토픽 모델링과 생성형 AI를 활용한 「한국교육고용패널」연구 동향 분석

Abstract

본 연구의 목적은 한국교육고용패널조사를 활용한 국내 학술지 논문 동향을 분석하는 것이다. 이를 위해 2004년부터 2024년 상반기까지 약 20년간 발표된 385편의 논문 초록 데이터를 수집하였다. 빈도분석을 실행하여 연구의 일반적 특징을 확인하였으며 LDA를 활용하여 주요 연구 주제를 도출하였다. Open AI의 API를 호출하여 GPT-4o 모델로 연구 주제와 문항 유형의 특징을 세부적으로 살펴보았다. 연구 결과, 한국교육고용패널조사의 활용도는 시간의 흐름에 따라 꾸준히 증가하고 있으며 출판 논문 편수 상위 5개 학술지 변화를 시기별로 확인할 수 있었다. 둘째, 빈번하게 다뤄진 연구 주제는 ‘대학교 졸업 후 진로 선택’, ‘교육 유형과 집단별 차이’, ‘청년의 사회적 적응과 만족도’ 등의 순으로 나타났다. 5년 주기로 변화를 살펴보면 ‘지역사회와 청년 고용 정책’ 관련 연구는 증가세를, ‘학업 성취와 부모의 사교육비’ 관련 연구는 감소세를 보였다. 많이 활용된 문항 유형은 ‘대학생활’과 ‘주된 일자리의 특성’ 등이었으며 ‘일자리 지속 여부’ 및 ‘군복무’ 관련 문항 등은 상대적으로 덜 활용되었다. 본 연구는 동향 분석에 토픽 모델링과 생성형 AI를 결합한 효율적인 방법론의 가능성을 제시하며 향후 연구의 방향성을 논의하였다.

This study analyzes research trends in academic papers using the Korean Education and Employment Panel (KEEP). For this purpose, we collected the abstracts of 385 papers published over approximately 20 years, from 2004 to the first half of 2024. We conducted a frequency analysis to identify the general characteristics of the research and used latent dirichlet allocation (LDA) to derive the research topics. In addition, we employed OpenAI's API and GPT-4o models to explore the detailed characteristics of research topics and question types. The results revealed that the utilization of KEEP has steadily increased over time, and changes in the top five journals with the most published papers were observed across different periods. Furthermore, the most frequently discussed research topics were "career choices after university graduation," "differences by education type and group," and "youth social adaptation and satisfaction." A five-year trend analysis indicated an increase in research on "community and youth employment policies," while studies related to "academic achievement and parents' private education expenses" declined. The most frequently used question types pertained to "university life" and "main job characteristics," whereas questions regarding "job retention" and "military service" were relatively underutilized. This study suggests the potential of combining topic modeling with generative AI for efficient trend analysis and discusses future research directions. the skills required to successfully move to other sectors, helping members of existing workforces enhance their skills to effectively execute changed tasks, and fostering specialists for newly created green jobs.