Journal of the Korean School Mathematics Society (한국학교수학회논문집)

The Korean School Mathematics Society (한국학교수학회)
권호 표지
DOI QR코드

DOI QR Code

An Analysis of the International Trends of Research on Artificial Intelligence in Education Using Topic Modeling

인공지능 활용 교육의 토픽모델링 분석을 통한 수학교육 연구 방향의 함의

  • Noh, Jihwa (Pusan National University) ;
  • Ko, Ho Kyoung (Ajou University) ;
  • Kim, Byeongsoo (Ajou University) ;
  • Huh, Nan (Kyonggi University)
  • 노지화 (부산대학교) ;
  • 고호경 (아주대학교) ;
  • 김병수 (아주대학교) ;
  • 허난 (경기대학교)
  • Received : 2022.10.31
  • Accepted : 2023.01.06
  • Published : 2023.03.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study analyzed the international trends of research concerning artificial intelligence in education by examining 352 papers recently published in the International Journal of Artificial Intelligence in Education(IJAIED) with the topic modeling method. The IJAIED is the official, SCOPUS-indexed journal of the International AIED Society. The analysis revealed that international AIED research trends could be categorized into eight topics with topics such as analyzing student behavior model in learning systems and designing feedback to student solutions being increased over time, whereas research focusing on data handling methods was decreased over time. Based on the findings implications and suggestions for the research and development of the applications of AIED were provided.

본 연구는 최근 교육 분야에서 인공지능을 활용한 연구 동향을 파악하기 위해 관련 연구 논문을 대상으로 텍스트 마이닝 기법 중 토픽모델링과 시계열 기반 트렌드 분석 기법을 활용하여 분석을 실시하였다. 분석 대상으로는 다양한 학문 영역에서 컴퓨터 활용 교육 연구에 초점을 두는 '교육에서의 인공지능 국제학회(International Society of Artificial Intelligence in Education)'에서 발행하는 SCOPUS 저널에 2003년부터 2020년까지 게재된 총 352편의 논문을 사용하였다. 분석 결과 빈도수가 높은 단어들을 조합하여 8개의 토픽을 추출하였으며, 이를 통해 인공지능을 활용한 교육 연구에서 중요시 여기는 관점을 파악해 나감과 동시에 교과별로 인공지능을 교육에서 활용하는 내용과 목적에 차이점이 있음을 알 수 있었다. 또, 학습 시스템에서 학생 행동 모델을 분석하고 학생 응답 및 반응에 대한 피드백을 개발하는 연구는 점차 증가한 반면, 데이터 처리 방법에 대한 연구는 최근 들어 감소하는 경향이 나타났다. 연구 결과를 토대로 향후 교육에서 인공지능을 활용한 연구에 필요한 주제 및 방향에 대한 시사점을 제공하였다.

Keywords

Acknowledgement

이 논문은 2020년 대한민국 교육부와 한국연구재단의 일반공동연구지원사업의 지원을 받아 수행된 연구임 (NRF-2020S1A5A2A03044887)

