[논문]SNS 빅데이터 분석을 활용한 국립과학관에 대한 이미지 분석과 경영전략 제안

신성연

doi:10.5762/kais.2020.21.1.81

SNS 빅데이터 분석을 활용한 국립과학관에 대한 이미지 분석과 경영전략 제안
Image Analysis and Management Strategy for The National Science Museum Utilizing SNS Big Data Analysis 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.1, 2020년, pp.81 - 89

신성연 (국민체육진흥공단 한국스포츠정책과학원)

초록
AI-Helper

본 연구의 목적은 대중들이 지각하는 과학관에 대한 인식의 분석을 바탕으로 효과적인 과학관 경영전략을 제시하는 것이며, 이를 위해 연구문제들을 설정하여 분석을 진행하였다. 자료의 수집과 분석은 질적연구방법과 양적연구방법을 융합하여 이미지 분석에 대한 새로운 접근방식을 통해 진행되었다. 먼저 면담(Interviewing)을 통한 질적연구방법을 통해 면접 대상자들(대학생, 대학원생 및 일반인)로부터 과학이라는 개념에 대한 이미지를 도출한 후 텍스트 분석을 실시하였다. 그리고 국립과학관과 관련하여 국내 대형 포털사이트 검색결과 중 블로그 포스팅 12,920건의 제목에서 추출한 63,987개의 단어에 대한 LDA기반 토픽 모델링(Latent Dirichlet Allocation Topic modeling)을 통한 양적연구방법을 융합하여 연구가 진행되었다. 분석결과, 응답자 특성에 따라 과학에 대한 인식은 차이가 있는 것으로 확인되었다. 국립과학관에 대한 포털사이트 검색결과는 20개의 토픽으로 도출되었고 7개의 요인으로 분류되었다. 본 연구의 결론에는 이에 대한 논의와 과학관 경영전략을 제시하고 있다.

Abstract ▼ AI-Helper

The purpose of this study is to investigate science consumers' perceptions of the National Science Museum and suggest effective management strategies for the museum. Research questions were established and the analyses were conducted to achieve the research goals. The collection and analysis of the data were conducted through a new approach to image analysis that combines qualitative and quantitative methods. First, the image of the concept of science was derived from science consumers (adults, undergraduate and graduate students) through a qualitative research method (group-interviewing), and then text analysis was conducted. Second, quantitative research was conducted through LDA (Latent Dirichlet Allocation)-based topical modeling of 63,987 words extracted from 12,920 titles of blog postings from one of the most heavily-trafficked portal sites in Korea. The results of this study indicate that the perception of science differs according to the characteristics of the respondents. Further, topic-modeling extracted 20 topics from the blog posting titles and the topics were condensed into seven factors. Detailed discussions and managerial implications are provided in the conclusion section.

주제어

표/그림 (6)

그림 Fig. 1. Key words appearance frequency of National Science Museum
그림 Fig. 2. Participants' perceptions of Science (Non-science graduates)
그림 Fig. 3. Participants' perceptions of Science (Science graduates)
그림 Fig. 4. Comparison of participants' perceptions of science (Science graduates vs. Non-science graduates)
그림 Fig. 5. Words distributions of Topics on SNS posting(National science museum)
표 Table 1. Topics extraction and clustering

