키워드 네트워크 분석을 활용한 대학 인재상 변화 분석

국문 초록 (Abstract)

본 연구는 국내 대학들이 제시하는 인재상이 실제로 어떤 가치를 중심으로 구성되고 있는지를 구조적으로 살펴보고자 하였다. 따라서 시간의 흐름에 따른 대학 인재상의 변화 양상을 분석하고, 이러한 변화가 지역이나 대학평가 순위에 따라 어떠한 특징을 보이는지를 실증적으로 확인하는 데 목적을 두었다. 이를 위해 2018년과 2023년을 기준으로 국내 4년제 일반대학의 인재상 키워드를 수집하였고, 키워드 네트워크 분석을 통해 키워드 간 연결 관계와 중심성을 확인하여 인재상 구조를 살펴보았다. 분석에 사용된 프로그램은 SPSS 27.0과 Python, NodeXL이며, TF-IDF와 키워드 네트워크 분석을 사용하여 인재상이 형성하는 의미 구조와 관계성을 중심으로 연도별·지역별·대학평가 순위별 차이를 분석하였다.
분석 결과, 국내 대학의 인재상은 ‘창의’, ‘전문’, ‘글로벌’과 같은 보편적 가치를 공유하고 있었으며, 이러한 키워드들은 네트워크 내에서도 높은 중심성을 보이며 인재상 구조의 핵심 축으로 구성되어 있었다. 즉 국내 대학교의 인재상은 시간의 흐름과 무관하게 공유하고 있는 공통의 가치가 있음을 보여준다. 그러나 2023년에는 2018년에 비해 ‘실천’, ‘도전’, ‘문제해결’과 같은 행동과 경험을 강조하는 키워드의 비중과 연결성이 상대적으로 강화되는 경향이 나타났다. 이는 대학 인재상이 핵심 가치를 공유하고 있으면서, 수행 중심의 역량을 중시하는 방향으로의 점진적인 변화가 있음을 보여준다.
지역별 분석 결과에서도 ‘창의’, ‘글로벌’과 같은 동일한 핵심 키워드를 사용하고 있었으나, 연결 구조와 중심성에서는 차이가 나타나 각 지역 집단 내에서 키워드들이 형성하는 연결 구조에 차이가 존재하며, 동일한 가치를 공유하면서도 지역적 맥락에 따라 인재상 구성 방식이 다르게 나타나고 있음을 확인하였다. 대학평가 순위별 분석에서도 ‘창의’, ‘전문’, ‘글로벌’ 등 공통의 핵심가치는 공유되고 있었으나, 키워드의 연결 구조에서는 그룹별로 서로 다른 특징이 나타나 인재상이 보편성을 유지하면서도 대학 유형에 따라 특징적인 구조를 함께 지니고 있음을 보여주었다.
이러한 결과를 토대로 다음과 같은 제언을 정리하면 다음과 같다. 첫째, 국내 대학의 인재상은 지역과 대학평가 순위에 따라 일부 차이를 보이지만, 전체적으로는 매우 유사한 핵심 키워드를 공유하고 있으므로 장기적인 관점에서 인재상 변화의 흐름을 지속적으로 점검할 필요가 있다. 둘째, 대학 인재상은 점진적으로 변화하고 있으나 산업계의 요구와는 여전히 일정한 간극이 존재하므로, 고등교육의 본질적 가치를 유지하면서 사회적 요구를 어떻게 조화롭게 반영할 것인지에 대한 논의가 필요하다. 셋째, 인재상은 대학의 비전과 방향성을 드러내는 공적 메시지인 만큼, 선언에 그치지 않고 교육과정 및 대학 운영 전반에 실질적으로 연계될 수 있도록 설계되어야 한다. 넷째, 대학 인재상은 미래사회 담론에 대한 대응을 넘어, 각 대학의 교육적 정체성과 고유성을 기반으로 차별화된 방향을 모색할 필요가 있다.
본 연구는 2018년과 2023년 두 시점을 중심으로, 지역과 대학평가 순위라는 제한된 특성요인만을 활용하여 4년제 일반대학을 분석하였다는 한계에도 불구하고, 대학 인재상을 구조적 관점에서 분석할 수 있는 방법론적 가능성을 제시하였다는 점에서 의의가 있다. 향후 연구에서는 대학의 다양한 특성을 함께 고려하고, 분석기법 또한 보다 폭넓게 적용하여 대학 인재상의 구조와 변화 양상을 다각도로 살펴볼 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study analysed the patterns of change in the talent profile keywords presented by domestic universities between two time points, 2018 and 2023, and examined the differences that emerged according to university characteristics (region, university ranking). To this end, frequency analysis and TF-IDF analysis were conducted, and keyword network-based centrality analysis and clustering analysis were applied to identify the structural characteristics of the talent profiles. The analysis revealed that core keywords such as “creativity”, “expertise”, “global outlook”, and “sharing/service” appeared consistently across most universities, indicating that the talent profile structures of Korean universities are converging towards universal values. However, differences in betweenness centrality and closeness centrality were observed across regions and university ranking tiers, confirming that environmental factors specific to each institution influence the emphasis placed on particular values. Furthermore, a trend emerged where action- and experience-oriented values such as “practice”, “communication”, “challenge”, and “convergence/convergence and convergence” were relatively strengthened in 2023 compared to 2018.
However, the talent profile upheld by universities has not changed significantly relative to the pace of societal and industrial transformation, creating a gap with the talent profiles demanded by businesses. This raises the challenge of how universities should accommodate contemporary demands while upholding their educational essence. Furthermore, analysis confirms criticism that domestic universities' talent models are becoming homogenised under the influence of policy and external evaluation metrics. In this context, talent models must be redefined in a more identity-affirming manner, reflecting the university's unique philosophy, regional character, and academic traditions, rather than merely accommodating discourse on future society.
Limitations of the study include restricting the analysis period to 2018 and 2023, limiting university characteristics to region and evaluation ranking, and focusing solely on four-year general universities. Future research should expand to include diverse characteristics such as university establishment type, scale, and founding philosophy to conduct more sophisticated analysis. Furthermore, as this study obtained data through direct collection methods, there were constraints on the breadth and scale of the data. Subsequent research should employ various text analysis techniques, such as web crawling-based automated collection, topic modelling (LDA), and latent semantic analysis (LSA), to explore the structure and evolution of talent profiles in a more multidimensional manner.

