$\require{mediawiki-texvc}$

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.

국민청원글의 토픽 모델링을 통한 교육이슈 분석
Analysis of Educational Issues through Topic Modeling of National Petitions Text 원문보기

정보교육학회논문지 = Journal of the Korean Association of Information Education, v.25 no.4, 2021년, pp.633 - 640  

심재권 (고려대학교 영재교육원)

초록
AI-Helper 아이콘AI-Helper

교육과 관련된 이슈는 다양한 집단과 상황이 서로 복잡하게 연계된 사회문제로 교육과 관련된 현상을 분석하여 이슈와 문제를 구체적으로 발견하는 것은 쉽지 않은 일이다. 한국어 기반 텍스트 분석은 정량적인 형태로 분석이 가능하고, 텍스트 분석기법의 발전에 따라 연구적인 성과를 내고 있어 교육과 관련된 이슈를 한국어 텍스트로 된 데이터에서 도출하는데 충분히 활용할 수 있다. 본 연구는 청와대 국민청원 홈페이지 게시판의 육아/교육 분야의 청원글을 수집하고 텍스트 분석방법을 활용하여 교육계의 이슈와 문제를 도출하고자 하였다. 분석은 토픽 모델링 기법 중 잠재 디리클레 할당(LDA)을 통해 6개 토픽을 도출하였고, 주요 키워드의 연관규칙을 분석하여 그래프로 시각화하였다. 기존의 설문을 통한 교육의 이슈를 도출하는 방법 이외에 추가로 텍스트 기반의 분석방법을 통해 이슈를 충분히 발견할 수 있다는 점에서 향후 연구의 방향과 정책에 시사점을 제공할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Education related issues are social problems in which various groups and situations are intricately linked to each other. It is difficult to find issues by analyzing social phenomena related to education. Korean based text analysis can be analyzed in a quantitative. With the development of text anal...

주제어

#국민청원   #토픽 모델링   #잠재 디리클레 할당   #연관규칙   #교육이슈  

참고문헌 (16)

  1. Blue House National Petition Homepage [Internet]. https://www1.president.go.kr/petitions/FAQ 

  2. C. W. Woo and J. Y. Lee (2020). Investigation of Research Topic and Trends of National ICT Research-Development Using the LDA Model. Journal of the Korea Convergence Society, 11(7), 9-18. 

  3. C.D. Kang (2008). A Social Historical Study on the Korean Paranoid Educational Fervor and Status Desire. The Korea Educational Review, 14(2), 5-32. 

  4. D. Newman, J. H. Lau, K. Grieser, and T.Baldwin (2010). Automatic Evaluation of Topic Coherence. Human Language Technologies. The 2010 Annual Conference of the North American Chapter of the ACL, 100-108. 

  5. D.W. Yoon and H.J. Choe (2019). Analysis of the Core Concepts of Middle School Informatics Textbook Using Big Data Analysis Techniques. Journal of Creative Information Culture, 5(2), 157-164. 

  6. David M. Blei, Andrew Y. Ng and Michael I. Jordanm (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022. 

  7. J. W. Min, and J. K. Shim (2020). A Study on Analysis of National Petition Datafor Deriving Current Issues in Education. Journal of Creative Information Culture, 6(2), 57-64. 

  8. Jonathan Chang, Jordan Boyd-Graber, Sean Gerrish, Chong Wang and David M. Blei (2009). Reading Tea Leaves: How Humans Interpret Topic Models. Advances in Neural Information Processing Systems, 22, 288-296. 

  9. M. Steyvers, and T. Griffiths (2007). Probabilistic topic models, Handbook of latent semantic analysis, Lawrence Erlbaum Associates Publishers. 

  10. S. J. Kang and Y. J. Shon (2020). Phenomenon of Early Childhood Private Education through Topic Modeling Analysis: Focusing on Domestic Newspaper Articles and Blogs. Journal of Future Early Childhood Education, 27(1), 177-199. 

  11. S. Y. Kim (2020). Analysis of Research Trends in Journal of the Korean Society for Industrial and Applied Mathematics Using Topic Modeling and Implications for Industrial Mathematics Education. Secondary Education Research, 68(2), 267-293. 

  12. T. K. Kim, H. R. Choi and H. C. Lee (2016). A Study on the Research Trends in Fintech using Topic Modeling. Journal of the Korea Academia-Industrial cooperation Society, 17(11), 670-681. 

  13. T. K. Son, and S. H, Hwang (2020). Analysis of the Research Trends of Domestic Elementary Mathematics Education Using Topic Modeling. Journal of Elementary Mathematics Education in Korea, 25(1), 61-80. 

  14. W.J. Choi, J.W. Seol, H.S. Jeong, and H.M. Yoon (2018). Comparison and Analysis of Subject Classification for Domestic Research Data. The Journal of the Korea Contents Association, 18(8), 178-186. 

  15. Y. Kim, N.K. Kim and S.J. Lee (2021). A Study on the Influence of Communication Characteristics of One-Person Media on Intention to Contents Acceptance: Focusing on the Mediating Effect of Parasocial Interaction. The Korean Journal of Advertising, 32(2), 163-188. 

  16. Yon, B.N (2020). A Topic Modeling Analysis on the Policy Issues of Meister High School. Journal of Vocational Education & Training, 23(1), 39-67. 

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

이 논문과 함께 이용한 콘텐츠

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