References
- 강은경, 정연식, 양선욱, 권지윤, 양성병. (2022). MIS Quarterly 연구동향 탐색: 토픽모델링 및 키워드 네트워크 분석 활용. 지능정보연구, 28(2), 207-235. https://doi.org/10.13088/JIIS.2022.28.2.207
- 구강본. (2017). 체육학에서 빅 데이터의 적용과 한계. 한국스포츠학회지, 15(4), 651-660.
- 김경식. (2021). 미디어 빅데이터를 활용한 Covid-19 전후 여가 의미연결망 분석. 한국체육학회지, 60(2), 163-176.
- 김경식. (2022). 미디어 빅데이터를 활용한 생활체육 이슈 분석. 한국융합과학회지, 11(5), 1-15.
- 김경오. (2020). 코로나 19 시국 이후 체육교육의 행태와 의미의 변화: 포스트 코로나를 위한 함의. 한국웰니스학회지, 15(4), 401-412.
- 김남규, 이동훈, 최호창, William Xiu Shun Wong. (2017). 텍스트 분석 기술 및 활용 동향. 한국통신학회논문지, 42(2), 471-492.
- 김미옥, 고진수, 노승철, 정재훈. (2017). 빅데이터 분석을 활용한 기금지원 체육시설 활성화 방안. 디지털융복합연구, 15(2), 527-535. https://doi.org/10.14400/JDC.2017.15.2.527
- 김민수, 오승욱, 임정원, 한진욱. (2017). 소셜빅데이터를 활용한 스포츠산업 지원 사업 수요분석. 한국스포츠산업경영학회지, 22(2), 45-66.
- 김상미. (2020). 코로나 19 관련 온라인 교육에 관한 국내 언론보도기사 분석. 디지털콘텐츠학회논문지, 21(6), 1091-1100.
- 김우경, 박창범. (2019). 2018 자카르타-팔렘방아시안 게임에 관한 키워드 네트워크 분석. 코칭능력개발지, 21(1), 83-91.
- 김주원, 김우식. (2021). 계획행동이론을 적용한 대학생의 생활체육 참여의식 연구: COVID 19 팬데믹 이후를 중심으로. Journal of the Korean Applied Science and Technology, 38(4), 963-973. https://doi.org/10.12925/JKOCS.2021.38.4.963
- 김대경, 이현수. (2016). 소셜 빅데이터 텍스트 마이닝을 활용한 전국장애인체육대회 분석 연구. 한국체육학회지, 55(6), 801-810.
- 김현규. (2020). 응집도 점수를 기반으로 한 소셜 빅데이터의 효율적인 키워드 추출. 한국컴퓨터정보학회논문지, 25(10), 87-94. https://doi.org/10.9708/JKSCI.2020.25.10.087
- 김현중. (2019). 미등록 문제와 데이터 부족 현상을 해결하기 위한 비지도학습 토크나이저와 추출 기반 문서 요약 기법. 박사학위논문, 서울대학교 대학원.
- 박성건, 김완섭, 이대택. (2017). Mecab-ko 형태소 분석을 이용한 한국체육학회지 연구동향 분석. 한국체육학회지, 56(6), 595-605.
- 박성건, 박광원, 강현욱. (2019). 공저자 네트워크 및 토픽 모델링 기반 여가레크리에이션 학술연구 특징 분석, 한국체육학회지, 57(2), 279-289.
- 박영진, 윤종대, 이봉근. (2021). 코로나 19 사태로 인한 대학생의 여가활동 제약과 생활체육 참가 및 주관적 행복감의 관계. 한국스포츠학회지, 19(4), 71-80.
- 박재명, 김두한, 신미애. (2021). 포스트코로나 시대의 생활체육 달리기운동의 활성화 방안. Sports Science, 39(3), 331-336. https://doi.org/10.46394/ISS.39.3.37
- 백주해, 권형일, 최미화. (2019). 참고문헌의 유뮤가 ADA 를 사용한 토픽 모델링 결과에 미치는 영향. 한국체육학회지, 58(6), 197-207.
- 손원호, 손순호. (2022). 위드 코로나(with Corona) 시대의 우리나라 지방자치단체 생활체육 조례현황 및 정책방향 연구: 수도권 지방자치단체를 중심으로. 한국지적정보학회지, 24(1), 108-125.
- 안정훈. (2021). 지속적 생활체육 참여 노인들의 코로나-19 로 인한 운동제약이 삶의 만족도에 미치는 영향: 우울의 매개효과. 한국스포츠학회지, 19(2), 411-421.
- 안정훈, 김상태. (2021). 코로나 19 로 인한 생활 체육 동호인들의 운동참여제약이 정신적 웰빙에 미치는 영향: 긍정적 정서와 심리적 안녕 감의 매개효과. 한국스포츠학회지, 19(3), 467-477.
- 양동석, 조건상, 유은혜. (2020). 코로나-19 에 대처하는 초등학교 체육수업의 현실과 개선 방안. 한국초등체육학회지, 26(2), 131-144.
