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
- 또한, 이용자의 행태를 파악하는 과학적·합리적 접근 방법에 대한 연구의 필요성에 의하여 소셜 미디어를 기초 자료로 사용하고, 빅데이터 프로그램을 활용함으로써 행태분석 연구에서 빅데이터 연구 방법의 기대효과를 밝히고자 하는 것이 연구의 부차적인 목적이다.
- 공원은 인간의 행태를 지원해주는 장소이고, 인간의 행태와 상호보완적이라는 맥락에서 행태 분석은 이용자의 요구를 파악하고, 공원이라는 공간을 이해할 수 있는 기초 연구라 할 수 있다. 이에 본 연구는 공원 이용자들이 어떤 경험을 하는지 변화 과정을 고찰하고, 시계열적 행태 변화에 주목하는 것이 본 연구의 주된 목적이다. 또한, 이용자의 행태를 파악하는 과학적·합리적 접근 방법에 대한 연구의 필요성에 의하여 소셜 미디어를 기초 자료로 사용하고, 빅데이터 프로그램을 활용함으로써 행태분석 연구에서 빅데이터 연구 방법의 기대효과를 밝히고자 하는 것이 연구의 부차적인 목적이다.
- 중심성 및 밀도분석 결과의 기준은 유사한 연구결과를 참고할 수 있지만, 각각의 연구가 가지고 있는 데이터의 양이나 특징이 다르므로 오류가 있을 수 있다. 이에 본 연구에서는 대상지와 관련된 데이터를 시기별로 수집하여 데이터를 비교하여 해석하였다. 예를 들어 A시기의 밀도가 B시기 밀도보다 높게 나타나면 A시기가 B시기보다 다양한 행태가 행해지고 있으며,그 행태들이 상호밀접하게 연관되어 형성되어 있고, A시기보다 B시기의 중심성 값이 높게 나타나면 B시기에 특정한 행태에 집중되고 있다고 해석하였다.
제안 방법
- 수집기간은 1990년 1월 1일~2017년 12월 13일로 선정하였으나, 1990년대에는 블로그가 활성화되지 않아서 2000년대부터 수집이 가능하였다. 공원 이용자의 행태적 특성을 파악하기 위해서는 장기간에 걸친 행태분석이 이루어질 필요가 있으므로 5년 단위로 구분하여 수집하였다.
- 텍스트 마이닝은 대용량의 데이터에서 사용자가 관심을 가지는 정보를 키워드 수준이 아니라, 배경, 정황 등의 수준의 의미를 찾아내는 과정으로(Jung, 2010) 올림픽공원에서 일어나는 주요 행태와 연관관계에 있는 배경을 파악할 수 있다. 또한, 사회연결망 분석을 통해 텍스트 마이닝의 결과에서 나타난 키워드 간의 관계를 시각적으로 파악하고, 도출된 결과의 유의성을 검증하여 이해를 도모하였다.
- 빈도분석은 수집된 전체 문서 안에서 해당 키워드가 얼마나 등장하는지 횟수를 세는 것으로 빈도분석을 통해 행태와 관련된 키워드를 구분하고, 주요 행태를 추출할 수 있다. 또한, 행태의 의미를 부여하고, 빈도분석에서는 도출되지 않은 행태의 특이점을 찾아내기 위하여 N-gram을 통하여 키워드간의 연관관계를 파악하였다.
- TF-IDF는 주로 문서에서 핵심어를 추출하기 위한 목적으로 특정 단어가 포함된 문서들 간의 가중치를 계산하여 높은 값을 가지는 가중치를 정렬함으로써 단어의 중요도가 결정되는 방식을 사용하고 있다(An, 2017). 빈도분석에서 도출된 키워드를 대상으로 TF-IDF를 활용하여 가중치를 부여하였다.
- 올림픽 공원 이용자의 행태를 시간의 흐름에 따른 변화과정을 파악하기 위하여 시간적 추이로 구분하고, 텍스트 마이닝과 사회연결망 분석 방법을 실시하였다(Figure 1 참조).
