『평생학습사회』 20년(2005-2024) 연구동향 분석: 토픽모델링을 중심으로

Ⅰ. 들어가며

평생학습은 현대 사회에서 필수적인 교육적 가치로 자리 잡았으며, 평생학습사회의 구축은 정책적·학문적 차원에서 지속적으로 논의되어 왔다. 기술 발전과 정보화의 가속화로 인해 평생학습의 중요성은 더욱 부각되고 있다(김후년, 2022). 개인이 생애 전반에 걸쳐 학습에 참여하여 변화하는 사회 환경에 적응하고 경제적·사회적 요구에 부응할 수 있도록 지원하는 체제를 평생학습사회라 한다(박천규, 2008). 평생학습사회는 현대 사회에서 개인의 역량 강화와 사회적 통합을 촉진하는 핵심 개념으로 자리매김하였다(한숭희, 2010).

평생학습, 성인학습, 학습사회 등은 평생교육 분야에서 빈번하게 등장하는 단어들이다. 현재 대한민국 교육현장에서 평생교육은 구체적 실체로 존재하고 있으나, 평생교육 개념에 대한 정의는 여전히 분명하지 않은 점이 있다(김창엽, 2018). 평생교육 사업과 프로그램들이 지속적으로 진행되고 있으나, 평생교육의 개념은 외국 문헌에서 소개된 것에서 시작한 이래로 역동적으로 발전하지 못하고 있어 평생교육의 지향과 내용 범위를 좀 더 명확하게 할 필요를 가진다. 인간의 전 생애에 걸친 학습의 중요성에 방점을 두기 때문에, 평생교육은 광의적으로는 모든 대상에 대한 모든 방법의 교육을 다 포괄할 수 있다. 그러나 이러한 포괄성이 평생교육의 지향은 될 수 있으나 평생교육의 영역을 오히려 모호하게 만들기도 한다.

평생교육 분야에는 복수의 학술지가 있으며, 그 중 하나인 한국방송통신대학교 미래원격교육연구소(구 원격교육연구소)에서 발행하는 학술지 『평생학습사회』는 2005년에 창간되었다(한국방송통신대학교 미래원격교육연구원, n.d.). 『평생학습사회』는 원격·고등·평생교육을 실현하는 한국방송통신대학교의 방향성을 학술적으로 구현하고 관련 연구 발전과 교류 활성화에 기여하기 위해 창간되었고, 지난 20년간 평생학습, 평생교육, 원격교육과 관련된 다양한 주제와 연구 결과를 담아왔다. 이러한 현장 기반으로 다학문에 걸쳐있는 『평생학습사회』의 연구주제 분석하는 것은, 관련 분야에서 사용하고 있는 평생학습 및 평생교육의 개념과 연구내용 변화를 확인하는 데에 중요한 지렛대가 될 수 있다(김영환 외, 2015). 평생교육과 평생학습이 성장하던 시기부터 다양한 현장에서 평생학습을 논의하는 현재까지 평생교육의 변화와 연구동향을 체계적으로 분석하는 것은 향후 학문적 발전과 정책 수립에 중요한 기초 자료가 될 것이다. 또한, 다른 학술지와는 달리 『평생학습사회』는 원격교육, 고등교육, 평생교육이 교차하는 지점에서의 교육 실천과 연구에 방점을 두고 있으면서, 평생학습사회에 대한 지향점을 가지고 있다. 『평생학습사회』의 중요한 주제 영역인 원격교육은 단순히 기술적 접근을 넘어 평생교육 및 사회적 변화와의 연계를 통해 지속가능한 미래를 설계하는 데 기여할 수 있다. 이러한 특성 때문에 평생교육 전체 혹은 하위 주제에 대한 연구동향 연구들과 별개로 『평생학습사회』의 연구 내용과 변화 방향을 파악하는 것이 필요하다.

기존 평생학습 연구는 주로 정책 변화, 학습 주체의 특성, 디지털 환경에서의 학습 방식을 중심으로 이루어졌으며, 최근에는 빅데이터와 네트워크 분석, 토픽모델링과 같은 정량적 분석 기법이 활발하게 사용되고 있다. 텍스트마이닝과 토픽모델링을 활용한 연구는 방대한 양의 연구 데이터를 분석하여 핵심 주제를 도출하고 그 동향을 살펴보는 데에 유용하다(이수상, 2018). 이러한 배경 속에서 본 연구는 『평생학습사회』 학술지에 실린 연구 논문을 분석하여 지난 20년 간의 연구내용을 파악하고, 이를 통해 관련 연구에 대한 제언을 제시하고자 한다.

평생학습사회의 실현은 단순한 정책적 변화에 그치지 않고, 학습 주체, 학습 방법, 학습 환경 등 전반적인 교육 체제의 혁신과 연결된다. 실제로 평생학습 연구의 주제가 다양화되고 있고 범위가 넓어지고 있다. 이러한 복잡해지고 다양해지는 연구 주제와 내용을 살펴보기 위하여, 토픽모델링과 키워드 네트워크 분석을 활용하였다. 토픽모델링은 전체 연구들에서 어떤 주제가 다뤄졌는지 살펴볼 수 있고, 이러한 토픽들의 변화를 살펴봄으로써 연구내용의 변화 흐름을 파악할 수 있다. 또한, 토픽-단어 연결을 통해 토픽이 어떤 핵심개념들로 구성되고 연결되는지 살펴볼 수 있다. 이러한 빅데이터 기반의 연구방법을 적용하여 더욱 심층적이고 포괄적인 시각을 제공하며, 연구 방향과 실천에 적용 가능한 제언을 도출할 수 있을 것이다.

본 연구의 목적은 평생학습사회을 실현을 위해 원격, 고등, 평생교육이 교차하는 연구의 구성과 변화를 살펴보고 이를 기초로 앞으로의 연구 방향을 제언하는 데에 있다. 이를 위해 지난 20년 간 『평생학습사회』 학술지에 실린 논문을 대하여 단어 네트워크 분석과 토픽모델링을 실시하고 주요 연구 주제를 도출하고자 하였다. 이러한 연구 주제 분석을 통해 시기별 연구동향의 변화를 파악하여 평생학습 연구의 변화 과정을 논의하고, 분석 결과를 토대로 평생학습 연구의 향후 방향과 제언을 제시하고자 한다.

Ⅱ. 선행연구

2. 평생교육 연구에 적용된 텍스트마이닝

텍스트마이닝은 방대한 양의 데이터를 체계적으로 분석하고, 연구에 사용된 텍스트의 특성과 관계를 정량적으로 도출하는 데 중요한 도구로 자리 잡았다. 평생교육 연구에서는 주로 토픽모델링(LDA), 키워드 네트워크 분석, 텍스트 네트워크 분석 등이 사용되었다.