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 다음의 연구문제를 설정하고 연구문제에 대한 해결과정을 통해 시사점을 도출하고자 한다. 첫째, 과학에 대한 대중의 인식은 무엇인가?: 과학 소비자들이 과학에 대해 가지고 있는 가치와 인식을 확인하여 과학이 대중에게 어떻게 인식되고 있는지를 확인하고자 한다.
둘째, 과학관에 대한 대중의 이미지는 무엇인가?: 과학과 대중의 접점인 과학관에 대해 과학소비자들이 어떠한 이미지를 형성하고 있는지를 확인하여 과학이라는 가치가 생산자나 제공자가 아닌 수용자의 관점에서 어떠한 포지셔닝을 형성하고 있는지 확인 하고자 한다. 셋째, 과학의 유통경로에서 가치를 제공하는 과학관이 수행해야 될 역할은 무엇인가?: 앞서 제시된 연구문제들에 대한 분석을 바탕으로 과학관의 새로운 역할을 제시함으로써 보다 많은 사람들이 과학에 대한 소비를 통해 과학적 앎이나 지식 획득의 즐거움이라는 가치를 경험할 수 있도록 하는데 기여하고자 한다.
둘째, 과학관에 대한 대중의 이미지는 무엇인가?: 과학과 대중의 접점인 과학관에 대해 과학소비자들이 어떠한 이미지를 형성하고 있는지를 확인하여 과학이라는 가치가 생산자나 제공자가 아닌 수용자의 관점에서 어떠한 포지셔닝을 형성하고 있는지 확인 하고자 한다. 셋째, 과학의 유통경로에서 가치를 제공하는 과학관이 수행해야 될 역할은 무엇인가?: 앞서 제시된 연구문제들에 대한 분석을 바탕으로 과학관의 새로운 역할을 제시함으로써 보다 많은 사람들이 과학에 대한 소비를 통해 과학적 앎이나 지식 획득의 즐거움이라는 가치를 경험할 수 있도록 하는데 기여하고자 한다.
최근에는 대중들의 특정 대상에 대한 태도 형성에 구전(word-of-mouth)을 의미하는 후기나 특정 제품 및 서비스에 대한 게시글과 같은 SNS가 큰 영향력을 미치며, 개인 간의 소통 역시 SNS를 이용하는 빈도가 높아지고 있다[17-18]. 따라서 본 연구에서는 LDA 토픽 모델링을 통해 SNS 게시물에 대한 텍스트 분석을 실시하여 과학 소비자들이 과학관에 대해 형성하고 있는 이미지를 도출하였다.
본 연구에서는 다음의 연구문제를 설정하고 연구문제에 대한 해결과정을 통해 시사점을 도출하고자 한다. 첫째, 과학에 대한 대중의 인식은 무엇인가?: 과학 소비자들이 과학에 대해 가지고 있는 가치와 인식을 확인하여 과학이 대중에게 어떻게 인식되고 있는지를 확인하고자 한다.
본 연구에서는 대중이 과학에 대해 가지고 있는 인식을 확인하고 과학관에 대해 형성하고 있는 이미지를 분석하여 효과적인 과학관 경영전략을 도출하고자 세 개의 연구문제들을 설정하여 이에 대한 해답을 제시하고자 한다. 본 연구가 가지는 시사점은 다음과 같다.
본 연구에서는 특정 과학분야를 전공하거나 관련업계에 종사하지 않는 일반시민들을 과학소비자로 정의하고, 과학소비자들이 과학에 대해 가지는 관심의 수준을 규명하여 이를 바탕으로 효과적인 과학관 경영전략을 제시하고자 한다.
셋째, 본 연구에서는 융합적인 관점에서 다양한 연구방법을 활용하여 과학관에 대한 이미지를 분석하고자 하였으며, 과학계열과 비과학계열 집단 간의 과학에 대한 이미지 차이의 존재가능성을 제시하였다. 후속 연구에서는 과학 소비자의 특성에 따른 인식의 차이와 과학관 방문 및 비방문 고객들을 대상으로 양적연구를 통해 검증한다면 본 연구를 통해 도출된 결과의 일반화 수준을 높일 수 있을 것으로 기대된다.
이에 대한 대안으로 본 연구에서는 잠재 디리클레 할당(Latent Dirichlet Allocation: LDA)에 기반 한 토픽 모델링(Topic Modeling)을 제시하고자 한다. 토픽 모델링은 텍스트 마이닝의 한 방법으로 구조화된 텍스트 자료는 물론 비구조화된 다양한 원천으로부터 정보를 수집하여 수집된 자료로부터 특정 토픽들을 추출해내는 기법이다[12-16].

