Journal of Practical Agriculture & Fisheries Research (현장농수산연구지)

Korea National University of Agriculture and Fisheries (국립한국농수산대학교 교육개발센터)
권호 표지
DOI QR코드

DOI QR Code

Analyzing Self-Introduction Letter of Freshmen at Korea National College of Agricultural and Fisheries by Using Semantic Network Analysis : Based on TF-IDF Analysis

언어네트워크분석을 활용한 한국농수산대학 신입생 자기소개서 분석 - TF-IDF 분석을 기초로 -

  • Joo, J.S. (Korea National College of Agriculture and Fisheries) ;
  • Lee, S.Y. (Korea National College of Agriculture and Fisheries) ;
  • Kim, J.S. (Korea National College of Agriculture and Fisheries) ;
  • Kim, S.H. (Korea National College of Agriculture and Fisheries) ;
  • Park, N.B. (Korea National College of Agriculture and Fisheries)
  • 주진수 (국립한국농수산대학 농어업.농어촌연구소) ;
  • 이소영 (국립한국농수산대학 농수산비지니스학과) ;
  • 김종숙 (국립한국농수산대학 농수산비지니스학과) ;
  • 김승희 (국립한국농수산대학 과수학과) ;
  • 박노복 (국립한국농수산대학 화훼학과)
  • Received : 2021.05.13
  • Accepted : 2021.06.14
  • Published : 2021.06.28
Download PDF
⟨ Previous Next ⟩

Abstract

Based on the TF-IDF weighted value that evaluates the importance of words that play a key role, the semantic network analysis(SNA) was conducted on the self-introduction letter of freshman at Korea National College of Agriculture and Fisheries(KNCAF) in 2020. The top three words calculated by TF-IDF weights were agriculture, mathematics, study (Q. 1), clubs, plants, friends (Q. 2), friends, clubs, opinions, (Q. 3), mushrooms, insects, and fathers (Q. 4). In the relationship between words, the words with high betweenness centrality are reason, high school, attending (Q. 1), garbage, high school, school (Q. 2), importance, misunderstanding, completion (Q.3), processing, feed, and farmhouse (Q. 4). The words with high degree centrality are high school, inquiry, grades (Q. 1), garbage, cleanup, class time (Q. 2), opinion, meetings, volunteer activities (Q.3), processing, space, and practice (Q. 4). The combination of words with high frequency of simultaneous appearances, that is, high correlation, appeared as 'certification - acquisition', 'problem - solution', 'science - life', and 'misunderstanding - concession'. In cluster analysis, the number of clusters obtained by the height of cluster dendrogram was 2(Q.1), 4(Q.2, 4) and 5(Q. 3). At this time, the cohesion in Cluster was high and the heterogeneity between Clusters was clearly shown.

비정형 데이터인 한국농수산대학 신입생 자기소개서에서 의미 있는 정보를 추출하기 위하여 핵심적인 역할을 하는 단어의 중요도를 평가하는 TF-IDF 가중치를 기초로 한 언어네트워크분석을 하였다. TF-IDF 가중치에 의한 핵심단어는 문항 1에서는 '농업', '수학', '공부', '문제', '친구', 문항 2에서는 '동아리', '식물', '친구', '농업', '작물', 문항 3에서는 '친구', '동아리', '의견', '갈등', '관리', 문항 4에서는 '버섯', '곤충', '아버지', '농업', '농장' 등으로 나타났다. 또한 빈도수는 낮은 단어이지만 핵심단어로 나타난 단어를 보면 문항 1에서는 '수학', '자격증', '성적', '영어', '과학', 문항 2에서는 '식물', '작물', '공부', '쓰레기', '발표', '실험', 문항 3에서는 '동아리', '청소', '봉사', '갈등', '봉사활동', 문항 4에서는 '버섯', '곤충', '양식', '한우', '조경' 등으로 나타났다. 단어들 간의 관계를 시각적으로 분석이 가능한 언어네트워크분석 결과 매개중심성이 높은 단어는 문항 1에서는 '이유', '고등학교', '재학', 문항 2에서는 '쓰레기', '고등학교', '학교', 문항 3에서는 '중요', '오해', '완성', 문항 4에서는 '가공', '사료', '농가'로 나타났다. 연결정도중심성은 문항 1에서는 '고등학교', '탐구', '성적', 문항 2에서는 '쓰레기', '정리', '수업시간', 문항 3에서는 '의견', '회의', '봉사활동', 문항 4에서는 '가공', '공간', '실습'으로 나타났다. 매개중심성 값이 클수록 네트워크의 중앙에 위치하고, 두 범주 사이의 관계가 강할수록 서로 근거리에 위치한다. 연결정도중심성이 클수록 노드의 크기가 크게 나타나며, 노드 연결선은 단어들의 동시 출현 빈도가 높을수록 edge가 굵게 나타났다. 동시 출현 빈도가 높은 즉 상관관계가 높은 단어 조합은 '자격증 - 취득', '문제 - 해결', '과학 - 생명', '오해 - 양보' 등으로 나타났다. 단어 기반의 계층적 클러스터링 기법에 의하여 단어 간 인접, 상호 관계를 계층적으로 나타낸 클러스터 덴드로그램으로 군집의 개수를 결정하였다. 단어들의 군집 간 비유사도의 차이가 큰 군집을 구한 결과 문항 1은 2개, 문항 2와 문항 4는 4개, 문항 3은 5개의 군집으로 분류할 경우 군집내 응집력이 높고, 군집 간 이질성이 큰 적절한 군집을 구할 수 있었다.

