Knowledge Management Research (지식경영연구)

The Knowledge Management Society of Korea (한국지식경영학회)
권호 표지
DOI QR코드

DOI QR Code

Digital Transformation: Using D.N.A.(Data, Network, AI) Keywords Generalized DMR Analysis

디지털 전환: D.N.A.(Data, Network, AI) 키워드를 활용한 토픽 모델링

  • Received : 2022.05.15
  • Accepted : 2022.08.15
  • Published : 2022.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

As a key infrastructure for digital transformation, the spread of data, network, artificial intelligence (D.N.A.) fields and the emergence of promising industries are laying the groundwork for active digital innovation throughout the economy. In this study, by applying the text mining methodology, major topics were derived by using the abstract, publication year, and research field of the study corresponding to the SCIE, SSCI, and A&HCI indexes of the WoS database as input variables. First, main keywords were identified through TF and TF-IDF analysis based on word appearance frequency, and then topic modeling was performed using g-DMR. With the advantage of the topic model that can utilize various types of variables as meta information, it was possible to properly explore the meaning beyond simply deriving a topic. According to the analysis results, topics such as business intelligence, manufacturing production systems, service value creation, telemedicine, and digital education were identified as major research topics in digital transformation. To summarize the results of topic modeling, 1) research on business intelligence has been actively conducted in all areas after COVID-19, and 2) issues such as intelligent manufacturing solutions and metaverses have emerged in the manufacturing field. It has been confirmed that the topic of production systems is receiving attention once again. Finally, 3) Although the topic itself can be viewed separately in terms of technology and service, it was found that it is undesirable to interpret it separately because a number of studies comprehensively deal with various services applied by combining the relevant technologies.

디지털 전환의 핵심 인프라로서 데이터·네트워크·인공지능(D.N.A.) 분야의 확산과 유망 산업의 등장은 경제 전반에 걸쳐 활발한 디지털 혁신의 기반이 되고 있다. 본 연구에서는 텍스트마이닝 방법론을 적용하여 WoS 데이터베이스의 SCIE 급 색인에 해당하는 연구의 초록, 출판연도 및 연구분야를 입력변수로 활용하여 주요 토픽을 도출하였다. 우선, 단어 출현 빈도에 기반한 TF 및 TF-IDF 분석을 통해 주요 키워드를 확인하고, 이어서 g-DMR(Generalized Dirichlet-Multinomial Regression)을 이용하여 토픽 모델링을 수행하였는데, 다양한 형태의 변수를 메타정보로 활용 가능한 해당 토픽 모형의 이점으로 단순하게 토픽을 도출하는 것 이상의 의미를 적절하게 탐색할 수 있었다. 분석 결과에 따르면, 비즈니스 인텔리전스, 제조 생산 시스템, 서비스 가치 창출, 원격 진료, 디지털 교육 등의 토픽들이 디지털 전환에서 주요 연구주제인 것으로 식별되었다. 토픽 모델링의 결과를 요약하자면, 1) COVID-19 이후 비즈니스 인텔리전스를 주제로 하는 연구가 전 영역에서 활발하게 수행되고 있으며, 2) 제조 분야에서 지능형 제조 솔루션 및 메타버스 등의 이슈가 등장함에 따라 제조 생산 시스템에 관한 주제가 다시 한번 주목받고 있음을 확인하였다. 마지막으로, 3) 주제어 자체는 기술과 서비스의 측면에서 분리하여 볼 수 있지만, 다수의 연구에서 해당 기술들을 접목하여 적용된 다양한 서비스를 포괄적으로 다루고 있으므로 이를 별개로 해석하는 것이 바람직하지 못하다는 점을 알 수 있었다.

