텍스트 데이터 기반 에듀테크 산업 이슈 도출 방안

Ⅰ. 서 론

에듀테크(Edutech) 산업의 영역은 4차산업혁명의 발전과 함께 급격히 확산되고 있다. 에듀테크 시장 규모는 2025년까지 3000억 달러 이상 확대될 것으로 예상되며, 스마트폰 및 5G 등 학습시청 기기와 통신의 발달로 인해 새로운 에듀테크 산업 확산이 가속화 되고 있다[1]. 특히 COVID-19 환경에 따라 에듀테크는 글로벌 이슈로 부상 중이며 유통 및 플랫폼의 확장에 따라 전 세계적으로 2020년에는 2,500억 달러의 규모로 연간 약 17% 정도의 성장을 보일 것으로 예측된다[2].

국내에도 에듀테크 시장의 규모는 증가하고 있으나, 해외와 달리 소수의 사업자들이 시장을 점유하고, 참여 기업의 규모도 해외에 비해 적은편이다[3]. 코로나19로 인한 에듀테크 시장의 수요는 급격히 증가하였으나, 급격한 수요 변화에 적절한 대응이 이뤄지지 못하는 실정이다. 특히, 정부, 산업계, 대학, 서비스 제공기업의 의견이 조율되지 못한 급격한 산업 확산은 장기적인 에듀테크 산업 발전과 기업의 장기 전략 수립의 저해 요소가 될 수 있다[4].

이 중, 최근 에듀테크 분야의 주요 화두는 교육 성과를 개선하기 위해 정보 통신 기술(ICT, Information Communication Technology)을 사용하는 것이 주요한 주제로 부상하고 있다. 특히 에듀테크의 특성상 학생, 교사 및 주변 커뮤니티가 학습하는 데 필요한 하드웨어, 소프트웨어, 콘텐츠, 커리큘럼 및 교육이 주요한 요소로서 포함된다. 따라서 에듀테크의 활용 범위는 주로 학습 이론, 온라인 학습, 컴퓨터 기반의 교육 및 원격 교육을 포함한 여러 영역을 포함하고 있다[5].

교육 시장 자체에서 실감형 콘텐츠들을 포함한 교육 효과들의 논의가 활발히 진행되는 가운데, 에듀테크와 관련해 발생하는 문제점들을 확인하면 다음과 같이 정리할 수 있다[6]. 첫째, 에듀테크에 대한 선행적 준비가 미비한 상황에서 비대면 수업의 수행만의 집중하면서 무리한 수업 진행이 되는 상황이 발생한다. 둘째, 다양한 매체와 기술 기반의 강의에 적합한 학습 프로그램에 대한 부족함이 있다. 셋째, 수업에 적용하기 위한 구체적인 사례가 많지 않은 상황에서 많은 시행착오가 일어나고 있다. 넷째, 강의에서 활용하기 위한 콘텐츠들이 부족하여 콘텐츠 개발을 위한 사전적 준비가 부족하다. 다섯째는 강의를 진행하는 교수자의 역량 강화를 위한 사전적 준비와 정책적 대비가 필요한 상황이다. 따라서 에듀테크 산업의 실무적 상황에서 수행을 위한 제반 사항을 구체적으로 준비하기 위한 현황 파악 및 실무적 지원 가능성에 관한 연구가 필요한 실정이다.

그러나 에듀테크 현황에 관한 연구들은 주로 전문가 인터뷰, 설문 조사, 델파이법들을 기반으로 하는 연구들이 대부분이다. 따라서 현재까지의 연구들은 급변하고 있는 에듀테크 산업 현황을 명확하게 반영하지 못하고, 장기간의 연구 기간 소요로 인해 시의성 있는 이슈 도출에 대한 한계가 존재한다. 따라서 이러한 방법론적 문제를 해결하기 위해서는 많은 양의 비정형 데이터를 이용한 실제 관련 산업 정보들을 모두 획득하여 적시에 분석을 수행하는 것이 필수적이다.

