토픽 모델링을 활용한 인공지능 교육 관련 동향 분석

Abstract

The development of artificial intelligence and data science and the digital transformation caused by COVID-19 are expected to cause structural changes in society, economy, and culture as a whole and further accelerate these changes. Accordingly, the government, the Ministry of Education, and public institutions are promoting various educational policies for artificial intelligence education. In April 2022, the Yoon Suk-yeol government proposed 'training 1 million digital talents' as a representative educational task among national tasks in the field of education. Researching artificial intelligence education at a time when a new policy area is established is significant for educational improvement or development. Furthermore, by presenting the direction of future education, it will contribute to fostering talented people with artificial intelligence capabilities to secure the nation's human resource competitiveness and will be of great help in human development. This study aims to find the direction of future education by analyzing the trends of domestic academic papers and media reports on artificial intelligence education. To this end, 309 domestic journals and 837 newspaper articles from 2012 to 2021 were analyzed by dividing them into before 2019 (2012-2019) and after 2020 (2020-2021). This paper analyzed the abstract of journal, and the keywords of newspaper articles provided by Big Kinds using R to analyze keyword frequency, semantic network analysis, and topic modeling analysis using LDA. The results of the study are as follows. First, as a result of analyzing the frequency of keywords, journals shifted their attention from discussions on humans in contrast to artificial intelligence to discussions on 2020. On the other hand, in newspaper articles, discussions on artificial intelligence education based on universities continued, and after 2020, support-related content was added. Second, as a result of analysis of the semantic network, discussions were diversified and subdivided from the content of humans' role in contrast to artificial intelligence around 2020 to the development of programs. Third, as a result of topic modeling analysis, discussions on artificial intelligence convergence education in individual subjects in elementary and secondary schools were mainly focused on both journals and newspaper articles. In the journal, the subject of the concept and type of artificial intelligence education was evenly addressed, and the subject of artificial intelligence content education, artificial intelligence literacy education, and artificial intelligence ethics education were covered under the category of artificial intelligence understanding education. On the other hand, media coverage articles focused on universities, and based on this, topics related to artificial intelligence education policies, new departments related to artificial intelligence, and artificial intelligence education programs were dealt with. The following conclusions were drawn through the analysis results. First, both journals and newspaper articles need to revitalize discussions for artificial intelligence education laws and institutionalization. Looking at the results of the semantic network and topic modeling analysis of journals, the subject seems to be spreading to artificial intelligence convergence education. However, there was a lack of discussion on policies and institutional issues for such artificial intelligence convergence education to settle. In order for artificial intelligence education to operate well in the mid- to long-term, related content needs to be activated. Second, research that can be converted to future education such as artificial intelligence convergence education is needed. Currently, artificial intelligence education or curriculum application studies are mainly dealt with, but