졸업논문 1,500편을 AI가 읽으면, 학과가 뭘 가르쳐야 할지 보일까?

무슨 연구인가

인도네시아의 한 토목공학과가 지난 5년간 쌓인 학생 졸업과제 1,532편을 전부 AI에 읽혔습니다. 사람이 일일이 분류하는 대신, 글 속에 숨은 '연구 주제의 흐름'을 자동으로 찾아내 교육과정을 어디로 끌고 갈지 판단하려는 시도예요.

🔬 어떻게 분석했나

① 먼저 졸업과제 1,532편의 제목과 초록을 깨끗하게 다듬었어요(전처리) — 불필요한 기호나 흔한 단어를 걷어내 분석에 쓸 알맹이만 남기는 과정입니다.
② 다음으로 문장을 숫자 좌표로 바꿨어요(Sentence-BERT 임베딩) — 뜻이 비슷한 문장일수록 가까운 자리에 놓이게 하는 기술이라, 컴퓨터가 '의미'를 거리로 계산할 수 있게 됩니다.
③ 그 좌표들을 가까운 것끼리 뭉쳐 22개의 주제로 묶었어요(BERTopic) — '건설정보모델링', '공정관리' 같은 숨은 연구 테마가 자동으로 떠오릅니다.
④ 비교를 위해 전통적인 방법(LDA)도 같은 데이터에 돌렸어요 — LDA는 '자주 함께 나오는 단어 묶음'으로 주제를 찾는 고전 기법입니다.
⑤ 마지막으로 어떤 주제가 해마다 뜨고 지는지를 통계(기울기·p값)로 확인했어요 — 느낌이 아니라 숫자로 '이 분야는 유의하게 증가했다'고 말하기 위해서죠.

📊 무엇을 찾았나

AI 방식(BERTopic)이 주제 응집도 점수 0.78로 고전 방식 LDA(0.63)를 눌렀어요 — 10점 만점에 8점 대 6점쯤 되는 차이로, 새 방법이 더 또렷한 주제를 뽑아낸 셈입니다. 그 결과 건설정보모델링(BIM)과 공정관리(CPM/PERT)는 뜨고, 가치관리·수문학은 지고 있다는 흐름이 드러났어요.

💡 내 연구에 가져갈 것

짧고 전문용어 빽빽한 학술 초록이 데이터라면, 단어만 세는 LDA보다 의미를 읽는 BERTopic을 먼저 써 보세요.

📄 논문 정보

Analisis Tren Topik Berbasis BERTopic untuk Pendukung Keputusan Akademik Teknik Sipil: BERTopic-Based Analysis of Student Research Trends for Academic Decision Support
Ayang Yugo Pratomo, Naeli Umniati
MALCOM Indonesian Journal of Machine Learning and Computer Science · 2026-10-31
원문 보기 ↗