텍스트 마이닝을 활용한 국내 삶의 의미 연구 동향 분석

• 영문명: Analyzing Trends in Domestic Life Meaning Research Using Text Mining
• 발행기관: 한국문화융합학회
• 저자명: 전혜정 김성봉 주학
• 간행물 정보: 『문화와융합』제46권 1호, 609~619쪽, 전체 11쪽
• 주제분류: 복합학 > 학제간연구
• 파일형태: PDF
• 발행일자: 2024.01.31

국문 초록

본 연구는 텍스트 마이닝 연구방법을 통해 삶의 의미 관련 연구 동향을 살펴보고 기초적인 자료를 제공하기 위한 것이다. 학술연구정보서비스에 게재된 368편의 삶의 의미 관련 학술논문을 분석대상으로하였다. R프로그램을 통해 데이터를 전처리하였고, 키워드 빈도분석한 결과를 워드 클라우드로 시각화하였고 텍스트 마이닝과 더불어 토픽 모델링을 활용하였다. 분석결과는 첫째, 삶의 의미와 관련한 연구들은 한국청소년학회, 한국상담학회, 학습자중심교과교육학회 등 142개의 학술지 게재되어 여러 분야에서 연구되고 있었다. 둘째 키워드 빈도분석에서는 의미, 연구, 결과, 관계 등이 상위 키워드로 나타났다. 셋째, 토픽모델링 분석 결과에서 토픽은 삶의 만족도 증진, 부정적 정서 해소와 긍정적 정서 경험, 정서적 효능감과 진로 적응성 향상, 사회적 기술 증진, 치료적 특성과 효과, 프로그램 개발로 나타났다. 본 연구는 삶의 의미 관련 연구 동향을 제시하고 텍스트 마이닝과 토픽모델링 기법을 통해 분석한 시도라는 점에서 의의가 있고 논의와 함께 제한점 및 제언을 제시하였다.

영문 초록

This study aims to examine the trends of research on meaning in life and provide basic data through text mining research methods. 368 academic articles related to the meaning of life were analyzed. In addition to text mining, topic modeling was used. The results of the analysis showed that, first, studies related to the meaning of life were published in 142 academic journals such as the Korean Youth Association and the Korean Counseling Association, and were studied in various fields. Second, keyword frequency analysis showed that meaning, research, result, and relationship were keywords. Third, the topic modeling analysis showed that the topics were: enhancing life satisfaction, resolving negative emotions and experiencing positive emotions, improving emotional efficacy and career adaptability, enhancing social skills, therapeutic characteristics and effects, and program development. This study is significant in that it is an attempt to present research trends related to life meaning and analyze them through text mining and topic modeling techniques, and provides limitations and suggestions along with discussion.

목차

1. 서론

2. 연구방법

3. 연구결과

4. 결론 및 논의

키워드

삶의 의미 생의 의미 텍스트 마이닝 토픽 모델링 빅데이터 분석 meaning of life meaning in life text mining topic modeling big Data Analytics