이에 본 연구는 코로나로 촉발된 에듀테크 시장의 현 주요 이슈들을 뉴스 데이터 분석을 통한 에듀테크 분야의 실수요에 적합한 분야별 이슈를 도출하고 현황을 파악 및 장기적인 기업 전략 수립에 이바지하는 데 그 목적이 있다. 이를 위해 본 연구는 대용량 비정형 온라인 뉴스 데이터를 활용하여 에듀테크 분야의 실수요 현황과 정보들에 대한 데이터들을 핵심단어 기반의 텍스트 전처리 기법을 설계 및 수행했다. 이어, 소셜 네트워크 분석을 활용한 다년간의 주요 주제 군집을 도출하였으며 주제별 핵심 사항들을 분석하였다.

Ⅱ. 관련 연구

Ⅲ. 데이터 수집 및 정제

3.1 데이터 수집

데이터 수집은 실제로 데이터 분석에 필요한 데이터를 확보하는 단계이다. 본 연구에서는 뉴스 데이터를 수집하여 코로나 사태에서의 에듀테크 관련 주요 이슈를 찾아내는 것이 주요 목적이다. 뉴스 데이터 수집을 위해, 본 연구에서는 언론진흥재단에서 운영하는 54개의 언론사의 뉴스 데이터를 제공하고 있는 빅카인즈 서비스를 활용하여 데이터를 수집하였다. 코로나 사태가 심각했던 2020년을 대상으로 10개월(2020년 01월 01일~2020년 10월 31일)의 뉴스 기사를 대상으로 분석을 진행하였다. 문제는 에듀테크의 경우, 아직 산업 초기 발전단계라 그 산업 경계가 모호하다는 사실이다. 이 문제를 해결하기 위해 교육공학과 교육학 박사학위 이상의 전문가 5명을 대상으로 포커스 그룹 인터뷰를 통해 에듀테크 산업과 관련된 유사 어근과 유사 어미를 도출하였다. 유사 어근과 유사 어미 간의 조합을 통해 총 187개의 단어들이 언급된 기사 74,899개를 수집하여 추후 분석에 활용하였다. 에듀테크 관련 데이터를 분류하기 위해 사용된 단어는 표 1과 같다.

Table 1.

Keywords used in the news data collection

Ⅳ. 분석 결과

4.1 전체 네트워크

뉴스 데이터의 경우, 객체(노드)간의 방향성이 존재하지 않고 동일 기사에서 출현했다는 연결성(엣지)만 존재하기 때문에 무방향성 네트워크(Undirected network)이다. 따라서 이러한 특성을 고려하여 분석하였다. 추가적으로 뉴스의 특성상 매우 다양한 단어의 조합이 가능하고, 특정 단어가 얼마나 많은 단어와 연결되어 있나를 나타내는 연결정도(Degree)가 상대적으로 매우 낮은 연결은 네트워크상에서 큰 의미를 주지 않는다고 판단하여 연결정도가 1,500이하의 단어는 추가 내용 분석에서 제외하였다. 모듈성을 기반으로 군집화하여 총 9개의 군집으로 분류되었다. 네트워크상에서 비중 5% 이상을 차지하고 있는 4개의 군집을 대상으로 추가적인 내용 분석을 시행하였다. 군집화를 통해 도출된 전체 네트워크는 그림 1과 같다.

Fig. 1.

Entire edutech network

2020년도 전체 네트워크 분석에서 도출된 키워드는 고유벡터 중심성을 기준으로 ‘코로나(연결정도:30,545)’, ‘이러닝(15,123)’, ‘학교(9,480)’, ‘학생(8,868)’, ‘교육(8,773)’, ‘온라인(8,624)’, ‘수업(7,772)’, ‘온라인개학(8,664)’, ‘포스트코로나(8,566)’의 순으로 나타났으며 다수의 노드 중 고유벡터 중심성을 기준으로 상위 10개까지의 주요 노드 결과는 표 2와 같다.

Table 2.

