텍스트마이닝 기반 데이터분석을 통한 전문대학 교양교과에 대한 사회적 담론과 현황이해

• 영문명: Understanding social discourse and current status of liberal arts subjects in colleges through text mining-based data analysis
• 발행기관: 학습자중심교과교육학회
• 저자명: 최승연(Choi, Seung-Yeon)
• 간행물 정보: 『학습자중심교과교육연구』제24권 7호, 747~760쪽, 전체 14쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.04.15

국문 초록

목적 본 연구에서는 전문대학 교양교육의 질적 제고와 내실화를 위해 전문대학 교양교과에 대한 사회적 담론과 현황에 대한 거시적 이해를 도모해보고자 한다. 방법 이를 위하여 포털 사이트의 뉴스, 학술정보, 웹문서, 블로그, 카페에 나타난 전문대학+교양교과를 키워드로 ‘빅데이터’를 수집하고, 전문대학 교양교과 운영 현황에 대한 구체성을 확보하고자 전국 전문대학의 권역 중 한 곳인 충청⋅강원권 전문대학의 홈페이지를 통해 전수조사한 교양교과 편성표를 ‘보유데이터’로 활용하여 데이터 분석을 실시하였다. 빅데이터 분석 플랫폼(TEXTOM)에서 키워드 분석과 TF-IDF 가중치분석, 네트워크 중심성 분석을 실시하였고, UCINET6.0 프로그램을 활용하여 CONCOR 분석을 실시하였다. 결과 첫째, 키워드 분석 결과 포털수집 빅데이터에서는 학점, 졸업, 이수의 키워드가 중점적으로 나타났고, 보유데이터의 경우에는 생활, 영어, 능력, 이해의 키워드가 중점적으로 나타났다. 둘째, 키워드 가중치 분석 결과 TF-IDF값이 높은 키워드는 포털수집 빅데이터의 경우 ‘학점’, ‘학사’, ‘학위’, ‘졸업’ 순으로 나타났고, 보유데이터의 경우에는 큰 차이가 없는 것으로 나타났다. 셋째, 키워드 중심성 분석 결과 포털 빅데이터의 경우에는 연결정도 중심성과 매개중심성에는 큰 차이가 없었으나, 근접중심성에서는 ‘학점’이 순위권에서 이탈되는 것으로 나타났다. 보유 데이터의 경우에는 연결정도 중심성과 매개중심성에는 큰 차이가 없었으나 근접중심성에서는 ‘영어’가 순위권에서 이탈되는 것으로 나타나났다. 넷째, CONCOR 분석을 통해 형성한 군집은 포털 빅데이터의 경우 2개의 군집, 보유데이터의 경우 4개의 군집으로 군집을 형성하는 것으로 나타났다. 결론 전문대학교의 교양교과에 대한 빅데이터에서는 학사관련 기초자료와 같은 매우 형식적인 수준에서 사회적 담론이 형성되고 있었고, 보유데이터에서는 교과목편성에 있어 아직 직업기초기반의 교양교과 성격이 강한 것으로 나타났다.

영문 초록

Objectives The purposes of this study, we seek to gain a macroscopic understanding of the social discourse and current status of liberal arts subjects in colleges in order to improve the quality and strengthen the liberal arts education in colleges. Methods To this end, ‘Big data’ was collected using the keywords of ‘junior college+liberal arts’ subjects appearing on the portal site, and data analysis was conducted using the liberal arts subject schedule of junior colleges in the Chungcheong and Gangwon regions as ‘retained data’. Keyword analysis, TF-IDF weight analysis, and network centrality analysis were performed in the big data analysis platform(TEXTOM), and CONCOR analysis was performed using the UCINET6.0 program. Results First, as a result of keyword analysis, keywords such as credits, graduation, and completion appeared in portal-collected big data, and in the case of retained data, keywords such as life, English, ability, and understanding were mainly found. Second, keywords with high TF-IDF values a ppeared in the order of ‘credits’, ‘bachelor’s degree’, ‘degree’, and ‘graduation’ in the case of portal-collected big data, and there appeared to be no difference in the case of retained data. Third, as a result of keyword centrality analysis, it was found that in the case of portal big data, ‘credit’ was out of the ranking in closeness centrality, and in the case of retained data, ‘English’ was found to be out of the ranking. Fourth, the clusters formed through CONCOR analysis were found to form two clusters for portal big data and four clusters for retained data. Conclusions Big data on liberal arts subjects at colleges showed that social discourse is being formed at a very formal level, such as basic materials related to bachelor's degrees, and the data shows that the nature of liberal arts subjects based on vocational fundamentals is still strong in the composition of subjects.

목차

Ⅰ. 서론

Ⅱ. 연구 방법

Ⅲ. 연구결과

Ⅳ. 논의 및 결론

참고문헌

키워드

텍스트마이닝 빅데이터 전문대학 교양교과 Text mining Big data College Liberal arts