Earticle

R 프로그래밍 시스템은 인터넷을 통해 개방적이고 무료로 제공이 된다. R 환경은 헌신적이고 독자적인 사용자 그룹이 제공하는 다양한 함수가 포함되는 라이브러리에 의해 그 기능이 지속적으로 풍부해지고 다양해지고 있다. R의 사용은 조직에서의 빅데이터 분석이 점차 도입되면서 다양한 데이터 형태의 데이터 조작과 데이터 분석처리가 요구되면서 점차 채택되기 시작하였다. 그러나 R 수용에 대한 연구는 아직까지 존재하지 않고 있다. 본 연구는 교육환경의 사용자가 R을 수용하는데 미치는 인지변수를 식별하고, 그들간의 관계를 규명하고자 한다. 기존의 기술수용모형에 주관적 규범과 소프트웨어 역량을 추가한 확장된 R 수용모델을 제안하고, 경로분석을 통하여 가설을 검정하였다. 사용의도에 정의 영향을 미치는 변수는 주관적 규범, 지각된 편리성, 지각된 유용성으로 밝혀졌고, 지각된 유용성은 주관적 규범, 소프트웨어 역량, 그리고 지각된 편리성으로부터 영향을 받는 것으로 나타났다. 본 연구가 이전 연구와의 주요 차이점은 대상 시스템이 독립적인 시스템이 아니고, 또한 시스템은 정적이고 개발이 확정된 상태가 아닌 진화하고 오픈소스 시스템을 대상으로 했다는 것이다. 또한 R 환경은 플랫폼으로서, 다양한 통계분석, 빅데이터분석, 그리고 시각화가 가능한 시스템이다. 우리는 TAM (Technology Acceptance Model)을 적용하여 R플랫폼에 대한 사용자의 수용에 영향을 주는 변수를 식별하고 인과관계를 처음으로 시도하였다. 또 다른 기여도는 기존의 TAM모형에 주관적 규범과 소프트웨어 역량 개념을 추가한 확장된 모형을 식별한 것이다. 본 연구결과는 통계나 빅데이터 분석 패키지 도입 계획이 있는 대학이나 기업체에 시사점을 제공할 수 있을 것이다. 그러나 분석에 사용된 표본의 수가 적고, 표본이 모집단을 대표할 수 있다는 근거가 약해 제안된 모델의 신뢰성 및 타당성이 상대적으로 미흡하다고 할 수 있을 것이다. 따라서, 향후 연구에서는 확정적 연구를 위해서는 이와 같은 문제점에 대한 보완이 필요하다고 판단된다.

R programming is free and open source system associated with a rich and ever-growing set of libraries of functions developed and submitted by independent end-users. It is recognized as a popular tool for handling big data sets and analyzing them. Reflecting these characteristics, R has been gaining popularity from data analysts. However, the antecedents of R technology acceptance has not been studied yet. In this study we identify and investigates cognitive factors contributing to build user acceptance toward R in education environment. We extend the existing technology acceptance model by incorporating social norms and software capability. It was found that the factors of subjective norm, perceived usefulness, ease of use affect positively on the intention of acceptance R programming. In addition, perceived usefulness is related to subjective norms, perceived ease of use, and software capability. The main difference of this research from the previous ones is that the target system is not a stand-alone. In addition, the system is not static in the sense that the system is not a final version. Instead, R system is evolving and open source system. We applied the Technology Acceptance Model (TAM) to the target system which is a platform where diverse applications such as statistical, big data analyses, and visual rendering can be performed. The model presented in this work can be useful for both colleges that plan to invest in new statistical software and for companies that need to pursue future installations of new technologies. In addition, we identified a modified version of the TAM model which is extended by the constructs such as subjective norm and software capability to the original TAM model. However one of the weak aspects that might inhibit the reliability and validity of the model is that small number of sample size.

