Purpose: This study aimed to explore public opinion on workplace bullying in the nursing field, by analyzing the keywords and topics of online news comments. Methods: This was a text-mining study that collected, processed, and analyzed text data. A total of 89,951 comments on 650 online news article...
Purpose: This study aimed to explore public opinion on workplace bullying in the nursing field, by analyzing the keywords and topics of online news comments. Methods: This was a text-mining study that collected, processed, and analyzed text data. A total of 89,951 comments on 650 online news articles, reported between January 1, 2013 and July 31, 2018, were collected via web crawling. The collected unstructured text data were preprocessed and keyword analysis and topic modeling were performed using R programming. Results: The 10 most important keywords were "work" (37121.7), "hospital" (25286.0), "patients" (24600.8), "woman" (24015.6), "physician" (20840.6), "trouble" (18539.4), "time" (17896.3), "money" (16379.9), "new nurses" (14056.8), and "salary" (13084.1). The 22,572 preprocessed key words were categorized into four topics: "poor working environment", "culture among women", "unfair oppression", and "society-level solutions". Conclusion: Public interest in workplace bullying among nurses has continued to increase. The public agreed that negative work environment and nursing shortage could cause workplace bullying. They also considered nurse bullying as a problem that should be resolved at a societal level. It is necessary to conduct further research through gender discrimination perspectives on nurse workplace bullying and the social value of nursing work.
Purpose: This study aimed to explore public opinion on workplace bullying in the nursing field, by analyzing the keywords and topics of online news comments. Methods: This was a text-mining study that collected, processed, and analyzed text data. A total of 89,951 comments on 650 online news articles, reported between January 1, 2013 and July 31, 2018, were collected via web crawling. The collected unstructured text data were preprocessed and keyword analysis and topic modeling were performed using R programming. Results: The 10 most important keywords were "work" (37121.7), "hospital" (25286.0), "patients" (24600.8), "woman" (24015.6), "physician" (20840.6), "trouble" (18539.4), "time" (17896.3), "money" (16379.9), "new nurses" (14056.8), and "salary" (13084.1). The 22,572 preprocessed key words were categorized into four topics: "poor working environment", "culture among women", "unfair oppression", and "society-level solutions". Conclusion: Public interest in workplace bullying among nurses has continued to increase. The public agreed that negative work environment and nursing shortage could cause workplace bullying. They also considered nurse bullying as a problem that should be resolved at a societal level. It is necessary to conduct further research through gender discrimination perspectives on nurse workplace bullying and the social value of nursing work.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목적은 간호사 직장 내 괴롭힘에 대한 네티즌의 의견을 분석함으로써 궁극적으로 직장 내 괴롭힘을 예방하고 해결하기 위한 사회적 정책의 방향을 제시하는 것이다. 구체적인 연구 목적은 첫째, 간호사 직장 내 괴롭힘에 대한 댓글의 키워드를 파악하고, 둘째, 간호사 직장 내 괴롭힘에 대한 주요 토픽을 발견하는 것이다.
본 연구는 간호사 직장 내 괴롭힘에 대한 네티즌의 의견을 파악하기 위한 온라인 빅데이터 활용 텍스트 마이닝 연구이다.
본 연구에서는 λ값 조정을 통하여 수차례 다른 토픽 수를 부여하여 각각의 Inter Distance Map (IDM), 즉 토픽 간의 거리를 공간적으로 보여주는 지도를 확인하였다.
본 연구에서는 간호사의 직장 내 괴롭힘에 대한 네티즌의 의견을 파악하고자 방대한 양의 온라인 댓글을 분석하였다. 온라인 뉴스 이용자의 8~10% 정도만 댓글을 작성하기 때문에[38] 댓글 속의 의견은 편향된 여론일 수 있다는 우려가 제기될 수 있다.
거시체계적 접근에는 사회적 캠페인 혹은 정책이나 입법과정이 포함되며, 이는 가장 파급력이 높은 접근법이다[26]. 본 연구에서는 일반 네티즌들이 간호사의 직장내 괴롭힘 문제에 관심이 많고 그 해결책을 거시체계적 접근에서 찾았다는 데 의의가 있다.
본 연구의 목적은 간호사 직장 내 괴롭힘에 대한 네티즌의 의견을 분석함으로써 궁극적으로 직장 내 괴롭힘을 예방하고 해결하기 위한 사회적 정책의 방향을 제시하는 것이다. 구체적인 연구 목적은 첫째, 간호사 직장 내 괴롭힘에 대한 댓글의 키워드를 파악하고, 둘째, 간호사 직장 내 괴롭힘에 대한 주요 토픽을 발견하는 것이다.