specific examples or practical studies on artificial intelligence convergence education that can change actual schools are needed. Third, there is a need for a policy to expand supply based on predictions of manpower demand in the artificial intelligence field. According to the newspaper article results, it was confirmed that efforts to cultivate talents in the artificial intelligence era, such as the establishment of artificial intelligence-related departments, businesses, and program operations, were steady. However, it is time for more research on the prediction of manpower demand that scientifically analyzes the direction and size of talent training. Fourth, it is necessary to standardize terms related to artificial intelligence education. When previous studies related to artificial intelligence education and the analysis target of this study were confirmed, terms used in the type of artificial intelligence education were mixed. Since artificial intelligence education is spreading, it is necessary to define concepts through specific research on various terms related to artificial intelligence education. This study may have a difference from previous studies in that it is subject to analysis of data until recently, including 2020 when related discussions have increased quantitatively as academic and public interest in artificial intelligence education due to COVID-19. In addition, it is significant in that the analysis target analyzes not only journals written by a group of experts, but also all newspaper articles that can confirm the public's perspective.;인공지능, 데이터 과학 등의 발전과 코로나19로 인한 디지털 대전환은 사회·경제·문화 전반의 구조적인 변화를 일으키고 이런 변화를 더욱 가속 시킬 것으로 예상된다. 이에 정부 및 교육부, 공공기관은 인공지능 교육에 대한 다양한 교육 정책을 추진하고 있다. 2022년 4월, 윤석열 정부는 교육분야 국정과제 중 대표적인 교육과제로 ‘100만 디지털 인재 양성’을 제시하였다. 새로운 정책 영역이 구축되는 시점에서 인공지능 교육을 연구하는 것은 교육적 개선이나 발전에 의미가 크다. 나아가 미래교육의 방향을 제시함으로써 인공지능 역량을 갖춘 인재를 키우는 데에 이바지하여 국가의 인적 자원 경쟁력을 확보하게 하며 인류 발전에도 큰 도움이 될 것이다. 본 연구는 인공지능 교육에 대한 국내 학술논문과 언론보도 기사의 동향을 분석하여 향후 교육의 방향을 모색하고자 한다. 이를 위해 2012년부터 2021년까지 발표된 국내 학술논문 309편과 언론보도 기사 837건을 2020년을 기준으로 2019년 이전(2012~2019년)과 2020년 이후(2020~2021년)로 나누어 분석하였다. 학술논문은 초록을 대상으로, 언론보도 기사는 빅카인즈에서 제공하는 키워드를 대상으로 R을 활용하여 키워드 빈도 분석, 의미연결망 분석, LDA를 활용한 토픽 모델링 분석을 실시하였다. 연구결과는 다음과 같다. 첫째, 키워드 빈도 분석 결과, 학술논문은 2020년을 기점으로 인공지능과 대비되는 인간에 대한 논의에서 인공지능 기술 활용 관련 논의로 관심이 이동하였다. 이에 비해 언론보도 기사에서는 대학을 기준으로 한 인공지능 교육 관련 논의가 지속적으로 이루어졌으며 2020년 이후에는 지원과 관련된 내용이 추가되었다. 둘째, 의미연결망 분석 결과, 학술논문은 2020년을 전후로 인공지능과 대비되는 인간의 역할에 대한 내용에서 인공지능 기술을 개별 교과에 적용할 수 있는 방법 및 프로그램 개발 등에 대한 내용으로 논의가 다양해지고 세분화 되었으나 언론보도에서는 대학의 인공지능 교육 관련 내용이 2020년을 전후로 동일하게 주를 이루었으며 지원과 관련한 부분이 추가되어 해당 주제가 구체적으로 변화한 것을 확인하였다. 셋째, 토픽 모델링 분석 결과, 학술논문과 언론보도 기사 모두 초·중등 개별 교과 인공지능 융합교육에 관한 논의가 주를 이루었다. 학술논문에서는 인공지능 교육의 개념과 유형에 대한 주제가 고르게 다루어졌는데 인공지능 이해교육의 범주 하에서 인공지능 내용교육을 비롯한 인공지능 소양교육, 인공지능 윤리교육에 대한 주제가 다루어졌다. 반면, 언론보도 기사에서는 대학을 중심으로 논의가 전개되었으며 이를 기준으로 인공지능 교육 관련 정책, 인공지능 관련 학과 신설, 인공지능 교육 프로그램에 대한 주제가 다루어졌다. 분석 결과를 통해 다음과 같은 결론을 도출하였다. 첫째, 학술논문과 언론보도 기사 모두 인공지능 교육 법령이나 제도화를 위한 논의가 활성화될 필요가 있다. 학술논문의 의미연결망 및 토픽 모델링 분석 결과를 보면 인공지능 융합교육으로 그 주제가 전이되고 있는 것으로 보인다. 하지만 이러한 인공지능 융합교육이 안착하기 위한 정책이나 제도적 사안에 대한 논의가 부족했다. 인공지능 교육이 중장기적으로 잘 운영되기 위해서는 관련 내용이 활성화될 필요가 있다. 둘째, 인공지능 융합교육 등 미래교육으로 전환될 수 있는 연구가 필요하다. 현재는 인공지능 교육이나 교과 적용 연구들이 주로 다루어지고 있으나 실제 학교에 변화를 줄 수 있는 인공지능 융합교육에 대한 구체적인 사례나 실천적 연구가 필요하다. 셋째, 인공지능 분야 인력 수요 예측에 기반한 공급 확대 정책이 필요하다. 언론분석 결과를 보면 인공지능 관련 학과 신설이나 사업, 프로그램 운영 등 인공지능 시대의 인재 양성을 위한 노력이 꾸준한 것을 확인하였다. 하지만 이러한 인재 양성의 방향과 규모를 과학적으로 분석하는 인력 수요 예측에 대한 연구가 더 필요한 시점이다. 넷째, 인공지능 교육 관련 용어의 표준화가 필요하다. 인공지능 교육 관련 선행연구와 본 연구의 분석대상을 확인하였을 때, 인공지능 교육의 유형에 사용되는 용어들이 혼재되어 있었다. 인공지능 교육이 확산되고 있기 때문에, 인공지능 교육과 관련한 다양한 용어에 대해 구체적인 연구를 통한 개념 정의가 필요하다. 본 연구는 코로나19로 인한 인공지능 교육에 대한 인공지능에 대한 학계 및 대중의 관심이 커지면서 관련 논의가 양적으로 증가한 2020년도 이후를 포함한 최근까지의 데이터를 분석대상으로 한다는 점에서 선행연구와 차별점을 가질 수 있을 것이다. 또한, 분석대상이 전문가 집단에 의한 작성된 학술논문뿐만 아니라 대중의 시각을 확인할 수 있는 언론보도 기사 모두를 분석한다는 점에서 의의가 있다.