텍스트 마이닝을 활용한 ‘정부지원 학자금대출제도’의 연구동향 분석

A Study on the Research Trends in Government Student Loans Using Text Mining

본 연구는 텍스트 마이닝을 활용하여 ‘정부지원 학자금대출제도’의 연구동향을 살펴보는 것이 목적이다. 이를 위해 최근 12년간 게재된 학자금대출 관련 99편의 논문을 선정하여 국문초록을 바탕으로 최종 891개의 추출하였다. 비정형 데이터의 분석은 NetMiner 4.3을 활용하였으며, 키워드 네트워크 분석과 토픽 모델링 분석을 실시하였다. 출현 빈도는 ‘소득 , ‘대학생 , ‘학자금 지원 등의 순으로 높았고, 키워드 쌍은 ‘대학-대학생 , ‘대학-학자금 지원 , ‘대학생-학자금 지원 등의 순으로 높은 동시출현을 보였다. 중심성 분석의 경우 ‘대학생’과 ‘학자금 지원’, ‘정책’, ‘대학’, ‘학자금대출 상환부담’, ‘영향요인’의 6개 핵심 키워드가 연결·매개 중심성 각각 상위 6위 이내 순위를 보였다. 토픽 모델링 분석에서 8개의 토픽이 가장 적합한 것으로 확인되었다. 이러한 결과를 바탕으로 정부지원 학자금대출제도 의 학문적 발전을 위한 연구적 방향성 검토와 후속연구 과제를 논의하였다.;

The purpose of this study is to investigate the research trends of the Government Student Loans (GSL) using text mining. 99 articles on GSL in the past 12 years selected and final 891 keywords were extracted on the abstract. Analysis of unstructed data utilized NetMiner 4.3 to conduct Semantic Network Analysis and Topic Modeling Analysis (TMA). The frequency of occurrence was high in the order of ‘income’, ‘college student’, and ‘schooling expenses funding’ while keyword sets were high in the order of ‘college-college student’, ‘college-schooling expenses funding’, and ‘college student-schooling expenses funding’. According to the centrality analysis, core keywords, ‘college student’, ‘policy’, ‘college’, ‘burden of student loan repayment’, and ‘influencing factors’ ranked within top six, respectively. Though TMA, 8 topics were the most suitable. Based on these results, the research direction for the academic development of GSL was reviewed and previous research projects were discussed.