토픽모델링을 적용한 한국산업응용수학회지의 연구 동향 및 산업수학 교육의 시사점
Analysis of Research Trends in Journal of the Korean Society for Industrial and Applied Mathematics Using Topic Modeling and Implications for Industrial Mathematics Education
0
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
본 연구의 목적은 텍스트마이닝 기법을 이용하여 우리나라의 전반적인 산업수학 현황과 동향을 분석하고, 이에 맞는 산업수학 내용을 고등학교 수학 교육과정 수준에서 제시하는 데 있다. 이를 위해 R로 미국산업응용수학회에 해당하는 한국산업응용수학회에서 발간하는 한국산업응용수학회지의 창간호인 1997년부터 2019년까지 게재된 총 492개 논문의 제목, 초록, 주제어를 수집하였으며, LDA 알고리즘 기반의 토픽모델링 분석을 수행하였다. 주요 분석 결과는 다음과 같다. 첫째, coherence score 분석 결과로 토픽의 최적 개수는 20개로 결정되었으며, 해석학을 중심으로 기하, 대수, 위상수학, 확률 및 통계 등 다양한 분야에서 산업수학 연구가 진행되었다. 둘째, 시기별 연구 주제 동향을 분석한 결과, 상승하는 연구 주제는 의학통계와 미분위상수학, 그리고 하락하는 연구 주제는 공학수학, 수치해석, 복소해석으로 나타났다. 셋째, 차기 고등학교 수학과 교육과정에서 고려해야 할 산업수학 교육을 위한 내용으로 행렬과 이산수학이 나타났다. 마지막으로 본 연구의 제한점과 후속 연구의 방향을 제시하였다.
Abstract
The purpose of this study is to analyze the current research status and trends of industrial mathematics fields in Korea using text mining techniques, and to present the contents of industrial mathematics at the next high school mathematics curriculum level. In order to analyze them, a total of 492 papers was collected in the journal of the Korean Society for Industrial and Applied Mathematics from 1997 to 2019. The R program was used to collect titles, abstracts, and key words from the papers, and to analyze topic modeling methods based on LDA algorithm and a regression analysis model. The main results were as follows. First, researches on industrial mathematics fields were conducted in various fields such as geometry, algebra, topology, probability, and statistics based on 20 topics determined by the result of the coherence score. Second, as a result of trend analysis, the rising research topics were medical statistics and differential topology. On the contrary, the falling research topics were engineering mathematics, numerical analysis, and complex analysis. Third, matrix and discrete mathematics were extracted as the contents for industrial mathematics education to be considered in the next high school mathematics curriculum. Finally, the limitations and the future directions of this study were discussed.
참고문헌 (36)
- 김명환, "국가 정책으로서의 산업응용수학 활성화 전략 수립" (2015), 미래창조과학부
- 김상겸, "토픽모델링을 이용한 국내 산업경영공학 연구동향 분석", 한국경영공학회지, 21(3), pp.71~95 (2016), 한국경영공학회
- 김성주, "엔터테인먼트산업수학의 활성화 방안", 한국엔터테인먼트산업학회논문지, 11(2), pp.289~297 (2017), 한국엔터테인먼트산업학회[DOI]
- 김영욱, "미래 인재상에 적합한 수학학습 내용 연구" (2017), 한국과학창의재단
- 김태경, "토픽 모델링을 이용한 핀테크 기술 동향 분석", 한국산학기술학회논문지, 17(11), pp.670~681 (2016), 한국산학기술학회[DOI]
- "수학 없으면 AI도 없다 “국내 산업수학 생태계 마련 시급" (2019)[URL]
- 김창식, "토픽모델링과 시계열회귀분석을 활용한 정보시스템분야 연구동향 분석", 디지털콘텐츠학회논문지, 18(6), pp.1143~1150 (2017), 한국디지털콘텐츠학회[DOI]
- 미래창조과학부, "산업현장에서 필요한 수학, 정부가 나서서 키운다" (2016), 미래창조과학부