References

  1. 고호경(2020). 인공지능(AI) 역량 함양을 위한 고등학교 수학 내용 구성에 관한 소고. 한국학교수학회논문집, 23(2), 223-237. https://doi.org/10.30807/KSMS.2020.23.2.003
  2. 고호경, 허난, 노지화(2021). RRP(Role-Play Presentation)를 통한 교사의 AI교사와의 지각된 상호작용성 분석. 수학교육, 60(3), 321-340.
  3. 과학기술정보통신부 웹진 (2020). 인공지능이란?. http://sejong.korea.ac.kr/user/boardList.do?command=view&boardId=99656&boardSeq=102872. (인출일자, 2020.06.18.)
  4. 김래영, 김구연, 권나영(2012). 연구 설계 및 연구 방법의 최근 동향: 초.중등 수학과 교육과정에 관한 연구를 중심으로. 학교수학, 14(3), 395-408.
  5. 김미령, 정경영, 노지화(2019). 수업활동 기반 협력적 인공지능 수학교사개발에 대한 고찰. East Asian Mathematical Journal, 35(4), 507-528.
  6. 김선아, 박진희, 이현정, 정유진(2016). 텍스트 마이닝 기법을 활용한 다문화 미술교육 연구동향 분석 연구. 다문화교육연구, 9(2), 203-227.
  7. 김선희, 김수민(2018). 언어 네트워크 분석법을 이용한 최근 수학교육 연구 동향 탐색-2017년 국제 수학교육 학술대회 발표 논문을 중심으로-. 학교수학, 20(4), 591-608.
  8. 김성애(2021). 토픽모델링을 활용한 초.중등 인공지능 교육 관련 연구 동향 분석에 따른 기술교육의 방향과 과제. 한국기술교육학회지, 21(1), 106-124.
  9. 김연후, 김하연(2021). 토픽모델링과 키워드 네트워크 분석을 활용한 도덕적 인공지능 연구 경향 분석. 도덕교육연구, 33(4), 115-141.
  10. 문영주(2020). 토픽모델링을 이용한 하부루타 연구동향 분석. 학습자중심교과교육연구, 20(4), 1149-1175.
  11. 박만구(2020). 수학교육에서 인공지능 활용 가능성. 수학교육논문집, 34(4), 545-561.
  12. 박미혜, 박정열(2022). 에듀테크 산업에서 인공지능을 활용한 사례 비교 - IBM Watson Talent와 Riiid R.Inside 중심으로. 공학교육연구, 38(2), 333-368
  13. 박자현, 송민(2013). 토픽모델링을 활용한 국내 문헌정보학 연구동향 분석. 정보관리학회지, 30(1), 7-32. DOI : 10.3743/KOSIM.2013.30.1.007.
  14. 박종도(2019). 토픽모델링을 활용한 다문화 연구의 이슈 추적 연구. 한국문헌정보학회지, 53(3), 273-289. https://doi.org/10.4275/KSLIS.2019.53.3.273
  15. 박주섭, 홍순구, 김종원(2017). 토픽모델링을 활용한 과학기술동향 및 예측에 관한 연구. 한국산업정보학회논문지, 22(4), 19-28. https://doi.org/10.9723/JKSIIS.2017.22.4.019
  16. 박참솔(2018). 텍스트 마이닝을 이용한 학술지 논문 동행 비교 분석. 호서대학교 석사학위논문.
  17. 박형빈(2021). 초등학생 인성교육을 위한 교육용 AI의 도덕교육 적용 가능성 탐색-실용성과 윤리적 고려 사항-. 초등도덕교육, 73, 207-247.
  18. 손복은, 고호경(2018). 수학 담화에서 나타나는 교사의 감성적 언어 빈도 분석. 한국수학교육학회, 32(4), 555-573.
  19. 손태권, 이광호(2020). 토픽모델링을 활용한 국내 수학과 교육과정 연구 동향 분석: 1997년부터 2019년까지 게재된 국내 수학교육 학술지 논문을 중심으로. 수학교육, 59(3), 201-216.
  20. 손태권, 황성환(2020). 토픽모델링을 활용한 국내외 수학교육 평가 연구 동향 분석. 수학교육학연구, 30(4), 601-624.
  21. 손태권, 황성환(2021). 토픽모델링을 활용한 초등수학교육 연구 동향 분석. 한국초등수학교육학회지, 21(1), 61-80.
  22. 신동조(2020). 토픽모델링을 활용한 국내외 수학교육 연구 동향 비교 연구. 수학교육, 59(1), 63-80.
  23. 신명선, 조경원(2019). 텍스트마이닝을 활용한 한국언어치료학회지의 토픽모델링 및 트렌드 분석:(2002-2018). 언어치료연구, 28(3), 81-91.
  24. 심재권(2021a). 토픽모델링을 활용한 국내 초등 정보교육 연구동향 분석. 정보교육학회논문지, 25(2), 347-354. https://doi.org/10.14352/jkaie.2021.25.2.347
  25. 심재권(2021b). 국민청원글의 토픽모델링을 통한 교육이슈분석. 정보교육학회논문지, 25(4), 633-640. https://doi.org/10.14352/jkaie.2021.25.4.633
  26. 원용국, 김영우(2021). 토픽모델링을 활용한 한국 영어교육 학술지에 나타난 연구동향 분석. 한국콘텐츠학회논문지, 21(4), 50-59. https://doi.org/10.5392/JKCA.2021.21.04.050
  27. 윤회정, 박은미, 김지영, 방담이 (2021). 국내 선행연구 고찰을 통한 교육에서의 인공지능(AIED) 교사교육 방향성 모색. 교육연구, 82, 135-155. https://doi.org/10.17253/SWUERI.2021.82..007