이러한 제한점을 극복할 수 있는 것이 바로 빅데이터 분석인데 특히, 온라인에 작성된 댓글은 시간과 공간의 제약이 없을뿐더러 대중의 생생한 경험과 의견을 비정형화된 형태로 자유롭게 보여준다. 이에 본 연구에서는 직장 내 괴롭힘 관련 온라인 뉴스 기사의 댓글을 분석하여 인터넷 여론을 파악하고 직장 내 괴롭힘을 해결할 방안들을 모색해보고자 한다.
제안 방법
각 뉴스 기사에 달린 댓글은 공동 연구자 중 1인이 개발한 “R” 기반의 웹 크롤러(web crawler) 프로그램을 사용하여 자동으로 수집하였다.
검색어 자체인 “간호사”, “태움”을 키워드에서 제외하였고, “등등”, “이후”, “관련”과 같이 특별한 의미를 전달하지 못하는 단어 역시 불용어(stopword) 처리하는 등 사용자 단어 사전을 구축하였다.
본 연구에서는 λ값 조정을 통하여 수차례 다른 토픽 수를 부여하여 각각의 Inter Distance Map (IDM), 즉 토픽 간의 거리를 공간적으로 보여주는 지도를 확인하였다. 그 결과 토픽들이 서로 겹치지 않고 독립적이며, 토픽 간 경계가 가장 명확하다고 판단되는 4개를 토픽의 수로 결정하였다. 또한 4개의 토픽을 구성하는 키워드들 중 가중치가 높은 상위 30개를 토픽 별로 도출하였다.
댓글의 주제에 대한 최적의 토픽수를 산출하기 위하여 LDAvis 패키지에서 토픽 간의 차이를 반영하는 λ값을 조정하여 다양한 개수의 토픽을 반복해서 설정해보았다.
두 번째 토픽을 구성하는 주요 키워드는 여자, 남자, 군대, 자살, 사회, 집단, 페미니즘, 갑질, 조직, 왕따, 여초, 욕 등이었다. 이 키워드들을 바탕으로 두 번째 토픽을 “여성집단문화”로 명명하였다.
본 연구에서는 TF-IDF 가중치를 적용하여 상위 50개의 키워드를 추출하였다. 또한 신문 기사의 시기별 상위 키워드의 변화를 확인하기 위하여 간호사 태움에 대한 여론이 활발하였던 2017년 11월 간호사 장기자랑 강요 뉴스 보도 전과 후로 댓글들을 나누어 분석하였다. 이때 전처리 과정을 거친 댓글을 데이터로 사용하였으며 TF-IDF 값 기준으로 상위 키워드 50개를 시기별로 각각 추출한 후 비교하였다.
또한 유의어 사전을 구축하여 “간협”, “대간협”, “간호사협회”는 “간호협회”로 명명하는 등 댓글 내에서 뜻이 같거나 비슷한 단어들을 정제하였다.
먼저 비정형 텍스트인 자연어로 구성되어있는 댓글들을 가장 작은 의미의 요소로 추출하기 위하여 형태소 분석을 실시하였다. 이때 MeCab-ko 형태소 분석기를 사용하여 명사와 형용사를 추출하였다.
본 연구는 빅데이터 수집, 전처리, 분석의 순서로 진행되었으며, 분석 방법으로 키워드 분석과 토픽 모델링을 시행하였다.
웹 크롤러는 검색 결과 창에 하이퍼링크로 연결된 웹 페이지를 하나하나 찾아가 텍스트와 영상 등 각종 자료를 수집하는 프로그램이다. 본 연구에서 사용한 웹 크롤러는 검색어를 입력하면 자동으로 기사와 댓글들을 수집하여 .html file로 저장해 주었다.
본 연구에서는 TF-IDF 가중치를 적용하여 상위 50개의 키워드를 추출하였다. 또한 신문 기사의 시기별 상위 키워드의 변화를 확인하기 위하여 간호사 태움에 대한 여론이 활발하였던 2017년 11월 간호사 장기자랑 강요 뉴스 보도 전과 후로 댓글들을 나누어 분석하였다.
