 대한 심층적인 분석을 시도하였다.
본 연구에서는 적절한 토픽수를 결정하기 위해 토픽수를 5개부터 12개까지 다양하게 변화시키면서 파일럿LDA 분석을 실시하였고 시각적으로 토픽의 관계를 보여주는 IDM(Intertopic Distance Map)을 참고하여 토픽의 개수를 결정하였다([그림 IV-2]).
다른 방법은 논문 검색사이트에서 키워드 검색을 통해 연구 대상을 선정하는 것이다(김혜미, 2016).본 연구에서는 전반적인 맥락 및 연구 흐름을 분석하기 위해 전자와 같은 방법으로 다음과 같이 학술지와 분석기간을 선정한 후 연구 동향을 분석하였다.
이때 명사를 추출한 후 추가적인 필터링을 해야 하는 단어들이 존재함을 발견할 수 있는데, 예를 들어 ‘가지’라는 단어의 경우 명사로 인식되어 추출되지만 의미를 갖는다고 판단하기 힘들다. 빈도수가 낮은 경우에는 빈도수 분석 결과에 크게 영향을 미치진 않지만, 좋은 분석 결과를 얻기 위해 불용어 제거와 함께 앞서 실시한 정규화 작업을 반복 시행하였다. 또한 명사 추출 시 나타나는 한 글자 단어들은 의미가 없는 경우가 많기 때문에 제거한 후 두 글자 이상으로 된 단어만 추출하였다(김영우, 2017).
최택영, 송병근(2001)은 1990년부터 1999년까지 교육대학원 학위논문 3,214편을 연도별, 유목별, 지역별로 분류한 후 각각의 연구 분포가 고른지, 교육과정의 기대와 요구에 부합되게 진행됐는지 살펴보았다. 이 연구에서는 각 기준별 동향 뿐 아니라 지역에 따른 유목별 동향, 지역에 따른 연도별 동향, 유목에 따른 연도별 동향을 분석하는 등 분석 기준별 관계를 파악하려는 노력을 통해 다각적으로 자료를 해석하였다. 하지만 워낙 방대한 자료를 대상으로 하였기 때문에 논문의 전체적인 내용을 분석하지 않고, 제목과 초록만을 분석하였기에 지역별, 유목별, 연도별 분석 기준과 기준별 상호관계를 파악하는 분석 밖에 할 수 없는 단점이 있다.
토픽수가 5개일 때는 4개의 그룹으로 분류된 뒤 하나의 그룹에서만 두 토픽이 나타나는 것으로 보아 가장 유의미하게 분류된다고 판단하였다. 이를 토대로 토픽의 개수를 5개로 설정하여 수학교육 연구의 잠재토픽을 추출하였다.
본 연구에서는 위 공식을 사용하여 토픽 트렌드를 분석하였고 각 토픽들의 연도별 비율 변화를 분석하였다. 이를 통해 최근 수학교육 연구에서 나타나는 관심도가 높은 주제(hot topic)와 낮은 주제(cold topic)를 추론하여 수학교육의 연구 동향에 대한 심층적인 분석을 시도하였다.
다음 단계인 형태소 분석은 정보 추출이 가능하도록 텍스트를 자연어 형태로 변환하는 단계로 본 연구에서는 한국어 처리 패키지인 ‘KoNLP’와 ‘tm’, ‘stringr’ 패키지를 활용하고자 한다. 전처리 작업을 거친 데이터를 품사분석을 실시하여 보통명사를 추출한다. 이때 명사를 추출한 후 추가적인 필터링을 해야 하는 단어들이 존재함을 발견할 수 있는데, 예를 들어 ‘가지’라는 단어의 경우 명사로 인식되어 추출되지만 의미를 갖는다고 판단하기 힘들다.
주제 측면에서 에는 교과서의 개발과 적용에 관련된 연구가, 에는 규준에 기초한 교육과정의 효과 검증에 대한 연구가 많이 나타나지만 두 저널 모두 각국의 큰 관심사를 다룬다는 공통점이 있으므로 이 연구의 주제 분석을 통해 현안이 무엇인지 알 수 있다는 전제 하에 질적 접근을 통해 각 측면에서 포착되는 차이를 기술하는데 중점을 두었다.
하수현 외(2010)는 한국학술진흥재단(한국연구재단)에 등재된 학술지 중 수학교육과 관련된 7개 학술지와<초등수학교육>학술지를 포함한 총 8개 학술지를 대상으로 2005년부터 2009년까지 5년간 발표된 논문 중 ‘초등수학교육’에 해당되는 논문 383편을 분석 대상으로 선정하였다. 주제, 연구방법, 연구대상, 수학 내용 영역별로 분류하여 초등수학교육 연구 동향에 관한 포괄적인 연구를 실시했다. <초등수학교육>의 연구 동향을 포괄적으로 파악했다는 점이 큰 특징이나, 하위 요소를 너무 세세하게 분류하여 전체적인 경향의 변화를 파악하기 힘들다.
토픽을 추출한 후에는 각 토픽을 구성하고 있는 단어들을 비교 분석한 뒤 이론적 배경, 수학교육 연구의 맥락 등을 종합적으로 고려하여 토픽을 구성하는 단어들이 말하는 핵심 주제를 추론하였다. 마지막으로 IDM을 통해 토픽 모델링 결과를 시각화하여 토픽 간의 관계를 효과적으로 확인할 수 있었다.
탁병주, 이경화(2017)는 2000년부터 2016년까지 17년간 한국연구재단 등재후보지 이상의 주요 수학교육 학술지에 게재된 통계교육 연구논문 99편을 통해 국내 연구 동향을 분석하였다. 학술지별, 연구 대상별, 연구 방법별, 연구 주제별로 범주화하고 연도별로 그 분포를 확인하였고 국내 통계교육의 연구 동향을 2010년을 기준으로 전후로 분류하여 그 특징을 분석하고 향후 통계교육 연구의 과제와 발전 방향에 대한 시사점을 도출하였다.