- 미래창조과학부, "대한민국 미래 책임질 9대 국가전략 프로젝트 선정" (2016), 미래창조과학부
- 미래창조과학부, "신규 산업수학센터(IMC)선정–수학으로 4차 산업혁명 시대의 문제를 해결하는 거점 육성-" (2017), 미래창조과학부
- 박기범, "산업수학 활성화를 위한 국내 산업수학 생태계 분석", 정책연구, pp.1~122 (2015)
- 박주섭, "토픽모델링을 활용한 과학기술동향 및 예측에 관한 연구", 한국산업정보학회논문지, 22(4), pp.19~28 (2017), 한국산업정보학회[DOI]
- 박준형, "국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교 - LDA와 HDP를 중심으로 -", 한국도서관·정보학회지, 48(4), pp.235~258 (2017), 한국도서관·정보학회[DOI]
- 신명선, "텍스트마이닝을 활용한 한국언어치료학회지의 토픽 모델링 및 트렌드 분석: (2002∼2018)", 언어치료연구, 28(3), pp.81~91 (2019), 한국언어치료학회[DOI]
- 유무상, "지역신문기사 자료와 토픽모델링을 이용한 해변 관련 계절별 현안분석", 지역연구, 34(4), pp.19~34 (2018), 한국지역학회[DOI]
- 유재호, "텍스트 분석을 활용한 기후변화 연구 동향 분석 - 한국기후변화학회지를 중심으로 -", 한국기후변화학회지, 10(3), pp.161~172 (2019), 한국기후변화학회[DOI]
- 윤혜진, "지역관광 연구트랜드 분석: 텍스트마이닝 활용", 한국관광레저학회 학술발표대회 논문집, pp.275~282 (2017), 한국관광레저학회
- "AI 수학’ 글로벌 열풍 부는데...한국은 고교 과정서 아예 삭제" (2019)[URL]
- 정효정, "텍스트 마이닝을 이용한 혁신 분야의 국외 연구 동향 분석", 기술혁신연구, 24(4), pp.249~276 (2016), 기술경영경제학회[DOI]
- Blei, D. M, "Latent dirichlet allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Blei, D. M, "Probabilistic topic models", Communications of the ACM, 55(4), pp.77~84 (2012)
- Cameron, P. J, "Combinatorics entering the third millennium" (2001)
- Chang, J, "Advances in neural information processing systems", pp.288~296 (2009)
- Griffiths, T, "Finding scientific topics", Proceedings of the National Academy of Sciences of the United States of America (PNAS), 101(Supplement 1), pp.5228~5235 (2004)
- Grün B, "Topicmodels : An R package for fitting topic models", Journal of Statistical Software, 40(13), pp.1~30 (2011)
- Jones, T, "Package ‘textmineR’", Functions for Text Mining and Topic Modeling, 2(2), pp.1~30 (2018)
- Lakoff, G, "Where Mathematics Comes From(Vol. 6)" (2000), Basic Books
- Lovasz, L, "One Mathematics", pp.10~15 (1998), The Berliner intelligencer
- Mohr, J. W, "Introduction—topic models: What they are and why they matter", Poetics, 48(6), pp.545~569 (2013)
- Newman, D, "Automatic evaluation of topic coherence", Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, pp.100~108 (2010), Association for Computational Linguistics
- Ponweiser, M, "Latent dirichlet allocation in R", Doctor, pp.2012
- Schwab, K, "The fourth industrial revolution", World Economic Forum (2016)
- Siu, M. K, "Balancing entertainment and learning in the popularization of mathematics : The seven light bulbs problem", Journal of Humanistic Mathematics, 8(1), pp.277~288 (2018)
- Syed, S, "Using machine learning to uncover latent research topics in fishery models", Reviews in Fisheries Science & Aquaculture, 26(3), pp.319~336 (2018)
- Wilson, R, "Combinatorics: A Very Short Introduction" (2016), Oxford University Press
- Zhang, Y, "Trends in diatom research since 1991 based on topic modeling", Microorganisms, 7(8), pp.213~226 (2019)