본 연구에서는 간호사의 직장 내 괴롭힘 관련 온라인 뉴스 기사에 달린 방대하고 다양한 댓글, 즉 비정형 텍스트 데이터에서 키워드를 추출하고 이를 토픽 모델링 방법으로 분석하였다. 간호사의 직장 내 괴롭힘과 관련하여 약 5년 7개월 동안 650건의 뉴스 기사가 보도되고 거기에 89951개의 댓글이 달렸다는 것은 이 문제가 더 이상 개인적 문제가 아닌 사회적 문제가 되고 있음을 시사한다.
그러나 LDA 토픽 모델링 방법은 생성적 확률모형과 위계적 베이지안 모형을 통해 문서 안에 잠재되어 있는 토픽을 추출할 수 있게 해준다. 본 연구에서는 이러한 LDA 알고리즘을 활용하여 역동적으로 변화하는 온라인 공간 내 네티즌의 의견으로부터 기존의 관련 연구 결과와는 차별성이 있는 토픽을 추출하였다. 즉, 직장 내 괴롭힘과 관련된 조직문화가 여성집단의 부정적 문화로 해석될 수 있으므로 간호의 젠더적 정체성을 명확히 하고 동시에 간호의 사회적 인식과 가치를 높이는 연구와 정책의 필요성을 확인한 것이 본 연구의 의의라고 할 수 있다.
세 번째 토픽은 의사, 환자, 욕, 적폐, 고함, 갑질, 인성, 무시, 보호자 등의 키워드로 구성되며 “부당한 억압”으로 명명하였다.
수집된 댓글은 R 3.5.0 프로그램의 자연어처리 패키지인 “KoNLP”와 “tm” 라이브러리, LDAvis 패키지를 이용하여 다음과 같이 전처리하고 분석하였다.
하지만 형태소 분석 후 “간호조무사”와 같은 복합명사가 “간호”, “조무사”와 같은 단순명사로 추출되어 댓글의 의견이 분명해지지 않게 되었다. 원 댓글에서 복합명사로 사용되었던 키워드를 확인하기 위하여 키워드와 키워드 간의 밀집 정도를 보여주는 N-gram 분석을 통하여 동시 출현하는 단어들을 확인하였고 분리된 단어들을 복합명사 형태로 다시 변환하는 과정을 거쳤다. 또한 유의어 사전을 구축하여 “간협”, “대간협”, “간호사협회”는 “간호협회”로 명명하는 등 댓글 내에서 뜻이 같거나 비슷한 단어들을 정제하였다.
먼저 비정형 텍스트인 자연어로 구성되어있는 댓글들을 가장 작은 의미의 요소로 추출하기 위하여 형태소 분석을 실시하였다. 이때 MeCab-ko 형태소 분석기를 사용하여 명사와 형용사를 추출하였다. MeCab-ko는 띄어쓰기와 상관없이 사전에 따라 어휘를 구분해 주는 이점이 있다.
전체 댓글의 주요 속성을 파악하기 위하여 먼저 한 문서 내에서 특정 단어가 출현한 빈도수인 Term Frequency (TF) 값을 구하였다. TF 값으로 자주 등장하는 단어를 확인할 수 있지만, “간호사”와 같이 TF 값이 지나치게 큰 키워드는 검색어 자체이므로 TF 값이 높다고 하여 중요한 키워드라고 말할 수 없다.
첫 번째 토픽을 구성하는 주요 키워드는 일, 시간, 밥, 인력난, 문제, 업무, 신규, 교대, 환경, 교육, 처우개선, 화장실 등이었다. 이 키워드들을 바탕으로 첫 번째 토픽을 “열악한 근무환경”으로 명명하였다.
또한 4개의 토픽을 구성하는 키워드들 중 가중치가 높은 상위 30개를 토픽 별로 도출하였다. 토픽의 명명을 위하여 간호학과 교수 2인, 수간호사 2인, 간호사 5인으로 구성된 전문가 집단을 구성하였다. 이들이 총 5회에 걸쳐 토픽 모델링 결과를 검토하고 논의한 결과, 각 토픽에 포함된 키워드들을 통합적으로 표현할 수 있는 이름으로 토픽들을 명명할 수 있었다.
대상 데이터
2013년 1월 1일부터 2018년 7월 31일까지 네이버 뉴스홈(https:// news.naver.com)에서 간호사의 직장 내 괴롭힘에 관한 650건의 뉴스 기사에 달린 총 89,951개의 댓글과 대댓글(댓글에 달린 댓글)이 분석 대상이 되었다. 국내 포털사이트 중 네이버는 점유율 60% 이상으로 이용자가 가장 많은 사이트이다.
