빅데이터가 보급되면서 비정형자료 분석기술에 관한 관심이 증가하고 있으며, 방대한 양의 학술 데이터에서 가치 있는 정보를 도출해 내는 연구들이 수행되고 있다. 대부분 대용량 텍스트를 인간이 수동적으로 분석하는 것은 시간과 노력이 많이 들고 어려우므로 이를 보완하기 위해 자동으로 분류해줄 수 있는 기술이 필요하다. 이에 본 연구는 2010년부터 2017년까지 발간한 ‘한국심리학회지: 산업 및 조직’ 논문의 주요어, 논문제목, 초록과 같은 비정형자료를 이용하여 분석하고 시각화하였다. 연구결과는 다음과 같다. 첫째, 주요어를 워드클라우드로 시각화한 결과 ‘조직몰입’이 빈번히 사용되었으며, 직무만족, 직무열의, 이직의도, 정서노동 순으로 나타났다. 둘째, 논문제목과 초록을 LDA 확률에 근거하여 자동으로 10개의 주제로 분류하였으며, 주제 8(조직/몰입/지각)이 가장 높았고, 주제 5(행동/관리/상사)는 가장 낮았다. 셋째, 주저자와 교신저자와의 관계는 6개의 큰 집단과 다수의 작은 집단으로 나타났으며, 집단 내의 유력자를 알 수 있었다. 본 연구에서는 방대한 양의 학술 데이터에서 보다 빠르고 쉽게 정보를 도출하여 제공함으로써 관련 연구자들이 또 다른 연구에 접근할 수 있도록 도움을 줄 수 있다는데 의의를 둔다.With the spread of Big data, there is an increasing interest in Unstructured Data analysis techniques, and studies are being carried out to extract valuable information from vast amounts of academic data. Most passive analysis of large texts by humans is time consuming and laborious and difficult, so a technique that can automatically classify them in order to supplement them is needed. Therefore, this study analyzed and visualized by using Unstructured Data such as the main words, thesis title, and abstract of ‘Korean Journal of Industrial and Organizational Psychology’ published from 2010 to 2017. The results of the study are as follows. First, ‘organizational commitment’ was frequently used as a result of visualization of the key words using wordcloud. Job satisfaction, job enthusiasm, turnover intention, emotional labor showed the order. Second, the title of the paper and the abstract were automatically classified into 10 topics based on the LDA probability. Topic 8(organization/commitment/perception) was the highest, and Topic 5(behavior/management/boss) was the lowest. Third, the relationship between the main author and the correspondent author appeared as six large groups and several small groups. We were able to identify influential authors within the group. In this study, it is suggested that related researchers can get access to another research by deriving information from a vast amount of academic data more quickly and easily.