본 연구는 R을 이용하여 집단의사결정과 관련한 계층화 분석과정(AHP)을 수행하는 방안을 제 시하고 있다. 이를 위해 본 연구에서는 AHP 개념 및 집단의사결정 분석절차들을 설명하고, AHP 분 석을 위한 주요 함수들을 개발하여 제시하였다. 또한 예시 AHP 모형을 제시한 후 집단의사결정과 관 련한 계층화 분석과정을 수행하는 것을 보여주었다. 본 연구에서는 연구 결과물로 AHP 분석을 위한 R 함수들과 이를 이용한 집단의사결정 AHP 분석을 위한 R 스크립트가 제시되었다. 본 연구는 계층 화 분석과정을 처음 접하는 연구자들에게는 AHP 분석을 수행하는데 유용한 가이드가 될 것이며, 이 미 AHP 분석에 익숙한 연구자나 실무자들에게는 R을 이용한 새로운 집단의사결정 AHP 분석방안 제시를 통하여 기존의 도구보다 빠르고 유연하며, 확장 가능한 AHP 분석 환경을 제공할 것이다.

This study presents an approach to perform the analytic hierarchy process (AHP) of group decision-making using the R. For this purpose, this study explained the AHP concept and the analysis procedures of the AHP, developed R functions for the AHP analysis, and demonstrated that the AHP analysis related to a group decision-making, which are carried out with an examples of an AHP model. As a result, this study presents the R functions for AHP group decision-making analysis and the R script using an AHP analysis. This study will be a useful guide for researchers who are new to the AHP analysis and will provide researchers or practitioners who are already familiar with the AHP with a faster, more flexible, and more scalable AHP analysis environment than traditional tools by presenting a new AHP method using R.

본 연구는 R을 이용하여 구조방정식모형에서 이중매개효과 분석을 수행하는 방안을 제시하고 있다. 이를 위해 본 연구에서는 매개효과 분석을 위한 다양한 기법들에 대한 문헌연구를 통해 부트스트랩 기법을 이중매개 효과분석을 수행하는데 있어서 가장 적합한 기법으로 선정하고, PLS 경로분석 수행을 지원하는 R패키지인 plspm을 이용하여 구조방정식모델링에서 부트스트랩 기반의 이중매개효과를 분석하는 방안을 개발했다. 결과물로 본 연구에서는 예시모형을 대상으로 한 이중매개효과 분석기법과 관련 R스크립트들이 제시되었다. 본 연구는 대부분의 SEM 패키지들에서 지원하지 못하는 구조방정식모델링에서의 이중매개효과 분석을 포함하는 연구들에서 유용하게 활용될 것이며, 또한 연구자들에게 R을 이용한 새로운 매개효과 분석기법 제시를 통하여 심도 있는 연구를 위한 기반 지식을 제공할 것이다.

This study provides an approach to perform the double mediation analysis in structural equation models using the R. For this purpose, the study reviews a variety of techniques for mediation analysis, selects the bootstrapping technique as the most suitable way for performing the double mediation analysis and develops an approach for the double mediation analysis in structural equating models with the bootstrapping using the plspm which is the R package for the performing PLS path analysis. This study will be useful for the studies including the double mediation analysis in structural equation modeling, which is not supported by most of SEM packages, also will provide the knowledge base for in-depth analysis through suggesting the new mediation analysis technique using R for the researchers.

본 튜토리얼은 R을 이용하여 공분산 기반의 구조방정식모델링을 수행하는 방법을 제시하고 있다. 이를 위해 본 튜토리얼에서는 기존 연구들에 대한 리뷰를 통해 공분산 기반의 구조방정식모델링을 위한 기준들을 정의하고, 하나의 예시 연구모형을 제시하여 공분산 기반의 구조방정식모델링을 지원하는 R 패키지인 “lavaan”을 이용하여 이 예시 모형을 분석하는 것을 보여준다. 결과물로 본 튜토리얼에서는 예시모형을 대상으로 한 R을 이용한 공분산 기반의 구조방정식모델링 기법과 실습 스크립트가 제시되었다. 본 튜토리얼은 공분산 기반의 구조방정식모델링을 처음 접하는 연구자들에게는 연구모형을 구조방정식 모델링으로 분석하는데 유용한 가이드가 될 것이며, 이미 공분산 기반의 구조방정식모델링에 익숙한 연구자들에게는 R을 이용한 새로운 공분산 기반의 구조방정식모델링 분석기법 제시를 통하여 R이라는 통합된 통계 소프트웨어 운영환경에서 심도 있는 연구를 위한 기반 지식을 제공할 것이다.

