메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박성언 (화성의과학대학교) 안효연 (서울대학교) 박채호 (경희대학교)
저널정보
한국체육과학회 한국체육과학회지 한국체육과학회지 제31권 제5호 (인문사회과학 편)
발행연도
2022.10
수록면
99 - 108 (10page)
DOI
10.35159/kjss.2022.10.31.5.99

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The purpose of this study was to verify the concept and perception of student athlete through social media big data anlaysis, and to suggest value and direction of policy and system for student athletes. The data collection period was from January 1, 2017 to June 30, 2022, focusing on the keyword of “student athlete” for unfiltered and unstructured text data appearing on Naver, Daum, Google, and YouTube. Textom, a big data collection and analysis solution, was used for data collection. For data analysis, frequency analysis and TF-IDF (Term Frequency Inverse Document Frequency) analysis of text mining analysis were performed, and connection centrality and CONCOR (CONvergence of iterated CORrelations) analysis of social network analysis were performed using Textom and UCINET 6.0 program. The results of this study were as follows. First, the total amount of textual data collected through social media was 5,424 cases (2,743KB). Second, as a result of frequency and TF-IDF analysis, ‘athlete’, ‘student’, ‘student athlete’, ‘competitions’, ‘sports’ had the most in common. Third, As a result of the connection centrality analysis, centrality measures were shown in the order of athletes (374.220), students (288.441), student athletes (175.441), competitions (120.373), and exercise (99.949). Lastly, as a result of CONCOR analysis, it was categorized into seven clusters: ‘player training system’, ‘academic parallelism’, ‘identity’, ‘policy support’, ‘career / college-preparatory’, ‘research activities’, and ‘social issues’. Through these results of such big data analysis, it is possible to provide the academic basic data necessary for proposing policies and strategic directions and improvement measures necessary for the growth of student athletes.
#Student Athlete #Big Data Analysis #Text Mining #Social Network Analysis

목차

Abstract
Ⅰ. 서론
Ⅱ. 연구방법
Ⅲ. 결과
Ⅳ. 논의
Ⅴ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

소셜 빅데이터를 통한 코로나 전후 스키리조트 소비트렌드 분석
박진민 ,  오승욱 ,  한진욱 한국체육과학회지 2022 .06
공지의 사실과 인터넷
정선주 저스티스 2022 .10

최근 본 자료

전체보기

댓글(0)

0