Major nodes of entire network

4.2 코로나 군집

코로나 군집 네트워크의 경우 그림 2와 같이 총 63개의 노드로 이루어진 군집이 도출되어 다수의 군집 내용을 쉽게 확인하기 어려워 모듈성을 바탕으로 추가로 계층적 군집 분석을 수행하였다. 계층적 군집 분석 결과, 총 4개의 하위 군집으로 분류되었다. 계층 분석의 결과는 그림 3과 같다.

Fig. 2.

COVID19 cluster network

Fig. 3.

Hierarchical clustering of COVID19

이중 첫 번째 하위 군집에서 가장 큰 노드인 ‘코로나’를 중심으로, 2020년 코로나 펜데믹 사태가 지속함에 따라, 온라인을 활용한 비대면 교육이 확산되고 있음이 확인되었다. 2020년에는 네이버나 한컴, 시공 그룹이 원격 교육 시스템을 구축하고 교사 학생 학부모 서비스별 이용이 가능하도록 다양한 교육용 소프트웨어를 개발하고 적용하고 있는 것으로 나타났다.

두 번째 하위 군집에서 가장 큰 노드인 ‘에듀테크’를 중심으로 살펴보면, 교원그룹 등 기존 교육 관련 기업뿐만 아니라 네이버, LGU+ 등 ICT 기업들이 각자의 교육 플랫폼을 구축하여 에듀테크 사업에 뛰어들고 있음이 확인되었다.

세 번째 하위 군집에서 가장 큰 노드인 ‘디지털’을 중심으로, AI, 데이터 등 4차산업혁명 관련 산업의 인재양성 움직임은 지속해서 강화되고 있음이 확인되었다. 특히 정부가 디지털 기술 분야 인력 양성을 위해서 기업과 대학과의 협업을 확대하고 있음을 알수 있었다. 특히 기업과 대학이 함께 인력 양성 모델을 발굴하려는 방안 양성이 시급하다는 측면에서 다양한 사례 벤치마킹이 일어나고 있으며 기업 주도 청년 인재양성, 현장 수요 반영 프로그램 설계, 대·중·소 상생형 모델, 우수 대학 주도 모델 등과 같은 다양한 프로젝트들을 제시하고 있다.

네 번째 하위 군집에서 가장 큰 노드인 ‘정부’를 중심으로, 정부는 코로나 사태로 인한 세계 경제 위기 해결을 도모하고 행정, 교육, 산업, 보건·의료, 교통·물류 등 사회 전 분야에 인공지능 기술을 접목하기 위한 관련 인재 양성을 강화하고 있음이 확인되었다. 코로나 군집을 살펴보면, 코로나 사태로 인해 반강제적인 비대면 기반 교육 수요가 급증하였고 에듀테크 산업 확산이 본격적으로 시작되었음이 확인되었다. 에듀테크 산업의 발전 방향 또한 기존의 단순한 원격 교육 형태의 이러닝 교육보다는 AI 기술을 도입한 맞춤형 교육 등 진정한 에듀테크 산업으로 차별화되기 시작되었음을 확인할 수 있었다.

4.3 이러닝 군집

이러닝 군집에서 도출된 키워드는 고유벡터 중심성을 기준으로 ‘이러닝(연결정도:15,123)’, ‘학생(8,868)’, ‘수업(7,772)’, ‘온라인개학(8,664)’, ‘교사(5,386)’, ‘지원(5,000)’, ‘어린이(5,158)’, ‘초등학교(4,738)’, ‘운영(4,231)’의 순으로 나타났다.

이러닝 군집의 경우 총 44개의 노드로 이루어진 군집이 도출되어 내용 파악이 쉽지 않아 모듈성을 바탕으로 추가로 계층적 군집 분석을 수행하였다. 계층적 군집 분석 결과, 이러닝 군집은 그림 4와 같이 총 3개의 하위 군집으로 분류되었다.

Fig. 4.