This tutorial presents an approach to perform the covariance based structural equation modeling using the R. For this purpose, the tutorial defines the criteria for the covariance based structural equation modeling by reviewing previous studies, and shows how to analyze the research model with an example using the "lavaan" which is the R package supporting the covariance based structural equation modeling. In this tutorial, a covariance-based structural equation modeling technique using the R and the R scripts targeting the example model were proposed as the results. This tutorial will be useful to start the study of the covariance based structural equation modeling for the researchers who first encounter the covariance based structural equation modeling and will provide the knowledge base for in-depth analysis through the covariance based structural equation modeling technique using R which is the integrated statistical software operating environment for the researchers familiar with the covariance based structural equation modeling.

본 연구는 생성형 AI를 활용한 R 프로그래밍 단기교육의 효과를 분석하기 위해 대학생 10명을 대상 으로 5일간 총 30시간의 집중 교육을 실시하고, 사전-사후 설문을 통해 그 효과성을 검증하였다. 비모 수 통계 분석 결과, R 능력 점수는 유의미하게 향상되었으며(p < 0.05), ChatGPT 활용 빈도 및 효용 성 인식도 긍정적으로 변화하였다. 정성적 설문 분석 결과, 학생들은 AI 도구가 프로그래밍 학습의 장 벽을 낮추고 문제해결 능력을 향상시켰다고 평가하였다. 이는 생성형 AI가 프로그래밍 교육에 효과적 으로 통합될 수 있음을 시사한다.

미리 선언된 구조를 이용하여 수집 저장된 정형적 데이터와는 달리 웹 2.0의 시대에서 일반 사용자들이 평상시에 사용하는 자연어 형태로 작성된 비정형 데이터 분석은 과거보다 훨씬 더 넓은 응용범위를 가지고 있다. 데이터 양이 폭발적으로 증가하고 있다는 특성뿐 만 아니라 인간의 감성이 그대로 표현된 특성을 가진 텍스트에서 의미 있는 정보를 추출하는 빅데이터 분석 기법을 텍스트마이닝(Text Mining)이라 하며 본 연구는 이를 주제로 하고 있다. 본 연구를 위해 오픈 소스인 통계분석용 소프트웨어 R 프로그램을 이용하였으며, 비정형 텍스트 문서를 웹 환경에서 수집, 저장, 전처리, 분석 작업과 시각화(Frequency Analysis, Cluster Analysis, Word Cloud, Social Network Analysis)작업 등의 과정에 관한 알고리즘 구현을 연구하였다. 특히, 연구자의 연구 영역 분석에 초점을 더욱 높이기 위해 Data Dictionary를 참조한 키워드 추출 기법을 사용하였다. 실제 사례에 적용한 R은 다양한 OS 구동, 일반적 언어와의 인터페이스 지원 등 통계 분석용 소프트웨어로써 매우 유용하다는 점을 발견할 수 있었다.

Unlike structured data which are gathered and saved in a predefined structure, unstructured text data which are mostly written in natural language have larger applications recently due to the emergence of web 2.0. Text mining is one of the most important big data analysis techniques that extracts meaningful information in the text because it has not only increased in the amount of text data but also human being's emotion is expressed directly. In this study, we used R program, an open source software for statistical analysis, and studied algorithm implementation to conduct analyses (such as Frequency Analysis, Cluster Analysis, Word Cloud, Social Network Analysis). Especially, to focus on our research scope, we used keyword extract method based on a Data Dictionary. By applying in real cases, we could find that R is very useful as a statistical analysis software working on variety of OS and with other languages interface.