제안 방법

추출된 각 토픽들에 대해서는 토픽 내에서 차지하는 가중치가 높은 단어들을 중심으로 Table. 1과 같이 명명을 하고 대분류를 통해 토픽들을 축약하여 7개의 요인을 도출하였다. 도출된 상위요인들은 ‘자녀체험’, ‘학습’, ‘여행’, ‘이벤트’, ‘축제’, ‘랜드마크’, ‘명절’이고 각 요인들의 개념은 다음과 같다.
9세로 확인되었다. 그리고 면접대상자의 전공(과학 vs. 비과학)에 따라 과학에 대한 인식에 차이가 존재하는지를 확인하기 위해 대학교 전공에 따라 집단을 두 개로 구분하여 분석을 실시하였다.
면접 참가자들에게 과학에 대해 가지고 있는 일반적인 의견을 제시하도록 하여 과학에 대한 인식을 확인하였다. 그리고 참가자들의 답변을 전자문서형태로 변환하여 R을 이용한 텍스트 분석을 실시하여 과학에 대한 이미지를 도출하였다.
면접 참가자들에게 과학에 대해 가지고 있는 일반적인 의견을 제시하도록 하여 과학에 대한 인식을 확인하였다. 그리고 참가자들의 답변을 전자문서형태로 변환하여 R을 이용한 텍스트 분석을 실시하여 과학에 대한 이미지를 도출하였다.
본 연구에서는 과학소비자들이 과학과 과학관에 대해 형성하고 있는 이미지를 확인하고 이에 대한 분석을 토대로 향후 과학관이 추구해야 할 비전을 제시하기 위해 질적연구와 양적연구를 함께 활용하는 융합적인 연구방법(mixed method)을 통해 자료수집과 분석을 진행하였다.
본 연구에서는 대중이 과학에 대해 가지고 있는 가치를 보다 구체적으로 규명하기 위해 면접참가자들의 특성에 따른 차이를 확인하고자 참가자들의 전공을 과학계열(자연과학 등)과 비과학계열(인문사회, 경영 등)로 구분하여 추가적인 분석을 실시하였다. 분석결과, 면접참가자들의 대학 또는 대학원에서의 전공 특성에 따라 과학에 대한 인식에는 차이가 있음이 확인되었다.
셋째, 연구문제 2를 통해 일반 대중의 과학관에 대한 이미지를 분석하기 위해 포털 사이트에 나타난 국립과학관 관련 볼로그 포스팅 제목에 대한 LDA 토픽모델링을 실시하여 20개의 토픽을 추출하고 7개의 군집으로 집단을 분류하였다. 분석을 통해 도출된 전체 토픽 중 25%가 어린이와 자녀의 야외활동이나 체험에 관한 포스팅이었고, 20%는 경진대회와 수학 교육프로그램 등 유아 및 초등학생의 학습에 관한 포스팅으로 확인되었다.
연구문제 1과 관련하여, 과학소비자가 과학에 대해 형성하고 있는 이미지를 도출하기 위해 면접참가자들로부터 수집한 자료에 대한 텍스트분석을 실시하였다. 분석결과 Fig.
첫째, 본 연구는 기존의 특정 기업이나 브랜드에 대한 이미지 분석과는 달리 토픽 모델링을 기반으로 새로운 접근을 시도하였다. 토픽 모델링의 경우 대량의 텍스트 자료들을 바탕으로 확률에 근거 하여 토픽을 추출할 수 있다는 특징이 있다.
첫째, 본 연구에서는 연구문제 1의 분석을 위해 대학생, 대학원생, 일반인들을 대상으로 집단면접을 실시하여 전공계열에 따른 인식의 차이를 확인하였다. 하지만 과학에 대한 인식과 관련한 본 연구결과의 일반화 수준을 높이기 위해서는 과학관 방문자들의 다양한 특성을 고려할 필요가 있다.

대상 데이터

이를 위해 국내 검색포털 중 이용률이 가장 높은 네이버(Naver)를 선정(Internet Trend 자료기반)하여, ‘국립과학관’이라는 키워드를 입력하고 블로그 검색을 실행하는 경우 나타나는 블로그 포스팅의 제목을 분석대상으로 설정하였다.
이를 위해 국내 검색포털 중 이용률이 가장 높은 네이버(Naver)를 선정(Internet Trend 자료기반)하여, ‘국립과학관’이라는 키워드를 입력하고 블로그 검색을 실행하는 경우 나타나는 블로그 포스팅의 제목을 분석대상으로 설정하였다. 자료의 수집은 R을 기반으로 하는 웹 크롤러(web crawler)를 본 연구의 목적에 부합하도록 자체 제작하여 2017년 9월 1일부터 2018년 9월 28일 까지 약 1년의 기간 동안 게시된 12,920건에 대해 이루어졌다.

