언어 네트워크 분석을 이용한 신종 감염병 보도 분석: 다제내성균 보도 사례를 중심으로 A semantic network analysis of news reports on an emerging infectious disease by multidrug-resistant microorganism원문보기
이 연구는 여러 항생제에 내성을 지닌 다제내성균에 대해 미디어가 어떻게 보도하는지를 알아보기 위해, 기사 제목에 나타난 핵심어를 언어 네크워크 분석을 이용하여 살펴보았다. 이를 위해 한국언론진흥재단의 기사검색사이트인 카인즈(www.kinds.or.kr)와 언론사의 홈페이지를 통해 약 28개 언론사를 대상으로 2010년 6월 1일부터 2011년 12월 31일까지 229개의 다제내성균 관련 기사를 분석하였다. 먼저, 뉴스 제목에 나타난 핵심어를 분석한 결과, 기사 제목에서 '슈퍼박테리아'(155건)가 가장 많이 사용된 것으로 나타났으며, 불안감을 촉발시키는 '감염'(63건) 용어도 많은 것으로 나타났다. 신종 감염병 보도의 전체 네트워크 구조는 '국내', '다제내성균', '첫', '항생제', '슈퍼박테리아', '발생', '감염' 등의 핵심어를 중심으로 형성된 반면, '관련주', '의료진', '안전' 등은 네크워크 중심에서 크게 벗어나 있었다.
이 연구는 여러 항생제에 내성을 지닌 다제내성균에 대해 미디어가 어떻게 보도하는지를 알아보기 위해, 기사 제목에 나타난 핵심어를 언어 네크워크 분석을 이용하여 살펴보았다. 이를 위해 한국언론진흥재단의 기사검색사이트인 카인즈(www.kinds.or.kr)와 언론사의 홈페이지를 통해 약 28개 언론사를 대상으로 2010년 6월 1일부터 2011년 12월 31일까지 229개의 다제내성균 관련 기사를 분석하였다. 먼저, 뉴스 제목에 나타난 핵심어를 분석한 결과, 기사 제목에서 '슈퍼박테리아'(155건)가 가장 많이 사용된 것으로 나타났으며, 불안감을 촉발시키는 '감염'(63건) 용어도 많은 것으로 나타났다. 신종 감염병 보도의 전체 네트워크 구조는 '국내', '다제내성균', '첫', '항생제', '슈퍼박테리아', '발생', '감염' 등의 핵심어를 중심으로 형성된 반면, '관련주', '의료진', '안전' 등은 네크워크 중심에서 크게 벗어나 있었다.
The present study performed semantic network analysis of the keywords in the headlines of newspapers to investigate the media coverage of the multidrug-resistant microorganisms(MDROs) which is resistant to antibiotics. For this purpose, 229 news stories on MDROs in 28 newspapers from June 1, 2010 to...
The present study performed semantic network analysis of the keywords in the headlines of newspapers to investigate the media coverage of the multidrug-resistant microorganisms(MDROs) which is resistant to antibiotics. For this purpose, 229 news stories on MDROs in 28 newspapers from June 1, 2010 to December 31, 2011 were analyzed. The news stories were gathered from the Korea Press Foundation's news database, KINDS (www.kinds.or.kr) and websites of Korean newspapers. The analysis of the keywords revealed 'superbacteria' appeared most frequently (n=155) followed by 'infection' (n=63) which arouses fear among readers. While network was structured with the keywords such as 'domestic', 'multidrug-resistant microorganisms', 'first', 'antibiotics', 'outbreak' and 'infection', the keywords such as 'MDROs related stocks', 'medical staff', and 'safety' were on the periphery of the network.