Principal component analysis (PCA) has been heavily used for both academic and practical purposes. This tutorial would help individuals who want to better utilize PCA as well as R scholars interested in Q analysis. Many statistical commercial packages can handle PCA, but one may reach a deeper understanding by running PCA code for oneself.Cranking out results using PCA features on one of the commercial statistical packages is easy, just importing data and clicking a few buttons. For a deep understanding of PCA, however, an individual needs to see what happens when running code. Many scholars may have a basic knowledge of a popular programming language like Python. But PCA code in Python is not neatly compiled in one place. A user must gather Python code that is scattered around the Internet, tweak it for compatibility, and fill any remaining gaps. Also, commercial statistical packages, which have been geared toward R analysis, cannot be used for rotation for theoretical or exploratory analysis in Q studies beyond varimax. This tutorial offered all Python code needed for PCA while comparing its results with Statistical Package for the Social Science (SPSS) output. This tutorial also covered the theoretical or exploratory rotation of factor axes, which is a must for Q analysis.Keywords : PCA, Principal Component Analysis, linear algebra, graphs, Python code, varimax rotation, and R and Q analysis

In this paper, we have taken step in the direction to establish weak, strong and strict converse duality theorems for three types of dual models related to multiojective fractional programming problems involving ($H_p$, r)-invex functions.

In this paper, by using the notion of ${\rho}$-(p,r)-invexity assumptions on the functions involved, optimality conditions and duality results (Mond-Weir, Wolfe and mixed type) are established on differentiable manifolds. Counterexample is constructed to justify that our investigations are more general than the existing work available in the literature.

The R language is an open source programming language and a software environment for statistical computing and data visualization. The R language is widely used among a lot of statisticians and data scientists to develop statistical software and data analysis. The R language provides a variety of statistical and graphical techniques, including basic descriptive statistics, linear or nonlinear modeling, conventional or advanced statistical tests, time series analysis, clustering, simulation, and others. In this paper, we first introduce the R language and investigate its features as a data analytics tool. As results, we may explore the application possibility of the R language in the field of data analytics.

최근 IoT 기술발달로 인한 스마트폰 및 대용량 미디어기기 사용증가로 인터넷 네트워크 사용량이 폭발적으로 증가되고 있고, 이러한 데이터 사용량 급증으로 대량의 데이터를 지칭하는 빅데이터 수집 및 분석에 많은 기업과 정부가 주목하고 있다. 빅데이터는 기존에 없던 새로운 데이터의 구축이 아니며, 그동안 축적된 다방면의 방대한 데이터의 집합이라 할 수 있다. 빅데이터의 이용 및 분석에 대한 기업 정부 학계의 수요는 증가하고 있지만, 고난도의 빅데이터 분석을 위한 인프라 구축이 선결과제이어서, 이러한 인프라구축 비용 때문에 빅데이터 분석이 일선 산업분야에 바로 적용하는데 많은 장애요인이 되어 데이터 분석가들의 빅데이터 분석에 애로사항으로 존재하고 있다. 이러한 어려움을 해소하기 위한 방안으로 새로운 인프라 구축 없이 Google Analytics API를 연동한 R 프로그래밍의 데이터 시각화를 활용한 데이터 분석 방안을 제시하고자 한다. 본 연구에서는 구글 애널리틱스 API를 연동하여 사용자 웹사이트의 사용자접속, 사이트운영, 이벤트 발생 등의 데이터를 R 프로그램을 활용하여 사이트 현황을 데이터 시각화로 분석하고 운영중인 웹사이트에 적용 가능한 콘텐츠 개발 방안에 대해 연구하였다.

