earticle

영어

This study analyzed the domestic and international research trends of AI-based personalized learning from 2016 to April 2023 in order to propose research directions for the future fielding of AI-based personalized learning. For this purpose, TF-IDF analysis and LDA-based topic modeling were conducted on the titles and abstracts of 56 domestic KCI papers and 46 international SSCI papers. As a result, first, the TF-IDF analysis of domestic research showed that TFs were 'learner', 'system', 'English', 'platform', and 'development', and the TF-IDF criteria were 'English', 'system', 'Mathematics', 'chatbot', and 'platform'. Second, as a result of LDA-based topic modeling for domestic research, five major topics were derived. Third, the TF-IDF analysis of international studies showed that the TFs were 'learner', 'system', 'data', 'technology, and ‘educational', and the TF-IDF criteria were 'chatbot', 'collaborative', 'technology', ’gamification’, and 'system'. Fourth, LDA-based topic modeling of international studies resulted in five major topics.

한국어

본 연구는 향후 AI 기반 개별화 학습의 연구 방향을 제안하고자 2016년부터 2023년 4월까지 국내외 연구 동향 을 분석하였다. 이를 위해 국내 56개의 KCI 논문, 국외 46개의 SSCI 논문 제목과 초록을 대상으로 TF-IDF 분석 과 LDA 기반 토픽 모델링을 실시하였다. 연구결과, 첫째, 국내 연구에 대한 TF-IDF 분석에서 TF는 ‘학습자’, ‘시 스템’, ‘영어’, ‘플랫폼’, ‘개발’ 순으로 나타났으며 TF-IDF 기준에서는 ‘영어’, ‘시스템’, ‘수학’, ‘챗봇’, ‘플랫폼’이 상위 권에 위치해 있었다. 둘째, 국내 연구에 대한 LDA 기반 토픽 모델링 결과 5개의 주요 토픽이 도출되었다. 셋째, 국외 연구에 대한 TF-IDF 분석 결과, TF는 'learner’, ‘system’, ‘data’, ‘technology’, ‘educational’ 순으로 나타났으 며 TF-IDF 기준에서는 ‘chatbot’, ‘collaborative’, ‘technology’, ‘gamification’, ‘system’ 이 상위권에 위치해 있었다. 넷째, 국외 연구에 대한 LDA 기반 토픽 모델링 결과 5개의 주요 토픽이 도출되었다.