본문 바로가기
KERD
논문KCI 등재

텍스트 마이닝을 활용한 국내 개별화 학습 연구동향 분석: TF-IDF, LDA 기반 텍스트 마이닝을 중심으로

An Analysis of Research Trends on Personalized Learning : Using TF-IDF, LDA based Text Mining

정성희|박하나|임규연|박지우
한국교육방법학회 (The Korean Journal Of Educational Methodology Studies)|2022.11|교육방법연구 (The Korean Journal of Educational Methodology Studies)|제34권 제4호|pp. 711-739|DOI 10.17927/tkjems.2022.34.4.711

1

조회

0

다운로드

27

인용

0

참고문헌

키워드

연구동향텍스트마이닝TF-IDFText-miningResearch trendsLDA topic modeling개별화 학습LDA 기반 토픽모델링Personalized learning(PL)
주제분류교육학

초록

최근 급격한 변화를 겪은 교육 환경에서 개별화 학습의 필요성이 더욱 강조되고 있다. 이에 본 연구에서는 텍스트 마이닝을 활용하여 국내 개별화 학습 연구동향을 확인하고, 앞으로의 개별화 지원에 시사점을 주기 위해 TF-IDF, LDA 기반 텍스트마이닝 기법을 활용하여 2012년부터 2021년까지 10년간의 개별화 학습 연구에서 주요 주제어와 토픽을 확인하였다. 연구 결과 첫째, 개별화 학습 연구는 특히 2019년 이후 발행 수가 급증하는 양상을 보였으며, 학술지별로는 일반 교육학 분야와 학제간 연구 분야의 학술지에서의 발행 수가 가장 많았다. 둘째, TF-IDF 기반 빈도 분석 결과, ‘모형’, ‘시스템’, ‘콘텐츠’, ‘프로그램’, ‘장애’, ‘인공지능’, ‘개별화교육계획’ 등의 주제어가 도출되었다. 특히 ‘모형’, ‘시스템’, ‘프로그램’ 등의 주제어는 TF와 TF-IDF 모두 상위 5위 이내에 위치하여 빈도 및 중요도 면에서 연구동향을 나타내는 주제어로 볼 수 있다. 셋째, LDA 기반 토픽모델링 결과, 도출된 토픽 6개는 ‘토픽 1: 특수교육에서의 개별화 학습’, ‘토픽 2: 개별화 학습 프로그램의 효과’, ‘토픽 3: 온라인 기반 개별화 학습 시스템’, ‘토픽 4: 교과교육에서의 개별화 학습’, ‘토픽 5: 대학에서의 인공지능·데이터 기반 개별화 학습’, ‘토픽 6: 개별화 학습 교육과정 개발 및 교원 양성’이었다. 6개 토픽 모두 10년간 전반적으로 증가하는 양상을 보였으나, 특히 토픽 3과 5의 경우 2019년 이후 급증하여 코로나19 발생 이후 비대면 학습 환경에서 개별화 학습을 지원하는 시스템과 데이터를 통한 학습 환경 설계에 대한 관심이 증가하였음을 확인할 수 있었다. 마지막으로 본 연구에서는 이와 같은 연구 결과를 종합하여 현 시점에 필요한 개별화 학습에 대한 후속연구와 개별화 학습 환경 구축 측면에서 통합적 관점으로 접근할 필요가 있음을 제언하였다.

Abstract

Personalized learning is an important issue of future education. PL contributed to the learner-centered education paradigm, and the necessity was further emphasized in an educational environment undergoing rapid changes. This study aims to explore PL research trends by using the text-mining method. The analysis was conducted for ten years of PL research from 2012 to 2021. As a result of TF-IDF analysis, keywords such as ‘model’, ‘system’, ‘content’, ‘program’, ‘disability’, ‘AI,’ and ‘Individualized Education Plan’ were commonly derived from 10 years of research. In addition, the six topics derived from LDA-based topic modeling were ‘Topic 1: PL in Special Education’, ‘Topic 2: Effectiveness of PL Program’, ‘Topic 3: Online-based PL System’, ‘Topic 4: PL in Curriculum and Instruction’, ‘Topic 5: AI and Data-based PL in Higher Education’, and ‘Topic 6: PL Curriculum Development and Teacher Professional Development’. The frequencies of all six topics have overall increased over the past ten years, but in particular, topic 3 and 5 increased further after 2019. The results indicate that interest in designing online personalized learning systems and evidence-based individualized learning has increased after COVID-19. Accordingly, the current study suggests that an integrative approach is required for the design and research in PL.

