텍스트 마이닝을 활용한 의과대학생의 비대면 문제바탕학습 경험 분석

• 영문명: Analysis of medical students’ experiences with problem-based learning in a non-face-to-face environment using text mining
• 발행기관: 학습자중심교과교육학회
• 저자명: 주현정 박효진
• 간행물 정보: 『학습자중심교과교육연구』제22권 20호, 303~316쪽, 전체 14쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2022.10.31

국문 초록

목적 본 연구는 텍스트 마이닝을 활용하여 비대면 문제바탕학습(problem-based learning; PBL)에 참여한 의과대학생의 경험을 분석하고자 하였다. 방법 A 의과대학 의학과 1, 2학년 총 157명을 대상으로 1년 동안 비대면 PBL 경험에 대한 서술형 응답 데이터를 수집하고, 학생들의 비대면 PBL 경험의 경향을 분석하기 위해 전체적인 단어 빈도를 분석하였다. 이후, 잠재 디리클레 할당 모형 기반의 토픽 모델링을 수행하였으며, 각 토픽마다 빈도수 기준 상위 10개 단어를 제시하여 그 경향을 자세히 분석하였다. 결과 단어 빈도 분석 결과, 토론, 진행, 학습, 의견, 생각, 과정, 튜터 등의 단어가 높은 빈도로 나타났다. 잠재 디리클레 할당 모형 기반의 토픽 모델링을 수행한 결과, 신체적인 편안함, 기술적인 불편함, 지식의 부족함으로 인한 어려움, 문제해결력 증진, 심리적인 편안함, 기술적인 이점, 참여도 차이, 튜터와의 경험, 병행 스케줄 문제 등 9개의 토픽이 도출되었다. 결론 본 연구는 비대면 PBL에 참여한 학생의 경험을 객관적이고 종합적으로 분석함으로써 향후 비대면 PBL 질적 향상을 위한 시사점을 제공할 수 있을 것이다.

영문 초록

Objectives This study aimed to analyze medical students’ experiences with problem-based learning (PBL) in a non-face-to-face environment using text mining. Methods A total of 157 students’ open-ended responses regarding their experiences with problem-based learning in a non-face-to-face environment were collected and analyzed using term frequency and latent Dirichlet allocation (LDA)-based topic modeling. Results The result of the term-frequency analysis showed that keywords, such as discussion, learning, opinion, thought, process, and tutor, were prominent ones. The LDA-based topic modeling generated nine topics: physical comfort, technical discomfort, challenges of a lack of knowledge, improvement of problem-solving ability, psychological comfort, technical advantages, differences in students’ participation, experiences with tutors, and parallel schedule problems. Conclusions The results of this study can provide suggestions to enhance the quality of students’ experiences with PBL in a non-face-to-face environment.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

참고문헌

키워드

문제바탕학습 비대면 학생 경험 텍스트 마이닝 토픽 모델링 problem-based learning non-face-to-face environment student experience text mining topic modeling