- 이에 UCINET6을 활용하여 올림픽 공원에서 일어나는 주요 행태를 구성하는 관계의 체계, 즉 연결망 구조 파악이 가능한 중심성 및 밀도 분석과 유의성 검정을 실시하고, 연동이 가능한 넷드로우(NetDraw)를 활용하여 시각화하였다.
- 이에 본 연구의 대상을 올림픽 공원으로 선정하고, 텍스트 마이닝과 사회연결망 분석을 활용하여 시간적 추이로 행태를 분석하였다. 도출된 행태의 특징은 다음과 같다.
- 텍스트 마이닝과 사회연결망 분석을 통해 올림픽공원의 행태를 시계열 분석하였다.
대상 데이터
- 본 연구의 대상은 빅데이터 자료 기반의 특징인 시계열 분석이 가능한 이점을 활용하여 “도시공원 및 녹지 등에 관한 법률”이 제정(1980년 1월 4일)된 이후 생겨난 공원 중 규모가 100만 m2 이상, 이용자의 편의를 도모하는 복합적인 시설을 갖춘 공원, 수집되는 데이터의 양이 100만 건 이상인 점을 고려하여 ‘올림픽공원’으로 선정하였다.
- 수집기간은 1990년 1월 1일~2017년 12월 13일로 선정하였으나, 1990년대에는 블로그가 활성화되지 않아서 2000년대부터 수집이 가능하였다. 공원 이용자의 행태적 특성을 파악하기 위해서는 장기간에 걸친 행태분석이 이루어질 필요가 있으므로 5년 단위로 구분하여 수집하였다.
- 수집된 데이터는 Table 2와 같이 총 777,975건으로 2000년부터 2017까지 5년 단위로 구분하였기 때문에 2015년부터 2017년까지는 3년 동안의 데이터가 수집되었다.
- 수집된 데이터는 제Ⅰ시기(2000~2004년), 제Ⅱ시기(2005~2009년), 제Ⅲ시기(2010~2014년), 제Ⅳ시기(2015~2017년), 총 4단계로 구분하였다.
- 텍스트 마이닝 분석과 사회연결망 분석을 위한 데이터 수집은 빅데이터 프로그램 텍스톰(TEXTOM)을 활용하고, 검색엔진 네이버와 다음의 블로그 제목과 원문에 주제어 ‘올림픽공원’이 포함된 텍스트 데이터를 수집하였다.
- 활용하는 빅데이터 프로그램 텍스톰은 선정한 기간에 해당하는 문서 중 그림, 사진, 수학기호, 프로그래밍 언어 등 텍스트가 아니어서 읽을 수 없는 결측값을 제외한 유효한 데이터를 랜덤으로 요약수집이 가능하여 총 8,058건이 분석대상으로 선별되었다(Woo, 2017)
데이터처리
- 데이터에 대한 유의성 검정은 부트스트랩 기법(Bootstrap)으로 UCINET6을 활용하여 구분된 연차별로 통계적 검정을 실시하였다. 단일 네트워크를 대상으로 하는 밀도 또는 평균 관계강도에 대한 검정은 전통적 통계분석기법의 일 표본 평균 검정과 같은 의미를 갖는다(Gwak, 2014).
- 텍스트 마이닝 결과, 도출된 데이터의 키워드간의 연결망 구조를 파악하기 위하여 밀도 및 중심성 분석과 유의성 검정을 실시하였다. Figure 3은 구분된 연차별로 도출된 키워드의 연결망 분석을 시각화한 것이다.
- 텍스트 마이닝에서 최종 도출된 데이터를 매트릭스 데이터로 변환한 후 사회연결망 분석을 실시하였다.