성능/효과

과학계열 집단에서는 ‘발전’, ‘인간’, ‘필요’, ‘기술’, ‘현상’ 등의 단어 빈도가 상대적으로 높게 나타났으며, 비과학계열 집단에서는 ‘공부’, ‘실험’, ‘경제’ 등의 단어 빈도가 상대적으로 높은 것으로 확인되었다.
3에 제시된 바와 같이 ‘발전’이라는 단어가 가장 높은 출현빈도를 보였고, ‘우리’, ‘인간’, ‘필요’, ‘가능’, ‘현상’, ‘설명’, 기술‘ 등의 단어들이 높은 빈도순으로 나타났다. 그리고 두 집단 간의 비교를 위해 두 집단 모두에서 높은 빈도로 출현한 단어들 중 공동으로 사용된 단어에 대한 분석을 실시한 결과, Fig. 4에서와 같이 집단 간에는 단어출현에 있어 빈도차이가 있는 것으로 확인되었다.
그리고 집단 간의 응답에 대한 비교분석을 실시한 결과 공동으로 출현한 단어들 중 비과학계열 집단에서는 ‘경제’, ‘공부’, ‘실험’이 상대적으로 높은 빈도를 차지하였고 과학계열 집단에서는 ‘기술’, ‘현상’, ‘필요’, ‘인간’, ‘발전’ 등의 단어 출현빈도가 높게 나타나 집단 간 차이를 재확인 하였다.
넷째, ‘이벤트’요인은 ‘개기월식’, ‘평창올림픽’의 토픽으로 구성되었으며, 해당 토픽들에 포함된 주요 단어들은 ‘개기’, ‘월식’, ‘슈퍼’, ‘관측’, ‘평창’, ‘동계올림픽’ 등으로 과학관에서 주관하는 행사 및 관련 전시에 관한 내용들을 나타내고 있다.
다섯째, ‘축제’요인은 ‘지역행사’, ‘지역축제’, ‘지역공연’의 토픽으로 이루어졌으며 ‘대전’, ‘광주’, ‘과천’ 등의 지역을 의미하는 단어와 ‘해양’, ‘SF’, ‘특별’ 등 해당 지역의 특화된 축제와 관련된 단어들이 토픽에 포함되었다.
둘째, 연구문제 1의 분석과정에서 면접참가자들이 과학에 대해 가지고 있는 일반적인 의견에 대한 텍스트 분석을 실시한 결과, 참가자 전공특성에 따라 다른 결과가 나타났다. 과학이라는 개념에 대해 상대적으로 친숙한 과학계열 전공자들은 과학을 인간을 이롭게 하기 위해 필요한 것이며, 하나의 학문으로 지각하고 있는 것으로 나타났다.
먼저, 인문사회 및 경영 등 비과학계열 전공자들은 Fig. 2에 나타난 것과 같이 ‘관심’, ‘(학창시절)이후’, ‘공부’, ‘실험’, ‘과목’, ‘공식’ 높은 출현빈도를 보였다.
본 연구에서는 대중이 과학에 대해 가지고 있는 가치를 보다 구체적으로 규명하기 위해 면접참가자들의 특성에 따른 차이를 확인하고자 참가자들의 전공을 과학계열(자연과학 등)과 비과학계열(인문사회, 경영 등)로 구분하여 추가적인 분석을 실시하였다. 분석결과, 면접참가자들의 대학 또는 대학원에서의 전공 특성에 따라 과학에 대한 인식에는 차이가 있음이 확인되었다.
