인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김일광
- 발행연도
- 2024
- 저작권
- 한국체육대학교 논문은 저작권에 의해 보호받습니다.
이용수20
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
텍스트마이닝을 활용한 러닝 어플리케이션 사용자 리뷰 분석: Nike Run Club과 Runkeeper를 중심으로 류 기 문 한국체육대학교 대학원 체육학과 본 연구는 텍스트마이닝을 활용한 러닝 애플리케이션 사용자의 리뷰 분 석으로 애플리케이션의 개선사항 도출 및 보완점을 제시하여, 스포츠 애 플리케이션 프로그램 개발 및 운영전략을 위한 실질적인 기초자료를 제공 하는데 그 목적이 있다. 이러한 목적을 달성하기 위하여 2012년 6월 1일 부터 2023년 4월 30일의 Nike Run Club의 사용자 리뷰, 2010년 9월 1일 부터 2023년 4월 30일의 Runkeeper의 사용자 리뷰의 데이터를 수집하였 다. python3의 Selenium 패키지를 이용하여 구글 플레이스토어의 Nike R un Club과 Runkeeper의 러닝 애플리케이션 리뷰들을 데이터 분석자료로 이용하였으며, okt 분석기를 사용하여 숫자, 영어, 한문 등을 제거하고 한 글 명사만을 남겨 형태소를 분리하였다. 형태소 분리 후 rankNL 사전을 만들어 불용어(stopword)를 제거하였다. 자료 분석을 위해 키워드 빈도(T F)와, 키워드 빈도-문서 역빈도(TF-IDF), LDA토픽모델링을 실시하였다. 이에 대한 결과를 요약하면 다음과 같다. 첫째, Nike Run Club, Runkeeper의 러닝 어플리케이션 사용자 리뷰를 TF(키워드 빈도), TF-IDF(키워드 빈도-문서 역빈도) 연구방법으로 분석 한 결과, Nike Run Club의 경우 TF(키워드 빈도) 결과는 기록, 앱, 운 동, 러닝, 어플, 로그인, 오류 순으로 나타났으며 TF-IDF(키워드 빈도- 문서 역빈도) 결과는 기록, 운동, 앱, 어플, 사용, 러닝, 로그인, 오류 순으 로 나타나 TF, TF-IDF 순서에는 차이가 나타났다. 로그인 오류문제가 개선될 수 있도록 정기적인 어플리케이션 업데이트를 통해 사용자들이 서비스를 사용하는데 불편함이 없도록 만들어가야 할 것이다. Runkeeper 의 경우 상위 TF(키워드 빈도) 결과는 운동, 사용, 앱, 어플, 기록, 거리, 기능 ,달리기, 유료, 무료 순으로 나타났으며 TF-IDF(키워드 빈도-문서 역빈도) 결과는 운동, 사용, 앱, 어플, 기록, 달리기, 거리, 기능의 순서로 나타나 TF, TF-IDF 순서에는 차이가 나타났다. 유료버전에 맞춤형 교 육 및 실시간 모니터링 프로그램 기능을 보완 및 개발하여 유료버전을 이용하는 사용자들이 편리하게 어플리케이션을 이용할 수 있도록 유료버 전이 보완되어야 한다고 사료된다. 둘째, Nike Run Club의 경우 Coherence Score(일관성점수), Perplexity (혼잡도 점수)에 의해 4개의 토픽이 도출되었고 각 토픽에서 20개의 키 워드 중 토픽 1은 ‘운동, 기록, 러닝, 거리, 기능, 저장, 달리기, 측정, 속 도, 미터’의 키워드를 기반으로 ‘기본 항목’으로 명명하였고, 토픽 2는 ‘사 용, 연동, 음악, 실행, 추가, 이용, 무료, 작동, 노래’의 키워드를 기반으로 ‘추가 기능’으로 명명하였고, 토픽 3은 ‘오류, 로그인, 수정, 화면, 설치, 공유, 버그, 문제, 연결, 방법’의 키워드를 기반으로 ‘오류 사항’으로 명명 하였으며 토픽 4는 ‘한글, 표시, 지도, 지원, 킬로미터, 위치, 서비스, 활 동, 인터페이스’의 키워드를 기반으로 ‘위치 기반 데이터’로 명명하였다. 