The present study performed semantic network analysis of the keywords in the headlines of newspapers to investigate the media coverage of the multidrug-resistant microorganisms(MDROs) which is resistant to antibiotics. For this purpose, 229 news stories on MDROs in 28 newspapers from June 1, 2010 to December 31, 2011 were analyzed. The news stories were gathered from the Korea Press Foundation's news database, KINDS (www.kinds.or.kr) and websites of Korean newspapers. The analysis of the keywords revealed 'superbacteria' appeared most frequently (n=155) followed by 'infection' (n=63) which arouses fear among readers. While network was structured with the keywords such as 'domestic', 'multidrug-resistant microorganisms', 'first', 'antibiotics', 'outbreak' and 'infection', the keywords such as 'MDROs related stocks', 'medical staff', and 'safety' were on the periphery of the network.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
색인어는 여러 차례의 모의 분석을 통하여 연구 결과의 명료성과 시사점을 도출하기에 가장 적합하도록 일정한 노출 빈도 이상을 보인 핵심어를 대상으로 선정한다. 따라서 이 연구에서도 모의 분석을 통해 연구결과를 가장 명확하게 하고, 시사점을 도출할 수 있는 노출 빈도를 보인 색인어를 선정하고자 한다. 3단계는 색인어 파일을 KrKwic 프로그램에 입력하여 색인어 사이의 행렬을 구축하는 과정이다.
연구문제 1에서는 다제내성균과 관련한 기사 제목에서 자주 등장했던 핵심어는 무엇인지 살펴보았다. 총 229개의 기사 제목에서 제시된 핵심어를 분석하였다.
연구문제 2: 다제내성균 관련 보도에 나타난 핵심어 사이의 관계에는 어떠한 특징이 있으며, 몇 개의 하위 집단으로 구분할 수 있는가?
이 연구는 여러 항생제에 내성을 지닌 다제내성균에 대해 미디어가 어떻게 보도하는지를 알아보기 위해, 기사 제목에 나타난 핵심어를 언어 네크워크 분석을 이용하여 살펴보았다.
이러한 인식 하에 이번 연구에서는 감염병의 한 원인이 되는 다제내성균(일명 ‘슈퍼박테리아’)에 대해 언론이 어떠한 방식으로 보도하는지를 분석하였다.
제안 방법
따라서 이 연구에서는 언어 네트워크 분석(semantic network analysis; SNA)을 이용해서 ‘슈퍼 박테리아’로 보도되면서 사회적으로 큰 관심을 모았던 ‘다제내성균’ 사례가 미디어에 어떻게 보도되었는가를 점검하였다.
즉, 유사성이 높은 핵심어일수록 가깝게 위치하며, 유사성이 낮을수록 멀리 위치하게 된다. 또한, 각 핵심어의 위치와 크기는 연결정도 중앙성에 비례해서 나타나게 되며, 핵심어 사이의 선의 굵기는 동시에 출현한 빈도와 비례해서 나타나도록 시각화하였다.
연구문제 1에서 다제내성균 관련 보도에 등장하는 핵심어의 빈도를 보여준다면, 연구문제 2는 이러한 핵심어들이 어떤 맥락에서 함께 사용되고 있는가의 관계를 살펴보았다. 이때 가장 중요한 것이 어떠한 기준으로 분석 대상이 되는 핵심어를 선정하느냐 하는 문제이다.
일반적으로 네트워크 분석을 위한 핵심어 선정과 관련한 특정한 기준이 존재한다기보다는 분석 대상의 전체적인 네트워크 구조를 명확하게 보여줄 수 있는 수준에서 선정하는 경향이 있는 것으로 판단된다. 이 연구에서는 노출 빈도, 핵심어의 수 등을 종합적으로 고려해서 총 5회 이상 노출된 38개의 핵심어를 대상으로 언어 네트워크 분석을 실시하였다.
이 연구에서는 다제내성균과 관련한 기사 제목에서 제시된 핵심어 사이의 언어 네트워크 분석을 실시하였다. 이를 위해 KrKwic 프로그램[14]을 이용하여 기사 제목에서 제시된 핵심어의 빈도 및 행렬 자료 분석을 하였으며, 네트워크 분석 및 시각화는 Ucinet과 Netdraw를 이용하였다[15].
