$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

AI·데이터 사이언스 분야 직무 역량 강화를 위한 커리큘럼 연구
A Curriculum Study to Strengthen AI and Data Science Job Competency 원문보기

정보화 정책 = Informatization policy, v.28 no.2, 2021년, pp.34 - 56  

김효중 (Graduate School of Information, Yonsei University) ,  김희웅 (Graduate School of Information, Yonsei University)

초록
AI-Helper 아이콘AI-Helper

4차 산업혁명에 따라 AI, 데이터 분석가 등 AI·데이터 사이언스 분야의 일자리에 대한 수요와 관심이 증가하고 있다. 그에 발맞춰 효과적으로 해당 분야의 직무를 수행할 수 있는 인력을 적시에 공급하기 위해서 구직자는 회사가 요구하는 역량을 개발하고, 대학은 양성 교육을 담당하여야 한다. 하지만, 적절한 역량을 갖춘 인력 공급의 이해 당사자인 구직자, 회사 그리고 대학 차원에서 적절한 대응 전략 마련에 어려움을 겪고 있다. 따라서, 본 연구는 필요충분한 직무 역량을 가진 인재 양성 및 공급을 위해 실무에서 요구되는 역량이 무엇인지 알아보고, 대학 차원에서의 역량 개발 방안을 제안하는 것을 목적으로 한다. AI·데이터 사이언스 분야에서의 필요 역량을 파악하고자 채용 플랫폼 링크드인(LinkedIn) 사이트의 채용공고 데이터를 텍스트 마이닝 기법을 활용하여 분석하였다. 이후, 국제적인 AI·데이터 사이언스 분야 대학원 교육과정과 채용 담당자와의 인터뷰 결과를 각각 토픽 모델의 결과와 비교 및 검증하는 절차를 통해, 대학 차원에서의 활용할 수 있는 커리큘럼을 제안하는 것으로 연구를 진행하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

According to the Fourth Industrial Revolution, demand for and interest in jobs in the field of AI and data science - such as artificial intelligence/data analysts - are increasing. In order to keep pace with this trend, and to supply human resources that can effectively perform such jobs in the rele...

주제어

#AI 직무 역량   #데이터 사이언스   #텍스트 마이닝   #네트워크 분석   #커리큘럼   #토픽 모델   #인터뷰  

표/그림 (16)

참고문헌 (30)

  1. BCG (2020). "BCG on investing." March. 

  2. Blei, D. (2003). "Latent dirichlet allocation." Journal of machine learning research, 3(4), 993-1022. 

  3. Blei, D. (2012). "Probabilistic topic models." Communications of the ACM, 55(4), 24-27. 

    상세보기 crossref

  4. Cho, S., Shin, S. & Kang, D. (2018). "A Study on the Research Trends on Open Innovation using Topic Modeling." Informatization Policy, 25(3), 52-74 

    원문보기 상세보기 crossref

  5. Choi, B. (2016). "Study on Core Competency Improvement of University Students and Its Related Factors based on the Desired Talents of Companies." Doctor's Thesis, Sogyung University. 

  6. Choi, I. & Shin, E. (2019). "An Empirical Study of the Determinants of Successful Job Seeking of College Students." Korea Economic Education Association, 23(1), 23-49. 

  7. Deming, D. & Kahn, L. (2018). "Skill Requirements across Firms and Labor Markets: Evidence from Job Postings for professionals." Journal of Labor Economics, 36(S1), 337-360. 

  8. Desmet, P. & Hekkert, P. (2007). "Framework of Product Experience." International Journal of Design, 1(1), 13-23. 

  9. Frey, C. & Osborne, M. (2017). "The Future of Employment: How Susceptible are Jobs to Computerisation?" Technological Forecasting and Social Change, 114, 254-280. 

    상세보기

  10. Guo, Y., Barnes, S. & Jia, Q. (2017). "Mining meaning from online ratings and reviews: tourist satisfaction analysis using latent dirichlet allocation." Tourism Management, 59, 467-483. 