Keywords

References

  1. 김경태, 안정국, 김동현. (2018). 빅 데이터 활용서 (I). 시대인.
  2. 김영우. (2017). 쉽게 배우는 R 데이터 분석, 이지스퍼블리싱.
  3. 나종화. (2017). R 데이터마이닝, 자유아카데미.
  4. 남길임, 조은영. (2017). 한국어 텍스트 감성 분석, 커뮤니케이션북스.
  5. 조민호. (2019). 데이터 분석 전문가를 위한 R 데이터 분석. 정보문화사
  6. 김상아, 강정배, 변찬석. (2015). 언어네트워크 분석(Semantic Network Analysis)을 이용한 국내 학습장애 연구 동향 분석. 특수교육재활과학연구 Vol. 54, No. 2, pp. 449~471.
  7. 박경진, 정덕호, 하민수, 이준기. (2014). 언어네트워크분석에 기초한 과학학습의 목적에 대한 고등학교 교사와 학생들의 인식. Journal of the Korean Association for Science Education, 34(6), 571~581 https://doi.org/10.14697/JKASE.2014.34.6.0571
  8. 서유빈, 이혜련, 윤유식, 김미성. (2020). 언어네트워크분석을 활용한 지역특화컨벤션 이해관계자의 인식 연구. MICE관광연구 제20권 제1호(통권 제59호) pp.71-90.
  9. 서현진, 최영현, 오승택, 이규혜. (2019), RJCC 연구 키워드 네트워크. 복식문화연구 Vol.27, No.3, pp.193-205. https://doi.org/10.29049/rjcc.2019.27.3.193
  10. 주진수 외 5인. (2020). 한국농수산대학 신입생 자기소개서의 텍스트 마이닝과 연관규칙분석 (1). 현장농수산연구지 Vol. 22(1), No.1: 113-130.
  11. 주진수 외 5인. (2020). 한국농수산대학 신입생 자기소개서의 텍스트 마이닝과 연관규칙분석 (2). 현장농수산연구지 Vol. 22(2), No.2: 99-114.
  12. https://blog.naver.com/pasudo123/2210-64463377. TF-IDF
  13. http://blog.naver.com/PostView.nhn?blogId=happyfox098&logNo=221210945008. 패스트 캠퍼스 R 프로그래밍을 통한 텍스트 마이닝 이론과 연관 키워드 분석 4주차
  14. https://bookdown.org/yuaye_kt/RTIPS/Texnetword.html. Chapter 11 텍스트 데이터-단어 네트워크맵(1)
  15. https://briatte.github.io/ggnet/. ggnet2: network visualization with ggplot2
  16. https://da-it-so.tistory.com/43. TF-IDF 기법 이해하기
  17. https://data-traveler.tistory.com/33. R을 이용한 텍스트마이닝_TF-IDF(코드 및 설명)
  18. https://iamdaisy.tistory.com/31?category=620658. 소셜네트워크 분석의 이해
  19. https://rfriend.tistory.com/585 [R] 군집분석 군집의 개수 k 결정 방법
  20. https://thinkwarelab.wordpress.com/2016/11/14/ir-tf-idf-%EC%97%90-%EB%8C%80%ED%95%B4-%EC%95%8C%EC%95%84%EB%B4%85%EC%8B%9C%EB%8B%A4/. [IR] tf-idf 에대해 알아봅시다
  21. http://www.datamarket.kr/xe/board_BoGi29/6479. social network analysis
  22. http://www.kateto.net/wp-content/uploads/2015/06/Polnet%202015%20Network%20Viz%20Tutorial%20-%20Ognyanova.pdf. Network visualization with R