대상 데이터

2016년부터 2018년까지 최근 3개년동안 학술지에 게재된 논문을 대상으로 5개의 토픽을 추출한 결과는 과 같다.
그 결과 본 연구는 한국수학교육학회에서 발행한 , , 대한수학교육학회에서 발행한 , , 마지막으로 한국학교수학회에서 발행한 을 분석대상으로 선정하였다.
연구대상, 연구주제, 수학과 관련된 내용영역, 연구방법, 연구지역, 연구연도 등을 분석기준으로 하고, 분석대상을 ‘초등 수학’으로 검색하여 나온 학술지 및 논문 235편을 수집하고 내용분석을 실시하였다. 대상을 선정하는데 있어 모든 초등수학교육 연구와 관련된 논문이 포함되었다고 볼 수 없으므로 본 연구에서는 연구대상임에도 제외되는 경우가 없도록 학술지의 모든 논문들을 대상으로 분석을 실시하였다.
이는 영문으로 된 텍스트를 포함을 시킨다고 하여도 한글 텍스트의 비율이 대부분이기 때문에 분석하는데 있어 미치는 영향이 미비하므로 영문으로만 작성된 논문은 제외하였다. 따라서 본 연구에서는 최종 연구 대상으로 2016년도부터 2018년도까지 총 3개년도 동안 5개의 학술지에 게재된 총 460개의 논문을 선정하여 분석하였다.
본 연구는 텍스트마이닝 기법을 활용하여 수학교육에 대한 연구 동향을 살펴보고자 최근 3년간(2016년~2018년)의 논문, 총 460편의 논문 텍스트를 가지고 텍스트마이닝 기법을 이용하여 분석하였다. 그동안 수학교육 연구에서는 연구의 동향을 파악하기 위한 연구들이 거의 매년 실시되고 있는 추세이다.
그러나 영향력지수는 학회지 별로 대동소이하여 이를 기준으로 삼아 선별하는 것은 무의미하다 판단하였다. 본 연구의 따라서 대상은 국내 수학교육관련 학술단체인 대한수학교육학회, 한국수학교육학회, 한국학교수학회에서 발행된 학술지를 모두 선정하였다. 위의 학술단체 학술지 외에도 다양한 학회의 학술지가 있고, 학위논문이나 연구보고서도 있다.
마지막으로 한국학교수학회에서 발행한 <한국학교수학회 논문집>학술지는 2016년에 25편, 2017년에 27편, 2018년에 23편이 게재되어 총 논문 수는 75편이었다. 선정된 학술지 별 논문수를 연도별로 살펴보면 2016년에 게재된 총 논문 수는 164편이었고, 2017년도에는 162편, 2018년도에는 144편이 게재되었다. 이렇게 선정된 논문 수는 총 470편이었는데 이 논문들 중 영문으로 작성된 논문 10편은 연구 대상에서 제외하였다.
연구대상, 연구주제, 수학과 관련된 내용영역, 연구방법, 연구지역, 연구연도 등을 분석기준으로 하고, 분석대상을 ‘초등 수학’으로 검색하여 나온 학술지 및 논문 235편을 수집하고 내용분석을 실시하였다.
특히 최근에 이루어진 교육정책 중 연구 주제 선정에 가장 큰 영향을 미친다고 판단되는 ‘2015 개정 교육개정’이 발표된 이후인 2016년부터 1월부터 2018년 12월까지 총 3개년을기간으로 선정하여 분석을 진행하였다.
하수현 외(2010)는 한국학술진흥재단(한국연구재단)에 등재된 학술지 중 수학교육과 관련된 7개 학술지와학술지를 포함한 총 8개 학술지를 대상으로 2005년부터 2009년까지 5년간 발표된 논문 중 ‘초등수학교육’에 해당되는 논문 383편을 분석 대상으로 선정하였다.