- 연진욱, 부현경, 김남규. (2022). 다이내믹 토픽 모델링의 의미적 시각화 방법론. 지능정보연구, 28(1), 131-154. https://doi.org/10.13088/JIIS.2022.28.1.131
- 오형근. (2020). 코로나 19 이후 주요 사회변화와 정보보안 이슈 분석. 정보과학회지, 38(9), 48-56.
- 유소연, 임규건. (2022). 토픽모델링을 활용한 COVID-19 학술 연구 기반 연구 주제 분류에 관한 연구. 지능정보연구, 28(1), 155-174. https://doi.org/10.13088/JIIS.2022.28.1.155
- 윤기준, 정현수. (2020). 한국스포츠교육학회지 연구 동향 분석. 한국스포츠교육학회지, 27(3), 1-16.
- 윤효준, 박재현, 윤지운. (2019). 비정형 텍스트 자료에서 잠재정보 추출을 위한 토픽모델링 소개: 치매관련 신체활동 뉴스 기사의 이슈 분석. 체육과학연구, 30(3), 501-512. https://doi.org/10.24985/KJSS.2019.30.3.501
- 이원미, 권구명. (2019). 토픽모델링을 적용한 노인체육의 연구주제: 국내 인문사회학 분야를 중심으로. 한국체육학회지, 58(6), 253-262.
- 이학준. (2021). 포스트 코로나 시대 스포츠의 뉴노멀. 스포츠인류학연구, 16 (1), 19-34.
- 장익영, 이원미. (2019). 토픽모델링을 적용한 한국스포츠사회학회지의 연구주제 분석. 한국스포츠사회학회지, 32(2), 20-35.
- 장준민, 김태홍. (2021). 포스트코로나 시대 생활 체육 활성화 방안. 한국정보통신학회 종합학술대회 논문집, 25(2), 170-171.
- 정주혁, 김금자, 유정인. (2021). 코로나 19 상황에서 생활체육 참여자들의 운동정서, 여가 만족, 심리적 웰빙의 관계. 한국엔터테인먼트산업학회논문지, 15(6), 81-92.
- 조경환. (2020). 코로나 19 시대 건강증진을 위한 노인체육 활성화 방안. 한국엔터테인먼트 산업학회논문지, 14(7), 141-160.
- 조미혜, 양민아. (2021). 포스트 펜데믹 시대, 교양체육 댄스스포츠 수업의 온라인 교수 프로그램 운영 사례 연구, 학습자중심교과교육연구, 21(14), 251-266.
- 조희진, 문정민, 박수경. (2021). 주변 녹지공간을 활용한 선형 문화체육시설 조성방안. 한국주거학회 학술대회논문집, 33(1), 244-244.
- 최희동, 정연길, 강현민. (2016). 한.일 생활체육 교류사업에 대한 양국 참가자의 사업만족과 사업성과 및 지속참여와의 관계 연구, 한국체육학회지, 55(2), 549-559.
- 한국스포츠정책과학원(2020). 소셜빅데이터 분석을 활용한 생활체육 정책 수요 분석.
- 한혜원, 전선혜. (2020). 빅데이터기반 토픽모델링을 활용한 국내 유아체육 분야 연구주제 분석. 한국체육과학회지, 29(1), 15-24.
- 함명환, 남윤호. (2021). 포스트 코로나 시대 생활스포츠지도자의 역할과 과제, 한국체육학회지, 60(5), 55-63.
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993-1022.
- Chang, J., Gerrish, S., Wang, C., Boyd-Graber, J. L., & Blei, D. M. (2009). Reading Tea Leaves: How Humans Interpret Topic Models. Advances in Neural Information Processing Systems, 288-296.
- Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., & Harshman, R. (1990). Indexing by Latent Semantic Analysis. Journal of the Association for Information Science, 41(6), 391-407.
- Ding, W., & Chen, C. (2014). Dynamic Topic Detection and Tracking: A Comparison of HDP, C-word, and Cocitation Methods. Journal of the Association for Information Science and Technology, 65(10), 2084-2097. https://doi.org/10.1002/asi.23134
- Fang, A., Macdonald, C., Ounis, I. & Habel, P. (2016). Using Word Embedding to Evaluate the Coherence of Topics from Twitter Data. Proceedings of the 39th International ACM SIGIR Conference on Research and Development in Information Retrieval, 1057-1060.
- Hofmann, T. (1999). Probabilistic Latent Semantic Indexing. Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 50-57.
- Papadimitriou, C. H., Raghavan, P., Tamaki, H. & Vempala, S. (1998) Latent Semantic Indexing: A Probabilistic Analysis. Proceedings of the 17th ACM SIGACTSIGMOD-SIGART Symposium on Principles of Database Systems, 159-168.
- Steyvers, M., & Griffiths, T. (2007). Probabilistic Topic Models. Lawrence Erlbaum Associates Publishers, 427-448.
- Vineet, M., Caceres, R. S., & Carter, K. M. (2014). Evaluating Topic Quality Using Model Clustering. 2014 IEEE Symposium on Computational Intelligence and Data Mining, 178-185.