선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서 재난대응 용어의 분석을 통해 재난대응에 있어 어떤 용어가 핵심적이고 쟁점이 되는지를 파악해본다. 이를 위해 텍스트 마이닝(Text Mining)과 소셜 네트워크 분석(SNA: Social Network Analysis)을 이용한다.
- 반면에 본 연구는 재난대응과정의 문제를 담고 있는 사고사례를 대상으로 하며, 선정한 재난유형 또한 사회재난이라는 점에서 차이를 보인다. 또한, 연구목적에서도 이성수의 연구는 새로운 재난전조정보의 위험 수준을 판단하고 유사한 사례를 발견하기 위한 규칙모델을 생성하는 것이지만, 본 연구는 사고사례에서 언급되는 다양한 재난 대응 관련 용어 중 핵심용어 혹은 쟁점이 무엇인지를 파악하는 것을 목적으로 한다는 점에서 차이를 보인다.
- 본 연구에서는 Object-Instance 간의 거리, ClassObject 간의 거리를 파악한다. 먼저, 5개의 Object 와 각 영역에 있는 Instance 사이의 유클리디안 거리를 모두 구한다.
- 본 연구에서는 용어의 근접 중심성 계산을 통해 어떤 영역이 재난대응과 가장 밀접하게 연관되어있는지, 또 재난대응 각 영역 내에서 어떤 용어가 가장 핵심적인지를 파악하였다. 재난대응 핵심용어는 다양한 측면에서 활용할 수 있다.
- 본 연구의 목적은 예방, 대비, 대응, 복구단계로 구성되는 재난관리 중에서 ‘재난대응’에 관련된 용어를 선정하고 용어 간의 근접 중심성을 계산해 어떤 용어가 재난대응 영역에서 핵심용어인지를 파악하는 것이다.
제안 방법
- 용어분석의 범위는 재난관리의 4단계(예방, 대비, 대응, 복구) 중 ‘재난대응’으로 정했으며, NIMS (미국 FEMA), EMR(ISO22320), 그리고 우리나라 재난 및 안전관리 기본법을 토대로 온톨로지 개념에 따라 용어를 계층적(Class, Object, Instance)으로 분류하였다.
- 하지만 재난대응과 관련된 용어를 주제로 다루는 논문은 아직 부족한 실정이다. 재난대응 용어분석에 관한 선행연구가 거의 없다는 점에서 본 연구와 유사한 접근방법을 가진 논문 및 타 분야에서 SNA를 이용해 핵심용어를 파악하는 과정을 조사하였다.
- 국립재난안전연구원의 연구에서는 미래재난 예측 시나리오를 구성하기 위해 텍스트 마이닝 및 델파이 기법을 이용해 핵심 키워드를 도출 · 선정하여 주요 Topic 별로 키워드 맵을 구성했지만 본 연구에서는 재난대응과 관련된 용어들을 온톨로지 기법에 따라 3개 계층(Class-ObjectInstance)으로 분류하여 TDM(Term Document Matrix)을 구성하고, 역문헌 빈도수(Invert Document Frequency) 및 정규화(Normalization)를 수행하였다.
- 국가 R&D 조사, 분석 DB에서 최근 3년간 연구과제의 영문 키워드를 추출하고 정제한 후, 문서출현 빈도를 산출하였다.
- 국립재난안전연구원(2013)의 연구에서는 미래 예측에 대한 국내외 방법론과 사례 검토를 통해 재난 분야에 실질적 영향을 줄 수 있는 요인분석과 이슈 도출을 위해 구체적인 미래재난 시나리오의 구축이 가능하도록 하는 미래재난예측 방법론을 정립하였다. 방대한 데이터 분석을 위한 빅데이터 개념과 텍스트 마이닝을 활용한 환경스캐닝 기법의 적용, 전문가 델파이 설문조사를 진행할 수 있는 온라인 시스템을 도입하고 있으며, 미래재난예측기법의 시험적 적용을 위해 세계경제포럼에서 발표한 글로벌 리스크를 대상으로 분석을 시행하였다. 최종적으로는 주요 핵심 키워드를 선정하고 재난에 중요한 영향력을 미칠 수 있는 연관성 높은 토픽들을 분류하여 미래재난 이슈들을 도출하였다.