우선, 현영섭(2011)은 개념연결망 분석을 활용하여 HRD와 평생교육 분야의 사회적 네트워크에 대하여 분석하였다. 김영환 외(2015)는 『평생학습사회』의 연구주제 변화를 분석하면서 텍스트 네트워크 분석을 실시하여 주제의 동향과 주제어 네트워크를 밝혀냈다. 키워드 네트워크 분석은 시기별 평생교육 정책과 연구동향을 분석하는 데에도 활용되었다(이재은·조영아, 2021). 김태종·박상옥(2018)은 2003년부터 2018년까지 지역 매체 뉴스 데이터를 수집하여 LDA 토픽모델링을 활용해 지역 평생교육 정책과 주요 이슈를 분석했는데, 특히 지역별 이슈와 정책 추진 과정에서의 차이점을 강조하였다. 또한 평생교육진흥기본계획을 중심으로 뉴스 데이터를 분석하여 지역 발전, 일자리 창출, 원격학습이 주요 이슈임을 도출했다(김태종·박상옥, 2019). 김태종(2019)은 토픽모델링과 텍스트 네트워크 분석을 통해 뉴스 담론에서 나타난 평생교육의 주요 의제와 주체 간 연결성을 규명하였다.

평생교육 연구와 실천 현장에서 사용되는 핵심어의 차이를 빅데이터 분석 기법으로 비교 분석한 연구도 있었다(이효섭, 2021). 평생교육 연구의 주제에 대하여 텍스트 마이닝을 적용하여, 박로사·윤창국(2022)는 국내외 평생교육 연구에서 사용된 핵심 키워드를 분석하여 연구 주제의 경향성과 변화 양상을 도출하였다. 이은택·오희정(2023) 역시 토픽모델링을 활용하여 분석하였는데, 그 분석 대상을 5년간의 뉴스 기사로 하여 평생교육 관련 이슈와 담론의 흐름을 파악하였다.

텍스트마이닝 기법을 활용한 평생교육 연구는 주로 분석대상과 내용에 따라 정책 분석, 뉴스 담론 분석, 지역 특화 교육 분석으로 나눌 수 있다. 정책 분석 연구는 평생교육 정책의 발전 방향과 이행 과정에서의 주요 이슈를 분석한다. 이규훈(2023)은 광역단위 평생교육 정책 자료를 분석하여 정책 간 연관성과 핵심 주제를 도출하였고, 서창수(2022)는 뉴스 빅데이터 분석을 통해 대학 평생교육 정책과 지역사회의 연계를 분석하였다.

뉴스 빅데이터를 활용한 연구들은 텍스트마이닝을 통해 언론에 나타난 평생교육 담론의 흐름과 주요 의제를 분석한다. 김태종·박상옥(2018)은 지역별 평생교육 정책과 관련된 뉴스 데이터를 분석하여 정책 추진 과정과 이슈를 도출하였다. 김태종(2019)은 뉴스 데이터에서 나타난 의제와 주체 간의 연관성을 규명하였다. 정은지·김태종(2021)은 ‘마을교육공동체’를 중심으로 뉴스 데이터를 분석하여 정책적 관심이 학생에서 마을 주민 전체로 확장되는 과정을 파악하였다. 이다인·박지우·고장완(2022)는 코로나19 시기의 뉴스 데이터 분석을 통해 대학평생교육현황을 분석하고 온라인 학습과 융합교육의 중요성을 강조하였고, 대학 평생교육과 지역사회와의 협력에 텍스트마이닝 기법이 활용하였다

네트워크 분석이나 텍스트마이닝을 활용한 평생교육 연구는 정성적 및 정량적 접근을 결합하여 새로운 통찰을 제공하고 있다. 네트워크 분석이나 텍스트마이닝을 활용하면, 연구의 대상, 내용, 배경에 잠재되어 있는 연결들을 수면 위로 끌어올려 해당 주제를 좀 더 입체적으로 살펴볼 수 있게 해준다. 예를 들어, 네트워크 분석이 적용된 정책 연구는 광역 및 대학 단위의 정책 방향과 실행 성과를 중심으로 이루어지며, 정책 간 연계성과 지속 가능성을 강조한다. 또한, 텍스트마이닝이 적용된 언론 보도 분석은 평생교육 담론이 경제적, 사회적, 정책적 이슈와 어떻게 연결되어 있는지를 보여준다.

<표 1>에 『평생학습사회』 관련 주제에 대하여 연구동향을 분석한 연구들을 정리하여 제시하였다. 관련된 연구동향을 살펴본 연구의 양이 상당하고 다루는 주제와 범위도 다양하며 연구동향에 대한 연구방법이 변화하고 있음도 확인할 수 있다. 관련하여 연구동향을 살펴본 많은 연구들과 본 연구가 구별되는 점은 『평생학습사회』의 특성과 관련된다. 서론에서 명시한 바와 같이 평생학습사회를 방향성으로 삼고 평생교육과 원격교육 현장을 실천적으로 아우르고 있는 『평생학습사회』가 20년 동안 어떤 연구들을 담아왔는지 살펴보는 것은, 세부적인 영역이나 방법의 변화뿐만 아니라 평생학습과 관련된 연구의 변화가 어떻게 진행되었는지 파악하는 데에 도움이 된다. 『평생학습사회』에 쌓여온 연구들이 어떻게 변화해왔는지 또한 어떻게 연결되는지 통합적으로 살펴보기 위하여, 모든 단어와 연구들을 통합하여 그 연결을 분석하는 단어 네트워크와 토픽모델링 방법을 적용하였다. 이를 통하여 『평생학습사회』 20년의 연구동향을 살펴보고 그 연구내용 변화를 분석하였다.

<표 1>

『평생학습사회』 관련 주제에 대한 연구동향 분석 연구

Ⅲ. 연구방법

1. 연구대상

첫 발간이 이루어진 2005년초부터 최근 2024년말까지 20년간 『평생학습사회』에 실린 논문이 분석 대상이며, 발행된 논문의 수는 총 486편이었다. 연 단위로 발행된 논문 수와 그 비율을 정리하여 <표 2>에 제시하였다. 초기에 연 2회 발행되던 『평생학습사회』는 2011년부터 연 3회 발행되었으며, 2014년부터는 연 4회 발행되고 있다. 2005년 5월 발간이 시작된 『평생학습사회』는 2008년 1월 등재후보학술지로 선정되었으며, 2011년 1월에는 등재학술지로 선정되었다. 연 단위 기준으로 『평생학습사회』를 통해 발표된 논문 수가 가장 적었던 해는 2008년이었고, 가장 많았던 해는 2015년이었다.

<표 2>

연도별 평생학습사회 논문 수와 비율

20년간 발표된 논문 486편의 제목, 연구자, 초록, 게재시기를 수집하여 분석 대상에 포함시켰다. 『평생학습사회』의 논문들에 나타난 키워드는 한국학술지인용색인(KCI, Korea Citation Index)에서 제공하는 자료를 통해 확인하여 [그림 1]에 제시하였다. 20년간 『평생학습사회』에 가장 많이 등장한 키워드는 ‘평생교육’이었고, ‘성인학습자’, ‘평생학습’, ‘원격대학’도 많이 사용된 키워드였다.

