[논문]한국농수산대학 신입생 자기소개서의 텍스트 마이닝과 연관규칙 분석 (1)

주진수; 이소영; 김종숙; 신용광; 박노복

doi:10.23097/jpaf.2020.22(1):113

한국농수산대학 신입생 자기소개서의 텍스트 마이닝과 연관규칙 분석 (1)
Text Mining and Association Rules Analysis to a Self-Introduction Letter of Freshman at Korea National College of Agricultural and Fisheries (1) 원문보기

현장농수산연구지 = Journal of practical agriculture and fisheries research, v.22 no.1, 2020년, pp.113 - 129

주진수 (국립한국농수산대학 농어업.농어촌연구소) , 이소영 (국립한국농수산대학 농수산비지니스학과) , 김종숙 (국립한국농수산대학 농수산비지니스학과) , 신용광 (국립한국농수산대학 농수산비지니스학과) , 박노복 (국립한국농수산대학 화훼학과)

초록
AI-Helper

본 연구는 2020년 한농대 입학생의 비정형 텍스트인 자소서에서 의미 있는 정보 혹은 규칙을 추출하기 위하여 고교 재학 중 '학업 및 학습경험'과 '교내 활동'을 기술한 두 개 문항에 대하여 텍스트 마이닝에 의한 토픽 분석과 연관성 분석을 하였다. 모집 전형을 구분하지 않은 텍스트 마이닝 분석 결과에서 '학업 및 학습 경험' 항목과 관련된 주요 키워드는 '공부', '생각', '노력', '문제', '친구' 등의 순으로 많이 나타났으며, '교내 활동' 항목과 관련된 주요 키워드는 '활동', '생각', '친구', '동아리', '학교' 등의 순으로 빈도가 높게 나타났다. 그러나 도시 인재 전형과 농수산 인재 전형 신입생들의 키워드 빈도 순위는 두 항목 모두 전형 특성에 따른 약간의 차이를 나타냈다. 빈도 분석에 결과는 빈도수 상위 50위까지의 키워드를 워드 클라우드로 시각화하여 키워드를 알기 쉽게 표현하였다. 연관 분석은 apriori() 함수를 사용하였으며 적정한 계산을 위하여 support(지지도)와 confidence(신뢰도)의 기준값을 항목별로 설정하였다. 먼저 '학업' 항목에 대한 연관 규칙은 46개를 추출하였으며, 그 가운데 {공부} => {생각}, {성적} => {공부} 및 {과목} => {공부} 등의 규칙에서 높은 연관성을 볼 수 있었다. 이 규칙을 바탕으로 매개체 역할의 키워드를 평가하는 관계 중심성 평가와 노드에 연결된 edge의 수에 따라 중요도를 파악하는 연결 중심성 평가에서는 '생각', '공부', '노력', '시간' 등의 키워드가 중심적인 역할을 하는 정보를 획득하였다. 다음으로 '교내 활동' 항목에서는 45개의 연관 규칙을 생성하여 {활동} => {생각}, {동아리} => {활동} 등의 규칙에서 높은 연관성을 볼 수 있었으며, 관계 중심성 평가와 연결 중심성 평가에서는 '생각', '활동', '학교', '시간', '친구' 등의 키워드가 중심 키워드라는 결과를 얻었다. 다음 연구에서는 자소서의 나머지 두 개의 문항 '배려·나눔·협력·갈등관리' 항목과 한농대 '지원동기와 향후 진로계획' 항목을 분석한다. 분석에는 '키워드의 빈도'에 '문서 빈도의 역수'를 곱하여 주로 다량의 문서에서 핵심어를 추출하는 TF-IDF(Term Frequency-Inverse Document Frequency) 분석을 추가한다.

Abstract ▼ AI-Helper

In this study we examined the topic analysis and correlation analysis by text mining to extract meaningful information or rules from the self introduction letter of freshman at Korea National College of Agriculture and Fisheries in 2020. The analysis items are described in items related to 'academic' and 'in-school activities' during high school. In the text mining results, the keywords of 'academic' items were 'study', 'thought', 'effort', 'problem', 'friend', and the key words of 'in-school activities' were 'activity', 'thought', 'friend', 'club', 'school' in order. As a result of the correlation analysis, the key words of 'thinking', 'studying', 'effort', and 'time' played a central role in the 'academic' item. And the key words of 'in-school activities' were 'thought', 'activity', 'school', 'time', and 'friend'. The results of frequency analysis and association analysis were visualized with word cloud and correlation graphs to make it easier to understand all the results. In the next study, TF-IDF(Term Frequency-Inverse Document Frequency) analysis using 'frequency of keywords' and 'reverse of document frequency' will be performed as a method of extracting key words from a large amount of documents.

주제어

표/그림 (19)

그림 Fig. 1. Conceptual maps for keyword analysis and associative rules analysis
표 Table 1. Number of freshmen by the admission process (단위 : 명)
표 Table 2. The evaluation scales of association rules analysis
표 Table 3. Key words of the question 1 in self-introduction letter by the admissions process (단위 : 회/인)
표 Table 4. Word clouds of the question 1 in self-introduction letter by the admissions process
표 Table 5. Key words of the question 2 in self-introduction letter by the admissions process (단위 : 회/인)
표 Table 6. Word clouds of the question 2 in self-introduction letter by the admissions process
표 Table 7. Association rules for the question 1 in self-introduction letter
그림 Fig. 2. Grouped matrix for the question 1 by association rules
그림 Fig. 3. Association graph for the question 1 by betweenness centrality
그림 Fig. 4. Association graph for the question 1 by degree centrality
그림 Fig. 5. Word cloud for the question 1 by association rules analysis
표 Table 8. The frequency of key words for the question 1 by text mining and association rules analysis
표 Table 9. Association rules for the question 2 in self-introduction letter
그림 Fig. 6. Grouped matrix for the question 2 by association rules
그림 Fig. 7. Association graph for the question 2 by betweenness centrality
그림 Fig. 8. Word cloud for the question 2 by association rules analysis
그림 Fig. 9. Association graph for the question 2 by degree centrality
표 Table 10. The frequency of key words for the question 2 by text mining and association rules analysis

참고문헌 (15)

김경태, 안정국, 김동현. (2018). 빅 데이터 활용서 (I). 시대인.
김영우. (2017). 쉽게 배우는 R 데이터 분석, 이지스퍼블리싱.
나종화. (2017). R 데이터마이닝, 자유아카데미.
남길임, 조은영. (2017). 한국어 텍스트 감성 분석, 커뮤니케이션북스.
조민호. (2019). 데이터 분석 전문가를 위한 R 데이터 분석. 정보문화사.
주진수 외 3인. (2018). 한국농수산대학 졸업생 영농정착 성공 사례집의 Text Mining. 현장농수산연구지 Vol. 20, No.2: 57-72.
주진수 외 5인. (2019). 비정형 데이터 마이닝을 활용한 한국농수산대학 재학생의 학교생활 감성 분석(1). 현장농수산연구지 Vol. 21(1), No.1: 99-114.

원문보기 상세보기
주진수 외 5인. (2019). 한국농수산대학 재학생의 학교생활 감성 분석 및 영농의지에 관한 연구. 현장농수산연구지 Vol. 21(2), No.1: 103-114.

원문보기 상세보기
https://ark1st.tistory.com/25
https://data-traveler.tistory.com/34
https://is-this-it.tistory.com/39
https://magician-of-c.tistory.com/23
https://needjarvis.tistory.com/59
https://tour-analyst.tistory.com/3
https://r-pyomega.tistory.com/18

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