- 텍스트 마이닝은 수집된 블로그 텍스트를 정제한 후 빈도분석을 통해 주요 행태를 도출하고, 행태의 의미를 부연하기 위하여 행태와 연관관계에 있는 키워드 도출하는 N-gram과 가중치를 부여하는 TF-IDF(Term Frequency - Inverse Document Frequency)를 실시하였다.
성능/효과
- 각 키워드간의 연결된 정도를 나타내는 밀도분석 결과, 제Ⅰ시기, 제Ⅱ시기보다 제Ⅲ시기, 제Ⅳ시기의 연결망구조의 밀도가 높은 것으로 나타났다. 또한, 구분된 연차별로 집중되는 행태가 있는지를 파악할 수 있는 중심성 분석 결과, 제Ⅱ시기를 제외하고 모두 4% 이상의 중심성 값이 나타났다.
- 구분된 연차별로 분석 결과는 제Ⅰ시기의 밀도는 0.1912, 중심성은 4.53%이고, 제Ⅱ시기의 밀도는 0.3002, 중심성 3.77%, 제Ⅲ시기의 밀도는 0.5411, 중심성 4.48%이며, 제Ⅳ시기의 밀도는 0.4668, 중심성은 4.35%로 나타났다.
- 넷째, 올림픽공원에서 나타나는 특별한 행태는 공원 내 공연장과 아이스링크의 활성화로 공연관람과 스케이트를 타는 행태와 몽촌토성이 위치하고 있어 교육의 공간으로 활용되는 행태의 특성을 보이고 있다.
- 둘째, 구분된 연차별로 도출된 행태의 변화는 2010년부터 공원에서 새로운 행태가 나타났고, 다양성이 증가한 것으로 나타났다. 2000~2004년에는 운동과 같은 적극적인 신체활동을 하는 행태가 주를 이루었지만, 2010년부터는 음식을 먹고 커피를 마시는 행태가 집중되고, 사진, 스냅, 촬영 등의 행태와 핸드폰, SNS, 게임을 하는 행태가 나타났다.
- 커피를 마시는 문화가 확산되면서 카페라는 새로운 공간이 생산되고, 사람들은 또 다른 분위기의 편안함을 주는 공간에 대한 요구를 점차 많이 가지고 있는데, 이러한 사회·문화적 변화가 공원의 행태에도 영향을 미치는 것으로 볼 수 있다(Lee, 2011). 또한, SNS(인스타그램, 페이스북 등)관련 키워드와 휴식, 소풍 등의 연관관계로 보아, 제Ⅲ시기와 같이 공원에서 핸드폰을 사용하여 사진을 찍고, SNS에 경험을 게시하는 행태의 비중이 날로 커져가고 있음을 알 수 있다. 또한, 온라인상에서 혹은 현실을 배경으로 사용자가 적극적인 활동으로 경험할 수 있는 다양한 모바일 게임을 하는 것이 공원에서 이루어지는 새로운 여가의 행태로 형성되고 있음을 알 수 있다.
- 각 키워드간의 연결된 정도를 나타내는 밀도분석 결과, 제Ⅰ시기, 제Ⅱ시기보다 제Ⅲ시기, 제Ⅳ시기의 연결망구조의 밀도가 높은 것으로 나타났다. 또한, 구분된 연차별로 집중되는 행태가 있는지를 파악할 수 있는 중심성 분석 결과, 제Ⅱ시기를 제외하고 모두 4% 이상의 중심성 값이 나타났다. 즉, 제Ⅰ시기에는 다양한 행태가 도출되지 않고 특정한 행태가 형성된 반면,제Ⅱ시기, 제Ⅲ시기, 제Ⅳ시기에는 다양한 행태가 도출되었지만, 제Ⅱ시기의 중심성이 높지 않아 행태를 형성하는 연결 관계가 밀접하지 않은 것으로 볼 수 있다.