[그림 1]

KCI 학술지 정보의 『평생학습사회』 논문 주요 키워드 이미지출처: https://www.kci.go.kr/kciportal/po/search/poCitaView.kci?sereId=SER000015054 (검색일: 2024. 12. 22.)

2. 분석방법

본 연구는 20년 동안 『평생학습사회』에 실린 논문 486편의 텍스트 분석을 위해 프로그램 넷마이너(Netminer) v.4.5를 사용하였다. 텍스트 마이닝을 위해 사용할 수 있는 프로그램 중 넷마이너는 한국어 텍스트를 분석하는 데에 최적화되어 있어 언어 네트워크를 분석한 국내 연구물에서 가장 많이 사용된 프로그램이다(이수상, 2014).

본 연구의 과정은 논문 데이터의 수집, 데이터 전처리, 단어 분석, 의미연결망 분석, 토픽모델링, 단어-토픽 네트워크 구성과 시각화, 결과 해석의 순서로 진행되었다. 『평생학습사회』에 발표된 486편의 논문(제목과 초록)에서 추출된 단어는 총 3,227개였으며, 단어-문서 연결은 51,382개로 나타났다. 이 중, TF-IDF 방식을 적용하여 중요도를 고려한 단어-문서 연결은 27,337개로 축소되었다. TF-IDF 방식이 문서 간의 차별성을 반영하여 덜 중요한 단어의 연결을 제외했기 때문이다. 연구의 목적이 논문에 나타난 핵심개념을 추출하고 분석하는 것이기 때문에, 전처리 작업을 통해 분석 단어의 품사는 명사로 한정하고 음절은 2개 이상으로 제한하였다.

본 연구에서는 주제 간 관련성을 구조적으로 이해하기 위하여 의미연결망 분석을 활용하였다. 의미연결망 분석(semantic network analysis)은 텍스트 데이터에서 자연어 처리 방식을 통해 정보를 추출하고 단어 간의 연계성을 파악하는 기법이다(정원준, 2022). 의미연결망 분석은 다른 말로 연관어 분석이라 불리며, 주제어의 빈도와 중요도가 모두 반영된다. 이 기법은 텍스트에서 자주 사용되면서도 다른 단어들과 연계성이 높은 주요 단어를 찾아내고, 이들 간의 연결 구조를 네트워크 형태(노드와 링크로 구성된 기하학적 구조)로 시각화하여 제공한다.

본 연구에서는 주제나 경향을 분석하는 데에 유용한 토픽모델링을 분석방법으로 사용하였다(이은경, 2024; Blei, 2012). 토픽모델링은 잠재 디리클레 할당 알고리즘을 활용한다. 잠재 디리클레 할당(LDA, Latent Semantic Analysis)은 분석 대상인 문서 전체를 통계적으로 처리하여, 문서에 어떤 토픽(주제)들이 존재하는지 추출하여 설명하는 생성성 통계 기법이다(김미라·황혜선·이욱, 2020; 박영훈, 2022). [그림 2]에서와 같이, 전체 문서인 D의 단어들 N 중에서 W가 토픽별 단어인 β, 토픽 분포 θ, 토픽 Z에 따라 할당되게 된다(Blei, 2012).

[그림 2]

LDA(잠재 디리클레 할당)의 그래픽 모델출처: Blei(2012, p. 81)

LDA 알고리즘을 활용하여 토픽모델링은 분석 대상인 전체 문서들을 주도하는 토픽들을 추출하고 그 토픽들을 구성하는 주요 단어들을 찾아낸다(Blei & Lafferty, 2009; Blei, Ng, & Jordan, 2003). 토픽모델링에서 토픽은 동시에 나타날 가능성이 높으며 유사한 의미를 가지는 단어들의 집합이다. 토픽모델링은 자료 내 단어의 빈도와 사용 패턴을 분석하여 수학적 알고리즘을 통해 전체 자료를 관통하는 잠재적 토픽들을 추출하는 연구기법이다(정원준, 2022). 토픽모델링에서 문서의 토픽 분포 생성에 관여하는 Alpha 값과 토픽과 핵심어 분포 생성에 영향을 미치는 Beta 값은 관련 연구를 참조하여 모두 0.01로 설정하였다(Steyvers & Griffiths, 2007; Zhao, Chen, & Zen, 2015). 토픽 분석을 하기 전에 토픽 모델 평가를 실시하여 일관성 지표를 도출하였고 이를 토픽 수를 정하는 데에 참고하였다(Mimno et al., 2011; Röder, Both, & Hinneburg, 2015). 또한 일관성 지표가 높은 토픽 수 외에도 토픽 수를 다양하게 설정하여 분석한 후 해당 문서와 토픽과 핵심어를 가장 설득력있게 설명할 수 있는 모델인지 확인하고 토픽 수를 결정하였다. 토픽 분석 결과를 기반으로 하여, 하여 토픽의 이름을 짓고 학술지의 방향성과 연결하여 해석하는 과정에 두 명의 전문가들로부터 자문을 받았다. 평생교육과 교육공학 분야에서 각각 박사학위를 취득한 전문가들을 섭외하였으며, 두 전문가 모두 박사학위 취득 후 연구경력이 12년이었다.

Ⅳ. 연구결과

1. 논문에 등장한 단어 분석

『평생학습사회』 20년 간 실린 486편의 논문에 포함된 명사 단어는 모두 3013개였다(1음절 단어 제외). 단어의 빈도를 계산했을 때, ‘학습’이 2,280번으로 가장 높은 빈도를 나타내었다. 단어의 빈도 분석 결과 중에서 빈도가 300 이상인 단어 13개를 기본 단어로 분류하여 제외하였다. 관련 주제의 연구에서 빈번하게 등장할 수밖에 없어서 제외어로 등록된 단어들은 ‘학습, 교육, 연구, 평생, 분석, 결과, 대학, 참여, 사회, 성인, 과정, 영향, 목적’이었다. 제외어를 제외하고 3000개 단어를 대상으로 분석하여, 486편의 논문에 많이 등장한 고빈도 단어들을 확인하였다. 3000개 단어의 총 빈도는 38,917이었으며, 4개의 고빈도 단어(원격, 대상, 지원, 경험)가 총 빈도의 2.8%를 차지하였다. 3000개 단어 중 빈도 순으로 상위 1%에 해당하는 단어 30개와 그 빈도를 <표 3>에 제시하였다. 표에 제시된 단어 외에도 빈도가 높은 단어들을 가지고 워드클라우드를 만들어 [그림 3]에 제시하였다. 빈도가 높은 단어 목록에 올라온 단어들을 워드 클라우드에서도 확인할 수 있다. 워드클라우드에서 색깔이나 위치는 무작위로 부여되어 별다른 의미를 갖지 않으며, 단어의 크기는 단어의 빈도에 비례한다.