Hierarchical clustering of e-learning

첫 번째 하위 군집에서 가장 큰 노드인 ‘이러닝’을 중심으로, 경기도, 충남, 대전, 광주 등 다양한 시도 교육청을 중심으로 학생들과 쌍방향으로 소통할 수 있는 이러닝 수업 제작 지원을 강화하고 있음을 알 수 있다. 두 번째 하위 군집에서 가장 큰 노드인 ‘초등학교’를 중심으로, 초등학교의 전면적인 이러닝 전환으로 인해 엄마가 가정에서 자녀들의 이러닝 학습을 지도해야 하는 어려움을 겪고 있음이 나타났다. 세종시 교육청을 중심으로 학부모가 참여하는 온라인 정책협의회를 마련 운영하여 이 문제를 해결하기 위해 정부가 노력하고 있음이 확인되었다.

마지막으로 세 번째 하위 군집에서 가장 큰 노드인 ‘온라인개학’을 중심으로, 코로나로 인해 온라인으로 개학이 이루어짐에 따라, 교사들이 학기 첫날부터 실시간 인터넷 접속을 통한 교육을 시행하였고, 동시접속자 증가에 따라 EBS에서 운영하는 e학습터가 장애를 겪는 등 다양한 문제가 나타났음이 확인되었다. 특히, 몇몇 학교에서는 유튜브를 활용하여 온라인개학식 입학식 영상을 제작하는 등 다양한 공교육환경의 변화가 관측되었다.

4.4 대학교 군집

대학교 군집에서 도출된 주요 노드는 고유벡터 중심성을 기준으로 ‘대학교(연결정도:7,183)’, ‘강의(3,834)’, ‘개강(2,605)’, ‘등록금(2,782)’, ‘대면(2,143)’, ‘강사(1,986)’, ‘대학생(1,637)’의 순으로 나타났다.

대학교 군집 결과는 그림 5와 같이 나타났다. 내용 분석 결과, 코로나 사태로 인해 전면 온라인 교육이 대학교에서 이루어지면서, 여러 가지 문제점이 나타나는 것이 확인되었다. 정부 중심의 일괄적인 지원이 이루어졌던 초중고 비대면 교육과 달리 대학별로 제공된 온라인 교육은 대학별, 교육자별 편차가 상대적으로 크게 나타날 수밖에 없었다. 이러한 문제는 대학 교육의 평균적인 질 저하를 일시적으로 심화시켰으며 이에 반발한 대학생들의 등록금 인하 요구 강화의 원인이 되었음이 확인되었다. 이를 통해 교육 공급자와 수급자의 디지털 리터러시 격차에 따른 디지털 격차 현상이 에듀테크에서는 더욱 크게 나타날 수 있다는 것이 확인되었다[14].

Fig. 5.

Hierarchical clustering result of university

4.5 학교 군집

이어지는 두 개의 군집의 경우는 직접적인 에듀테크의 연관성을 확인할 수 있다기보다는 간접적인 에듀테크 산업과 연관된 환경 변화를 확인할 수 있었다.

학교 군집 분석에서 도출된 키워드는 고유벡터 중심성을 기준으로 ‘학교(연결정도:9,480)’, ‘등교(8,015)’, ‘개학(7,332)’, ‘교육부(6,498)’, ‘서울(6,032)’, ‘지역(5,321)’, ‘확산(4,926)’, ‘전국(4,759)’, ‘광주(5,337)’의 순으로 나타났다.

학교 군집의 경우 총 52개의 노드로 이루어진 군집이 도출되어 다수의 군집 내용을 쉽게 확인하기 어려워 모듈성을 바탕으로 추가로 그림 6과 같이 계층적 군집 분석을 수행하였다.

Fig. 6.

Hierarchical clustering of school

첫 번째 하위 군집에서 가장 큰 노드인 ‘학교’를 중심으로, 각 시도 교육청에서는 대학 입시에 영향을 받을 수 있는 고등학생을 우선적으로 코로나 사태 완화 시기에 교내 마스크 착용을 전제한 오프라인 교육을 유도하고 있음을 확인할 수 있다. 두 번째 하위 군집에서 가장 큰 노드인 ‘교육부’를 중심으로, 코로나 확산 우려로 인해 개학 및 대입 수능 지연 시행을 단행하였다는 것을 알 수 있다.

