본연구는 텍스트마이닝 기법을 활용하여 사회과학 및교육학 분야의 인공지능(AI) 관련 학위논문 동향을 분석하는 데목적이 있다. 이를 위해 학술연구정보서비스(RISS)에서 수집 한석사⋅박사 학위논문 2,610편을 대상으로 TF, TF-IDF, N-gram, 공출현 네트워크, 중심 성및 CONCOR 분석을 하였다. 분석 결과, 교육, 생성형, 리터러시, 수업, 디지털, 챗봇, 학습 등이 주요 키워드로 나타났으며, 융합 교육, 디지털 리터러시, 생성형 챗봇 등이 주요 결합 표현으로 확인되었다. 석사학위논문은 인공지능의 교육적 적용과 교수⋅학습 활동에, 박사학위논문은 기술수용, 신뢰, 개인정보 및품질 등에 상대적으로 높은 비중을 두고 있었 다. 시기별로는 개별 기술 적용에서 챗봇과 윤리, 리터러시를 거쳐 생성형 인공지능과 교육 적활용 중심으로 연구가 확대되었다. 또한 교육과 생성형이 네트워크의 중심 키워드로 나타났으며, 연구 주제는 AI 기술수용⋅서비스 경험과 AI 활용 교육⋅학습 역량의 두영역으 로구분되었다. 본연구는 인공지능 관련 학위논문의 주요 주제와 관계 구조를 종합적으로 제시하였다는 데의의가 있다.

This study aims to analyze trends in artificial intelligence (AI)-related theses and dissertations in the fields of social sciences and education using text-mining techniques. A total of 2,610 master’s theses and doctoral dissertations retrieved from the Research Information Sharing Service (RISS) were analyzed using term frequency (TF), term frequency–inverse document frequency (TF-IDF), N-gram analysis, co-occurrence network analysis, centrality analysis, and CONCOR analysis. The results showed that education, generative AI, literacy, classes, digital, chatbots, and learning were the major keywords, while convergence education, digital literacy, and generative AI chatbots emerged as major combined expressions. Master’s theses primarily focused on the educational application of AI and teaching and learning activities, whereas doctoral dissertations placed relatively greater emphasis on technology acceptance, trust, privacy, and quality. Over time, the research focus expanded from the application of individual technologies to chatbots, ethics, and literacy, and subsequently to generative AI and its educational applications. Education and generative AI were also identified as central keywords in the network. The research topics were categorized into two overarching domains: AI technology acceptance and service experience, and AI-supported education and learning competencies. This study contributes to the literature by comprehensively identifying the major themes and relational structures of AI-related theses and dissertations.