<표 3>

『평생학습사회』 논문에 등장 빈도가 높은 단어들

[그림 3]

『평생학습사회』 고빈도 단어의 워드클라우드

『평생학습사회』논문들에 자주 등장했던 단어들이 어떻게 서로 연결되는지 그 관계가 어떻게 되는지 확인하기 위해서 핵심어들의 연관 네트워크를 분석하였다. 논문에 사용된 단어들의 상위 2%에 해당하는 60개 단어를 추출하였다. 의미연결망 분석을 통하여 이 단어들 간의 네트워크를 분석하였고, 이를 시각화하여 [그림 4]에 제시하였다. 원의 크기가 빈도를 나타내기 때문에, 원이 클수록 빈도가 높음을 의미한다. 하나의 단어에서 다른 단어들로 가는 연결이 많으면 단어들을 연결하는 중심에 있다는 것을 의미한다. 앞서 <표 3>에 있던 고빈도 단어들 중에서도 상위에 위치한 ‘대상’, ‘활용’, ‘프로그램’ 등이 단어들이 연결되는 중심에 있다. [그림 4] 의 왼쪽 아래에서 위쪽 시계 반대 방향으로, ‘필요’, ‘활용’, ‘대상’, ‘프로그램’, ‘경험’, ‘지원’이 큰 원이면서도 서로 연결되어 있고, 이 단어들이 중심이 되어 다른 단어들로 연결되어 있다. 연결 단어가 가장 많은 단어는 ‘대상’이며 이는 평생교육의 여러 대상들을 의미하는 것으로 해석된다. 그 대상들을 지원하는 지원정책, 프로그램, 그들의 필요 등으로 단어들이 연결되어 나가는 것을 확인할 수 있다. ‘원격’은 빈도는 높지만 상대적으로 여러 단어들로 연결되는 정도는 낮은 편이다.

[그림 4]

상위 60개 등장 단어 연관 네트워크

2. 토픽모델링 분석

단어 분석 결과를 바탕으로 LDA 알고리즘 기반의 토픽모델링을 실시하였고, 그 결과로 『평생학습사회』 논문 486편에서 다루어진 중심 주제(토픽)와 토픽별 핵심 단어를 살펴보았다. 토픽 모델 평가에서 일관성 지표가 높고(<표 4> 참조), 토픽 간에 서로 겹치지 않고 해석의 타당성이 가장 높다고 판단되는 토픽 수는 4개였다.

<표 4>

토픽모델링의 토픽 수에 따른 일관성 지수 결과

4개의 토픽 구분에 따라 핵심어와 각 토픽에 해당되는 논문 내용을 종합하여 토픽의 이름을 정하였다. <표 5>에 토픽별 해당하는 논문 수, 비율, 핵심단어 10개(영향력 순으로 제시), 연구자가 명명한 토픽 명을 제시하였다. 각 토픽에 해당하는 논문의 수가 차지하는 비중이 16.7%에서 34.0% 범위에 있는 것으로 나타나 토픽별로 논문이 고르게 분포하는 정도가 양호하였다. 토픽4에 해당하는 논문 수가 165개여서 그 비율이 가장 높게 나타났고, 토픽1이 논문 수 81개로 16.7%의 가장 낮은 비율을 나타내었다.

<표 5>

토픽모델링 분석 결과

토픽1은 다양한 학습 주체들이 포함되고 평생학습의 영역도 넓게 나타나서 ‘학습 주체와 영역 확장’으로 이름지었다. 토픽2는 시민들이 지역에서 공동체 학습을 경험하는 내용으로 형성되어 ‘시민학습공동체 실천’으로 명명되었다. 토픽3에는 원격교육에서 학생들의 학업에 관련되는 변인들을 드러내고 그 관계를 탐색하는 논문들이 많이 포함되었고, ‘원격 교수·학습 분석’이라 이름지어졌다. 토픽4는 평생교육과 관련된 프로그램, 지원체제, 정책과 관련된 내용으로 구성되어 있어, ‘평생교육 체제와 정책’으로 명명되었다. 이러한 4개의 토픽들에 분류되는 점수가 높은 논문들을 토픽별로 5개씩 정하여 논문 제목과 논문에서 저자가 제시한 키워드, 게재 연도, 분류값을 제시하였다(<표 6> 참조).

<표 6>

토픽별 주요 논문

토픽모델링 분석을 통해 도출된 토픽 4개와 각 토픽에 사용된 단어들이 어떤 관계를 나타내는지 확인하고자, 토픽 간의 연결과 함께 토픽과 단어의 연결을 살펴보았다. 토픽에 등장하는 단어들 중 상위 50개까지 주요단어로 설정하고 이를 시각화하여 [그림 5]에 제시하였다. 토픽과 단어를 연결하는 시각화를 위해 주요단어 수를 100에서 40까지 10단위로 다르게 하면서 시도하였고, 시각화된 결과물 중 연결고리가 되는 단어가 제거되지 않으면서 가시성이 높은 것으로 결정하였다.

[그림 5]

토픽-단어 네트워크

[그림 5]에서 네모는 토픽을, 원은 단어를 나타낸다. 원의 크기는 단어가 등장한 논문 수를 나타내기 때문에 원이 크면 해당 단어가 포함된 논문이 많다는 것을 의미한다. 토픽들 간의 연결 관계를 살펴보면, 토픽2 ‘시민학습공동체실천’과 토픽4 ‘평생교육 체제와 정책’은 연결이 약한 편이었다. 토픽1 ‘학습주체와 영역 확장’과 토픽3 ‘원격 교수·학습 분석’이 다른 두 토픽을 연결하는 고리가 되고 있었다. 여러 토픽들에 등장하여 토픽들을 연결하는 단어에 ‘경험’, ‘관계’, ‘원격’, ‘프로그램’, ‘역량’이었다.

4개 토픽을 좀 더 자세히 살펴보고자, 토픽별로 논문에 등장하는 단어를 워드클라우드로 표현하여 [그림 6]에 제시하였다. 워드클라우드에서 단어의 크기는 단어의 빈도를 나타낸다. 토픽1 ‘학습 주체와 영역 확장’에서는 여성, 장애, 노인, 청년 등의 다양한 대상을 지칭하는 단어와 경험, 직업, 인식, 경력, 프로그램, 성과와 같이 다양한 영역을 나타내는 단어의 빈도가 높았다. 토픽2 ‘시민학습공동체 실천’에서는 공동체, 지역, 시민과 같은 학습 주체와 함께 활동, 실천, 경험, 문화와 같은 실천을 하는 단어들이 함께 나타났다. 토픽3 ‘원격 교수·학습 분석’에는 많은 수의 단어가 등장했으며, 그 중에서도 학업이라는 단어가 가장 눈에 띄었다. 또한, 원격, 온라인, 러닝과 같은 온라인 환경에 대한 표현과 학업, 수업, 교수, 학생과 같이 교수 및 학습 활동에 관련된 단어들이 있었다. 토픽4 ‘평생교육 체제와 정책’은 다른 토픽들보다는 단어 수가 약간 적고 빈도가 높은 단어들이 많이 있었다. 한국, 국가, 정책, 체제, 개발과 같이 평생교육 정책과 관련된 단어와 함께 프로그램, 요구, 필요, 운영, 고등, 원격, 문해와 같이 평생교육 프로그램의 제공·운영과 관련된 단어들이 많이 보였다.