- 본 연구의 기초 수집 자료인 블로그의 데이터양은 네이버 포털사이트에서 검색한 결과, 올림픽공원이 372,584건(2017년 12월 7일 기준)으로 양재시민의 숲(228,716건), 여의도공원(275,045건), 서울 숲(184,277건), 월드컵공원(56,195건), 선유도공원(68,187건) 등의 공원보다 데이터의 양이 월등히 많았다.
- 빈도분석 결과, 크게 두드러지는 키워드의 특징은 제Ⅰ시기의 주요 키워드인 ‘운동’은 시간이 지날수록 급감하고, 제Ⅲ시기부터 ‘맛집’, ‘카페’ 등 먹고 마시는 행태와 관련된 키워드가 급증하고 있다.
- 사진(TF:364), 스냅(TF:357), 촬영(TF:224) 키워드도 높은 빈도를 나타내며, 관심 있는 키워드로 나타났다. 웨딩촬영 등 전문적인 스튜디오에서 이루어지던 행태가 야외에서 자신만의 개성과 스타일을 추구하는 형태로 변화되면서 웨딩촬영 장소에 대한 변화가 공원에까지 영향을 미치고 있다고 볼 수 있다.
- 셋째, 주요 행태의 변화과정을 살펴보았을 때 여러 가지 시대 여건의 변화는 공원 이용자의 행태에 영향을 미치는 것을 알 수 있다. 인터넷 발달 등의 변화는 공원에서 핸드폰을 사용하고, 게임을 하는 등의 비활동적인 행태를 증가시키고, 자신의 개성과 스타일을 추구하는 문화는 웨딩, 사진촬영의 행태를 지속적으로 증가시키며, 이에 경관에 대한 관심도 높아지는 것으로 나타났다.
- 전체 데이터에서 행태와 관련된 키워드를 살펴보면 ‘길을 걷다(산책)’, ‘사진을 찍다’, ‘자전거(인라인, 킥보드 등)를 타다’,‘먹다’, ‘공연을 관람하다’ 등이 올림픽공원의 공통적인 행태로 나타났다.
- 첫째, 구분된 연차별로 꾸준히 제기되는 키워드는 ‘길을 걷다(산책)’, ‘사진을 찍다’, ‘자전거(인라인, 킥보드 등)를 타다’,‘먹다’, ‘공연을 관람하다’로 시간적 추이와 무관하게 올림픽공원에서 행해지는 공통적인 행태로 나타났다.
- 부트스트랩 기법을 사용하여 분석에 사용된 데이터의 유의성 검정 결과는 Table 5와 같다. 표집분포 평균과 표준오차 값을 이용한 z-score를 산출한 결과, 구분된 연차별로 z-score보다 절대값이 큰 값이 나올 확률(Proportion of absolute differences as large as observed)은 유의수준 5%에서 모두 유의한 것으로 나타났다.
후속연구
- 이과 같은 기술적인 한계점을 보완할 수 있는 방법에 대한 모색이 필요하다. 그러나 빅데이터를 활용한 연구방법은 과거의 데이터를 수집할 수 있는 장점이 있고, 장기적인 관점에서 행태를 파악할 수 있는 장점이 있어, 행태분석 연구에서 하나의 수단으로 수행된다면 새로운 행태 및 가치 측정이 가능할 것이다.
- 앞으로도 사회의 여러 가지 여건의 변화는 공원에서 사람들의 행태에 큰 영향을 미칠 것이다. 그러므로 도시공원에서의 행태적 변화 추이를 지속적으로 파악하여 향후 도시공원 재생 등을 통한 공원 환경의 재조성에 반영되어야 할 것이다.
- 본 연구의 기초자료로 활용한 빅데이터 기반의 자료는 사생활보호 등의 문제로 데이터를 제공하는 사람의 특성 등 다양한 요인에 대한 파악이 어려워 이용자에 대한 정확한 측정이 불가능하다는 한계점을 지닌다. 또한, 도출된 키워드를 활용하여 결과를 해석하는 텍스트 마이닝 기법은 주관적인 해석이 될 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.