참고문헌 (80)

  1. "인공지능시대 교육정책방향과 핵심과제: 대한민국의 미래 교육이 나아가야 할 길" (2020)[URL]
  2. 교육부, "2022 개정 교육과정 추진 계획", 교육부, ~ (2021)
  3. 권연하, "텍스트 마이닝 기법을 활용한 코로나19 발생 이후 교육격차의 쟁점 분석", 학습자중심교과교육연구, 21(6), pp.625~644 (2021), 학습자중심교과교육학회
  4. 김남규, "텍스트 분석 기술 및 활용 동향", 한국통신학회논문지, 42(2), pp.471~492 (2017), 한국통신학회[DOI]
  5. 김상윤, "과학 학습 부진 유형에 따른 맞춤형 학습 지도의 효과", 한국과학교육학회지, 35(5), pp.907~917 (2015), 한국과학교육학회[DOI]
  6. 김선녀, "국내 학교(급)별 특수교육대상자의 개별화교육계획연구 동향과 개선과제; 2008년부터 2019년을 중심으로", 통합교육연구, 15(2), pp.115~140 (2020), 한국통합교육학회[DOI]
  7. 김선연, "텍스트 마이닝과 의미연결망 분석을 통한 집단창의성 연구동향 분석", 교육정보미디어연구, 26(4), pp.743~769 (2020), 한국교육정보미디어학회[DOI]
  8. 김현지, "적응적 수업을 위한 상호작용 어플리케이션 프로토타입 개발", 교육정보미디어연구, 23(1), pp.139~168 (2017), 한국교육정보미디어학회[DOI]
  9. 김혜원, "토픽 모델링을 활용한 과학영재교육 연구동향 분석", 초등과학교육, 40(3), pp.283~294 (2021), 한국초등과학교육학회
  10. 박경숙, "특수 교육 대상자의 교육 욕구와 대학 교육", 대학교육, 108, pp.6~13 (2000)
  11. 박선미, "초등 특수학급 교사의 개별화교육계획(IEP) 운영에 대한 인식 및 실태 조사 -부산지역 초등 특수학급을 중심으로-", 특수교육재활과학연구, 47(1), pp.167~189 (2008), 특수교육재활과학연구소
  12. 박준형, "국내 기록관리학 연구동향 분석을 위한 토픽모델링 기법 비교 - LDA와 HDP를 중심으로 -", 한국도서관·정보학회지, 48(4), pp.235~258 (2017), 한국도서관·정보학회[DOI]
  13. 변기용, "COVID-19가 고등교육체제에 초래한 변화와 가능성 탐색: 대학 현장 보직교수들의 인식을 중심으로", 한국교육학연구, 27(1), pp.177~216 (2021), 안암교육학회
  14. 손정우, "과학 개별화 수업이 초등영재학생들의자기주도 학습능력에 미치는 영향", 과학영재교육, 4(2), pp.115~122 (2012), 한국과학영재교육학회
  15. 안유민, "미래 학교 교사의 교수학습 역량 강화 교육 프로그램 개발을 위한 교육요구도 분석", 교육문화연구, 26(2), pp.49~74 (2020), 교육연구소[DOI]
  16. 안지연, "예비 교사를 위한 맞춤형 수업 실습 시스템 개발연구: 범교과 주제 중심 학습을 중심으로", 교원교육, 36(3), pp.223~258 (2020), 교육연구원[DOI]
  17. 유한구, "코로나와 4 차 산업혁명을 넘어 : 대학교육 혁신의 과제", FUTURE HORIZON, 47(5), pp.16~21 (2020)
  18. 이동국, "텍스트 마이닝을 통한 교사의 테크놀로지 통합에 관한 연구 동향 분석", 교육정보미디어연구, 26(1), pp.261~282 (2020), 한국교육정보미디어학회[DOI]
  19. 이승형, "텍스트마이닝을 활용한 대학 신입생 프로그램 관련 연구 동향 분석", 학습자중심교과교육연구, 21(19), pp.765~785 (2021), 학습자중심교과교육학회
  20. 이영주, "4차 산업혁명에 따른 교육 변화에 대한 교원의 인식 분석", 공학교육연구, 22(3), pp.11~17 (2019), 한국공학교육학회[DOI]
  21. 이진숙, "대학의 AI 기반 맞춤형 강의 추천 시스템 개발 및 실제 적용 사례 연구: K 대학을 중심으로", 교육공학연구, 37(2), pp.267~307 (2021), 한국교육공학회[DOI]
  22. 이재규, "네트워크 분석을 활용한 딥러닝 기반 전공과목 추천 시스템", 지능정보연구, 27(3), pp.95~112 (2021), 한국지능정보시스템학회
  23. 이현숙, "다이내믹 토픽 모델링에 기초한 2011-2020 학습분석학 연구 동향 분석", 교육정보미디어연구, 27(3), pp.777~815 (2021), 한국교육정보미디어학회[DOI]
  24. 임규연, "테크놀로지 기반 개별화 학습에 대한 체계적 문헌 분석: 2011-2020년 국내연구를 중심으로", 교육공학연구, 37(3), pp.525~559 (2021), 한국교육공학회[DOI]
  25. 임유나, "이해중심 교육과정과 맞춤형 수업의 통합 가능성 탐색: 초등사회과 역사 영역을 중심으로", 학습자중심교과교육연구, 13(2), pp.61~83 (2013), 학습자중심교과교육학회
  26. 임종현, "토픽 모델링을 활용한 국내 메이커교육 연구 동향 분석", 교육정보미디어연구, 27(3), pp.1189~1219 (2021), 한국교육정보미디어학회[DOI]
  27. 정동영, "통합학급의 장애학생을 위한 차별화 교수전략 탐색", 지적장애연구, 10(4), pp.163~187 (2008), 한국지적장애교육학회
  28. 정희엽, "텍스트 마이닝을 통한 4차 산업혁명시대 ‘맞춤형 교육’ 연구 동향 분석", 교육방법연구, 33(3), pp.433~454 (2021), 한국교육방법학회
  29. 조인수, "전환교육 실행과정에 따른 실천적 과제분석", 지적장애연구, 13(2), pp.97~122 (2011), 한국지적장애교육학회
  30. 최영인, "국어과 예비교사를 위한 데이터 기반 맞춤형 수업 설계 프로그램 개발 연구", 교사교육연구, 58(2), pp.221~236 (2019), 과학교육연구소[DOI]
  31. 최은식, "초‧중등 음악교과 담당교사의 개별화 수업에 관한 인식 및 요구", 교과교육학연구, 18(1), pp.27~55 (2014), 교과교육연구소[DOI]
  32. 최진, "‘개별화 교육’ 개념의 확장적 의미 탐색 : 개인 형성과 교육적 공간 간의 관계를 중심으로", 열린교육연구, 28(3), pp.139~161 (2020), 한국열린교육학회[DOI]
  33. 태진미, "정규교실에서의 차별화 교수 시행 및 영재교육기관 간의 연계 방안", 통합교육과정연구, 13(3), pp.181~203 (2019), 한국통합교육과정학회[DOI]
  34. 황인영, "놀이 중심 교육과정과 연계한 개별화교육계획(IEP) 운영에 대한 유아특수교사의 인식 및 요구 분석", 유아특수교육연구, 22(1), pp.137~161 (2022), 한국유아특수교육학회