[그림 6]

토픽별 워드클라우드

2005년에서 2024년까지의 『평생학습사회』 토픽 4개가 시기에 따라 어떻게 달라지는지 확인하고자, 20년을 5년씩 나누어 4개의 시기 구간을 설정하였고 그 시기별로 토픽의 구성비율을 분석하였다. 시기별로 각 토픽에 해당하는 논문 수와 해당 기간 내 토픽이 차지하는 비율을 계산하여 <표 7>에 제시하고 이를 도식화하여 [그림 7]에 나타내었다.

<표 7>

시기별 토픽에 해당하는 당 논문 수와 비율(논문 수, 비율)

[그림 7]

기간별 토픽의 구성 변화

기간별 분석결과에서 시기에 따라 토픽의 비율이 변화하고 있음을 확인할 수 있다. 토픽1 ‘학습 주체와 영역 확장’은 2005～2009년에는 그 비율이 한 자리 수였다가 점차적으로 증가하여 2020～2024년에는 해당 기간 논문의 27.2%를 차지하면서 토픽 중 가장 높은 비율을 나타냈다. 반면, 2005～2009년에 그 비율이 65.1%였던 토픽4 ‘평생교육 체제와 정책’은 이후에는 그 비율이 대폭 감소하였고 2020～2024년에 22.8%로 가장 적은 비율을 차지하였다. 토픽3 ‘원격 교수·학습 분석’은 2010～2014년에 그 비중이 38.7%까지 올라갔다가 이후 조금 줄어 2020～2024년에는 25.0%를 나타내었다. 토픽들은 기간에 따라 때로는 한쪽으로 쏠리는 구성비를 보여주기도 했지만 점차로 그 차이가 줄어들었고, 2020～2024년에는 토픽 4개가 모두 20%를 넘어 비율 간의 차이가 크지 않은 안정적인 구성비를 나타내었다.

Ⅴ. 결론 및 논의

본 연구는 『평생학습사회』 20년 연구의 변화 양상을 분석하여 이를 기반으로 시사점을 제공하고자 하였다. 본 연구는 『평생학습사회』 학술지에 게재된 지난 20년간의 논문 486편을 대상으로 핵심어를 추출하고 단어들의 네트워크를 분석하였다. ‘대상’, ‘활용’, ‘필요’, ‘프로그램’ 등의 단어들이 『평생학습사회』에 언급된 내용들이 연결되는 중심에 있었다. 또한 토픽모델링을 적용하여 연구동향을 분석하였다. 분석 결과, 4개의 주요 토픽이 도출되었다. 토픽1은 ‘학습 주체와 영역 확장’으로 다양한 학습 주체(여성, 장애인, 노인, 청소년 등)와 학습 영역의 확장(경험, 직업, 프로그램 등)에 대한 연구가 집중되었다. 토픽2는 ‘시민학습공동체 실천’이며 시민 공동체의 학습 경험과 지역사회 내 실천적 학습 활동이 강조되었다. 토픽3은 ‘원격 교수·학습 분석’으로 원격 교육의 학습 효과성, 교수 설계, 학습 참여도 및 만족도가 핵심 주제로 다루어졌다. 토픽4는 ‘평생교육 체제와 정책’인데, 평생교육 정책, 지원 체제, 프로그램 개발 및 운영에 대한 논의가 중심을 이루었다.

20년 간의 『평생학습사회』에서 가장 연구의 양이 많은 주제는 ‘평생교육 체제와 정책’이었으며, 가장 연구의 양이 적은 주제는 ‘학습 주체와 영역 확장’이었다. ‘평생교육 체제와 정책’에 대한 연구가 가장 많이 이루어졌고, 이 분야의 연구가 2000년대 집중되었던 것은 해당 분야의 정책적 및 실천적 환경과 관련하여 해석할 수 있다. 우선 1999년 사회교육법이 평생교육법으로 개정되면서, 평생교육 정책과 현장은 큰 변화를 맞이하였고 2001년 발표된 평생학습진흥종합계획(2002-2006년)으로 평생학습을 지원하는 평생교육 정책들이 수립 및 추진되었다(윤옥한, 2015; 이재은·조영아, 2021). 이러한 평생교육 분야에 대한 정부 정책 추진과 제도 수립 과정이 『평생학습사회』의 초기 연구에 토픽4인 ‘평생교육 체제와 정책’에 대한 연구의 높은 비중에 영향을 미친 것으로 해석할 수 있다. 이러한 결과는 선행연구의 결과와도 결을 같이 한다. 장경미·양세희·현영섭(2017)은 평생교육 정책 연구의 시기를 1999년까지는 초창기, 2000-2011년은 성장기, 2012년 이후는 다양화기로 나누면서, 2000년대에는 평생교육 체제와 정책과 관련된 연구들이 팽창하였고 2012년 이후에는 평생교육의 다양한 대상과 영역으로 정책 연구가 확장되고 있다고 분석하였다.

시기별 분석 결과, 『평생학습사회』 초기에는 주로 평생교육 정책과 체제 구축에 집중되어 연구가 이루었으나 이후 학습 주체의 다양성, 공동체 실천, 원격 학습 효과에 대한 논의로 그 주제가 확대되었다. ‘시민학습공동체 실천’에 대한 연구는 『평생학습사회』에서 지속적으로 다루어지고 있는 주제이다. 다른 주제를 다룬 연구의 양이 증가하면서, 상대적으로 그 비중이 낮아진 때도 있으나 전체적인 양에서는 큰 변화없이 지속적으로 연구되고 있는 영역이다. 토픽3에 해당하는 ‘원격 교수·학습 분석’의 2010-2024년의 비율 증가는 2010년대 원격 및 온라인 평생교육과 관련된 연구가 많아졌던 흐름(안현용, 2023)과 일치한다. 하지만 코로나19 팬데믹 상황으로 2020년 이후에 일반적으로 원격교육과 관련된 연구들이 증가한 것이 『평생학습사회』에는 크게 반영되지는 않았다. 국내와 해외 평생교육 연구의 주제어를 분석했던 박로사·윤창국(2022)은 2016년 이후 해외를 중심으로 평생교육의 새로운 주제들이 나타나며 새로운 의미 구조를 조직해나가고 있음을 설명하였다. 언급된 해외에서의 주제 확대와 유사한 맥락으로, 2020년대 들어 『평생학습사회』 논문 중 토픽1 ‘학습 주체와 영역 확장’의 비중이 높아졌다. 대상들을 전체적으로 살펴보는 것을 뛰어넘어 이전에 상대적으로 주목받지 못했던 대상들과 주제들에 대한 연구들이 증가하였다.