- 국립재난안전연구원의 연구에서는 미래재난 예측 시나리오를 구성하기 위해 텍스트 마이닝 및 델파이 기법을 이용해 핵심 키워드를 도출 · 선정하여 주요 Topic 별로 키워드 맵을 구성했지만 본 연구에서는 재난대응과 관련된 용어들을 온톨로지 기법에 따라 3개 계층(Class-ObjectInstance)으로 분류하여 TDM(Term Document Matrix)을 구성하고, 역문헌 빈도수(Invert Document Frequency) 및 정규화(Normalization)를 수행하였다. 또한 SNA(Social Network Analysis)를 이용해 용어들의 근접 중심성(Closeness Centrality)을 계산하고 마인드맵을 통해 3개 계층 간의 관계를 표현하였다.
- 김유호(2012)의 연구에서는 최근 3년 동안 주요 일간지에 게재된 의료민영화 및 영리병원에 관한 신문 사설을 중심으로 내용분석의 일종인 언어네트워크 분석을 통해 핵심 키워드를 찾아내고, 키워드 간의 연결 중심성 분석을 통해 논란의 핵심이 무엇인지를 파악하고자 했다. SNA 중 연결 중심성(Degree Centrality)을 이용하여 의료민영화 및 영리병원과 관련된 주요 중심키워드를 도출하였다.
- 재난대응의 영역은 미국의 NIMS(National Incident Management System) 및 ISO22320 EMR(Emergency Management Requirements) 그리고 우리나라의 재난 및 안전관리 기본 법을 참고해 지휘/통제(Command/Control), 상호 협업(Cooperation/Coordination), 정보관리(Information Management), 공보/커뮤니케이션(Public Information/Communication), 자원관리(Resource Management) 5개로 분류한다. 또한, 5개 영역과 관련된 용어 선정하고, 신문기사와 사설, 정부 간행물 등에서 그 빈도수를 산출해 용어 간의 근접 중심성을 파악한다.
- 두 번째로, SNA(Social Network Analysis) 중 근접 중심성(Closeness Centrality)을 이용해 용어 간의 근접성을 파악한다. SNA는 네트워크 내에서의 관계를 여러 가지 수학적 기법들에 따라 분석할 수 있는데, 그중 연결망의 구조적 특성을 가장 기본적으로 분석할 수 있는 방법으로는 연결망의 규모, 밀도, 중심성 등이 있다(김혜진, 2007).
- 본 연구에서는 재난대응 핵심용어를 파악하기 위해 근접 중심성을 이용한다. 앞서 문헌연구에서도 언급하였듯이 연결 중심성은 직접적으로 연결 관계를 가지고 있는 노드 간의 관계만을 상정하기에 그 노드의 연결망 내 영향력을 파악하기 어렵다.
- Class는 Object를 포함하는 틀로, 본 연구에서는 재난관리의 4단계 중 ‘재난대응’을 Class로 설정하였다.
- 사람은 시간이 지나면 생각한 내용 일부를 잃어버리게 되는데 마인드맵은 유기적으로 연결되는 생각들을 훌륭하게 상기시켜준다는 장점이 있다. 본 연구에서는 마인드맵을 이용해 재난대응과 관련된 용어들의 근접성을 한눈에 알아볼 수 있도록 시각화 한다.
- 용어는 20개의 사고 사례 문서에서 선정한다. 본 연구에서는 앞서 언급하였듯이 재난대응의 영역을 5개로 분류하였다. 따라서 5개의 영역에 해당하는 용어를 선정하고, 선정한 용어는 TDM에서 열(column)에 배정하였다.
