머신러닝을 활용한 영재 학생들의 졸업논문 주제 경향 분석

• 영문명: Clustering Science Gifted Students’ Graduation Theses Based on Machine Learning
• 발행기관: 한국과학영재교육학회
• 저자명: 조헌국(Jho, Hunkoog) 이봉우(Lee, Bongwoo)
• 간행물 정보: 『과학영재교육』과학영재교육 제14권 제1호, 13~22쪽, 전체 10쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2022.04.30

국문 초록

본 연구는 영재학교에 재학 중인 학생들의 졸업 연구 논문을 분석하여 연구주제의 경향을 파악하고자 하였다. 이에 S 영재학교에서 최근 5년간 제출한 292건의 졸업 연구 논문의 제목 및 초록을 수집하여 BERT를 기반으로 한 문서 요약 및 키워드 추출 기능을 활용하였고 그 결과를 K-Means 군집 분석을 통해 범주화하여 그 특징을 분석하였다. 연구 결과, 학생들의 연구 주제는 문제 해결을 위한 시스템 개발, 알고리즘 및 모형⋅이론의 제안, 구성 요소 또는 성분의 분석, 선행연구 기반 문제 해결, 센서 및 도구를 활용한 문제 해결, 데이터 기반 분석 및 활용, 문제 해결을 위한 새로운 방법 제안 등 7개의 범주로 나타났다. 본 연구에서 적용한 자연어 처리를 활용한 머신러닝과 딥러닝의 방법은 과학영재 학생들의 과제연구 지도 및 평가 등에 효과적으로 활용될 수 있을 것으로 기대하며 관련된 시사점을 제시하였다.

영문 초록

The purpose of this study was to investigate the research trends of science-gifted students by analyzing their graduation theses. We collected a total of 292 graduation theses from science-gifted high school S for the last five years and analyzed the titles and abstracts based on BERT(Bidirectional Encoder Representations from Transformers)-based keyword extraction and text summarization. The extracted features were categorized into optimal numbers of topics relying on k-means clustering. As a result, students’ theses could be categorized into seven topics: system development for problem solving, proposal of algorithms, models and theories, analysis of components or ingredients, revision of previous studies, problem solving with sensors and microprocessors, data-driven analysis and utilization, suggestion of new ways for problem solving. The method adopted in this study, machine learning/deep learning technique using natural language processing, would give some implications for teaching the research of gifted students for the better outcome.

목차

Ⅰ. 연구의 필요성 및 목적

Ⅱ. 연구 방법

Ⅲ. 연구 결과

Ⅳ. 결론 및 토의

키워드

과학 영재 연구 주제 졸업 논문 자연어 처리 군집 분석 머신러닝 science gifted student research topic graduation thesis natural language processing clustering analysis machine learning