특히 전국적으로 유치원이나 학원 등지에서의 감염이 확산하면서, 교육부, 교육청 등에서 방역 안전에 다양한 노력을 하고 있음이 확인된다. 세 번째 하위 군집에서 가장 큰 노드인 ‘확산’을 중심으로, 광주, 부산, 대전 등 다양한 지역에서 코로나가 발생함에 따라 온라인 교육을 어떻게 수행할지에 대한 고려가 강화되고 있음이 확인되었다. 네 번째 하위 군집에서 가장 큰 노드인 ‘사회적 거리 두기’를 중심으로 살펴보면, 수도권의 코로나 감염이 확산하면서 사회적 거리 두기가 전면 시행되었으며, 학생들의 등교도 거리 두기 단계에 따라 제한을 받는 상황이 지속하고 있음이 확인되었다. 특히 온라인개학 후에 원격수업 및 등교 수업 의한 운영지침 등을 교육청에서도 마련하고, 원격수업 시에도 비대면 환경에서 교사와 학생 간의 소통을 늘릴 방안을 찾기 위해 다양한 제도적 개선을 시도하고 있다는 것을 알 수 있다.

Ⅴ. 결론 및 향후 과제

본 연구는 에듀테크 분야에 대한 실제 데이터를 확인함으로써 어떤 주제에 대한 논의가 있는지 확인하고 주제별로 중요하게 나타나는 사항들을 확인하고 자, 온라인 뉴스 데이터를 전량 수집하여 텍스트를 분석하고 형태소 분석을 통하여 에듀테크와 관련된 단어 형태 자료를 수집 및 처리하여 분석에 이용하였다. 이러한 데이터를 바탕으로, 2020년도의 에듀테크와 관련된 주요 이슈 주제와 세부 내용을 파악하고 향후 관련 주제들이 어떤 방향으로 변화되고 있는지 확인하기 위하여 분석을 수행하였다. 또한, 수집된 데이터를 바탕으로 소셜 네트워크 알고리즘을 이용한 데이터 분석을 통해 주요 단어 간의 관련성을 확인하고 주제별 기간별 특성 및 주요 사항, 기업과 실수요자 및 정부의 시장에 대한 활동 등을 확인할 수 있다.

분석 결과에 대한 요약은 다음과 같다. 뉴스 데이터 수집을 통해 코로나 확산 환경에서의 에듀테크의 주요 이슈들을 확인하는 것은 매우 적절한 방법으로 확인되었다. 코로나 사태로 비대면 교육이 확산함에 따라[14], 네이버, 한컴, 시공 그룹 등 다양한 기업들이 원격 교육시스템 구축에 투자하여 에듀테크 시장을 이끌어 나가고 있음이 확인되었다. 또한, 기존 교육 관련 기업뿐만 아니라 LG U+ 등 ICT 기업들이 에듀테크 시장에 뛰어들어 에듀테크 산업이 특정 교육 관련 기업에 해당하는 산업에서 첨단 ICT 기업들의 미래 먹거리로 여겨지고 있음이 나타났다[15][16]. 정부 또한 인공지능을 접목하여 다양한 프로젝트 수행을 통해 이러한 움직임을 지원하고 있음을 알 수 있다[17]. 마지막으로, 해외의 줌과 같이 국내 시장을 이끌어 나갈만한 특정 서비스 명칭이 도출되지 않았다는 것은 국내에 대표적인 서비스가 없이, 산발적으로 에듀테크 서비스가 개발되고 있다는 점도 확인할 수 있었다.

