표제지
국문초록
목차
I. 서론 13
1. 연구의 필요성 13
2. 연구의 목적 및 연구 질문 16
3. 용어 정의 17
3.1. 과학계량학 17
3.2. 연구의 영향력 17
3.3. 네트워크 분석과 수학교육 네트워크 18
3.4. 네트워크 중심성과 논문의 영향력 19
3.5. 기계학습 20
3.6. 토픽 모델링 20
II. 선행연구 분석 21
1. 과학계량학과 네트워크 중심성 지수 21
1.1. 과학계량학과 지식의 진화 21
1.2. 네트워크와 논문의 영향력 지수 23
1.3. 네트워크와 그래프 이론 26
1.4. 네트워크 분석방법과 중심성 지수 28
1.5. PageRank 31
2. 인공지능 분류모델 35
2.1. 인공지능과 데이터 분류 35
2.2. 주요 기계학습 분류모델의 비교 38
3. 랜덤포레스트와 중요도 지수 42
3.1. 랜덤포레스트 42
3.2. 부분 의존성 도표와 중요도 지수 47
3.3. 랜덤포레스트를 활용한 교육 연구 50
4. 컴퓨터를 활용한 수학교육 연구 메타분석 52
4.1. 수학교육 연구 동향 분석 연구 52
4.2. 언어 네트워크 분석을 활용한 연구 53
4.3. 토픽 모델링을 활용한 연구 54
III. 연구 방법 62
1. 연구대상 62
1.1. 연구대상 선정 62
1.2. 연구대상 논문의 메타정보 수집 67
2. 기계학습 모델 설계 방법 및 절차 70
2.1. 기계학습 모델 설계 모형 70
2.2. 기계학습 모델 설계 절차 72
2.3. 측정 변인 73
2.4. 측정 변인의 값 산출 82
2.5. 분석방법 86
2.6. 오버샘플링 88
3. 토픽 모델링 방법 및 절차 91
3.1. 토픽 모델링 분석절차 91
3.2. 데이터 전처리 92
3.3. 토픽 수 결정 93
IV. 연구결과 96
1. 기계학습 모델 설계 96
1.1. 기계학습 모델 성능 분석 결과 96
1.2. 영향력 있는 논문 식별에 대한 독립변인 분석 결과 113
1.3. 기계학습 모델 설계 결과 120
2. 토픽 모델링 분석 결과 124
2.1. 수학교육 전체 데이터 토픽 분석 결과 124
2.2. 토픽 명 분석 결과 125
2.3. 토픽 간 연도별 변화 분석 결과 136
2.4. 토픽 내 연도별 변화 분석 결과 140
2.5. 중심성 지수에 따른 연도별 토픽의 비율 분석 결과 156
2.6. 국내외 토픽 비교 163
V. 결론 165
1. 논의 및 요약 165
2. 시사점 및 의의 171
2.1. 영향력 있는 논문의 식별 171
2.2. 수학교육에 대한 메타분석 연구 방법 통합 172
2.3. 영향력 있는 논문의 특징 174
2.4. 연구지원금 배분 176
3. 연구의 한계 및 제언 178
참고문헌 179
Abstract 200
〈표 II-1〉 영향력 평가를 위하여 네트워크 분석방법을 활용한 선행연구 29
〈표 II-2〉 혼동행렬 35
〈표 II-3〉 기계학습 분류모델 비교 39
〈표 II-4〉 의사결정트리 용어 및 의미 43
〈표 II-5〉 토픽 모델링을 활용한 수학교육 분야 메타분석 연구 58
〈표 II-6〉 상위단어, 토픽 명 59
〈표 III-1〉 국내 수학교육 학술지 영향력 지수 64
〈표 III-2〉 분석대상 학술지 65
〈표 III-3〉 학술지별 논문의 메타정보 수집결과 68
〈표 III-4〉 네트워크 데이터 노드와 엣지 74
〈표 III-5〉 논문-저자 항목의 독립변인 76
〈표 III-6〉 학술지 항목의 독립변인 78
〈표 III-7〉 네트워크 항목의 독립변인 81
〈표 IV-1〉 인공지능 분류모델 성능분석(평균값) 97
〈표 IV-2〉 최적화 전후 성능 비교 103
〈표 IV-3〉 중심성 지수 5%이내 분류 결과 104
〈표 IV-4〉 본 연구의 결과와 Williams & Leatham(2017)의 결과와 비교 105
〈표 IV-5〉 IJSME와 JRME 학술지의 h-index, 목적 및 범위 107
〈표 IV-6〉 중심성 지수 5%, 10%, 20%이내 분류 결과 110
〈표 IV-7〉 IJMEST 학술지의 h-index, 목적 및 범위 111
〈표 IV-8〉 독립변인 10개의 변인 중요도 114
〈표 IV-9〉 독립변인의 로지스틱 회귀분석 결과(상위 10개) 119
〈표 IV-10〉 독립변인 5개의 로지스틱 회귀분석 결과 120