셋째, 연구문제 2를 통해 일반 대중의 과학관에 대한 이미지를 분석하기 위해 포털 사이트에 나타난 국립과학관 관련 볼로그 포스팅 제목에 대한 LDA 토픽모델링을 실시하여 20개의 토픽을 추출하고 7개의 군집으로 집단을 분류하였다. 분석을 통해 도출된 전체 토픽 중 25%가 어린이와 자녀의 야외활동이나 체험에 관한 포스팅이었고, 20%는 경진대회와 수학 교육프로그램 등 유아 및 초등학생의 학습에 관한 포스팅으로 확인되었다. 그리고 여행, 축제, 이벤트로 분류된 군집에서도 포스팅의 주제는 ‘아이’라는 단어를 포함하고 있어 추출된 토픽의 대부분이 어린이와 관련된 내용임을 알 수 있다.
셋째, ‘여행’요인에는 ‘부산 여행’과 ‘대전 여행’의 토픽들이 포함되었는데, 주요 단어들이 ‘부산’, ‘기장’, ‘여행’, ‘대전’ 등으로 언급된 지명을 가진 도시의 여행과정에 과학관을 방문하는 경우라고 볼 수 있다.
여섯째, ‘랜드마크’요인은 ‘지리’, ‘부동산’, ‘기타’의 요인으로 형성되었고 해당 요인의 토픽에 할당된 ‘맛집’이나 아파트명 등이라는 점에서 과학관이 특정 지역의 지리적 설명을 위한 기준으로 사용되고 있음을 알 수 있다.
연구문제 2에 대한 분석을 위해 네이버 블로그 검색을 통해 수집된 12,920건의 포스팅 제목에서 추출한 63,987개 단어에 대한 토픽모델링을 실시한 결과, Fig. 5와 같이 20개의 토픽이 도출되었다. 추출된 각 토픽들에 대해서는 토픽 내에서 차지하는 가중치가 높은 단어들을 중심으로 Table.
일곱째, ‘명절’요인은 ‘명절활동’ 단일토픽으로 할당된 단어들이 ‘추석’, ‘연휴’, ‘문화’, ‘무료’ 등으로 추석과 같은 명절연휴 기간 동안 진행되는 이벤트에 관한 내용이라고 볼 수 있다. 이상의 연구문제 2에 대한 분석결과를 통해 본 연구에서 설정한 기간 동안 블로그에는 국립과학관과 관련하여 총 7개의 주제에 대한 포스팅이 이루어졌음을 추론할 수 있다.
첫째, ‘자녀체험’요인의 경우 ‘어린이 체험’, ‘어린이 활동’, ‘ 자녀 활동’, ‘자녀 체험’, ‘어린이 활동’의 5개 토픽으로 구성되었는데, Table.
한편, 과학계열 전공자들은 Fig. 3에 제시된 바와 같이 ‘발전’이라는 단어가 가장 높은 출현빈도를 보였고, ‘우리’, ‘인간’, ‘필요’, ‘가능’, ‘현상’, ‘설명’, 기술‘ 등의 단어들이 높은 빈도순으로 나타났다.