1단계는 KrKwic 프로그램에 입력할 자료를 작성하는 과정이다. 이를 위해 각각의 기사 제목을 수집하고, 분석 단위로 하였다. 2단계에서는 색인어를 설정하는 과정 이다.
이와 함께 다제내성균과 관련한 기사 제목을 보다 세밀하게 분석하기 위해 핵심어 사이의 관계는 몇 개의 하위집단으로 구분되고 있으며, 그 특징이 무엇인지 살펴보았다. 하위 집단을 구분하기 위한 방법으로는 개별 핵심어가 상호배타적으로 최적화된 집단으로 묶일 수 있는 분할(Faction) 기법을 이용하는데, 이는 집단 내의 연결성은 높고, 집단 간의 연결성은 낮도록 하위집단을 구분하는 방법이다.
대상 데이터
질병관리본부가 내놓은 2011년 12월 15일자 보도 자료에 따르면, ‘여러 항생제에 내성을 갖지만, 다른 항생제를 통해 치료가 가능한’ 다제내성균이 ‘어떤 항생제를 써도 치료가 불가능한’ 이른바 ‘슈퍼 박테리아’로 보도되면서 혼란이 발생했다. 따라서 다제내성균이 국내에는 아직 본격적으로 발생하지는 않았지만, 질병관리본부와 언론에서 관심을 보이기 시작한 2010년 6월부터 사회적으로 관심이 멀어지는 시기인 2011년 12월 31일까지의 언론기사를 수집하였다.
언론기사는 한국언론진흥재단 기사검색 사이트인 카인즈(www.kinds.or.kr)를 바탕으로 기사를 검색하였다. 카인즈에 등록되어 있지 않은 언론사는 각 언론사별 인터넷 홈페이지에서 기사를 검색하였다.
언론보도를 찾기 위해 총 5개의 검색어(‘다제내성균’, ‘슈퍼박테리아’, ‘카바페넴’, ‘NDM-1’, ‘질병관리본부)’를 이용하였다.
언론보도를 찾기 위해 총 5개의 검색어(‘다제내성균’, ‘슈퍼박테리아’, ‘카바페넴’, ‘NDM-1’, ‘질병관리본부)’를 이용하였다. 이러한 과정을 통해 약 28개 언론사로부터 총 229개의 언론기사를 수집하였다([Table 1] 참조). 기사 형식별로는 스트레이트 기사가 165건(72.
연구문제 1에서는 다제내성균과 관련한 기사 제목에서 자주 등장했던 핵심어는 무엇인지 살펴보았다. 총 229개의 기사 제목에서 제시된 핵심어를 분석하였다. 본격 적인 분석에 앞서 같은 의미이지만, 기사에 따라 표현하는 방식이 다른 경우는 용어를 통일시켰다.
데이터처리
이 연구에서는 다제내성균과 관련한 기사 제목에서 제시된 핵심어 사이의 언어 네트워크 분석을 실시하였다. 이를 위해 KrKwic 프로그램[14]을 이용하여 기사 제목에서 제시된 핵심어의 빈도 및 행렬 자료 분석을 하였으며, 네트워크 분석 및 시각화는 Ucinet과 Netdraw를 이용하였다[15].
이상의 과정을 요약하여 설명하면, KrKwic 프로그램을 이용해서는 핵심어의 노출 빈도 및 동시노출빈도의 행렬을 구하고, 여기서 얻어진 행렬 자료는 Uninet과 Netdraw를 이용하여 네트워크 분석 및 시각화를 실시하였다.
이론/모형
1]과 같다. 시각화를 위해서 MDS(multi-dimensional scaling) 방법을 이용하였다. MDS는 다른 방법들과는 달리 유사성이 높은 핵심어는 가깝게 위치시킴으로써 보다 효과적으로 네트워크 구조를 확인할 수 있고, 해석할 수 있도록 할 수 있다[17].