- 본 연구에서는 앞서 언급하였듯이 재난대응의 영역을 5개로 분류하였다. 따라서 5개의 영역에 해당하는 용어를 선정하고, 선정한 용어는 TDM에서 열(column)에 배정하였다.
- 이때 열(column)은 NIMS(미국 FEMA), EMR(ISO22320) 그리고 우리나라 재난 및 안전관리기본법을 토대로 온톨로지 개념에 따라 계층적으로 분류하였다. 온톨로지란 ‘어떤 관심 분야를 개념화하기 위해 명시적으로 정형화한 명세서’로 주로 인용되고 있다(Gruber, 1993).
- 온톨로지란 ‘어떤 관심 분야를 개념화하기 위해 명시적으로 정형화한 명세서’로 주로 인용되고 있다(Gruber, 1993). 재난대응에 관련된 용어들을 계층적으로 표현하기 위해 여기서는 Class, Object, Instance 3계층으로 분류하였다.
- Object는 Class의 하위 항목으로 ‘재난대응’의 5개 영역(지휘/통제, 상호협업, 정보관리, 공보/커뮤니케이션, 자원관리)으로 설정하였다. Instance는 Object의 하위 항목으로 재난대응의 5개 영역에서 사용하는 용어들로 지정하였다(Instance는 재난담당 공무원 및 정책연구 등에서 주요하게 언급되는 용어를 기반으로 선정하였다).
- TDM 구성 및 정규화를 토대로 용어들의 유클리디안 거리를 계산하고 SNA 중 근접 중심성을 계산한다. 이를 통해 Object와 Instance 간의 근접 정도, Class와 Object 간의 근접 정도를 파악할 수 있다.
- 본 연구에서 마인드맵은 2가지 측면(Class-Object, Object-Instance)으로 비교할 수 있도록 표현하였다( 참조).
- 본 연구에서는 Class 와 5개의 Object 간의 거리를 쉽게 비교할 수 있도록 비교 수치를 α로 치환하였다(α = 근접 중심성×104 ).
- 본 연구의 목적은 예방, 대비, 대응, 복구단계로 구성되는 재난관리 중에서 ‘재난대응’에 관련된 용어를 선정하고 용어 간의 근접 중심성을 계산해 어떤 용어가 재난대응 영역에서 핵심용어인지를 파악하는 것이다. 이를 위해 대응과정의 내용을 담고 있는 다양한 사고사례 문서에서 텍스트 마이닝 개념 중 하나인 TDM을 바탕으로 용어의 빈도수를 계산한 후 SNA의 근접 중심성을 분석 하였다.
대상 데이터
- 본 연구의 범위는 재난관리 4단계(예방, 대비, 대응, 복구) 중 재난 ‘대응’에 관련된 용어를 분석하는 것으로 한다.
- TDM 작성을 위해서는 먼저 사고사례와 용어를 수집해야 한다. 본 연구에서는 우리나라의 주요 사고사례로 꼽히는 세월호 침몰사고(C1), 구미 불산 유출사고(C2), 삼풍백화점 붕괴사고(C3), 판교환풍구 붕괴사고(C4), 대구 지하철 화재사고(C5)를 선정하였다. 사고사례별로 재난대응 과정의 내용을 많이 포함하고 있는 사설과 전문가 칼럼 위주의 신문기사, 감사보고서 및 재난백서 등의 정부간행물을 데이터로 준비하였으며, 사례별로 신문기사 3종류와 정부간행물 1종류를 분석 데이터셋(set)으로 설정하였다.
- 본 연구에서는 우리나라의 주요 사고사례로 꼽히는 세월호 침몰사고(C1), 구미 불산 유출사고(C2), 삼풍백화점 붕괴사고(C3), 판교환풍구 붕괴사고(C4), 대구 지하철 화재사고(C5)를 선정하였다. 사고사례별로 재난대응 과정의 내용을 많이 포함하고 있는 사설과 전문가 칼럼 위주의 신문기사, 감사보고서 및 재난백서 등의 정부간행물을 데이터로 준비하였으며, 사례별로 신문기사 3종류와 정부간행물 1종류를 분석 데이터셋(set)으로 설정하였다. 5개 사고 사례의 총 문서 수는 20개이며, 이는 TDM에서 행(row)에 배정 하였다.