본 연구는 집중호우에 의한 홍수예측 및 소유역의 유출 거동에 대한 수문학적 민감성(susceptibility)을 규명하기 위한 목적으로 한국건설기술연구원의 대표 시험유역인 설마천 유역의 과거 17년간(1996 ~ 2012)의 10분 간격의 강우량 및 유출량 자료를 수집하여 홍수유출해석을 수행하였다. 홍수유출해석을 위하여 과거 10분 간격의 강우량 자료 중 총 강우량 100mm/day 이상의 강우사상을 추출하였다. 이 중 가장 큰 홍수사상은 1999년 7월 30일에서 8월 4일까지 발생한 총 강우량 948mm이며, 가장 큰 유출량은 2011년 7월에 발생한 $191.8m^3/sec$로 나타났다. 또한, 총 강우량 30mm/day 이상의 강우사상에 대한 유출해석을 수행하였으며 17년간 179개의 홍수사상을 분석하였다. 홍수유출해석은 한국건설기술연구원에서 개발된 유역 물순환 해석모형인 CAT(Catchment hydrological cycle Assessment Tool, 김현준 등)(2011)을 이용하였으며 홍수사상별 토양수분 변화에 따른 유역의 유출거동 민감성을 분석하였다. 분석을 위하여 R-프로그래밍 언어를 이용한 시스템을 개발하였다. R은 통계 계산과 그래픽을 위한 프로그래밍 언어이자 소프트웨어 환경으로 데이터의 조작 및 수치연산, 시각화를 수행할 수 있는 기능을 여러 패키지를 통해 구현할 수 있다. 따라서 본 연구에서는 R을 이용하여 10분 단위의 강우 및 유출량 자료를 1시간 및 1일 자료로 구축하고 17년간의 과거 홍수사상을 분리하여 추출하는 R 시스템을 개발하였으며 최종적으로 추출된 홍수사상을 관측 유출량 및 관측 토양수분을 포함하여 시각화함으로써 강우 및 토양수분 변화에 따른 홍수사상의 유출거동 민감성을 확인할 수 있었다.

목적 본 연구는 R 프로그램을 이용하여 허위 정보에 관한 교육 분야 국제 연구의 동향을 분석하는 것을 목적으로 한다. 방법 Web of Science 데이터베이스에서 SCI, SSCI, AHCI급 우수 논문 514편을 추출하여, 이 논문들의 상세서지 정보에서 이들의 출처, 키워드, 핵심 연구물들에 대한 빅데이터 분석과 함께 문헌 연구를 실시하였다. 이를 위해 데이터 수집, 데이터 정제, 데이터 분석, 문헌 연구의 4단계를 걸쳐 연구를 수행하였다. 결과 허위 정보와 관련한 교육 분야의 연구물들은 최근 들어 그 생산 편수가 급격히 늘어나고 있었으며, 교육 심리, 의학 교육 분야의 학술지에 게재된 편수가 많고, 교과 교육 분야의 학술지에 게재된 편수는 상대적으로 부족했다. 허위 정보와 관련한 키워드는 Misinformation, Fake News, Disinformation 순으로, 이를 교육하기 위한 역량과 관련한 키워드는 Media Literacy, Digital Literacy 순으로 많이 등장하고 있었다. 이 분야의 핵심 연구물들로는 허위 정보 판별을 위한 구체적 전략, 허위 정보 판별 과정에서의 학생들의 특징, 허위 기억 효과의 기원, 미디어 리터러시 개념의 확장, 과학 교과 교육적 관점에서의 용어 확장을 시도한 연구들이 있었다. 결론 우리나라에서도 국제 수준의 허위 정보 연구에 대한 관심과 함께 국제 협력 네트워크를 다변화할 필요가 있다. 또한 다양한 관점에서 허위 정보 대처에 대한 연구 관심과 함께, 여러 교과 교육 분야에서도 고유의 관점을 바탕으로 허위 정보와 관련한 연구를 더욱 활발히 수행할 필요가 있다.

Objectives This study aims to analyze international research trends on misinformation in education using the R programming language. Methods Five hundred fourteen high-quality papers (SCI, SSCI, AHCI) were extracted from the Web of Science database. A big data analysis and literature review were conducted on these papers, focusing on their sources, keywords, and core research. The study was carried out in four stages: data collection, data cleaning, data analysis, and literature review. Results Research on misinformation in education has rapidly increased in recent years. The number of papers published in journals related to educational psychology and medical education was high, while those published in journals related to subject education were relatively few. The keywords related to misinformation appeared in the order of Misinformation, Fake News, and Disinformation. Keywords related to competencies for addressing misinformation appeared in the order of Media Literacy and Digital Literacy. Core research in this field included studies on specific strategies for identifying misinformation, characteristics of students in identifying misinformation, origins of the false memory effect, expansion of the concept of media literacy, and attempts to extend terminology from a science education perspective. Conclusions In Korea, there is a need to diversify international cooperation networks and pay more attention to international-level research on misinformation. Additionally, conducting more active research on dealing with misinformation from various perspectives, including specific perspectives in various subject education fields, is necessary.

