AI 기반 맞춤형 논문 추천 시스템 개발 및 적용 사례 연구: K 대학을 중심으로 = Development and Application of an AI-Based Personalized Research-Paper Recommendation System: An Example from K University

국문 초록 (Abstract)

대학원생이 최신 연구 동향을 파악하고 본인의 연구 주제를 확립하는 것은 연구역량 강화에 있어서 중요하다. 본 연구는 대학원생의 연구역량 강화를 위해 AI 기반 맞춤형 논문 추천 시스템을 개발하고 이를 대학 현장에 적용하고자 하였다. 본 맞춤형 논문 추천 시스템은 콘텐츠 기반 필터링 알고리즘과 학문용어사전을 활용하여 대학원생의 관심 연구 키워드와 유사한 최신 논문을 추천한다. 본 연구는 TF-IDF(Term Frequency-Inverse Document Frequency) 알고리즘을 활용하여 교내 데이터베이스에 축적된 학생 관련 데이터로부터 학생의 관심 연구 키워드를 추출하였다. 맞춤형 논문 추천 시스템은 2021년 7월 파일럿 테스트를 시작으로 이메일 시스템을 통해 월 1회 대학원생에게 10개의 추천 논문을 제공하고 있다. 논문 추천 시스템의 개선을 목적으로 실시된 서비스 만족도 설문조사 결과, 학생들은 전반적으로 맞춤형 추천 서비스 이용 및 결과에 만족하는 것으로 나타났다. 또한, 논문 추천 결과와 추천 시스템에서 추출된 학생의 관심 연구 키워드에 대한 Precision@K는 각각 50.2%, 52.2%로 준수한 모델 성능을 보이는 것으로 나타났다. 본 연구는 맞춤형 논문 추천 시스템 개발을 위해 교육 및 연구 데이터를 통합하여 분석하였다는 점에서 의의가 있다. 또한, 많은 고등교육기관이 대학원생을 위한 AI 기반 맞춤형 교육 서비스를 개발하고 적용하고자 할 때 본 연구가 기본적인 지침의 역할을 하기를 기대한다.

다국어 초록 (Multilingual Abstract)

Graduate students need to identify the latest research trends and establish their own research topics to enhance their research competency. This study aimed to develop an AI-based personalized research-paper recommendation system to promote graduate students’ research competency and implement it in higher education. The recommendation system leveraged content-based filtering algorithms and an academic term dictionary to recommend recent research papers that are similar to graduate students’ research keywords of interest. We extracted their core keywords from student-related data stored in the university’s database utilizing TF-IDF(Term Frequency-Inverse Document Frequency) algorithms. Starting with a pilot test in July 2021, we provided graduate students with ten recommended papers every month via the university’s email service. As a result of the satisfaction survey on service use conducted to improve the recommendation system, students were generally satisfied with the use and recommendation results of the system. In addition, we found that Precision@K for the recommendation results and extracted keywords showed 50.2% and 52.2%, respectively. This study is significant because we performed integrated analyses of education and research data to develop a personalized research-paper recommendation system. Moreover, it can be a basic guide for other higher education institutions to create and apply AI-based personalized educational services for graduate students.

참고문헌 (Reference)