〈표 IV-11〉 랜덤포레스트와 로지스틱 회귀분석 p 값 121
〈표 IV-12〉 입력데이터 차원을 축소한 모델의 성능 비교 121
〈표 IV-13〉 토픽별 상위 10개 단어, 관련된 수학교육 백과 사전 장의 제목, ZDM 대분류, MSC2000 중분류 정리결과 133
〈표 IV-14〉 JMTE 학술지의 목적 및 범위 139
[그림 II-1] 네트워크 구조 예시 28
[그림 II-2] Naive Bayesian 구조 40
[그림 II-3] 의사결정트리 예와 용어 43
[그림 II-4] 랜덤포레스트 기법 프로세스 도식화 45
[그림 II-5] 부분 의존성 그래프 예시 49
[그림 II-6] LDA 토픽 모델링 구조도 56
[그림 II-7] 토픽 'School Algebra'에 대한 비율 60
[그림 III-1] 국외 수학교육 학술지의 순위 63
[그림 III-2] 기계학습 모델 설계모형 71
[그림 III-3] 기계학습 모델 설계 절차 72
[그림 III-4] NEO4J 네트워크 데이터 구성 74
[그림 III-5] 네트워크를 벡터로 표현 79
[그림 III-6] Node2vec 구조도 80
[그림 III-7] 입력데이터 형식 82
[그림 III-8] 변인에 해당하는 값을 산출하기 위한 수식표현의 일부 83
[그림 III-9] 변인의 값을 계산하기 위한 파이썬 코드의 일부 83
[그림 III-10] NEO4J를 활용한 PageRank 계산 84
[그림 III-11] 파이썬을 활용한 시간 정규화한 PageRank 계산 85
[그림 III-12] SMOTE를 이용한 데이터 오버샘플링 89
[그림 III-13] 토픽 모델링 분석절차 91
[그림 III-14] 토픽 수와 혼잡도 94
[그림 IV-1] 분류모델별 ROC 곡선 98
[그림 IV-2] 랜덤포레스트 모델의 트리 개수 튜닝 100
[그림 IV-3] 랜덤포레스트 모델의 트리 깊이 튜닝 101
[그림 IV-4] 랜덤포레스트 모델의 분리 노드 최소 데이터 수 튜닝 102
[그림 IV-5] 최적화된 모델의 성능분석 102
[그림 IV-6] 수학교육 학술지별 피인용횟수 순위 106
[그림 IV-7] 변인 중요도 115
[그림 IV-8] 논문의 평균 피인용횟수의 부분 의존성 그래프 116
[그림 IV-9] 논문 네트워크의 중심성 지수 부분 의존성 그래프 117
[그림 IV-10] 피인용횟수의 부분 의존성 그래프 118
[그림 IV-11] 영향력 있는 논문 식별 기계학습 모델 123
[그림 IV-12] 9개 토픽과 논문의 유사한 정도 124
[그림 IV-13] 연도별 토픽의 분포비율 136
[그림 IV-14] 토픽별 연도 변화에 따른 비율 137
[그림 IV-15] 토픽 1의 년도 변화에 따른 비율 140
[그림 IV-16] 토픽 2의 년도 변화에 따른 비율 142
[그림 IV-17] 토픽 3의 년도 변화에 따른 비율 143
[그림 IV-18] 토픽 4의 년도 변화에 따른 비율 145
[그림 IV-19] 토픽 5의 년도 변화에 따른 비율 147
[그림 IV-20] 토픽 6의 년도 변화에 따른 비율 148
[그림 IV-21] 토픽 7의 년도 변화에 따른 비율 150
[그림 IV-22] 토픽 8의 년도 변화에 따른 비율 151
[그림 IV-23] 토픽 9의 년도 변화에 따른 비율 154
[그림 IV-24] 중심성 지수 % 별 토픽 1의 년도 변화에 따른 비율 변화 156
[그림 IV-25] 중심성 지수 % 별 토픽 3의 년도 변화에 따른 비율 변화 157
[그림 IV-26] 중심성 지수 % 별 토픽 4의 년도 변화에 따른 비율 변화 158
[그림 IV-27] 중심성 지수 % 별 토픽 8의 년도 변화에 따른 비율 변화 159
[그림 IV-28] 중심성 지수 % 별 토픽 2의 년도 변화에 따른 비율 변화 160
[그림 IV-29] 토픽별 연도 변화에 따른 비율(상위 5%와 그 외 논문) 161
[그림 IV-30] 토픽 7, 토픽 8연도 변화에 따른 비율(상위 5%와 95% 논문 비교) 161
[그림 IV-31] 국내 논문 토픽별 연도 변화에 따른 비율 163
[그림 V-1] 수학교육 메타분석 방법 통합 173
[그림 V-2] 신진연구자들을 위한 시사점 174
[그림 V-3] 연구지원금 배분 176