본 연구는 집중호우에 의한 홍수예측 및 소유역의 유출거동에 대한 수문학적 민감성(susceptibility) 규명을 목적으로 강우강도, 지속기간 및 토양포화도 변화에 따른 홍수유출특성을 분석하여 유역의 유출거동 민감성을 표출할 수 있는 노모그래프를 개발하였다. 개별 홍수사상에 대한 유출거동 특성 분석을 위하여 한국건설기술연구원의 대표 시험유역인 설마천 유역의 과거 17년간(1996 ~ 2012)의 10분 간격의 강우량 및 유출량 자료를 수집하여 홍수유출해석을 수행하였다. 설마천 시험유역의 일누가강우량 100mm 이상, 50개 홍수사상에 대한 홍수유출해석은 유역 물순환 해석모형인 CAT(Catchment hydrological cycle Assessment Tool)을 이용하였으며 모의결과를 바탕으로 홍수사상별 지체시간, 강우강도, 지속기간 및 토양포화도 변화에 따른 홍수유출특성을 상세히 분석하였다. 이 중에서도 지체시간은 유역반응을 나타내는 시간변수로서 수문모델링 및 홍수량예측에 매우 중요한 요소이다. 특히, 강우량에 대한 홍수량의 반응이 빠른 소유역의 경우에 홍수량예측에 큰 영향을 미친다. 따라서 강우강도, 지속기간, 토양포화도의 변화량에 대한 지체시간의 거동을 R 프로그래밍 언어 및 3D Surfer를 이용하여 분석한 후 최종적으로 소유역의 홍수유출 특성을 나타내는 3차원 홍수 유출특성 노모그래프를 개발하였다. 분석에 사용된 R 프로그래밍 언어는 통계 계산과 그래픽을 위한 프로그래밍 언어이자 소프트웨어 환경으로 데이터의 조작 및 수치연산, 시각화를 수행할 수 있는 기능을 여러 패키지를 통해 구현할 수 있다. 따라서 본 연구에서는 R을 이용하여 10분 단위의 강우 및 유출량 자료를 1시간 및 1일 자료로 구축하고 17년간의 과거 홍수사상을 분리하여 추출하는 R 홍수유출해석 시스템을 개발하였으며 추출된 홍수사상을 관측 유출량 및 관측 토양수분을 포함하여 시각화함으로써 강우 및 토양수분 변화에 따른 소유역의 유출거동 민감성을 확인할 수 있었다. 분석 결과, 지체시간은 강우지속기간 및 토양포화도에 민감한 거동특성을 나타냈으며 토양포화도는 첨두홍수량의 변화에 민감한 영향을 주는 것으로 확인되었다. 개발된 3차원 홍수유출특성 노모그래프는 유역의 규모 및 지형물리학적 특성에 따라 다양하게 나타날 것으로 판단되며 여러 계측유역에 적용함으로써 유역별 홍수유출 반응특성을 정량화할 필요가 있다. 즉, 강우강도, 지속기간, 지체시간, 포화도 등의 변화에 따른 유역의 홍수유출 반응특성을 규명함으로써 미계측 유역의 홍수량예측 실무에 활용할 수 있을 것으로 판단된다.