성능/효과
‘항생제’, ‘슈퍼박테리아’, ‘다제내성균’, ‘첫’, ‘국내’, ‘내성’, ‘발생’, ‘감염’, ‘4명’, ‘환자’, ‘남용’, ‘발견’, ‘2명’, ‘확인’, ‘국내서도’ 등의 핵심어 등이 포함되는 것으로 나타났다.
가장 많이 등장한 핵심어는 ' 슈퍼박테리아'(155건) 인 것으로 나타났다.
여러 번의 하위집단 분석을 실시한 결과, 5개의 하위 집단으로 구분한 경우에 적합도 값이 318로 가장 낮은 것으로 나타났다. 따라서 다제내성균과 관련한 기사 제목의 하위 집단은 총 5개로 구분하는 것이 적절할 것으로 판단되며, 각 그룹별로 색깔로 구분해서 시각화한 것이 [Fig. 2]이다.
또한, 보도 제목을 세밀하게 분석하기 위해 핵심어들 간의 연결성을 고려해 하위집단을 묶는 결과, 총 5개군으로 분류되었다. ‘슈퍼박테리아’와 ‘항생제’ 등이 속한 집단 A는 다제내성균 감염 사실을 알리는 스트레이트성 기사가 주를 이뤘고, ‘NDM_1'과 ’카파페넴‘ 등이 묶여있는 집단 B는 다제내성균의 국가 감염병 지정에 초점이 맞춰져 있었다.
먼저, 뉴스 제목에 나타난 핵심어를 분석한 결과, 기사 제목에서 ‘슈퍼박테리아’(155건)가 가장 많이 사용된 것으로 나타났으며, 불안감을 촉발시키는 ‘감염’(63건) 용어도 많은 것으로 나타났다.
실제로 선행 연구에서는 미국의 언론 데이터베이스인 LexisNexi를 이용해서 2003년의 신문, TV, 라디오 뉴스 기사에서 사스(SARS), 웨스트 나일 열병(West Nile Fever), 바이오테러 등과 같이 새로 출몰하는 건강 위협과 에이즈, 흡연, 운동 부족 등과 같은 이미 알려진 건강 위협 요인들의 보도를 비교하였다. 분석 결과, 십여명이 사망한 사스, 바이오테러에 대한 보도 기사 수는 10만건을 넘어선 반면, 80만명 정도의 사망자가 발생하는 흡연이나 운동부족에 대한 보도는 2만건 정도에 불과한 것으로 나타났다. 이것은 신종 건강 위협이 예전에 존재하던 위협에 비해 기자와 편집자의 주목을 더 받게 돼 결과적으로 일반 국민뿐만 아니라 보건 정책 담당자들에게까지 편향된 인식을 형성하도록 함으로써 예방 활동과 관련한 잘못된 선택과 우선 순위를 매기도록 하는 문제를 발생시켰다[4].
아울러, 기사 제목에 제시된 핵심어들 사이의 관계성을 파악한 바, 전체 네트워크 구조는 ‘국내’, ‘다제내성균’, ‘첫’, ‘항생제’, ‘슈퍼박테리아’, ‘발생’, ‘감염’ 등의 핵심어를 중심으로 형성된 반면, ‘관련주’, ‘의료진’, ‘안전’ 등은 네크워크 중심에서 크게 벗어나 있었다.
여러 번의 하위집단 분석을 실시한 결과, 5개의 하위 집단으로 구분한 경우에 적합도 값이 318로 가장 낮은 것으로 나타났다. 따라서 다제내성균과 관련한 기사 제목의 하위 집단은 총 5개로 구분하는 것이 적절할 것으로 판단되며, 각 그룹별로 색깔로 구분해서 시각화한 것이 [Fig.