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구 필요성 및 목적 1
• 1.2. 연구 문제 7
• 2. 이론적 배경 8
• 2.1. 대학에서의 인재상 8
• 2.1.1. 인재상의 변화 8
• 2.1.2. 국내·외 대학교의 인재상 19
• 2.2. 선행연구 분석 29
• 2.2.1. 대학 입학과정에서의 인재상 연구 29
• 2.2.2. 대학의 인재상에 따른 핵심역량에 대한 연구 32
• 2.2.3. 대학의 인재상에 대한 역할 및 방향성에 관한 연구 36
• 3. 연구방법 40
• 3.1. 연구대상 40
• 3.2. 자료수집 방법 45
• 3.3. 데이터 정제 49
• 3.4. 분석 방법 51
• 3.4.1. TF-IDF 기반 키워드 중요도 분석 51
• 3.4.2. 키워드 네트워크 분석 54
• 4. 연구결과 60
• 4.1. 국내 대학교 인재상 키워드의 연도별 특성 60
• 4.1.1. 국내 대학교 인재상 키워드의 연도별 TF-IDF분석 결과 60
• 4.1.2. 국내 대학교 인재상 키워드의 연도별 중심성 분석 결과 64
• 4.2. 국내 대학교 지역별 인재상 키워드의 연도별 특징 68
• 4.2.1. 국내 대학교의 지역별 인재상 키워드의 연도별 TF-IDF 분석 결과 68
• 4.2.2. 국내 대학교의 지역별 인재상 키워드의 연도별 중심성 분석 결과 77
• 4.3. 국내 대학교 대학평가 순위별 인재상 키워드의 연도별 특징 89
• 4.3.1. 국내 대학교의 대학평가 순위별 인재상 키워드의 연도별 기술통계분석 결과 89
• 4.3.2. 국내 대학교의 대학평가 순위별 인재상 키워드의 연도별 중심성 분석 결과 96
• 4.3.3. 인재상 클러스터링 분석 결과 104
• 5. 결론 및 제언 108
• 5.1. 결론 108
• 5.1.1. 대학의 인재상 키워드의 연도별 변화와 구조적 특성 108
• 5.1.2. 대학의 인재상 키워드의 지역별 차이와 구조적 특성 110
• 5.1.3. 대학의 인재상 키워드의 대학평가 순위별 차이와 구조적 특성 116
• 5.1.4. 종합 결론 120
• 5.2. 제언 121
• 참고문헌 129
• 부록 138
• ABSTRACT 149