기업과 조직의 ERP 시스템 도입으로 회계자료는 엄청난 양이 축적되어 있다. 회계자료에 대한 빅 데이터 분석과 관련한 연구는 매우 의미 있는 시사점을 제공하고 있지만, 현재는 의료 등 과학기술 분야에서 많이 활용되고 있는 실정이다. 정부에서도 정부 3.0이라는 정책에 근거하여 많은 정부 자료를 공개하기 시작하였다. 빅 데이터 시대에 주목해야 할 영역의 한 분야가 회계 분야이며, 특히 전략적 기업경영에서 우리가 선택하고 집중해야 할 영역으로 판단한다. 본 연구를 위해서 서울특별시에서 공개한 빅 데이터인 2007년부터 2013년까지의 7년간의 세입 결산 자료를 확보하였다. 이를 기초로 빅 데이터 분석 프로그램인 R 프로그램을 설치하고 세입 자료의 실무 처리를 위하여 데이터의 전처리 과정을 거친 후, 분석절차에 따라 실행하였다. 아울러 R 프로그래밍 실무 과정을 위한 여러 수행 절차들을 보여 줌으로써, 전산회계 교육현장에서도 참고할 만한 시사점을 제공하고 있다. 본 연구에서는 회계자료의 빅 데이터 분석 사례를 통해, 그 시사점을 논하고 향후 전산회계 교육 현장에서도 이와 같은 빅 데이터 분석이 가능하도록 교육과정을 개편하고, 미래 교육에 투자할 것을 강조하고자 한다.

Accounting data into the ERP system introduced in companies and organizations have accumulated a huge amount of data. Although corporation research is related to the accounting data and big data analysis, and provides many significant implications, nowadays it is being utilized in many other fields of science and technology including medical areas. Based on government 3.0 policies, the government organizations began to make a number of government data open to public. It is considered accounting field must be chosen for focus in planning strategic corporate management system since business accounting is becoming more and more important in this era of big data. As for data collection, the settlement revenues of Seoul-city for the 7 years from 2007 to 2013 were secured. A data analysis program, R, was installed for analysis of data. Data analysis was performed after pre-processing of the collected revenue data. In addition, by showing several practical procedures performed for the R programming process, the current study provides suggestions for computerized accounting education. As a result of big data analysis in the accounting practices, this study discusses implications for curriculum development involving big data analysis and need for investment in the computerized accounting education.

본 연구는 통계나 코딩 경험이 전혀 없는 초보자를 포함하여, 전공, 학년, 사전 학습 경험이 다른 이질적인 수강생 20명이, AI를 이용하여 하향식(top-down)과 기존의 상향식(bottom-up) 교수법을 결합한 R 프로그래밍 수업에서 AI 도구의 도움을 받아 실제 빅데이터 분석까지 도달하는 과정을 탐색적으로 분석하였다. AI를 허용한 중간고사와 AI를 금지한 기말고사의 평가 조건이 달라서, 준실험 설계 형식을 따른다. Kmeans와 Hierarchical Clustering에 따라서, 학생들은 성취하락군(n=7)과 성취유지군(n=13)으로 뚜렷하게 구분되었다. 두 집단 간 상대적 성취변화율 차이는 통계적으로 유의하였으며(Mann-Whitney, p=0.0003, r=0.805), 성취하락군은 평균이 40점 이상 급락한 반면, 성취유지군은 10점 이내로 하락하며 비교적 안정적인 성취를 유지하였다. Kaplan-Meier 곡선 분석에서도 성취하락군은 기말고사에서 조기 제출이 집중되는 행동 패턴을 보였다. 한편 성취하락군도 높은 출석률과 과제 제출률을 학기 말까지 유지하여, AI 도구가 학습 참여와 동기 유지에는 긍정적으로 기여했음을 시사하였다.이곳에 요약문을 작성합니다.

This study exploratively analyzed the process by which 20 heterogeneous students including novices with no prior statistics or coding experience and varying in major, year, and academic background reached real-world big data analysis in an R programming course using generative AI to combine top-down and bottom-up instructional approaches. A quasi-experimental design was adopted as the evaluation conditions differed between an AI-permitted midterm and an AI-prohibited final exam. Both Kmeans and Hierarchical Clustering methods, clearly classified students into an Achievement Decline Group (n=7) and an Achievement Maintenance Group (n=13). The difference in Relative Achievement Change Rate between the two groups was statistically significant (Mann-Whitney, p=0.0003, r=0.805). Achievement Decline students' scores dropped more than 40, while Achievement Maintenance students maintained stable performance with less than 10 points decline. Kaplan-Meier analysis revealed that Achievement Decline students showed early submission patterns in the final exam. Notably, their high attendance and submission rates throughout the semester suggest that AI tools effectively supported learning engagement and motivation.