이는 에듀테크 분야에서 카카오톡, 네이버와 같이 시장의 발전을 견인할 수 있는 인프라 역할을 하는 플랫폼 서비스가 부재한다는 것으로 해석할 수 있다[18]. 추후, 정기적인 네트워크 분석을 통해, 에듀테크 시장의 변화를 확인하고 기업이 이를 고려한 서비스를 개발한다면, 효과적인 에듀테크 서비스 개발이 가능할 것이다. 마지막으로 디지털 격차 현상이 에듀테크 분야에서는 크게 나타날 수 있다는 것을 확인하였다. 이를 해결하기 위해서는 디지털 리터러시 취약계층에 대한 지속적인 교육 강화가 필요할 것이다.

본 연구의 의의는 다음과 같다. 첫째, 본 연구과제는 국내의 뉴스 데이터와 해외의 뉴스 데이터를 바탕으로 에듀테크에 대한 경향을 분석하기 위하여 뉴스 데이터를 전량 분석함으로써 기존 연구 대비 실제 사회적으로 언급되고 있는 다양한 에듀테크 관련 이슈들을 텍스트 자료를 기반으로 분석하고 주제별 특성에 맞는 경향을 확인하였다. 특히, 에듀테크라는 산업적 특성에 따라[3][16], 굉장히 다양한 의미로 활용되고 있는 에듀테크의 특성을 언론 기사 빅데이터 관점에서 트렌드를 정리함에 따라 이론과 실무적 관점에서 에듀테크에 대한 주요 사항들을 확인할 수 있고 나아가 관련된 제도적 지원 시장의 상황을 확인할 수 있는 발판을 마련했다[15].

둘째, 본 연구과제는 일반적이나 트렌드를 위한 문헌 연구를 통해 분석한 것이 아니라 실제 뉴스 정보들을 획득하여 텍스트마이닝을 통한 단어의 구분 방식을 통해 분석을 수행하였다. 특히 일반적인 뉴스를 통한 정보를 분석하면서 텍스트마이닝을 적용한다고 하더라도 한글의 경우 동음 이의어나 불필요한 기사를 찾아서 제외하는 방안, 그리고 일반적으로 텍스트마이닝을 통해 분석하는 방식과는 다르게 단어들을 조합하여 트렌드 주제들을 확인할 방법을 개발함으로써 향후 트렌드 기반에 주제를 도출하고 관련 이슈들을 처리하는 개선 방법을 확인하였다.

셋째, 일반적인 텍스트마이닝의 방법들은 LDA 나 Word2Vec과 같은 텍스트 마이닝 기법들을 활용하지만, 본 연구가 활용한 소셜 네트워크를 통한 분석 기법들을 사용함으로써 보다 명확한 군집화 결과를 찾아낼 수 있었고 각 군집 별로 주요 단어들의 영향력 정도를 확인함으로써 1년을 주기로 에듀테크에 대한 트렌드를 재구성하고 핵심 주제를 도출하여 세부 사항들을 확인할 수 있었다. 넷째, 본 연구의 주제인 에듀테크와 관련하여 실제 현장에서 어떠한 중요 주제들을 다루고 있는지 실태를 진단함으로써, 향후 에듀테크 산업의 나아갈 방향에 대한 참고자료로서 본 연구의 결과를 이용할 수 있다. 특히 도출된 주요 주제들에 따라서 연결되는 중요 단어들의 특징들을 고려할 때 에듀테크 산업에 대한 현재 정책적 사안, 기업의 시장대응 방향, 실수요자 중심의 주요정책 등 다양한 이슈들을 도출할 수 있다는 점에서 본 연구의 결과는 에듀테크 산업의 향후 개선 정책 및 현황 도출해 매우 중요한 역할을 할 수 있다.

본 연구의 시사점은 다음과 같다. 첫째, 현재까지의 에듀테크 분야는 매우 다양한 산업 분야를 융합하고 있는 특성상, 정부, 기업, 교육기관 및 실수요자의 관점에서 매우 다양한 이슈들이 발생한다. 특히 에듀테크에 대한 적용할 수 있는 기술의 범위도 다양하며, 에듀테크 산업을 지원하기 위한 정부 정책의 특성은 각 지원 기관에 따라 다양하게 제시되고 있다[18]. 그러나 아직 에듀테크에 대한 통합적 관점의 이슈를 도출하는 문제는 아직 해결되지 않고 시장 전체에 대한 방향성 설정도 관점에 따라 달라지고 있다. 그러므로 본 연구가 도출한 주제 군집에 특성별로 이슈의 변화가 어떻게 달라지고 있는지 확인하고 에듀테크 산업의 수요에 의한 특성을 보강하여 산업에 이바지할 수 있는 정책적 체계 및 지원 전략에 대한 재확립이 필요하다.