『평생학습사회』 20년(2005-2024년)의 연구동향을 분석한 것은 관련된 연구의 지형이 어떻게 형성 및 변화되었는가를 살펴보기 위한 것이었다. 『평생학습사회』 초기에는 평생교육 체제와 정책을 다루는 영역이 전체의 2/3 정도를 차지하였으나, 시간이 지남에 따라 연구의 양이 일부 감소하였고 전체 연구에서 차지하는 비중은 대폭 감소하였다. 반면, 공동체 실천, 원격교육, 다양한 학습 주체에 대한 연구로 연구의 지형이 확대되었다.

토픽 분석을 통해 『평생학습사회』 20년의 연구주제들을 살펴보았고, 이에 기초하여 향후 연구에 대하여 논의 및 제언하고자 한다. 우선 지속적으로 변화하고 있는 정책과 세부내용을 분석하는 연구가 지속적으로 필요하고 정책의 성과를 분석하는 연구에 대한 필요가 있다. 연구동향 결과에서 평생교육 정책과 체제에 대한 연구가 지속적으로 있어왔으나, 정책의 변화나 제도적 측면을 기술하는 연구에 비교하면 정책의 실제적 실행과 성과를 분석한 논문은 적은 편이다. 원격교육에서의 학술적 역할을 계속하는 데 있어, 사회에서 빠르게 그 영역을 확장하고 있는 디지털 플랫폼, AI(인공지능), 빅데이터를 활용한 학습혁신에 대한 연구까지 그 영역을 확장시킬 필요가 있다(김현진, 2020). 또한, 디지털 전환이 가져올 기술 격차, 학습자 간 불평등 문제, 기술적 수용성 등에 대한 학술적 논의가 필요하다. 평생학습사회에 대한 연구에서, 창의적인 접근법과 학제 간 연구가 필요한 상황이다.

본 연구는 『평생학습사회』에 실린 지난 20년간의 연구를 토픽모델링과 텍스트마이닝을 통해 분석함으로써, 평생학습 연구가 어떻게 변화하고 발전해왔는지를 통시적으로 조망하였다. 각 시기별로 주요 연구 주제와 핵심 키워드를 도출하여 연구동향의 흐름을 파악할 수 있었다. 이는 평생학습 연구의 주요 관심사가 학습 주체, 공동체, 기술, 정책 등으로 다각화되었음을 보여준다. 또한 본 연구는 『평생학습사회』 20년 연구 전체에 대하여 데이터 기반의 실증적 연구동향 분석을 시도하였다. 텍스트마이닝과 토픽모델링과 같은 정량적 분석 기법을 활용하여 방대한 양의 학술 데이터를 분석한 점이 연구 방법론적 측면의 의의이다. 이를 통해 연구 주제 간 연관성, 시기별 변화를 보다 객관적으로 분석할 수 있었다.

본 연구에서 사용한 데이터와 연구방법과 관련하여 본 연구의 한계를 살펴볼 필요가 있다. LDA 알고리즘을 사용하는 토픽모델링은 단어의 빈도와 공기출 현상을 기반으로 주제를 도출하기 때문에, 맥락적 의미나 심층적 의도를 완벽히 반영하기 어렵다. 이로 인해 의미 해석이 명확하지 않거나 모호할 수 있다. 데이터 전처리 과정에서, 데이터의 한계가 생겼을 가능성을 배제할 수 없다. 단어의 형태소 분석, 불용어 처리, 명사 중심 분석 등 전처리 과정에서 정보가 손실되었을 가능성이 있다. 이러한 본 연구의 한계를 극복하기 위해 심층적 의미 해석이 가능한 BERT 기반의 문맥적 의미 반영 토픽모델링이나 질적 연구의 병행이 후속연구로 제안한다.

『평생학습사회』 토픽 분석 연구는 지난 20년간의 연구 동향을 객관적으로 분석하고, 분석된 주요 주제를 확인함으로써 평생학습 연구의 흐름에 대한 통찰을 제공하였다. 도출된 토픽과 분석 결과를 기반으로 향후 연구에서 다뤄질 수 있는 의제들이 제안되었다. 지난 20년을 돌아보는 이 연구가 새로운 출발선에 선 『평생학습사회』가 모든 이를 위한 평생학습사회 구현에 기여하는 연구의 장으로 역할을 다하는 데 기초가 될 수 있을 것이다.