예를 들어 휴대폰은 휴대전화, 예방책은 예방법 등으로 통일하였다. 이러한 과정을 통해서 수집된 핵심어는 1,179개였으며, 중복된 핵심어를 제외하고 순수하게 제시된 핵심어는 총 309개인 것으로 나타났다. 가장 많이 등장한 핵심어는 ' 슈퍼박테리아'(155건) 인 것으로 나타났다.
전체적인 네트워크의 구조는 ‘국내’, ‘다제내성균’, ‘첫’, ‘항생제’, ‘슈퍼박테리아’, ‘발생’, ‘감염’ 등의 핵심어를 중심으로 형성되어 있는 것으로 나타났다.
핵심어 분석결과를 보면, 다제내성균과 관련한 기사의 제목은 사람들의 관심을 끌기 위해서 정부 당국이 공식적으로 사용하는 ‘다제내성균’이란 용어보다 ‘슈퍼박테리 아’처럼 공포심을 유발할 수 있는 핵심어를 3배 가량 많이 제시하였다.
후속연구
다음으로 이 연구는 보도의 결과를 분석하고 있지만 향후 연구에서는 이러한 특정 핵심어를 배치하는 보도 과정에 대한 분석을 언론인 심층면접 등을 통해 밝힌다면 감염병 보도를 총체적으로 이해하는 데 도움이 될 것이다. 더불어, 후속연구에서는 가능하다면, 감염병 보도 에서 언론이 절제된 용어를 사용하지 않고, 위험을 과장시키는 핵심어를 주로 기사에 배치함으로써 나타나는 초과 위험을 실험 연구 등의 방법을 통해 계량화하는 것도 검토해 볼 필요가 있다.
다음으로 이 연구는 보도의 결과를 분석하고 있지만 향후 연구에서는 이러한 특정 핵심어를 배치하는 보도 과정에 대한 분석을 언론인 심층면접 등을 통해 밝힌다면 감염병 보도를 총체적으로 이해하는 데 도움이 될 것이다. 더불어, 후속연구에서는 가능하다면, 감염병 보도 에서 언론이 절제된 용어를 사용하지 않고, 위험을 과장시키는 핵심어를 주로 기사에 배치함으로써 나타나는 초과 위험을 실험 연구 등의 방법을 통해 계량화하는 것도 검토해 볼 필요가 있다.
이는 언어와 지식은 단어 사이의 관계를 통해 형성된 네트워크에 의한 것이라는 인식을 기반으로 한다[13]. 따라서 다제내성균과 관련한 보도에서 사용되는 단어와 그 단어 사이의 관계를 살펴봄으로써 언론보도의 경향 및 특징을 분석하고, 나아가 공중이 다제내성균을 어떻게 인식할 것인가를 간접적으로 이해하는 데 중요한 자료가 될 것으로 기대하였다. 구체적인 연구문제는 다음과 같다.
질의응답
핵심어
질문
논문에서 추출한 답변
언론이 어떻게 보도하는지가 중요한 이유는?
건강 정보의 홍수 시대라고 해도 과언이 아니다. 언론이 어떻게 보도하느냐에 따라서 일반 대중에서 불필요한 공포감, 나아가 감염인들에 대한 편견 및 낙인이 발생할 수 있다는 점에서 특별한 주의가 필요하다. 실제로 선행 연구에서는 의학 보도가 질병에 대한 두려움에 유의미한 영향을 미치는 것으로 나타났다[1].
신종 건강 위협이 기존에 존재하던 위협보다 더 주목받게 된다고 주장하는 것에 대한 근거는?