후속연구

또한, 이 같은 결과를 근거로 과학관 방문을 포함한 소비활동에는 어린 자녀의 체험이 주요요인으로 작용하고 있음을 추론할 수 있다. 따라서 정규교육과정에서 제공되지 않는 콘텐츠를 중심으로 전시계획을 수립한다면 방문객의 확보와 방문객 만족도 향상에 긍정적인 영향을 미칠 수 있을 것으로 기대된다. 또한, 과학소비자의 생애주기단계별로 적합한 내용을 전시하거나 유통한다면 과학관의 이미지가 어린이나 학생을 위한 공간뿐만 아니라 성인층이 필요로 하는 다양한 정보를 획득할 수 있는 정보원으로써의 역할을 수행할 수 있을 것으로 예상된다.
따라서 정규교육과정에서 제공되지 않는 콘텐츠를 중심으로 전시계획을 수립한다면 방문객의 확보와 방문객 만족도 향상에 긍정적인 영향을 미칠 수 있을 것으로 기대된다. 또한, 과학소비자의 생애주기단계별로 적합한 내용을 전시하거나 유통한다면 과학관의 이미지가 어린이나 학생을 위한 공간뿐만 아니라 성인층이 필요로 하는 다양한 정보를 획득할 수 있는 정보원으로써의 역할을 수행할 수 있을 것으로 예상된다.
둘째, 연구문제 2의 분석을 위한 자료수집은 국내 점유율이 가장 높은 포털사이트를 통해 이루어졌는데 포털 사이트별로 특정 키워드에 대한 검색결과가 다소 다르게 나타날 수 있고 포털사이트 이용자들의 성향도 차이가 발생가능하다[예, 19-20]. 이를 고려하여 향후 연구에서는 자료수집이 이루어지는 포털사이트간의 비교분석을 실시한다면 본 연구를 통해 도출되지 않은 또 다른 결과를 확인할 수도 있을 것으로 예상된다.
이 같은 결과는 본 연구에서 과학 소비자로 정의한 일반 대중들의 전공 즉, 과학이라는 개념에 대한 이해와 익숙함의 정도에 따라 상이한 이미지가 형성될 수 있음을 시사하고 있다. 이를 토대로 국립과학관과 같은 과학의 유통 주체에서는 목표소비자에 대한 차별화된 경영전략을 수립하여 방문객 증가와 같은 경영목표의 달성률을 높일 수 있을 것으로 기대된다.
하지만 과학에 대한 인식과 관련한 본 연구결과의 일반화 수준을 높이기 위해서는 과학관 방문자들의 다양한 특성을 고려할 필요가 있다. 특히, 과학관 방문객들의 연령이나 방문목적 등과 같은 변수들의 영향력에 대한 검증이 이루어진다면 보다 효과성 높은 경영전략 수립이 가능 할 것이다.
셋째, 본 연구에서는 융합적인 관점에서 다양한 연구방법을 활용하여 과학관에 대한 이미지를 분석하고자 하였으며, 과학계열과 비과학계열 집단 간의 과학에 대한 이미지 차이의 존재가능성을 제시하였다. 후속 연구에서는 과학 소비자의 특성에 따른 인식의 차이와 과학관 방문 및 비방문 고객들을 대상으로 양적연구를 통해 검증한다면 본 연구를 통해 도출된 결과의 일반화 수준을 높일 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	과학과 교양을 이분법적으로 구분하는 것이 의미가 없는 이유는 무엇인가?	과학과 교양에 대한 사전적 의미는 두 개념에 대해 서로 다른 정의를 가지고 있지만 앞서 언급된 것과 같이 현실세계에서는 과학의 발전을 통해 인간의 삶과 문화가 영향을 받기 때문에 과학과 교양을 이분법적으로 구분하는 것은 큰 의미가 없다. 하지만 우리사회에서는 아직까지 과학과 교양을 뚜렷하게 구분하는 경향이 있는데 대표적인 사례가 바로 대학교육과정이다[2].
	시민들은 과학전시관을 찾으려하지 않는다. 논문이 제시하는 그 이유는 무엇일까?	이는 본 연구의 결과에 한정되어 있기는 하지만 대중의 인식에서 과학관은 성인보다는 어린이나 학생을 위한 체험 또는 교육의 일부로 자리매김하고 있다는 것을 나타낸다. 또한, 이 같은 결과를 근거로 과학관 방문을 포함한 소비활동에는 어린 자녀의 체험이 주요요인으로 작용하고 있음을 추론할 수 있다.
	교양이란 무엇인가?	과학과 교양이라는 단어는 얼핏 보면 상반된 뜻을 가진 것처럼 보이지만, 우리의 삶을 풍요롭게 함에 있어서 필수적인 요소라는 공통점을 가지고 있다[1]. 그렇다면 과학과 교양의 경계선은 어디에 있는가? 국립국어원 표준어대사전에서는 ‘교양’을 “학문, 지식, 사회생활을 바탕으로 이루어지는 품위 또는 문화에 대한 폭넓은 지식”으로 정의하고 있다. 그리고 ‘과학’은 “보편적인 진리나 법칙의 발견을 목적으로 한 체계적인 지식”으로 정의하고 있으며 넓은 뜻으로는 학(學)을 말하고, 협의로는 자연 과학을 뜻한다는 설명을 보충하고 있다.

참고문헌 (20)