둘째, 본 연구가 진행했던 것과 같이 트렌드와 관련된 연구에서는 굉장히 광범위한 데이터를 이용할수록 더 명확하고 다양한 이슈를 도출하기 좋다는 것을 알 수 있다. 따라서 기존에 델파이, 설문 조사, 전문가 인터뷰와 같은 다양한 방법들도 존재하지만[17], 본 연구에서 제시한 것과 같이 광범위한 범위의 비정형 데이터들을 활용함으로써 빅데이터 또는 텍스트, 더 나아가서는 동영상을 활용한 방식을 이용한 이슈 도출 방안을 확인하는 것이 매우 중요하다.

따라서, 온라인에서 자료를 수집하여 분석하는 트렌드 분석의 방식을 적용할 수 있는 각 분야를 확인하고[19][20] 이에 대한 전문적인 분석 체계를 지속해서 개선함으로써 실무적인 정보와 의사소통을 지원할 수 있는 정책적 제언을 마련하는 방안[21]을 고민하는 것이 필요하다. 특히 본 연구에서 볼 수 있는 것과 같이 일반적인 전문가 인터뷰로서는 확인할 수 없는 ‘집콕 군집’과 주요 기업들의 투자 방향, 실수요자들의 감정을 반영하는 주요 이슈 도출은 명확한 사전 계획과 데이터 처리 과정, 데이터 분석 과정, 결과를 해석하기 위한 사전 지식을 응용할 수 있도록 노력해야 한다.