  35. Aslan, S., "Educational technologists : Leading change for a new paradigm of education", TechTrends, 57(5), pp.18~24 (2013)
  36. Balakrishnan, B., "An effective self-directed personalized learning environment for engineering students during the COVID-19 pandemic", Advances in Engineering Education, 8(4), pp.1~8 (2020)
  37. Basham, J. D., "An operationalized understanding of personalized learning", Journal of Special Education Technology, 31(3), pp.126~136 (2016)
  38. Bernacki, M. L., "A systematic review of research on personalized learning : Personalized by whom, to what, how, and for what purpose(s)?", Educational Psychology Review, 33(4), pp.1675~1715 (2021)
  39. Bhutoria, A., "Personalized education and artificial intelligence in United States, China, and India: A systematic review using a Human-In-The-Loop model", Computers and Education: Artificial Intelligence, pp.100068~ (2022)
  40. Blei, D., "Correlated Topic Models", Advances in Neural Information Processing Systems, 18, pp.147~ (2006)
  41. Blei, D., "Latent dirichlet allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
  42. Bray, B., "Make learning personal: The what, who, wow, where, and why" (2014), Corwin Press
  43. Donohue, J. M., "COVID-19 and school closures", Jama, 324(9), pp.845~847 (2020)
  44. "Tm: text mining package" (2020)[URL]
  45. Grant, P., "Personalized learning: A guide for engaging students with technology" (2014), International Society for Technology in Education
  46. "Personalized learning" (2015)[URL]
  47. "Topicmodels: An R package for fitting topic models" (2011)[URL]
  48. Havrlant, L., "A simple probabilistic explanation of term frequency-inverse document frequency(tf-idf)heuristic(and variations motivated by this explanation)", International Journal of General Systems, 46(1), pp.27~36 (2017)
  49. Jelodar, H., "Latent Dirichlet Allocation(LDA)and topic modeling : Models, applications, a survey", Multimedia Tools and Applications, 78(11), pp.15169~15211 (2019)
  50. "KoNLP" (2021)[URL]
  51. Jones, K. S, "A statistical interpretation of term specificity and its application in retrieval", Journal of Documentation, 28(1), pp.11~21 (1972)
  52. "NLP4kec" (2020)[URL]
  53. Lesnikowski, A., "Frontiers in data analytics for adaptation research : Topic modeling", Wiley Interdisciplinary Reviews : Climate Change, 10(3), pp.e576~ (2019)
  54. Major, L., "The effectiveness of technology-supported personalised learning in lowand middle-income countries : A meta-analysis", British Journal of Educational Technology, 52(5), pp.1935~1964 (2021)
  55. Masonbrink, A. R., "Advocating for children during the COVID-19 school closures", Pediatrics, 146(3), pp.e20201440~ (2020)
  56. 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)
  57. "Package ‘ldatuning’" (2020)[URL]
  58. Osadchyi, V., "Personalized and adaptive ICT-enhanced learning : A brief review of research from 2010 to 2019", CEUR Workshop Proceedings, 2732, pp.559~571 (2020)
  59. Paek, S., "Analysis of worldwide research trends on the impact of artificial intelligence in education", Sustainability, 13(14), pp.7941~ (2021)
  60. Peng, H., "Personalized adaptive learning : an emerging pedagogical approach enabled by a smart learning environment", Smart Learning Environments, 6(1), pp.1~14 (2019)