  28. 이길용, 홍후조(2021). 토픽모델링을 활용한 '4차 산업혁명 시대 교육' 동향 분석 : 2018-2020년 교육분 문서와 종합일간지 비교 분석. 교육학연구, 59(2), 387-409.
  29. 이승환, 김용성(2018). 학교에 등장한 인공지능. 정보과학회지, 36(11), 44-50.
  30. 이재은, 오세경(2020). 텍스트 마이닝을 활용한 4차 산업혁명 기반 교육 연구동향 분석. 인문사회21, 11(6), 255-267.
  31. 이지은 (2020). 에듀테크로 촉발되는 고등교육의 위기와 기회. 경영교육연구, 24(신년특별호), 151-171.
  32. 이혜연(2020). 에듀테크(Edutech) 시장 현황 및 시사점. 한국무협협회 보고서.
  33. 정제영, 이선복(2020). 인공지능 시대의 미래교육-가르침과 배움의 함의-, 박영story: 서울
  34. 정진명, 박영호, 김우주(2018). 토픽모델링을 이용한 교육정책 키워드 기반 소셜미디어 분석. 인터넷정보학회논문지, 19(4), 53-63. https://doi.org/10.7472/JKSII.2018.19.4.53
  35. 진미르, 고호경(2019). 토픽모델링 분석을 통한 수학교육 연구 주제 분석. 수학교육논문집, 33(3), 275-294.
  36. 진설아, 송민(2016). 토픽모델링 기반 정보학 분야 학술지의 학제성 측정 연구. 정보관리학회지, 33(1), 7-32. https://doi.org/10.3743/KOSIM.2016.33.1.007
  37. 진성희(2022). 자연어처리의 교육적 활용 연구동향 분석. 교육정보미디어연구, 28(2), 215-243.
  38. 최성철, 박한우 (2020). 토픽모델링 연구동향 분석: 공학과 사회과학 분야 KCI 등재지를 중심으로. 한국자료분석학회지, 22(2), 815-826.
  39. 최인선(2022). 수학교실에서 인공지능(AI)을 활용한 교수학습 방안 탐색: 중학교 통계 단원 시나리오 개발을 중심으로. 한국학교수학회논문집, 25(2), 149-174. https://doi.org/10.30807/KSMS.2022.25.2.003
  40. 최정아, 곽민호(2019). 수학교육연구의 토픽변화: LDA 방법론. 교육문화연구, 25(5), 1149-1176. https://doi.org/10.24159/JOEC.2019.25.5.1149
  41. 한국교육학술정보원(2021). K-EDU 교육정보화 정책적 가이드라인과 역사. 이슈리포트
  42. 홍정민(2021). 에듀테크의 미래: 코로나 이후 에듀테크가 바꾸는 미래의 교육. 서울: 책밥.
  43. 황지남, 방정숙(2020). 토픽모델링을 활용한 국내외 수학적 추론 연구의 동향 분석. 수학교육학연구, 30(4), 625-648.
  44. Benedek M, Jauk E, Sommer M, Arendasy M, Neubauer AC. (2014). Intelligence, creativity, and cognitive control: the common and differential involvement of executive functions in intelligence and creativity. Intelligence, 46(September), 73-83. https://doi.org/10.1016/j.intell.2014.05.007
  45. Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. DOI : https://doi.org/10.1145/2133806.2133826
  46. Blei, D. M., & Lafferty, J. D. (2009). Topic models. Text Mining: Classification, Clustering, and Applications, 10(71), 34.
  47. Boulay, B. (2016). Artificial intelligence as an effective classroom assistant. IEEE Intelligent Systems, 31(6), 76-81. https://doi.org/10.1109/MIS.2016.93
  48. Cao, J., Xia, T., Li, J., Zhang, Y., & Tang, S. (2009). A density-based method for adaptive LDA model selection. Neurocomputing, 72(7-9), 1775-1781. https://doi.org/10.1016/j.neucom.2008.06.011
  49. Chang, J., Gerrish, S., Wang, C., Boyd-Graber, J. L., & Blei, D. M. (2009). Reading tea leaves: How humans interpret topic models. Advances in Neural Information Processing System, 22, 288-296.
  50. Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Application and theory gaps during the rise of Artificial Intelligence in Education. Computers & Education: Artificial Intelligence, 1, 20. DOI : https://doi.org/10.1016/j.caeai.2020.100002
