토픽모델링을 활용한 한·중 생성형 AI 교육 연구동향 비교 분석: KCI와 CNKI를 중심으로 = A Comparative Analysis of Research Trends in Generative AI Education in Korea and China Using LDA Topic Modeling: Focusing on KCI and CNKI

국문 초록 (Abstract)

[연구목적] 본 연구는 ChatGPT 등장 이후 빠르게 확산된 한국과 중국의 생성형 AI 교육 연구 동향을 학술지 분포, 키워드 빈도, 토픽 구조를 중심으로 비교하고, 한국의 생성형 AI 교육 연구의 발전 방향에 대한 시사점을 도출하는 데 목적이 있다.
[연구방법] 한국 KCI 논문 1,613편과 중국 CNKI 논문 5,867편, 총 7,480편을 대상으로 키워드 분석과 LDA 토픽모델링을 수행하였다. 동의어 사전을 구축하고 TF-IDF 분석을 적용하였으며, 토픽 수는 일관성 점수와 해석 가능성을 고려하여 KCI 5개, CNKI 11개로 도출하였다.
[연구결과] 첫째, 양국 모두 2023년 이후 생성형 AI 교육 연구가 빠르게 증가하였다. 둘째, 한국과 중국은 게재 학술지의 분포 구조에서 차이를 보였다. 셋째, 한국은 ‘AI 리터러시’, ‘글쓰기’, ‘프롬프트 엔지니어링’ 등 학습자 역량과 교과 활용 관련 키워드가 주로 나타난 반면, 중국은 ‘대형언어모델’, ‘교수·학습혁신’, ‘사상정치교육’, ‘DeepSeek’ 등 기술 환경과 교육정책을 반영하는 키워드가 상대적으로 두드러졌다. 넷째, 한국은 ‘글쓰기 학습지원’의 토픽 비중이 가장 높았으며, ‘AI 디지털 역량교육’, ‘AI 기반 창의교육’ 등의 토픽이 도출되었다. 중국은 ‘고등교육 및 직업교육 혁신’의 토픽 비중이 가장 높았으며, ‘인간-AI 협업교육’, ‘사상정치교육’, ‘DeepSeek 교육활용’ 등의 토픽이 도출되었다.
[결론] 한국은 교육 현장 활용과 학습자 역량 중심 연구가, 중국은 교수·학습혁신, 교육정책 및 자국 AI 기술 관련 연구가 두드러졌다. 이는 한국 생성형 AI 교육 연구가 국내 LLM 활용, 교육정책 및 지원체계 연계로 연구 범위를 확장할 필요가 있음을 시사한다.

다국어 초록 (Multilingual Abstract)

〔Purpose〕This study compares research trends in generative AI education in Korea and China after the emergence of ChatGPT. It examines journal distribution, keyword frequency, and topic structures, and draws implications for the future direction of generative AI education research in Korea.
〔Methods〕A total of 7,480 articles were analyzed, including 1,613 KCI articles and 5,867 CNKI articles. Keyword analysis and LDA topic modeling were conducted using a synonym dictionary and TF-IDF weighting. Based on coherence scores and interpretability, five topics were identified for KCI and eleven for CNKI.
〔Results〕First, research on generative AI education increased rapidly in both countries after 2023. Second, Korea and China differed in the distribution of journals publishing this research. Third, Korean studies mainly featured keywords related to learner competencies and subject-based applications, such as AI literacy, writing, and prompt engineering. In contrast, Chinese studies placed relatively greater emphasis on keywords reflecting technological environments and education policy, including large language models, teaching and learning innovation, ideological and political education, and DeepSeek. Fourth, topic modeling showed that writing-related learning support accounted for the largest share in Korea, along with topics such as AI digital competency education and AI-based creativity education. In China, innovation in higher and vocational education accounted for the largest share, while human-AI collaborative education, ideological and political education, and educational applications of DeepSeek also emerged as distinct topics.
〔Conclusion〕Korean research was characterized by its focus on classroom applications and learner competencies, whereas Chinese research placed relatively greater emphasis on teaching and learning innovation, education policy, and domestic AI technologies. These findings suggest that generative AI education research in Korea should extend its scope to the educational use of domestic LLMs and stronger connections with education policy and support systems.