  61. Plass, J. L., "Toward a taxonomy of adaptivity for learning", Journal of Research on Technology in Education, 52(3), pp.275~300 (2020)
  62. Raj, N. S., "A systematic literature review on adaptive content recommenders in personalized learning environments from 2015 to 2020", Journal of Computers in Education, 9(1), pp.113~148 (2021)
  63. Ramos, J., "Using tf-idf to determine word relevance in document queries", Proceedings of the first instructional conference on machine learning, 242(1), pp.29~48 (2003)
  64. Schmid, R., "Does the use of educational technology in personalized learning environments correlate with self-reported digital skills and beliefs of secondary-school students?", Computers & Education, 136, pp.75~86 (2019)
  65. Shemshack, A., "A comprehensive analysis of personalized learning components", Journal of Computers in Education, 8(4), pp.485~503 (2021)
  66. Shemshack, A., "A systematic literature review of personalized learning terms", Smart Learning Environments, 7(1), pp.1~20 (2020)
  67. Sun, L., "Discovering themes and trends in transportation research using topic modeling", Transportation Research Part C : Emerging Technologies, 77, pp.49~66 (2017)
  68. Tan, A. H., "Text mining: The state of the art and the challenges", Proceedings of the PAKDD Workshop on Knowledge Discovery from Advanced Databases, 8, pp.65~70 (1999)
  69. Tomlinson, C. A., "The differentiated classroom: Responding to the needs of all learners" (2014), Ascd
  70. Tomlinson, C. A., "Let's Celebrate Personalization : But Not Too Fast", Educational Leadership, 74(6), pp.10~15 (2017)
  71. U.S. Department of Education, "Future ready learning: Reimagining the role of technology in education: 2016 national education technology plan" (2016), Office of Educational Technology, U.S. Department of Education
  72. Vandewaetere, M., "Handbook of research on educational communications and technology", pp.425~437 (2014), Springer
  73. Watson, W. R., "Instructional-Design Theories and Models, Volume IV: The Learner-Centered Paradigm of Education", pp.109~136 (2017), Routledge
  74. Whalley, B., "Towards flexible personalized learning and the future educational system in the fourth industrial revolution in the wake of Covid-19", Higher Education Pedagogies, 6(1), pp.79~99 (2021)
  75. design for personalized learning-A report from the 2010 symposium, "Wolf, M. A.", SIIA, ~ (2010)
  76. Xie, H., "Trends and development in technology-enhanced adaptive", personalized learning : A systematic review of journal publications from 2007 to 2017, 2019, pp.140, 103599~
  77. Xue, E., "Online education action for defeating COVID-19 in China : An analysis of the system, mechanism and mode", Educational Philosophy and Theory, 54(6), pp.799~811 (2022)
  78. Zhang, W., "A comparative study of TF* IDF, LSI and multi-words for text classification", Expert Systems with Applications, 38(3), pp.2758~2765 (2011)
  79. Zhao, Y., "The changes we need : Education post COVID-19", Journal of Educational Change, 22(1), pp.3~12 (2021)
  80. Zheng, L., "The effectiveness of technology-facilitated personalized learning on learning achievements and learning perceptions : A meta-analysis", Education and Information Technologies, 27(4), pp.1~24 (2022)

