[ Article ]

Official Journal of the Korean Society of Dance Science - Vol. 41, No. 2, pp.35-43

ISSN: 1229-7836 (Print) 2713-6949 (Online)

Print publication date 30 Apr 2024

Received 10 Mar 2024 Revised 03 Apr 2024 Accepted 19 Apr 2024

DOI: https://doi.org/10.21539/Ksds.2024.41.2.35

토픽모델링을 활용한 국외 스트릿댄스 연구 동향 분석: 구글 스칼라를 중심으로(1973-2023)

최종환^*

*세종대학교 무용학과 조교수 choijh@sejong.ac.kr

Analysis of Street Dance International Research Trends Using Topic Modeling: Focusing on Google Scholar(1973-2023)

Jonghoan Choi^*

*Professor, Department of Dance, Sejong University choijh@sejong.ac.kr

초록

본 연구는 구글 스칼라 기반 국외 스트릿댄스 연구 동향을 파악하기 위하여 텍스트마이닝 기법 중 LDA 토픽모델링을 활용하여 그 결과를 시각화하였다. 1973년부터 2023년까지 수집된 총 212개의 자료 분석을 통해 다음과 같은 결론을 도출하였다. 국외 스트릿댄스 연구는 ‘문화’와 ‘역사’ 키워드가 높은 빈도로 나타나고 있으며, (1)역사와 춤 문화의 정치, (2)거리 문화와 도시 재생, (3)신체 부상과 움직임 분석, (4)공공화된 춤과 사회화, (5)스트릿댄스 글로벌화 총 5개의 토픽으로 분류되었다. 본 연구는 새로운 연구방법인 텍스트마이닝을 활용해 국외 스트릿댄스 연구 동향을 분석함으로써 국내 스트릿댄스 연구 동향과의 비교 등 실용무용 연구에 필요한 기초자료를 마련하였다는 점에서 연구의 가치를 가진다.

Abstract

In this study, the results were visualized using LDA topic modeling among text mining techniques to understand trends in international street dance research based on Google Scholar. The following conclusions were drawn through a total of 212 data analysis collected from 1973 to 2023. International street dance research has a high frequency of ‘culture’ and ‘history’ keywords, and was classified into five topics: (1) politics of history and dance culture, (2) street culture and urban regeneration, (3) physical injury and movement analysis, (4) public dance and socialization, and (5) street dance globalization. This study is valuable in that it prepared basic data necessary for practical dance research, such as comparison with domestic street dance trends, by analyzing international street dance trends using text mining, a new research method.

Keywords:

street dance, text mining, research trends, topic modeling, word cloud

키워드:

스트릿댄스, 텍스트마이닝, 연구동향, 토픽모델링, 워드클라우드

References

김미라, 황혜선, 이욱(2020). 토픽모델링을 활용한 소비자교육 연구 동향 분석. 소비자정책교육연구 16(2), 83-115.
Kim Sue In, 송유리(2019). 스트릿댄스 용어에 대한 인식 현황과 정전화 현상: 한국 스트릿댄스계의 제도화를 중심으로. 무용역사기록학 55, 75-109. [https://doi.org/10.26861/sddh.2019.55.75]
김정은, 신현군(2022). 틱톡, 숏폼 문화 속 춤의 초미학 현상 : Virilio, Baudrillard의 속도의 예술을 중심으로. 차세대융합기술학회논문지 6(2), 223-230.
김지영, 김은혜, 이지영(2019). 텍스트마이닝 및 의미연결망 분석을 활용한 무용경영 연구동향과 지식구조 분석. 한국스포츠산업경영학회지 24(3), 85-103.
김하연, 서대호(2020). 텍스트 마이닝을 활용한 국외 현대무용 연구 트렌드 변화 분석. 예술교육연구 18(1), 171-192.
김하연, 이해준(2020). 빅데이터 분석을 통한 국내 현대무용 관련 연구 및 뉴스보도 경향 비교분석: 트렌드 변화 중심으로. 한국무용과학회지 37(3), 49-65
문병순, 김형남(2021). 파리 올림픽 출전 브레이킹 선수의 준비 방안. 한국무용교육학회지 32(4), 133-149.
오혜라, 정윤재(2022). LDA(Latent Dirichlet Allocation) 토픽 모델링을 활용한 숏폼(Short-Form) 광고 특성에 관한 탐색적 연구. 광고연구, 135, 51-86.
유지영(2018). 한국 전통무용에 대한 대중들의 관심분야 의미연결망 분석- 2003∼2017 네이버 지식iN 질문 빅데이터를 중심으로. 한국무용연구 36(1), 53-73.
이예슬, 한혜원, 연은정(2021). 토픽모델링을 활용한 국내 생활무용 연구의 지식구조 분석. 한국무용학회지 21(3), 41-50.
이자헌(2022). 대중문화 현상으로 본 한국 스트릿 댄스의 의미. 우리춤과 과학기술 18(3), 35-55.
이재희, 배민철(2021). 워드클라우드를 활용한 도시재생사업 인식변화 트렌드 분석. 차세대융합기술학회논문지 5(2), 238-245.
이정민, 전은자, 채정민(2016). 텍스트 마이닝을 기반으로 한 무용학 자료의 빅데이터 분석. 무용역사기록학회 42, 191-211.
임동호, 이소미(2022). 빅데이터 텍스트마이닝을 활용한 공공체육시설 연구 동향 분석. 한국스포츠학회지 20(4), 269-278.
임연수(2023). 토픽모델링을 활용한 쟁점 분석. 한국자료분석학회지 25(1), 431-443.
임준희(2022). 텍스트 마이닝을 활용한 여자 대학생의 무용 관련 운동 트렌드 분석. 대한무용학회 논문집 80(2), 161-176
전민수, 임효성(2021). 태권도 뉴스기사의 연도별 주제어 비교분석: 토픽모델링 적용. 디지털융복합연구 19(11), 575-583.
정현아, 김형남(2021). 텍스트마이닝을 통한 한국전통춤 연구 동향 분석 : 국가무형문화재 지정 전통춤을 중심으로. 무용역사기록학회 62, 91-123.
조남규, 김혜림(2022). 코로나 이후 무용 공연 활성화를 위한 빅데이터 분석과 전략적 활용 : 텍스트 마이닝의 네트워크와 토픽 모델링 분석. 한국무용과학회 39(4), 21-36.
최성철, 박한우(2020), 토픽모델링 연구동향 분석: 공학과 사회과학 분야 KCI 등재지를 중심으로. 한국자료분석학회지 22(2), 815-826.
최종환(2012). 한국 힙합댄스의 발전과정과 가치인식. 미간행 박사학위논문. 세종대학교 일반대학원.
최종환(2023). 국내 스트릿댄스 관련 트렌드 빅데이터 분석: 언론보도 및 연구 동향을 중심으로(1990년-2022년). 한국실용무용학회지 1(1), 3-20.
최효진(2019). 텍스트 마이닝을 활용한 국내 현대무용 분야 선행연구 조사. 무용예술학연구 76(4), 97-111.
Blei, D. M., Ng, A. Y., Jordan, M. I. (2003). Latent dirichlet allocation, Journal of Machine Learning Research 3(4-5), 993-1022.
Blei, D. M. (2012). Probabilistic topic models, Communications of the ACM 55(4), 77-84. [https://doi.org/10.1145/2133806.2133826]
Cartiere, C., Zebracki, M. (2016). The Everyday Practice of Public Art: Art, Space, and Social Inclusion, Routledge. [https://doi.org/10.4324/9781315737881]
Goodwin A. (1992). Dancing in the Distraction Factory: Music Television and Popular Culture, University of Minnesota Press 36(4), 448-450. [https://doi.org/10.1093/screen/36.4.448]
Horowitz, R. (2004). Community Tolerance of Gang Violence, Routledge.
Hou, J. (2010). Insurgent Pubic Space: Guerrilla Urbanism and the Remarking of Contemporary Cities, Routledge.
Kauther, M. D., Wedemeyer, C., Wegner, A., Kauther, K. M., & von Knoch, M. (2009). Breakdance Injuries and Overuse Syndromes in Amateurs and Professionals, Am J Sports Med. 37(4), 797-802. [https://doi.org/10.1177/0363546508328120]
Klein, W. M. (1997). The American Street Gang: Its Nature, Prevalence, and Control, Oxford University Press.
Newman, D., Lau, J. H., Grieser, K., & Baldwin, T. (2010). Automatic evaluation of topic coherence. In Human language technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, Stroudsburg, PA, USA. 100-108.
Pennycook A. (2003). Global Englishes, Rip Slyme, and Performativity, Journal of Sociolinguistics 7(4), 513-533. [https://doi.org/10.1111/j.1467-9841.2003.00240.x]
Vincent C., Ball, S. J. (2007). ‘Making Up’ the Middle-Class Child: Families, Activities and Class Dispositions, Sociology 41(6), 1061-1077. [https://doi.org/10.1177/0038038507082315]
Zhang, W., Liu, Z., Zhou, L., Leung, H., & Chan A. B. (2017). Matrial Arts, Dancing and Sports dataset: A challenging stereo and multi-view dataset for 3D human pose estimation, Image and Vision Computing 61, 22-39. [https://doi.org/10.1016/j.imavis.2017.02.002]