이론/모형

토픽 모델링의 종류는 잠재적 디리클레 할당 모형, 구조적 토픽모형, 상관 토픽 모형 기법이 있는데, 본 연구에서는 Blei et al.(2003)이 발표한 잠재적 디리클레 할당 모형(Latent Dirichlet Allocation: LDA)을 활용하고자 한다. 이는 LDA 기법이 다른 기법에 비해 결과 해석이 쉽고(Blei, 2012), 과적합(overfitting) 문제들을 해결하기 때문에 방대한 비정형 데이터로부터 다양한 토픽들을 도출하는 데 유리하기 때문이다(Griffiths & Steyvers, 2004).
마지막으로 IDM을 통해 토픽 모델링 결과를 시각화하여 토픽 간의 관계를 효과적으로 확인할 수 있었다. 본 연구에서 활용한 토픽의 단어들은 TF-IDF(Term Frequency-Inverse Document Frequency) 분석을 통해 추출한 단어들을 활용하였다.

성능/효과

2017년의경우 3개년도 중에 토픽별 차이가 가장 많이 났는데 토픽 2 가 가장 많은 비중을 차지했고, 토픽 4, 토픽 1, 토픽 5, 토픽 3으로 비중이 점점 적어졌다. 2018년에는 2017년과 마찬가지로 토픽 2가 가장 많은 비중을 차지했고 다음으로 토픽 3, 토픽 4, 토픽 1이 비슷하게 나타났고 토픽 5가 가장 적은 비중을 보였다.
토픽을 추출한 후에는 각 토픽을 구성하고 있는 단어들을 비교 분석한 뒤 이론적 배경, 수학교육 연구의 맥락 등을 종합적으로 고려하여 토픽을 구성하는 단어들이 말하는 핵심 주제를 추론하였다. 마지막으로 IDM을 통해 토픽 모델링 결과를 시각화하여 토픽 간의 관계를 효과적으로 확인할 수 있었다. 본 연구에서 활용한 토픽의 단어들은 TF-IDF(Term Frequency-Inverse Document Frequency) 분석을 통해 추출한 단어들을 활용하였다.
토픽 4의 경우 2016년에는 4번째 비중을 차지했고 2017년에는 2번째로 많은 비중을, 2018년에는 3번째로 많은 비중을 차지했다. 마지막으로 토픽 5의 경우 2016년에는 제일 적은 비중을 차지했고 2017년에는 4번째, 2018년에는 다시 제일 낮은 비중을 차지함으로서5개의 토픽 중에는 가장 낮은 비중으로 다루어진 것으로 나타났다.
마지막으로, 토픽 모델링 분석을 통해 최근 중·고등학교 학습자 특성 분석에 관한 연구 매우 활발해지고 있다는 것을 알 수 있다.
본 연구 결과에서 나온 결과들은 먼저, TF-IDF 분석 결과를 토대로 한 토픽 모델링 기법 중 LDA를 활용하여 토픽 분석 한 결과, 5개의 토픽을 추출할 수 있었다. 즉, 토픽을 구성하는 단어를 조합하여 최근 3개년 연구논문들의 핵심 주제를 알 수 있었다.
이를 연도별 토픽 트렌드까지 같이 분석한 결과 가장 많이 등장한 주제는 ‘예비’, ‘중학교’, ‘학습자’, ‘이론’, ‘고등학교’, ‘인식’, ‘일반’, ‘기하’, ‘기회’, ‘특성’으로 구성된 토픽 2와 ‘평가’, ‘초등학교’, ‘함수’, ‘문항’, ‘문제해결’, ‘관계’, ‘모델링’ ‘도구’, ‘계산’, ‘사용’인 토픽 4로 나타났다.

