earticle

영어

This study collected 90 university entrepreneurship education papers (2015–2025) and analyzed 85 papers that contained at least an English abstract and/or keywords. After Python-based preprocessing, LDA topic modeling identified eight topics: Educational Framework and Outcomes (T1), Program Quality and Impact (T2), Data-driven Competency and Responsibility (T3), Creative Problem Solving and Career (T4), Online Learning and Environment (T5), Entrepreneurial Intention and Motivation (T6), Psychological Factors and Self-Efficacy (T7), and Venture Creation and the Korean Ecosystem (T8). Korean studies emphasized T8 and T6, whereas international studies placed greater weight on T1 and T3. Over time, T2 and T7 were more salient in 2015– 2018; T3 and T1 (with a rise in T5) in 2019–2022; and T5 became dominant in 2023–2025, while T2 and T3 remained high. Given the imbalance between domestic and international samples and the reliance on abstracts/keywords, the results should be interpreted as trend evidence rather than definitive conclusions; future work should clarify how AI- and data-related competencies align with learning goals and outcome assessment.

한국어

본 연구는 2015–2025년 대학 창업교육 관련 학술문헌 90편을 수집하고, 영문 초록·키워드 중 최소 1개 이 상이 확보된 85편을 분석 대상으로 선정하였다. Python 환경에서 전처리를 수행한 뒤, LDA 토픽 모델링을 적 용해 8개 토픽을 도출하였다. 도출된 토픽은 성과 프레임워크(T1), 프로그램 품질·효과(T2), 데이터 기반 역 량·책임(T3), 창의력 문제 해결·진로(T4), 온라인 학습 환경(T5), 창업 의지·동기(T6), 심리적 요인·자기효 능감(T7), 벤처 창업·한국형 생태계(T8)로 구분되었다. 국내 문헌은 T8과 T6의 비중이 상대적으로 높았고, 해 외 문헌은 T1과 T3의 비중이 상대적으로 높게 나타났다. 시기별로 1단계(2015–2018)에서는 T2와 T7이, 2단계 (2019–2022)에서는 T3와 T1이 두드러졌고 T5도 증가하는 흐름이 관찰되었다. 3단계(2023–2025)에서는 T5가 가 장 큰 비중을 보였으며, 동시에 T2와 T3도 높은 수준을 유지했다. 국내와 해외 문헌 수가 균형적이지 않고, 분 석이 초록과 키워드에 한정되었다는 점에서 결과 해석에는 주의가 필요하다. 따라서 본 결과는 확정적 결론이 라기보다 지난 10년간 대학 창업교육 연구에서 어떤 주제가 더 자주 다루어졌는지와 그 변화 흐름을 보여주는 참고 자료로 활용하였다. 논문의 결과를 바탕으로 향후 창업교육은 AI·데이터 환경에서 활용 가능한 역량을 어떻게 교육 목표와 성과 평가에 연결할지에 대한 논의를 더 구체화할 필요가 있음을 제언한다.