    상세보기

  11. Jung, Y. & Suh, Y. (2019). "Mining the voice of employees: A text mining approach to identifying and analyzing job satisfaction factors from online employee reviews." Decision Support Systems, 123, 1-12. 

  12. Karakatsanis, L., AlKhader, W., MacCrory, F. & Alibasic, A. (2017). "Data mining approach to monitoring the requirements of the job market: A case study." Information Systems, 65, 1-6. 

    상세보기

  13. Kim, D., Kang, J. & Lim, J. (2016). "Comparative Analysis of Job Satisfaction Factors, Using LDA Topic Modeling by Industries : The Case Study of Job Planet Reviews." Journal of Information Technology Services, 15(3), 157-171. 

    원문보기 상세보기 crossref

  14. Kim, J. & Huh, J. (2018). "Analysis of Occupation and Job Change in SW Field using Job Posting Data." The Korean Institute of Information Scientists and Engineers, 36(9), 15-21. 

  15. Kim, H. & Lee, H. (2016). "Trend Analysis of Data Mining Research Using Topic Network Analysis." The Korean Society Of Computer And Information, 21(5), 141-148. 

  16. Kim, S. (2020). "A Study on the Similarity between the Self-introduction and the Talent of the company Using Text Mining." Master's Thesis, Soongsil University. 

  17. Korea Employment Information Service(KEIS). (2019). Future job prospects of the 4th industrial revolution. Seoul: Korea Employment Information Service(KEIS). 

  18. Korea Employment Information Service(KEIS). (2020). Analysis of skill mismatch of IT technology workers in the IT service industry. Seoul: Korea Employment Information Service(KEIS). 

  19. Lau, J. (2014). Machine reading tea leaves: automatically evaluating topic coherence and topic model quality. Proceedings of the 14th Conference of the European Chapter of the Association for Computational Linguistics. 

  20. Lee, J. (2020). "Forecasting Open Government Data Demand Using Keyword Network Analysis." Informatization Policy, 27(4), 24-46. 

    원문보기 상세보기 crossref

  21. Lee, S., Choi, S. & Kim, H. (2019). "An Exploratory Study of e-Learning Satisfaction: A Mixed Methods of Text Mining and Interview Approaches." Information Systems Review, 21(1), 39-59. 

    원문보기 상세보기 crossref

  22. Lim, S., Yang, M., Han, D. & Park, J. (2020). "The Study of Job Market by Analysis of the Recruitment Advertisement for Occupational Therapy." Therapeutic Science for Rehabilitation, 9(2), 39-53. 

    원문보기 상세보기 crossref

  23. Lin, C. & He, Y. (2009). Joint sentiment/topic model for sentiment analysis. In Proceedings of the 18th ACM conference on Information and knowledge management. 

  24. Mckensey (2020). "The recovery will be digital." August. 

  25. Mimno, D. (2011). Optimizing semantic coherence in topic models. Proceedings of the 2011 Conference on Empirical Methods in Natural Language Processing. 

  26. Newman, M. (2010). Networks : An Introduction. Oxford University Press. 

  27. Shin, J., Choi, J. & Koh, W. (2015). "A study on the Use of Learning Analytics in Higher Education: Focusing on the perspective of professors." Journal of Educational Technology, 31(2), 223-252. 

  28. Steyvers, M. & Griffiths, T. (2007). "Probabilistic topic models." Handbook of latent semantic analysis, 427(7), 424-440. 

  29. Xianghua, F., Guo, L., Yanyan, G. & Zhiqiang, W. (2013). "Multi-aspect sentiment analysis for Chinese online social reviews based on topic modeling and HowNet lexicon." KnowledgeBased Systems, 37, 186-195. 

  30. Yun, Y. & Ji, H. (2015). "A development of Open Social Learning Platform for learning analytics and educational data mining." Journal of Institute of Information Scientists and Engineers, 23(12), 1349-1351. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로