References

• 곽삼근·박현옥·김현주(2014). 대학평생교육 연구동향 분석 -1982∼2012년 학위논문 및 학술논문을 중심으로-. 평생교육학연구, 20(1), 63-93.
• 곽삼근·최윤정(2005). 학술지를 통해 본 한국 평생교육학의 연구동향. 평생교육학연구, 11(1), 91-113.
• 김두영·박원희·김호연(2013). 일반교육학 분야와 특수교육학 분야의 평생교육 연구 동향 분석. 특수교육학연구, 47(4), 251-274.
• 김미라·황혜선·이욱(2020). 토픽모델링을 활용한 소비자교육 연구 동향 분석. 소비자정책교육연구, 16(2), 83-115. [https://doi.org/10.15790/cope.2020.16.2.083]
• 김선화·현영섭·김나경(2017). 여성 평생교육 및 HRD 연구동향: 2006∼2016년 국내학술지 게재논문을 대상으로. 평생학습사회, 13(2), 21-50. [https://doi.org/10.26857/JLLS.2017.05.13.2.21]
• 김영석(2014). 평생교육학 분야의 질적 연구 동향분석(2000년-2013년) -｢평생교육학연구｣와 ｢Andragogy Today｣를 중심으로-. 평생교육학연구, 20(3), 135-166.
• 김영환·정주훈·강두봉·박경민·김상미(2015). 『평생학습사회』의 연구주제 변화 동향 분석: 네트워크 텍스트 분석방법의 적용. 평생학습사회, 11(1), 291-315. [https://doi.org/10.26857/JLLS.2015.02.11.1.291]
• 김원경·전제아(2011). 한국 노인교육 연구 동향: 2000년 이후 국내 학술지 논문을 중심으로. 평생교육학연구, 17(4), 235-263.
• 김은경·조대연(2022). 토픽 모델링과 키워드 네트워크 분석을 활용한 국내 성인 대상 교육훈련 요구분석 연구동향: 2012-2021년 학술지 게재 논문을 중심으로. HRD연구, 24(1), 397-421. [https://doi.org/10.18211/kjhrdq.2022.24.1.013]
• 김진화·고영화·성수현(2007). 한국 평생교육학의 학문적 동향과 과제 -2000년 이후를 중심으로-. 평생교육학연구, 13(4), 89-122.
• 김진화·신다은(2016). 평생교육 프로그램에 대한 연구동향의 분류와 지식구조의 탐색. 평생교육학연구, 22(4), 27-53.
• 김창엽(2018). 국내의 평생교육 개념 연구에 대한 분석. 평생학습사회, 14(1), 1-24. [https://doi.org/10.26857/JLLS.2018.2.14.1.1]
• 김태연·강버들(2017). 사회연결망을 통한 평생교육 연구동향 분석. 수산해양교육연구, 29(1), 224-233. [https://doi.org/10.13000/JFMSE.2017.29.1.224]
• 김태종(2019). 뉴스 빅데이터를 활용한 평생교육 담론 분석. 박사학위 논문. 공주대학교 대학원.
• 김태종·박상옥(2018). 뉴스 빅데이터를 활용한 지역평생교육 토픽 분석: ’03∼’18년 지역매체 기사를 중심으로. 사이버커뮤니케이션학보, 35(4), 37-102. [https://doi.org/10.36494/JCAS.2018.12.35.4.37]
• 김태종·박상옥(2019). 뉴스 빅데이터를 활용한 평생교육 토픽 분석. 평생교육학연구, 25(3), 29-63. [https://doi.org/10.52758/kjle.2019.25.3.29]
• 김현진(2020). 원격교육과 교육공학의 과제. 교육공학연구, 36(3), 619-643.
• 김후년(2022). 평생학습사회에서 평생학습권의 의미. 법이론실무연구, 10(1), 135-149.
• 박로사·윤창국(2022). 텍스트 마이닝을 이용한 국내외 평생교육 연구의 주제어 분석. 학습자중심교과교육연구, 22(16), 795-812. [https://doi.org/10.22251/jlcci.2022.22.16.795]
• 박선희·유기웅(2024). 평생학습공동체 관련 연구동향 탐색: 2004년～2024년 국내 학술지 게재 논문을 대상으로. 평생학습사회, 20(4), 211-232. [https://doi.org/10.26857/JLLS.2024.11.20.4.211]
• 박영훈 (2022). 한국어교육 연구 주제 분석 -토픽 모델링과 네트워크 분석을 중심으로-. 박사학위 논문. 부산외국어대학교 대학원.
• 박지영·장명희·곽미선·장은지(2019). 국내 대학평생교육 연구 동향 분석: 1999년～2019년 국내 학술지 게재논문을 대상으로. 직업교육연구, 38(6), 89-114. [https://doi.org/10.37210/JVER.2019.38.6.89]
• 박천규(2008). 평생학습사회에서 지역대학 평생교육기관의 역할에 관한 연구. 석사학위 논문. 아주대학교 교육대학원.
• 배혜리(2022). 평생교육사 역량 연구동향 분석: 2002년～2021년 20년간 국내 논문을 중심으로. 평생교육학연구, 28(4), 137-160. [https://doi.org/10.52758/kjle.2022.28.4.137]
• 서창수(2022). 뉴스 빅데이터를 활용한 대학평생교육 토픽 분석. 평생교육학연구, 28(3), 197-228. [https://doi.org/10.52758/kjle.2022.28.3.197]
• 송시현(2021). 원격교육 분야에 대한 국내 연구 동향 분석 (2001년 - 2020년). 석사학위 논문. 서강대학교 교육대학원.
• 신나민·임정훈·이혜정(2005). 한국 원격교육 연구의 동향과 전망: 1985～2005년도를 중심으로. 교육공학연구, 21(4), 195-227. [https://doi.org/10.17232/KSET.21.4.195]
• 안현아·양길석(2020). 국내 평생교육 평가 연구 동향 분석. 평생학습사회, 16(4), 171-199. [https://doi.org/10.26857/JLLS.2020.11.16.4.171]
• 안현용(2023). 텍스트마이닝을 이용한 국내의 디지털 평생교육 연구 동향 분석. 평생교육학연구, 29(3), 106-135. [https://doi.org/10.52758/kjle.2023.29.3.105]
• 유정록·배홍연·하정혜(2024). 온라인 교육사례 동향 연구를 통한 ESD와 평생교육에 대한 시사점 도출. 학습자중심교과교육연구, 24(21), 167-192. [https://doi.org/10.22251/jlcci.2024.24.21.167]
• 윤가영·유하원·김효정·박인우(2022). 국내 교육공학 연구 동향 분석 및 키워드 분석 연구: 2014∼2022년 ｢교육공학연구｣를 중심으로. 교육공학연구, 38(4), 983-1014.
• 윤옥한(2015). 평생교육 20년(1995-2014) 연구동향 분석 -｢평생교육학연구｣ 학술지를 중심으로-. 평생교육학연구, 21(2), 1-22.
• 윤혜순(2014). 원격대학 연구동향과 과제. 학습과학연구, 8(2), 169-187.
• 이규훈(2023). 토픽 모델링을 활용한 광역단위 평생교육 정책분석. 석사학위 논문. 공주대학교 대학원.
• 이다인·박지우·고장완(2022). 토픽 모델링을 활용한 코로나19 시기 대학평생교육 현황 분석 -뉴스 빅데이터를 중심으로-. 평생교육·HRD 연구, 18(2), 147-167. [https://doi.org/10.35637/klehrd.2022.18.2.006]
• 이병준·황규홍(2015). 평생교육연구에서의 마을만들기 연구동향. 성인계속교육연구, 6(2), 63-93.
• 이석진·기영화·김남숙(2012). 한국 평생교육학의 학위논문 동향분석. 평생교육학연구, 18(4), 65-85.
• 이수상(2014). 언어 네트워크 분석 방법을 활용한 학술논문의 내용분석. 정보관리학회지, 31(4), 49-68. [https://doi.org/10.3743/KOSIM.2014.31.4.049]
• 이수상(2018). 네트워크 분석방법의 활용과 한계. 서울: 도서출판 청람.
• 이영희·구유진·현영섭(2022). 평생교육경영에 대한 연구동향: 1999∼2021년 국내 학술지 게재논문을 중심으로. 휴먼웨어 연구, 5(1), 47-83. [https://doi.org/10.23182/human.2022.5.1.47]
• 이은경(2024). 유학생 대상 한국어교육 연구 동향 분석 - 토픽 모델링을 중심으로. 석사학위 논문. 목원대학교 대학원.
• 이은택·오희정(2023). 텍스트마이닝과 토픽모델링을 활용한 ‘평생교육’ 기사 동향 분석(2018∼2022). 학습자중심교과교육연구, 23(3), 207-223. [https://doi.org/10.22251/jlcci.2023.23.3.207]
• 이재은·조영아(2021). 키워드 네트워크 분석을 활용한 평생교육정책 주요 시기별 ｢평생교육학연구｣ 연구동향 분석. 평생교육학연구, 27(4), 43-72. [https://doi.org/10.52758/kjle.2021.27.4.43]
