http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
엄성원(Eum, Seong-Won),임병학(Leem, Byung-Hak) 한국경영교육학회 2021 경영교육연구 Vol.36 No.4
[연구목적] 본 연구는 학생들이 남긴 개방형 질문을 구조적 등위성 분석을 활용하여 학생 요구사항을 군집화하여 이를 향후 수업에 반영함으로써 수업의 질을 높이는 것이 목적이다. [연구방법] 본 연구는 학생 피드백의 의미 연결망을 분석하기 위해 텍스트 마이닝을 활용하였으며, 단어간의 빈도 분석, 단어 의미 네트워크 분석, 단어 의미 네트워크 중심성 분석 그리고 구조적 등위성 분석을 활용하여 학생 피드백을 통해 학생들이 진정으로 원하는 것이 무엇인가를 파악하였다. [연구결과] 본 연구의 분석은 총 4단계로 진행되었다. 단어빈도 분석, 의미네트워크 시각화, 의미네트워크 중심성 분석 그리고 구조적 등위성 분석이다. 단어빈도 결과는 ‘교수’, ‘내용’, ‘되다’, ‘쉽다’, ‘어렵다’ 등으로 나타났으며, 구조적 등위성 분석결과 4개의 그룹으로 분류되었으며, 그룹1은 교육환경, 그룹2는 학습방법, 그룹3은 학습환경 그리고 그룹4는 학습경험으로 분류되었다. [연구의 시사점] 본 연구의 시사점은 다음과 같다. 첫째, 선행연구와 달리 의미 네트워크 분석을 통해 좋은 수업을 위해 학생들이 남긴 키워드 및 키워드들 간의 관계를 분석함으로써 학생들의 요구사항을 확인하였다. 둘째, 구조적 등위성 분석을 통해 학생 요구사항을 4개 차원으로 군집화하였다. 즉, ‘교육환경’, ‘학습방법’, ‘학습환경’ 그리고 ‘학습경험’으로 구분하였으면, 각 차원을 중심으로 요구사항을 파악하였다. 마지막으로 학생요구사항을 파악하기위한 방법으로 설문지를 활용하는데 설문지 활용의 한계점을 극복하기 위해 텍스트 마이닝 기법을 활용하여 개방형 질문을 파악하였다. [Purpose] The purpose of this study is to improve the quality of classes by clustering student requirements using structural equivalence analysis of open-ended questions left by students and reflecting them in future classes. [Methodology] In this study, text mining was used to analyze the semantic network of student feedback, and by utilizing the frequency analysis between words, the word semantic network analysis, the word semantic network centrality analysis, and the structural equi-satellite analysis, the students truly desired through student feedback. I figured out what it was. [Findings] The analysis of this study was conducted in a total of 4 steps. These are word frequency analysis, semantic network visualization, semantic network centrality analysis, and CONCOR. The word frequency result was found as ‘professor’, ‘content’, ‘become’, ‘easy’, ‘difficult’, etc. As a result of structural equivalence satellite analysis, it was classified into 4 groups, group 1 as educational environment and group 2 Learning method, group 3 was classified as learning environment, and group 4 was classified as learning experience. [Implications] The implications of this study are as follows. First, unlike previous studies, students’ needs were confirmed by analyzing the keywords left by students for good classes and the relationship between keywords through semantic network analysis. Second, students’ requirements were clustered into four dimensions through CONCOR. In other words, if ‘educational environment’, ‘learning method’, ‘learning environment’ and ‘learning experience’ were divided, the requirements were identified based on each dimension. Finally, in order to overcome the limitations of using questionnaires as a method to identify student needs, open-ended questions were identified by using text mining techniques.