관련 논문AI추천

TF-IDF 분석과 토픽 모델링을 활용한 AI 기반 개별화 학습 국내외 연구동향 분석김세영한국정보교육학회 · 정보교육학회논문지2023 · 제27권 제4호토픽모델링을 활용한 개별 맞춤형 학습에 관한 연구동향 : 초중등과 대학 수준 간 비교박종향, 안화실한국열린교육학회 · 열린교육연구2023 · 제31권 제6호개별화 학습 지원을 위한 지능형 튜터링 시스템 연구 동향 분석: LDA 토픽 모델링을 활용하여신서경, 장지수한국교육정보미디어학회 · 교육정보미디어연구2023 · 제29권 제4호테크놀로지 기반 개별화 학습에 대한 체계적 문헌 분석: 2011-2020년 국내연구를 중심으로임규연, 임지영, 진명화한국교육공학회 · 교육공학연구2021 · 제37권 제3호텍스트 마이닝을 통한 4차 산업혁명시대 ‘맞춤형 교육’ 연구 동향 분석정희엽, 홍후조한국교육방법학회 · 교육방법연구2021 · 제33권 제3호키워드 네트워크 및 지적구조 분석을 통한 개인 맞춤형 학습 연구동향 분석송선일, 정보영한국농·산업교육학회 · 농업교육과 인적자원개발2023 · 제55권 제3호

이 간행물의 다른 논문 (10건)

공감수업 전략을 활용한 초등 수업 사례연구김현지, 이상수, 정경임pp. 663-685가상훈련 콘텐츠 개발에 대한 수요자 요구분석김민희, 박보람pp. 687-710온라인 팀 협력 학습 결과의 군집유형에 따른 학습 과정과 협력 학습에 대한 흥미의 차이김민정pp. 741-762다분문항반응모형을 적용한 검사문항척도의 타당화 방법-등급반응모형, 일반화부분채점모형, 차별기능문항탐색을 바탕으로-안선영pp. 763-783대학원생의 학업성취 및 그 영향 요인들 간 구조적 관계: 가치 인식 및 흥미의 매개효과를 중심으로최고은, 정수정pp. 785-810
원문 보기