Keywords

References

  1. 김선주, 김병수 (2021). 공유숙박업에서 고객 충성도에 영향을 미치는 요인: 구조 방정식 모형과 토픽 모델링 분석. 지식경영연구, 22(3), 55-73. https://doi.org/10.15813/KMR.2021.22.3.004
  2. 김정언 (2020). 디지털 뉴딜 주요 내용과 향후 과제. 정보처리학회지, 27(2), 4-12.
  3. 김태후, 한능호 (2021). 토픽모델링을 활용한 무역학 연구동향 분석: 4차산업혁명과 디지털 전환을 중심으로. 무역금융보험연구, 22(3), 21-38.
  4. 노규성 (2020). 포용적 혁신성장과 일자리 창출을 위한 디지털뉴딜 전략에 관한 연구. 디지털융복합연구, 18(1), 23-33. https://doi.org/10.14400/JDC.2020.18.1.023
  5. 문형돈 (2021). 2021년 DNA 분야별 국내 디지털 혁신 전망 (No. 포커스1 FOCUS). 소프트웨어정책연구소.
  6. 박문우 (2020). 한국판 뉴딜, 국가 디지털 전환을 위한 Data.Network.AI 기반 데이터 댐. 정보처리학회지, 27(2), 13-20.
  7. 박영욱, 정규엽 (2021). DMR(Dirichlet Multinomial Regression) 토픽모델링을 이용한 온라인 리뷰 빅데이터 기반 고객감성 분석에 관한 연구: 국내 5성급 호텔의 외국인 이용객 리뷰를 중심으로. 호텔경영학연구, 30(2), 1-20.
  8. 손권상, 권오병 (2021). 디지털 뉴딜 정책에 대한 언론 보도량과 주식 시장의 동태적 관계 분석: 4차산업혁명 관련 기업을 중심으로. 한국전자거래학회지, 26(3), 33-52. https://doi.org/10.7838/JSEBS.2021.26.3.033
  9. 안재영, 심소연, 윤혜정 (2022). 토픽 모델링 기법을 활용한 메타버스 증강현실 연구 동향 분석. 지식경영연구, 23(2), 123-142. https://doi.org/10.15813/KMR.2022.23.2.007
  10. 오혜라, 정윤재 (2021). 상관토픽모델을 활용한 유튜브 크리에이터 소비자의 온라인 구전 특성에 관한 연구. 한국광고홍보학보, 23(3), 37-72.
  11. 원종호, 이대호, 박인영 (2021). DMR 토픽 모델링을 활용한 배달 플랫폼 노동에 대한 인식 분석-디시인사이드 배민커넥트 갤러리 게시물과 신문기사 분석을 중심으로. 한국혁신학회지, 16(2), 175-210.
  12. 윤혜정, 안재영, 박상철 (2021). 토픽 모델링과 수정된 IPA를 활용한 O2O 주문.배달 앱에 대한 사용자 인식 연구. 지식경영연구, 22(3), 253-271. https://doi.org/10.15813/KMR.2021.22.3.014
  13. 이웅배, 이선웅, 정진섭 (2021). 디지털 트랜스포메이션에 따른 비즈니스 모델 혁신 메커니즘. 메커니즘 저널, 1(1), 1-22.
  14. 이현상, 조보근, 오세환, 하성호 (2021). 섬유소재 분야 특허 기술 동향 분석: DETM & STM 텍스트마이닝 방법론 활용. 정보시스템연구, 30(3), 201-216.
  15. 정유경 (2020). 디지털 인문학 분야의 국내외 연구 동향 분석. 정보관리학회지, 37(2), 311-331. https://doi.org/10.3743/KOSIM.2020.37.2.311
  16. 정준화, 박소영 (2021). 디지털 시대를 위한 D.N.A.(data, network,AI) 정책의 현황과 과제. 국회입법조사처 이슈와 논점, 1828. Retrieved from https://www.nars.go.kr/report/view.do?cmsCode=CM0043&brdSeq=34607
  17. 최현홍, 심동녘 (2020). 텍스트마이닝을 적용한 ICT융합 트렌드 분석. 한국혁신학회지, 15(3), 257-281.
  18. Blei, D. M., & Lafferty, J. D. (2007). A correlated topic model of science. Annals of Applied Statistics, 1(1), 17-35. https://doi.org/10.1214/07-AOAS114
  19. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3(Jan), 993-1022.
  20. Bordeleau, F., Mosconi, E., & De Santa-Eulalia, L. A. (2020). Business intelligence and analytics value creation in industry 4.0: A multiple case study in manufacturing medium enterprises. Production Planning and Control, 31(2-3), 173. https://doi.org/10.1080/09537287.2019.1631458
  21. Chang, J., Boyd-Graber, J., Gerrish, S., Wang, C., & Blei, D. M. (2009). Reading tea leaves: How humans interpret topic models. Advances in Neural Information Processing Systems 22-Proceedings of the 2009 Conference, 288.
  22. Lee, M., & Song, M. (2020). Incorporating citation impact into analysis of research trends. Scientometrics, 124(2), 1191. https://doi.org/10.1007/s11192-020-03508-3
  23. Mimno, D., & McCallum, A. (2012). Topic models conditioned on arbitrary features with dirichlet-multinomial regression. arXiv Preprint, arXiv:1206.3278.
  24. Newman, D., Baldwin, T., Lau, J. H., & Grieser, K. (2010). Automatic evaluation of topic coherence. NAACL HLT 2010-Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, Proceedings of the Main Conference, 100.
  25. Pappas, I. O., Mikalef, P., Giannakos, M. N., Krogstie, J., & Lekakos, G. (2018). Big data and business analytics ecosystems: Paving the way towards digital transformation and sustainable societies. Information Systems & E-Business Management, 16(3), 479-491. https://doi.org/10.1007/s10257-018-0377-z
  26. Ralph, B., & Stockinger, M. (2020). Digitalization and digital transformation in metal forming: Key technologies, challenges and current developments of industry 4.0 applications. Paper Presented at the XXXIX Colloquium on Metal Forming, Zauchensee, 13-23.
  27. Roberts, M. E., Stewart, B. M., Tingley, D., Lucas, C., Leder-Luis, J., Gadarian, S. K., ... Rand, D. G. (2014). Structural topic models for open-ended survey responses. American Journal of Political Science, 58(4), 1064. https://doi.org/10.1111/ajps.12103
  28. Siebel, T. M. (2018). Why digital transformation is now on the CEO's shoulders (Big data, Internet of Things, and Artificial intelligence No. 2018). McKinsey & Company.