안녕하세요. 데이터Hub팀 김진원입니다. 지난 10월 22일, 2022 한국교육정보미디어학회 · 한국교육공학회 추계공동학술대회 포스터발표 부문에서 우수논문상을 수상하였습니다. 데이터Hub팀에서 고려대학교 대학원생을 대상으로 서비스하고 있는 맞춤형 논문 추천 시스템의 개발 과정 및 실제 적용 사례를 주제로 발표하였습니다. 학술대회에 참여하신 여러 전문가들과 학생들의 관심 속에 성공적으로 발표를 마쳤고, 성능 및 만족도 개선을 위한 아이디어를 얻을 수 있어 뜻깊은 시간이었습니다. 아래에 포스터 발표 초록을 공유해드립니다. 모두 건강한 11월 보내시기 바랍니다. 끝으로 10.29 참사로 희생되신 고인들의 명복을 빕니다. 또한 부상을 입으신 모든 분들의 빠른 쾌유를 빕니다.
제목: 교육·연구 데이터 통합 분석을 통한 AI 기반 맞춤형 논문 추천 시스템 개발 및 실제 적용 사례 연구: K 대학을 중심으로
초록: 대학원생이 최신 연구 동향을 지속적으로 파악하고 본인의 연구 주제를 확립하는 것은 연구역량 강화에 있어서 중요하다. 본 연구는 대학원생의 연구역량 강화를 위해 AI 기반 맞춤형 논문 추천 시스템을 개발하고 이를 실제 대학 현장에 적용하는 것에 목적을 두었다. 본 추천 시스템은 학문용어사전 및 내용 기반 필터링 알고리즘을 활용하여 대학원생의 관심 연구 키워드와 유사한 최신 논문을 추천한다. 구체적으로, 학생의 관심 연구 키워드는 지도교수의 논문 텍스트 데이터와 학생의 수강이력 및 도서대출이력 텍스트 데이터에서 가중치를 달리하여 추출하였다. 연구 키워드 추출은 TF-IDF(Term Frequency-Inverse Document Frequency) 알고리즘을 활용하여 진행하였다. 또한 논문 추천 시스템은 Scopus, Web of Science, Crossref API를 통해 학생에게 추천하고자 하는 최신 해외 논문의 제목, 키워드, 초록, 출판 저널명, 저널 등급 등의 정보를 월 1회 자동 수집하고 있다. 학생 연구 키워드와 최신 논문의 텍스트간 유사도를 계산하기 위하여 TF-IDF 가중치를 이용한 문서단어행렬(Document-Term Matrix; DTM)을 생성하였으며, 적절한 연구분야가 반영될 수 있도록 기존 행렬에 학문용어사전을 활용한 ASJC(All Science Journal Classification) 연구분야 차원을 추가하였다. 이렇게 생성된 행렬을 기반으로 코사인 유사도를 계산하였으며, 학생들에게는 코사인 유사도가 높은 10개의 최신 논문을 교내 대량이메일 시스템을 활용하여 제공하였다. 학생의 연구 키워드와 추천 논문 간 코사인 유사도를 분석한 결과, 학문용어사전을 적용하기 전에 비해 적용하였을 때가 유의미하게 더 높은 유사도를 보여 성능의 향상이 있었다는 점을 확인하였다. 본 맞춤형 논문 추천 시스템은 2021년 7월 파일럿 테스트를 시작으로 월 1회 대학원생에게 추천 서비스를 제공하고 있으며, 만족도 조사를 함께 실시함으로써 지속적인 서비스 업데이트를 진행하고 있다. 본 연구는 맞춤형 논문 추천 시스템 개발을 위해 최초로 교육 및 연구 데이터를 통합하여 분석을 시도하였다는 점, 실제 대학현장에 적용하여 서비스화를 성공적으로 했다는 점에서 의의가 있다.
주요어 : 인공지능, 추천시스템, 자연어처리, 학생성공, 고등교육
