Sentiment and Topic Analysis of Online Course Reviews Using Text Mining to Inform Marketing Strategy Development

본 연구논문은 약 41만 건의 MOOC 강의 리뷰를 대상으로 감성 분석(VADER)과 토픽 모델링(LDA)을 적용한 통합 분석 프레임워크를 제안한다. 감성 점수와 토픽 비중을 결합한 중요도–만족도 분석(IPA)을 통해 학습자의 기대와 실제 경험 간의 차이를 체계적으로 도출하였다. 분석 결과, MOOC 리뷰는 전반적으로 긍정적 경향을 보였으나, ‘강사의 전달력’, ‘가격’, ‘자막 오류’등 일부 핵심 요소는 낮은 감성 점수와 높은 중요도로 인해 개선 우선 영역으로, 반면 ‘강의 구성’은 유지 강화, ‘UI/UX’ 및 ‘수료증’은 차별화 운영 대상으로 분류되었다. 이러한 전략은 비정형 리뷰 데이터를 정량화된 운영 지표로 전환함으로써 MOOC 플랫폼의 콘텐츠 기획, 학습자 중심 설계, 운영 전략 수립 등에 실질적인 의사결정 지원을 제공한다. 본 연구논문은 MOOC 기반 교육데이터 마이닝의 이론적 확장뿐 아니라 학습자 만족도 및 교육 효과 제고를 위한 실증적 시사점을 함께 제시한다.