S. Hong, M. Seo, H. Jang, J. Hyeon, Twenty-one century liberal arts science technology and society. p.1-504, Namu, 2016.
W. S. Kim, J. S. Chung, D. Lee, E. Kim, H. Y. Kim, Y. K. Kwon, B. Lee, "Exploring the goals and contents of integrated science as a liberal arts education in universities", The Korean Association of General Education, Vol.13, No.2, pp.57-90, Apr. 2019.
H. Kim, E. Lee, Y. Joo, "Analysis of the current situation of science as liberal art in liberal arts education - Focus on the major universities of the metropolitan area", The Korean Association of General Education, Vol.11, No.2, pp.373-411, Apr. 2017.
Y. Choi, Seoul National University to learn certain liberal arts, MIT picks out of hundreds [Internet]. Dong-A Ilbo, 2018 [cited 2018 September 27], Available From: https://bizn.donga.com/3/all/20170403/83654954/2 (accessed Sep. 27, 2018)
J. Ryu, M. J. Kim, "Linking school curriculum with education in science museum", Inha Educational Research Institute, Vol.22, No.3, pp.73-98, Jun. 2016.
J. W. Moon, J. Na, "Elementary school teachers' perception and the status of education program on science museum field trips", The Korean Society of Elementary Science Education, Vol.38, No.1, pp.87-101, Feb. 2019. DOI: http://dx.doi.org/10.15267/keses.2019.38.1.87
J. Kim, J. Park, "Scientifically talented students' image of science museums and their preferred topics for exhibits-focused on students in Gwangju city", Journal of the Korean Association for Research in Science Education, Vol.33, No.7, pp.1431-1449, Dec. 2013. DOI: http://dx.doi.org/10.14697/jkase.2013.33.7.1431

원문보기 상세보기
J. Lim, B, Lee. "Aanalysis of students' behavior patters in science museums according to watching rate and watching hour: Focused on the basic science hall in Gwacheon national science museum", Journal of Research in Curriculum and Instruction, Vol.18, No.4, pp.1011-1032, Dec. 2014. DOI: https://dx.doi.org/10.24231/rici.2014.18.4.1011

상세보기
H. Brits, L. du Plessis, "Application of focus group interviews for quality management: An action research project", Systemic Practice and Action Research, Vol.20, No.2, pp.117-126, Apr. 2007. DOI: https://dx.doi.org/10.1007/s11213-006-9054-0

상세보기
J. Lee, D. Sohn, Y. S. Choi, M. Park, J. Min, "A study on the factors of the hardware cost estimation for service robot development", Journal of the Korea Academia-Industrial cooperation Society, Vol.19, No.5, pp.35-44, May. 2018. DOI: https://dx.doi.org/10.5762/KAIS.2018.19.5.35
T. I. Kim, S. J. H. Seo, "A critical review of survey method in public policy studies", The Korean Association For Public Administration, Vol.32, No.3, pp.199-215, Dec. 1998.
D. M. Blei, A. Y. Hg, M. L. Jordan, "Latent dirichlet allocation", Journal of Machine Learning Research, Vol.3, pp.993-1022, Jan. 2003.
G. Miner, J. Elder, A., Fast, T. Hill, R. Nisbet, D. Delen. Practical text mining and statistical analysis for non-structured text data applications, Elsevier, 2012. DOI: https://dx.doi.org/10.1007/s11213-006-9054-0
C. H. Nam, "An illustrative application of topic modeling method to a farmer's diary", Institute of Cross-Cultural Studies, Vol.22, No.1, pp.89-135, Jan. 2016.
S. G. Lee, "A study on the trends of construction safety accident in unstructured text using topic modeling", Journal of the Korea Academia-Industrial cooperation Society, Vol.19, No.10, pp.176-182, Oct. 2018. DOI: https://dx.doi.org/10.5762/KAIS.2018.19.10.176
T. K. Kim, H. R. Choi, H. C. Lee, "A study on the research trends in fintech using topic modeling", Journal of the Korea Academia-Industrial cooperation Society, Vol.17, No.11, pp.670-681, Nov. 2016. DOI: http://dx.doi.org/10.5762/KAIS.2016.17.11.670
D. An, S. Kim, "Attitudes toward SNS advertising : A comparison of Blog, Twitter, Facebook, and YouTube", The Korean Journal Of Advertising, Vol.23, No.3, pp.53-84, Apr. 2012. DOI: http://dx.doi.org/10.5762/KAIS.2016.17.11.670
J. H. Hong, "The detection of public opinion and public opinion cycle via aggregated twitter opinion and sentiment", Korean Journal of Communication Studies, Vol.19, No.3, pp.5-29, Aug. 2011.
J. C. Lee, J. A. Oh, "A study on analysis for accuracy of knowledge and information related to society and history on internet knowledge search service program: For situation of NAVER KNOWLEDGE iN and DAUM KNOWLEDGE", Survey Research, Vol.15, No.2, pp.149-186, May. 2014.
J. A. Seol, "A comparative study of internet search engines: Naver versus Google", Journal of Communication Science, Vol.11, No.1, pp.157-186, Mar. 2011.

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