- 사고사례별로 재난대응 과정의 내용을 많이 포함하고 있는 사설과 전문가 칼럼 위주의 신문기사, 감사보고서 및 재난백서 등의 정부간행물을 데이터로 준비하였으며, 사례별로 신문기사 3종류와 정부간행물 1종류를 분석 데이터셋(set)으로 설정하였다. 5개 사고 사례의 총 문서 수는 20개이며, 이는 TDM에서 행(row)에 배정 하였다.
- 용어는 20개의 사고 사례 문서에서 선정한다. 본 연구에서는 앞서 언급하였듯이 재난대응의 영역을 5개로 분류하였다.
- 이때 우선적으로 어떤 용어를 표준화할 것인지에 대한 기준을 핵심용어 기반으로 선정할 수 있다. 본 연구에서는 재난대응 과정을 중점적으로 다루고 있는 사설 등의 신문기사, 정부 간행물로 데이터 셋을 구성하였다. 하지만 인명피해 및 사회적 파급 정도를 고려하여 사례를 선정하였기 때문에 데이터 수가 적다는 한계가 있었으므로 향후에는 지침, 매뉴얼, 법령 등 더 넓은 범위에서 문서를 수집하여 용어를 분석하면 핵심용어 도출 결과가 좀 더 명확할 것으로 판단된다.
이론/모형
- 따라서 본 연구에서 재난대응 용어의 분석을 통해 재난대응에 있어 어떤 용어가 핵심적이고 쟁점이 되는지를 파악해본다. 이를 위해 텍스트 마이닝(Text Mining)과 소셜 네트워크 분석(SNA: Social Network Analysis)을 이용한다. 최근 사회적 관계를 바탕으로 형성된 소셜 네트워크 관련 기술이 빠르게 발전하고 있으며, 이에 따라 SNA 또한 급속도로 발전하고 있다.
- 연결 중심성의 경우 한 노드에 몇 개의 다른 노드들이 직접 연결되어있는지를 측정하는 방식으로 직접적인 연결 관계를 가지고 있는 노드 간의 관계만을 상정하기 때문에 연결망 내에서 지역적 중심성(local centrality)을 측정하는 개념으로 사용된다. 하지만 단순히 직접적인 연결만으로는 그 노드의 연결망 내 영향력을 파악하기 어려우므로 본 연구에서는 직접적 연결뿐만 아니라 한 노드에 연결된 모든 노드의 거리를 계산하는 방식인 근접 중심성(Closeness Centrality)을 이용한다.
- TDM은 용어와 문서(재난사고사례)의 관계에서 어떤 용어가 문서에 많이 등장하는지(용어 빈도수)를 파악할 수 있게 해준다. 하지만 특정 용어가 문서에 많이 등장한다고 해서 반드시 중요성이 높다는 것은 아니므로 이러한 문제를 해결하기 위해 빈도수를 산출한 후 정규화(Normalization)를 실시한다.
- 용어 간의 거리 계산은 앞서 언급한 유클리디안 거리공식을 이용한다. 본 연구에서는 2차원에서의 유클리디안 거리를 구하기 때문에 n = 2이다.
성능/효과
- 분석결과 재난대응(Class)의 5개 영역(Object) ‘지휘/통제, 상호협업, 정보관리, 공보/커뮤니케이션, 자원관리’ 중 ‘지휘/통제’ 영역이 가장 핵심적인 것으로 나타났으며, ‘지휘/통제’ 영역 내의 용어(Instance) 중에서는 ‘조치’와 ‘책임’이 다른 용어보다 해당 영역과의 근접성이 높은 것으로 나타났다.