후속연구

또한 연구 동향을 분석하는데 있어서도 텍스트마이닝을 이용한 연구가 수행된 바 있는데, 김선희·김수민(2018)은 2017년 국제 학술대회에서 발표된 논문 제목에 나타나는 단어의 빈도와 단어와 단어를 연결하는 의미 분석을 통해 최근 수학교육 연구에서 어떤 주제가 연구되고 있는지를 파악하는 연구를 실시하였다. 그러나 이 연구에서는 논문의 제목만을 가지고 분석함에 따라 연구의 트렌드를 충분히 파악하기는 어렵다는 한계점이 도출된 바 있다.
그러나 평가를 세분화한 단어들이 눈에 띄지는 않은 것으로 미루어 평가에 대한 다양한 측면에서의 연구는 아직 부족한 실정이라 할 수 있다. 따라서 다양한 평가가 매우 중요해지는 시점에서 보다 구체화된 평가 연구가 활성화 될 필요가 있을 것이다.
또한 이러한 주제는 수학교육연구에서 기본적인 주제이고 지속적으로 수행되어야 할 연구라 할 수 있다(박선영·김원경, 2011). 따라서 향후에도 다양한 다른 주제들과 융합하여 다각도에서 수행될 필요와 가치가 있다.
분석 기간 선정에 앞서 선행연구를 살펴보면 분석 기간은 주로 5-10개년이 주를 이루었는데, 이는 분석 기간이 길수록 시간의 흐름에 따른 트렌드 변화를 분석하기에 더 용이하기 때문이다. 하지만 논문의 서론과 결론을 이용하여 분석하는 본 연구의 특성상 기간이 길어질수록 텍스트의 양이 너무 방대해져서 분석하는데 한계점이 있었다. 따라서 본 연구는 기간에 따른 동향의 변화가 아닌 최근에 주로 이루어지고 있는 수학교육에 관한 연구의 트렌드를 분석하는 것을 목표로 하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	토픽 모델링이란?	텍스트마이닝의 기법 중 하나인 토픽 모델링이란 긴밀하게 연결되어 있는 연구들 안에서 독립적인 토픽들이 공존하거나 공유되는 것에 주목하여 그들 간의 연결 관계를 통하여 전체 집합 속 부분적인 토픽을 분석할 수 있는 기법으로 유의미한 데이터의 시간의 흐름에 따른 동향 파악에 효율적인 분석 방법 중 하나이다(김현희·이혜영, 2016). 텍스트마이닝 기법의 특징은 다음과 같다.
	논문들의 연구 대상 선정 방법은 크게 두 가지로 나타나는데 어떠한 것들이 있는가?	기존의 연구 동향을 분석하는 논문들의 연구 대상 선정 방법을 살펴보면 크게 두 가지로 나타난다. 우선 학술지와 분석 기간을 선정한 후, 학술지에 게재된 논문들을 대상으로 연구 동향을 분석하는 방법이 있다(이수진외, 2013). 다른 방법은 논문 검색사이트에서 키워드 검색을 통해 연구 대상을 선정하는 것이다(김혜미, 2016).본 연구에서는 전반적인 맥락 및 연구 흐름을 분석하기 위해 전자와 같은 방법으로 다음과 같이 학술지와 분석기간을 선정한 후 연구 동향을 분석하였다.
	텍스트마이닝의 기능에는 어떠한 것들이 포함되어있나?	텍스트마이닝의 기능에는 텍스트 분류, 텍스트 군집화, 텍스트 요약, 그리고 텍스트 분할 등이 포함된다. 텍스트 분류는 텍스트의 내용에 의해 사용자가 미리 정의한 범주를 부여하는 과정을 말하는데, 이는 데이터마이닝의 패턴 분류에 대응된다.

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