• 이지연(2013). 한국 성인교육학의 연구동향 고찰: ‘Andragogy Today’와 ‘평생교육학연구’를 중심으로. Andragogy Today, 16(3), 185-209. [https://doi.org/10.22955/ace.16.3.201308.185]
• 이지연(2014). 한국 성인교육 분야에서 원격교육 연구동향 고찰. Andragogy Today, 17(3), 99-122. [https://doi.org/10.22955/ace.17.3.201408.99]
• 이혜정·이지현(2007). 원격대학 관련 정책의 변화에 따른 연구 동향 분석. 평생교육학연구, 13(4), 1-26.
• 이효섭(2021). 평생교육 연구 및 실천 부문의 핵심어 차이 분석: 빅데이터 분석기법을 활용하여. 박사학위 논문. 고려대학교 대학원. [https://doi.org/10.23186/korea.000000251427.11009.0001242]
• 이효섭·조대연(2020). 토픽모델링과 키워드 네트워크분석을 활용한 국내 전환학습 연구 동향. 평생교육학연구, 26(1), 1-24. [https://doi.org/10.52758/kjle.2020.26.1.1]
• 임은의(2022). 이주민 평생교육 관련 연구동향 분석. 글로벌사회복지연구, 12(2), 31-48. [https://doi.org/10.31769/GSWR.2022.12.2.31]
• 장경미·양세희·현영섭(2017). 평생교육 정책연구 동향 분석: 1995년-2016년 국내 학술지 게재 논문을 대상으로. Andragogy Today, 20(4), 93-127. [https://doi.org/10.22955/ace.20.4.201711.93]
• 정원준(2022). NetMiner를 활용한 빅데이터 텍스트 분석 기법과 활용. 서울: 학지사.
• 정은지·김태종(2021). 토픽 모델링을 활용한 ‘마을교육공동체’ 뉴스 빅데이터 분석. 평생학습사회, 17(4), 199-223. [https://doi.org/10.26857/JLLS.2021.11.17.4.199]
• 조재규(2022). 장애인 평생교육 연구 동향 분석. 발달장애연구, 26(4), 321-346. [https://doi.org/10.34262/kadd.2022.26.4.346]
• 최선주·윤미희(2021). 코로나19 관련 평생교육연구의 주요 주제 및 이슈 분석. 인문사회21, 12(5), 1627-1642. [https://doi.org/10.22143/HSS21.12.5.115]
• 최은수·김성길·허영숙·박진홍(2009). 한국성인교육학의 연구동향과 과제: ‘Andragogy Today’를 중심으로. Andragogy Today, 12(4), 167-183. [https://doi.org/10.22955/ace.12.4.200911.167]
• 한국방송통신대학교 미래원격교육연구원(n.d.). 『평생학습사회』 홈페이지. https://ide.knou.ac.kr/ide/10681/subview.do?epTicket=ST-16036432-1FcHzy9fmIMIkkUmiLbfwDfNAH09zdTCr1E-14, (검색일: 2025. 2. 1)
• 한숭희(2010). 평생학습사회연구. 파주: 교육과학사.
• 현영섭(2011). 사회적 네트워크 관련 HRD 및 평생교육 연구동향: 개념연결망 분석을 활용하여. HRD연구, 13(4), 1-29. [https://doi.org/10.18211/kjhrdq.2011.13.4.001]
• 현영섭(2017). 평생교육 담당자 연구동향: 1998년-2016년 국내 학술지 게재 논문을 대상으로. Andragogy Today, 20(1), 65-93. [https://doi.org/10.22955/ace.20.1.201702.65]
• 현영섭(2023). 평생교육학연구 게재논문의 데이터 시각화 동향 분석 -2002년부터 2023년까지 게재논문을 대상으로-. 평생교육학연구, 29(3), 65-104. [https://doi.org/10.52758/kjle.2023.29.3.65]
• 현영섭·김우철(2017). 평생교육분야 메타 연구의 동향: 국내 학술지 게재 논문을 대상으로. 교육종합연구, 15(4), 145-182.
• Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84. [https://doi.org/10.1145/2133806.2133826]
• Blei, D. M., & Lafferty, J. D. (2009). Topic models. In A. Srivastava & M. Sahami(Eds.), Text mining: Classification, clustering, and applications (pp. 71-93). New York: Chapman and Hall/CRC. [https://doi.org/10.1201/9781420059458-12]
• Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993-1022.
• Bozkurt, A., Akgun-Ozbek, E., Yilmazel, S., Erdogdu, E., Ucar, H., Guler, E., Sezgin, S., Karadeniz, A., Sen-Ersoy, N., Goksel-Canbek, N., Dincer, G. D., Ari, S., & Aydin, C. H. (2015). Trends in distance education research: A content analysis of journals 2009-2013. The International Review of Research in Open and Distributed Learning, 16(1), 330-363. [https://doi.org/10.19173/irrodl.v16i1.1953]
• Mimno, D., Wallach, H. M., Talley, E., Leenders, M., & McCallum, A. (2011). Optimizing semantic coherence in topic models. Proceedings of the 2011 Conference on Empirical Methods in Natural Language Processing(pp. 262-272). Association for Computational Linguistics.
• Mishra, S., Sahoo, S., & Pandey, S. (2021). Research trends in online distance learning during the COVID-19 pandemic. Distance Education, 42(4), 494-519. [https://doi.org/10.1080/01587919.2021.1986373]
• Röder, M., Both, A., & Hinneburg, A. (2015). Exploring the space of topic coherence measures. Proceedings of the 8th ACM International Conference on Web Search and Data Mining(pp. 399-408). Association for Computing Machinery. [https://doi.org/10.1145/2684822.2685324]
• Steyvers, M., & Griffiths, T. (2007). Probabilistic topic models. In T. K. Landauer, D. S. McNamara, S. Dennis, & W. Kintsch(Eds.), Handbook of latent semantic analysis(pp. 439-460). New York: Psychology Press.
• Yavuz, M., Kayalı, B., & Tutal, Ö. (2021). Trend of distance education research in the covid-19 period: A bibliometric and content analysis. Journal of Educational Technology and Online Learning, 4(2), 256-279. [https://doi.org/10.31681/jetol.922682]
• Zawacki-Richter, O., & Naidu, S. (2016). Mapping research trends from 35 years of publications in Distance Education. Distance Education, 37(3), 245-269. [https://doi.org/10.1080/01587919.2016.1185079]
• Zhao, W., Chen, J., & Zen, W. (2015). Best practices in building topic models with LDA for mining regulatory textual documents. CDER.