대학에서의 인공지능 교육 동향 연구: 국내 뉴스 빅데이터 분석을 중심으로
A Study on Trends in AI Education at Universities: Focusing on Domestic News Big Data
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 대학에서의 인공지능 교육 관련 뉴스 기사 데이터를 분석하여 주요 키워드와 토픽을 도출하고, 이를통해 대학 내 인공지능 교육의 동향을 파악하는 것을 목적으로 한다. 이를 위해 2017년 1월 1일부터 2024년 3월31일까지 빅카인즈에서 보도된 57,010건의 인공지능 교육 관련 뉴스 기사를 대상으로 분석을 수행하였다. 수집된데이터를 빈도 분석(TF), 역문서 빈도 가중치 분석(TF-IDF), 토픽 모델링 기법으로 분석하여 키워드와 토픽을 도출하였다. 연구 결과, TF 분석에서는 ‘사업’, ‘교육방안’, ‘산업’, ‘인재’, ‘기업’ 순으로 주요 키워드가 도출되었고, TF-IDF 분석에서는‘교육방안’, ‘사업’, ‘산업’, ‘인재’, ‘기업’ 키워드가 상위권에 자리 잡고 있었다. LDA 토픽 모델링 분석을 통해 대학의인공지능 교육 관련 주요 토픽 5개를 도출하였다. 주요 토픽으로 ① 인공지능 발전을 위한 혁신 인재 양성, ② 인공지능대전환·반도체 인재 양성을 위한 정부 주도 국가전략, ③ 대학-산학협력을 통한 현장중심 인공지능 연구 활성화, ④ 인공지능 시대 대비 대학 교육 시스템 재설계, ⑤ 인공지능 기반 지역-대학 협력을 통한 지역 격차 해소가 확인되었다. 본 연구를 통하여 대학에서의 인공지능 교육에 대한 사회적 인식의 변화 방향을 확인하고, 향후 대학이 인공지능교육을 효과적으로 운영하기 위해서는 대학 교육 체제 개편과 맞춤형 학습 시스템 구축 및 생성형 AI 기술을 고려한윤리적·정책적 대응이 필요함을 알 수 있었다.
Abstract
The purpose of this study was to analyze news article data on AI education at universities and identify major keywords and topics to uncover trends within universities. A total of 57,010 news articles related to AI education published from January 1, 2017, to March 31, 2024, from the new BigKinds database were analyzed using Term Frequency (TF), Term Frequency-Inverse Document Frequency (TF-IDF), and topic modelling analysis. The TF analysis revealed the following major keywords: “business,” “educational methods,” “industry”, “talent,” and “enterprise.” The TF-IDF analysis identified “educational methods,” “business,” “industry,” “talent,” and “enterprise” as major keywords as well. The LDA topic modelling analysis identified five major topics: 1) Nurturing innovative talent for the advancement of AI, 2) Government-led national talent development strategies for AI transformation and semiconductor sectors, 3) Promoting field-oriented AI research through university-industry collaboration, 4) Redesigning university education systems in preparation for the AI era, and 5) Bridging regional gaps through AI-based university collaboration. This study confirms the directional shifts in the social perception of AI education in universities. These findings suggest that educational system reforms, customized learning systems, and ethical/policy-oriented strategies for generative AI technologies are necessary for universities to effectively implement AI education in the future.