• 1 김두형, "협업 필터링을 활용한대학 교양과목 추천 시스템" 2551-2556, 2020
• 2 교육부, "인공지능시대 교육정책방향과 핵심과제" 교육부 2020
• 3 조윤정, "인공지능 기반으로 맞춤 및 적응형 학습 시스템의 고등 교육에서의 적용효과" 한국정보교육학회 26 (26): 249-263, 2022
• 4 나승일 ; 박희철 ; 김연정 ; 장규선 ; 장현진 ; 이은경, "산업교육분야 전공 대학원생의 연구역량 형성 과정" 한국농·산업교육학회 41 (41): 87-121, 2009
• 5 이진숙 ; 문기범 ; 한수연 ; 이수강 ; 권혜정 ; 한재호 ; 김규태, "대학의 AI 기반 맞춤형 강의 추천 시스템 개발 및 실제 적용 사례 연구: K 대학을 중심으로" 한국교육공학회 37 (37): 267-307, 2021
• 6 이진령 ; 윤소정 ; 박강현, "대학원생 핵심역량 검사도구 개발 - P 대학 사례를 중심으로" 교육발전연구소 30 (30): 349-371, 2020
• 7 신택수 ; 박현정, "고등교육기관 핵심 역량의 구조화 및 경쟁력 지표의 개발과 적용: S대학교 교육학과 대학원 과정을 중심으로" 교육연구소 8 (8): 21-53, 2007
• 8 Kong, X., "VOPRec : Vector Representation Learning of Papers with Text Information and Structural Identity for Recommendation" 9 (9): 226-237, 2018
• 9 Rahdari, B., "User-Controlled Hybrid Recommendation for Academic Papers" 99-100, 2019
• 10 Alshammari, A, "Twitter User Modeling Based on Indirect Explicit Relationships for Personalized Recommendations" Springer 11683 : 93-105, 2019
• 11 Le, M., "The Impact of Recommenders on Scientific Article Discovery: The Case of Mendeley Suggest" 1-5, 2019
• 12 Chaturapruek, S., "Studying Undergraduate Course Consideration at Scale" 7 (7): 2021
• 13 Kreutz, C. K., "Scientific paper recommendation systems : a literature review of recent publications" 23 (23): 335-369, 2022
• 14 Beel, J., "Research-paper recommender systems : a literature survey" 17 : 305-338, 2016
• 15 Yao, L., "Research on news keyword extraction technology based on TF-IDF and TextRank" 452-455, 2019
• 16 Ma, X., "Personalized Scientific Paper Recommendation Based on Heterogeneous Graph Representation" 7 : 79887-79894, 2019
• 17 Maghsudi, S., "Personalized Education in the Artificial Intelligence Era : What to expect next" 38 (38): 37-50, 2021
• 18 Lee, J., "Personalized Academic Research Paper Recommendation System"
• 19 Li, X., "Personalised Reranking of Paper Recommendations Using Paper Content and User Behavior" 37 (37): 1-23, 2019
• 20 Tao, M, "Paper Recommend Based on LDA and PageRank" Springer 1254 : 571-584, 2020
• 21 Goel, Y., "On the Effectiveness of Self-Training in MOOC Dropout Prediction" 10 (10): 246-258, 2020
• 22 Dalipi, F., "MOOC Dropout Prediction Using Machine Learning Techniques:Review and Research Challenges" 1007-1014, 2018
• 23 Guo, G., "Leveraging Title-Abstract Attentive Semantics for Paper Recommendation" 67-74, 2020
• 24 Nishioka, C., "Influence of tweets and diversification on serendipitous research paper recommender systems" 6 : e273-, 2020
• 25 Silveira, T., "How good your recommender system is? A survey on evaluations in recommendation" 10 : 813-831, 2019
• 26 Page, L. C., "How an artificially intelligent virtual assistant helps students navigate the road to college" 3 (3): 2017
• 27 Viano, Andy, "How Universities Can Use AI Chatbots to Connect Students and Drive Success" EdTech Magazine
• 28 Collins, A., "Document Embeddings vs. Keyphrases vs. Terms for Recommender Systems: A Large-Scale Online Evaluation" 130-133, 2019
• 29 Wannapiroon, P., "Development of research-based blended learning model to enhance graduate students’research competency and critical thinking skills" 136 : 486-490, 2014
• 30 Pardos, Z. A., "Designing for serendipity in a university course recommendation system" 350-359, 2020
• 31 Pardos, Z. A., "Connectionist recommendation in the wild : on the utility and scrutability of neural networks for personalized course guidance" 29 : 487-525, 2019
• 32 Brusilovsky, P, "Authoring Tools for Advanced Technology Learning Environments" Springer 377-409, 2003
• 33 Renuka, S., "An Unsupervised Content-Based Article Recommendation System Using Natural Language Processing" 2020 : 165-180, 2021
• 34 Sun, J., "A hybrid approach for article recommendation in research social networks" 44 (44): 696-711, 2018
• 35 Li, J., "A comparative study of keyword extraction algorithms for English texts" 30 (30): 808-815, 2021
• 36 Zhao, X., "A Hybrid Model Based on LFM and BiGRU Toward Research Paper Recommendation" 8 : 188628-188640, 2020
• 37 Waheed, W., "A Hybrid Approach Toward Research Paper Recommendation Using Centrality Measures and Author Ranking" 7 : 33145-33158, 2019
• 38 Sakib, N., "A Collaborative Approach Toward Scientific Paper Recommendation Using Citation Context" 8 : 51246-51255, 2020