실제로 선행 연구에서는 미국의 언론 데이터베이스인 LexisNexi를 이용해서 2003년의 신문, TV, 라디오 뉴스 기사에서 사스(SARS), 웨스트 나일 열병(West Nile Fever), 바이오테러 등과 같이 새로 출몰하는 건강 위협과 에이즈, 흡연, 운동 부족 등과 같은 이미 알려진 건강 위협 요인들의 보도를 비교하였다. 분석 결과, 십여명이 사망한 사스, 바이오테러에 대한 보도 기사 수는 10만건을 넘어선 반면, 80만명 정도의 사망자가 발생하는 흡연이나 운동부족에 대한 보도는 2만건 정도에 불과한 것으로 나타났다. 이것은 신종 건강 위협이 예전에 존재하던 위협에 비해 기자와 편집자의 주목을 더 받게 돼 결과적으로 일반 국민뿐만 아니라 보건 정책 담당자들에게까지 편향된 인식을 형성하도록 함으로써 예방 활동과 관련한 잘못된 선택과 우선 순위를 매기도록 하는 문제를 발생 시켰다[4].
우리는 매일 무엇을 통해서 건강 뉴스 혹은 정보를 접하는가?
우리는 거의 매일 같이 신문, TV, 인터넷 등을 통해서 건강 뉴스 혹은 정보를 접하게 된다. 건강 정보의 홍수 시대라고 해도 과언이 아니다.
참고문헌 (18)
C. Y. Park, The impact of medical news on the public's attitude regarding health and disease: Korean Journal of Journalism & Communication Studies, Vol. 2, No. 9, pp. 194-222, 2003.
C. Y. Park, Son, M. S, Public health and medical news. Seoul: Communication Books. 2001.
Y. K. Ju, M. S. You, Representing health risk: A quantitative analysis of Korean news medis's coverage of emerging diseases and chronic ones, Korean Journal of Journalism & Communication Studies, Vol. 54, No. 2, pp. 363-381, 2010.
L. J. Bomlitz, M. Brezis, Misrepresentation of health risks by mass media, Journal of Public Health, Vol. 30, pp. 202-204, 2008.
G. J. Oh, Comprisons of Attitude on Media's Report for Avian Influenza between Poultry Breeder and Non-breeder. Journal of agricultural medicine & community health, Vol. 34, No. 1, pp. 58-66, 2009.
M. McQuail, McQuail's Mass Communication Theory(6th ed.). London: Sage. 2010.
K. Viswanath, K. M. Emmons, Message effects and social determinants of health: Its application to cancer disparity, Journal of Communication, Vol. 56, pp. 238-264, 2006.
W. Lowrey, K. Gower, W. Evans, J. Mackay, Assessing newspaper preparedness for public health emergencies, Journalism and Mass Communication Quarterly, Vol. 83, pp. 362-380, 2006.
B. Holmes, N. Hennrich, S. Hencock, V. Lestou, Communicating with the public during health crises: Experts' experiences and opinions, Journal of Risk Research, Vol. 12, No. 6, pp. 793-807, 2009.
R. Popping, Computer-assisted text analysis. London, Thousand Oaks: Sage Publications. 2000.
J. F. Sowa, Conceptual Structures: Information Processing in Mind and Machine. MA: Addison-Wesley. 1984.
H. W. Park, L. Leydesdorff, Understanding the KrKwic: A computer program for the analysis of Korean text. Journal of The Korean Data Analysis Society, Vol. 6, No. 5, pp. 1377-1388, 2004.
S. P. Borgatti, M. G. Everett, L. C. Freeman, Ucinet for Windows: Software for Social Network Analysis. Harvard, MA: Analytic Technologies. 2002.
S. J. Lee, J. H. Choi, H. W. Kim, Semantic network analysis on the MIS research keywords: APJIS and MIS Quarterly 2005-2009, Asia Pacific Journal of Information Systems, Vol. 20, No. 4, pp. 25-51. 2010.
R. A. Hanneman, R. Mark, Introduction to social network methods. Riverside, CA: University of California, Riverside(published in digital form at http://faculty.ucr.edu/-hanneman/.
L. J. Bomlit, M. Brezis, Misrepresentation of health risks by mass media, Journal of Public Health, Vol. 30, pp. 202-204, 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.