  51. Copeland, B.J. & Proudfoot, D., (1999). Alan Turing's forgotten ideas in computer science. Scientific American, 280(April), 76-81.
  52. Darling-Hammond, L., Flook, L., Cook-Harvey, C., Barron B., & Osher, D. (2020). Implications for educational practice of the science of learning and development. Applied Development Science, 24(2), 97-140. https://doi.org/10.1080/10888691.2018.1537791
  53. Fayyad, U. G., Piatetsky-Shapiro, A., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3). 37-54.
  54. Feldman, R. and Dagan, I. (1995). Forecasting item production with ARIMA model, Proceedings of the First International Conference on Knowledge Discovery and Data Mining, KDD-95, 112-117.
  55. Griffiths, T. L., & Steyvers, M. (2004). Finding scientific topics. Proceedings of the National academy of Sciences, 101(suppl 1), 5228-5235. DOI : https://doi.org/10.1073/pnas.0307752101
  56. Haenlein M, Kaplan A. (2019). A brief history of artificial intelligence: on the past, present, and future of artificial intelligence. Calif Manage Rev, 61(4), 5-14. https://doi.org/10.1177/0008125619864925
  57. Holmes, W., Anastopoulou, S., & Schaumburget, H. (2018). Technology-Enhanced Personalised Learning. Untangling the Evidence. Robert Bosch Stiftung.
  58. Holmes, W., Bialik, M. & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching & Learning. 정제영, 이선복 역(2020). 인공지능 시대의 미래교육: 가르침과 배움의 함의. 서울: 박영스토리.
  59. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Boston: Centre for Curriculum Redesign.
  60. Homas, R. G. (1993). A translation approach to portable ontology specifica- tions. Knowledge acquisition, 5(2):199-220, 1993. https://doi.org/10.1006/knac.1993.1008
  61. Hwang, G.J. & Tu, Y.F. (2021). Roles and Research Trends of Artificial Intelligence in Mathematics Education: A Bibliometric Mapping Analysis and Systematic Review. Mathematics 2021, 9, 584. https://doi.org/10.3390/math9060584
  62. MIT (2013). MIT Technology Review. Retrieved(2022.07.22.) from https://www.technologyreview.com/10-breakthrough-technologies/2013/
  63. Mohr, J. W., & Bogdanov, P. (2013). Introduction-topic models: What they are and why they matter, Poetics, 48(6), 545-569.
  64. Ramirez, E. H., Brena, R., Magatti, D., & Stella, F. (2012). Topic model Validation. Neurocomputing, 76(1), 125-133. https://doi.org/10.1016/j.neucom.2011.04.032
  65. Raza, S. A., Qazi, W., Khan, K. A., & Salam, J. (2021). Social isolation and acceptance of the learning management system (LMS) in the time of COVID-19 pandemic: an expansion of the UTAUT model. Journal of Educational Computing Research, 59(2), 183-208. https://doi.org/10.1177/0735633120960421
  66. Ventura, M., et al. (2018). Preliminary Evaluations of a Dialogue-Based Digital Tutor. In Penstein Rose, C et al. (eds.) AIED 2018. LNCS(LNAI ), 10948, 480-483. Springer.