- 이성수의 연구에서는 절개지 붕괴사고 사례에서 언급되는 용어의 빈도를 계산하여 규칙모델을 설계했다. 본 연구에서 핵심용어를 파악하기 위해 20개의 재난사고사례를 사용하고, 문서 속에서 드러나는 용어의 빈도를 계산하는 텍스트 마이닝 기법을 활용한다는 점에서 이성수의 논문과 유사한 분석방법을 일부 사용한다는 것을알 수 있다. 하지만 이성수의 연구는 재난관리 4단계 범위(예방, 대비, 대응, 복구) 중에서 재난대응 이전에 발생하는 예방단계에 초점을 맞추고 있고, 재난유형도 자연재해로 한정하고 있다.
- 방대한 데이터 분석을 위한 빅데이터 개념과 텍스트 마이닝을 활용한 환경스캐닝 기법의 적용, 전문가 델파이 설문조사를 진행할 수 있는 온라인 시스템을 도입하고 있으며, 미래재난예측기법의 시험적 적용을 위해 세계경제포럼에서 발표한 글로벌 리스크를 대상으로 분석을 시행하였다. 최종적으로는 주요 핵심 키워드를 선정하고 재난에 중요한 영향력을 미칠 수 있는 연관성 높은 토픽들을 분류하여 미래재난 이슈들을 도출하였다.
- 지휘/통제 영역의 경우 재난현장을 총괄하는 중요한 부문이고, 얼마나 지휘/통제가 잘 이루어지냐에 따라 상호협업 등 타 영역에 연쇄적인 영향을 미치기 때문에 무엇보다 재난대응에서 핵심적인 부분이라고 할 수 있다(국민안전처, 2014, 2015). 지휘/통제 영역의 뒤를 이어서 상호협업, 정보관리, 공보/커뮤니케이션, 자원관리의 순으로 재난대응과 밀접하게 연관되어 있음을 확인할 수 있었다.
- 5개 Object와 Instance 간의 비교에서는 지휘/통제, 상호협업 영역의 용어들이 나머지 3개 영역의 용어보다 해당 영역과 근접하게 연결된 것을 확인할 수 있었다. 특히 지휘/통제 영역에서는 ‘조치’및 ‘책임’이 가장 낮은 근접 중심성을 나타내고 있어 해당 영역의 핵심용어로 볼 수 있으며, 상호 협업 영역에서는 ‘재난현장’과 ‘구조’를 핵심용어로 파악할 수 있다.
후속연구
- 용어의 통일은 단순히 기관 간 커뮤니케이션의 효율을 증진시키는 것뿐만 아니라, 재난대응에 대한 다양한 자료들을 축적하고 검색할 시 표준화된 용어를 기반으로 일관성 있는 자료를 얻을 수 있도록 해준다. 이 밖에도 사고대응 시나리오 및 매뉴얼 작성 시 핵심 영역, 혹은 핵심활동에 대한 다양한 교육/훈련의 기회를 제공할 수 있을 것으로 기대된다.
- 본 연구에서는 재난대응 과정을 중점적으로 다루고 있는 사설 등의 신문기사, 정부 간행물로 데이터 셋을 구성하였다. 하지만 인명피해 및 사회적 파급 정도를 고려하여 사례를 선정하였기 때문에 데이터 수가 적다는 한계가 있었으므로 향후에는 지침, 매뉴얼, 법령 등 더 넓은 범위에서 문서를 수집하여 용어를 분석하면 핵심용어 도출 결과가 좀 더 명확할 것으로 판단된다. 또한, 온톨로지 개념에 따라 용어들을 계층적으로 분류하였기 때문에 재난대응에 대한 다양한 자료들을 축적하고 검색하는데 용어의 분류체계를 활용할 수 있다.
- 핵심용어를 통해 만들어진 재난대응 시나리오는 재난 담당자에게 다양한 교육/훈련의 기회가 될 수 있으며, 추가적인 문제를 발견해 피드백 할 수 있도록 해준다. 이로써 향후 발생할 수 있는 유사 사고를 대비하기 위한 실무자의 역량을 강화할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.