기본 항목이 러닝 운동 이후 속도 및 달린 거리, 기록 등을 통해 사용자 가 얼만큼 성장하였는지 확인할 수 있는 역할을 한다고 유추할 수 있고 위치 서비스를 기반으로 지도 및 킬로미터 표시가 되어 사용자들이 러닝 활동 후 데이터를 확인하여 편리하고 유용하게 확인이 가능하다고 사료 된다. Runkeeper의 경우 Coherence Score(일관성점수), Perplexity(혼잡도 점 수)에 의해 5개의 토픽이 도출되었고 각 토픽에서 20개의 키워드 중 토 픽 1은 ‘기록, 저장, 중간, 오류, 문제, 종료, 에러, 수정, 삭제’의 키워드를 기반으로 ‘오류 사항’으로 명명하였고, 토픽 2는 ‘사용, 기능, 무료, 페이 스, 음악, 코치, 목소리, 성능’의 키워드를 기반으로 ‘음성 기능’으로 명명 하였고, 토픽 3은 ‘기록, 달리기, 설정, 목표, 운동량, 동기부여, 데이터’의 키워드를 기반으로 ‘러닝 데이터’로 명명하였고, 토픽 4는 ‘시작, 걷기, 매 일, 러닝, 도움, 다이어트, 프로그램, 훈련’의 키워드를 기반으로 ‘사용 혜 택’으로 명명하였으며 토픽 5는 ‘운동, 칼로리, 연동, 측정, 재미, 소리, 서 비스, 도전, 건강’의 키워드를 기반으로 ‘사용 동기’로 명명하였다. 음악 및 코치음성으로 제공되는 응원 메시지나 피드백이 중요한 역할을 하는 것을 유추할 수 있고 어플리케이션에서 제공하는 거리, 칼로리 등의 기 록들을 계산 및 측정하여 운동을 재미있게 하고 또한 기록에 도전할 수 있게 사용 동기의 역할을 해준다고 사료된다. 주요어: 텍스트마이닝, TF(키워드 빈도), TF-IDF(키워드 빈도-문서 역빈도), LDA 토픽모델링
목차
- Ⅰ. 서 론 11. 연구의 필요성 12. 연구의 목적 53. 연구의 제한점 5Ⅱ. 이론적 배경 71. 러닝 71) 러닝 특성 72) 러닝크루 개념· 73) 러닝 캠페인 및 마라톤 활동 82. 어플리케이션 ·91) 어플리케이션 개념 및 특징92) 한·미·일 어플리케이션 설치 및 이용 현황 103. 온라인 리뷰 ·111) 온라인 리뷰 개념 112) 온라인 리뷰 특징 124. 텍스트마이닝 131) 텍스트마이닝 개념 및 특징·132) 텍스트마이닝 연구 절차 13(1) 자료수집(데이터 크롤링) 14(2) 자료 전처리 · 15(3) 자료 분석 153) 텍스트마이닝 연구 방법 15(1) TF(키워드 빈도) 15(2) TF-IDF(키워드 빈도-문서 역빈도) · 16(3) LDA 토픽모델링 164) 텍스트마이닝 선행연구 · 17Ⅲ. 연구 방법 · 191. 연구 절차 ·192. 데이터 수집 ·203. 데이터 전처리 214. 분석 방법 ·221) TF(키워드 빈도) & TF-IDF(키워드 빈도-문서 역빈도) ·222) LDA 토픽모델링 22Ⅳ. 연구 결과 · 261. TF(키워드 빈도) & TF-IDF(키워드 빈도-문서 역빈도) 261) Nike Run Club ·262) Runkeeper 292. LDA 토픽모델링 ·331) Nike Run Club 332) Runkeeper 37Ⅴ. 논의 42Ⅵ. 결론 및 제언 · 481. 결론482. 제언50참고문헌 · 51ABSTRACT 59
최근 본 자료