Acknowledgments

논문은 2021년도 한국기술교육대학교 교수교육연구진흥과제 지원에 의하여 연구되었음

References

• H. Lee, "Edutech market status and implications", Korea International Trade Association, 2020.
• EdTechXGlobal(2020), "2020 EdTechX global report", 2020.
• J. E. Lee, "Crisis and opportunities in higher education stimulated by Edutech", Korea Business Review, Vol. 24, No. 1, pp. 151-171, 2020. https://10.17287/kbr.2020.24.0.151. [https://doi.org/10.17287/kbr.2020.24.0.151]
• B. K. Kye, S. Y. Baek, E. H. Koh, D. Heo, and J. Youn, "Analysis of differences in perceptions between schools and companies on the utilization of Edutech", Journal of Digital Convergence, Vol. 20, No. 5, pp. 1-10, May 2022. [https://doi.org/10.14400/JDC.2022.20.5.001]
• M. Z. Wook, M. Yusof, and M. Z. A. Nazri, "Data mining technology adoption in institutions of higher learning: a concerptual framework incorporating technology readiness index model and technology acceptance model 3", Journal of Appplied Sciences, Vol. 14, No. 18, pp. 2129-2138, 2014. [https://doi.org/10.3923/jas.2014.2129.2138]
• G. Piccoli and B. Ives, "Web-based virtual learning environments: a research framework and a preliminary assessment of effectiveness in basic it skills training", MIS Quarterly, Vol. 25, pp. 401-426, 2001. [https://doi.org/10.2307/3250989]
• B. Garner, C. Thornton, A. L. Pawluk, R. M. Cortez, W. Johnston and C. Ayala, "Utilizing text-mining to explore consumer happiness within tourism destinations", Journal of Business Research, Vol. 139, pp. 1366-1377, 2022. [https://doi.org/10.1016/j.jbusres.2021.08.025]
• N. Aguilar-Gallegos, L. Klerkx, L. E. Romero-García, E. G. Martínez-González, and J. Aguilar-Ávila, "Social network analysis of spreading and exchanging information on Twitter: the case of an agricultural research and education centre in Mexico", The Journal of Agricultural Education and Extension, Vol. 28, No. 1, pp. 115-136, Apr. 2021. [https://doi.org/10.1080/1389224X.2021.1915829]
• D. Maltseva and V. Batagelj, "Collaboration between authors in the field of social network analysis", Scientometrics, Vol. 127, pp. 3437-3470, Apr. 2022. [https://doi.org/10.1007/s11192-022-04364-z]
• E. Kang, S. Park, K. Kwon, and J. Jeon, "Analysis of trends for weapon system accidents using social network analysis," Journal of the Korea Institute of Military Science and Technology, Vol. 25, No. 1, pp. 82-95, Feb. 2022. [https://doi.org/10.9766/KIMST.2022.25.1.082]
• M. Girvan and M. E. J. Newman, "Community structure in social and biological networks", Proc. of the National Academy of Sciences of the United States of America, Vol. 99, No. 12, pp. 7821-7826, Jun. 2002. [https://doi.org/10.1073/pnas.122653799]
• A. Clauset, M. E. Newman, and C. Moore, "Finding community structure in very large networks", Physical Review E, Vol. 70, No. 6, pp. 066111, Dec. 2004. [https://doi.org/10.1103/PhysRevE.70.066111]
• D. B. Vincent, G. Jean-Loup, L. Renaud, and L. Etienne, "Fast unfolding of communities in large networks", Journal of Statistical Mechanics: Theory and Experiment, No. 10, pp. 10008, Mar. 2008. [https://doi.org/10.48550/arXiv.0803.0476]
• L. Melissa, A. Leiser, B. Deacon, P. P. de Brichambaut, B. Fecher, C. Kobsda, and F. Hesse, "Digital higher education: a divider or bridge builder? Leadership perspectives on edtech in a COVID-19 reality", International Journal of Educational Technology in Higher Education, Vol. 18, No. 1-17, Jul. 2021. [https://doi.org/10.1186/s41239-021-00287-6]
• J. Kim, A. R. Jung, and S. Kim, "A study on current trends and characteristics of Korean unicorn group", Asia-Pacific Journal of Business Venturing and Entrepreneurship, Vol. 17, No. 1, pp. 63-77, Feb. 2022. [https://doi.org/10.16972/apjbve.17.1.202202.63]
• J. Jang, "Factors influencing the intention to use digital technology in education", Asia-Pacific Journal of Business Venturing and Entrepreneurship, Vol. 17, No. 2, pp. 153-165, Apr. 2022. [https://doi.org/10.16972/apjbve.17.2.202204.153]
• E. S. Jang, "A case study of the design and operation of a flipped learning class using Edutech in sw basic liberal arts education", Korean Journal of General Education, Vol. 16, No. 2, pp. 307-320, Apr. 2022. [https://doi.org/10.46392/kjge.2022.16.2.307]
• K. N. Gulson and K. Witzenberger, "Repackaging authority: artificial intelligence, automated governance and education trade shows", Journal of Education Policy, Vol. 37, No. 1, pp. 145-160, Jun. 2022. [https://doi.org/10.1080/02680939.2020.1785552]
• S. Bhattacharya, V. Murthy, and S. Bhattacharya, "The social and ethical issues of online learning during the pandemic and beyond", Asian Journal of Business Ethics, Vol. 11, pp. 275–293, May. 2022. [https://doi.org/10.1007/s13520-022-00148-z]
• Shultz L. and Viczko M., "What are we saving? tracing governing knowledge and truth discourse in global covid-19 policy responses," International Review of Education, Vol. 67, pp. 219–239, May. 2021. [https://doi.org/10.1007/s11159-021-09893-y]
• Buteau S., "Roadmap for digital technology to foster India’s MSME ecosystem-opportunities and challenges", CSI Transactions on ICT, Vol. 9, pp. 233-244, Dec. 2021. [https://doi.org/10.1007/s40012-021-00345-4]