2013년 1월 1일부터 2018년 7월 31일까지 보도된 뉴스 기사를 검색한 결과 662건을 확인할 수 있었는데, 이 중 간호사 직장 내 괴롭힘과 무관한 기사 12건을 제외하였다. 나머지 650건의 뉴스 기사에 달린 댓글은 76,692개, 대댓글은 13,259개로 총 89,951개의 댓글과 대댓글(이하 댓글로 통합하여 기술)을 수집하였다.
데이터를 수집하기 위하여 국내 포털사이트인 네이버 뉴스홈에서 “간호사 태움” 또는 “간호사 괴롭힘”이 포함된 온라인 기사를 검색하였다.
그 결과 토픽들이 서로 겹치지 않고 독립적이며, 토픽 간 경계가 가장 명확하다고 판단되는 4개를 토픽의 수로 결정하였다. 또한 4개의 토픽을 구성하는 키워드들 중 가중치가 높은 상위 30개를 토픽 별로 도출하였다. 토픽의 명명을 위하여 간호학과 교수 2인, 수간호사 2인, 간호사 5인으로 구성된 전문가 집단을 구성하였다.
이처럼 인터넷 공간안에서 자발적으로 형성된 여론은 무시할 수 없는 힘과 가치를 지닐 수 있다. 본 연구에서는 간호사 직장 내 괴롭힘에 대한 인터넷 여론을 파악하기 위해 국내 뉴스 플랫폼 중 이용자가 가장 많은 네이버 뉴스홈의 온라인 기사에 달린 댓글 약 9만 개를 분석하였다. 사회분야 뉴스의 댓글 작성자 연령대는 20대가 14.
해당 기간 동안 검색된 간호사 직장 내 괴롭힘과 관련된 기사는 총 650건이었다. 이 기사들에 달린 댓글 수는 89,951개였으며, 분석을 위해 전처리를 거친 후의 키워드 수는 총 22,572개였다. TF-IDF 값 기준으로 상위 키워드를 살펴보면 일(37121.
해당 기간 동안 검색된 간호사 직장 내 괴롭힘과 관련된 기사는 총 650건이었다. 이 기사들에 달린 댓글 수는 89,951개였으며, 분석을 위해 전처리를 거친 후의 키워드 수는 총 22,572개였다.
데이터처리
또한 신문 기사의 시기별 상위 키워드의 변화를 확인하기 위하여 간호사 태움에 대한 여론이 활발하였던 2017년 11월 간호사 장기자랑 강요 뉴스 보도 전과 후로 댓글들을 나누어 분석하였다. 이때 전처리 과정을 거친 댓글을 데이터로 사용하였으며 TF-IDF 값 기준으로 상위 키워드 50개를 시기별로 각각 추출한 후 비교하였다.
0 프로그램의 자연어처리 패키지인 “KoNLP”와 “tm” 라이브러리, LDAvis 패키지를 이용하여 다음과 같이 전처리하고 분석하였다. 일부 메모리 용량이 큰 분석의 경우 빅데이터 처리 솔루션 클라우드인 Textom을 이용하여 분석하였다.
이론/모형
TF 값으로 자주 등장하는 단어를 확인할 수 있지만, “간호사”와 같이 TF 값이 지나치게 큰 키워드는 검색어 자체이므로 TF 값이 높다고 하여 중요한 키워드라고 말할 수 없다. 본 연구에서는 중요 키워드를 추출하기 위하여 Term Frequency-Inverse document frequency (TF-IDF) 가중치를 적용하였다. TF-IDF란 TF와 IDF를 곱한 값으로 특정 단어가 특정 문서 내에서 얼마나 등장하였는지를 계산하고 특정 단어가 전체 문서에서 등장하는 빈도의 역수를 곱한 값이다.
성능/효과
네 번째 토픽을 구성하는 주요 키워드는 문제, 월급, 최저임금, 대통령, 돈, 대한민국, 간호협회, 사회, 법, 국가, 노조, 병원, 건강보험, 정부, 헬조선, 해결, 개선, 임금, 정책, 노동자, 평등 등으로, “사회적 차원의 문제해결”로 명명하였다.
본 연구의 제한점은 첫째, 온라인 댓글에서는 은어, 신조어, 비속어, 축약어, 욕설 등으로 무분별하게 사용되고 있으므로 형태소 분석기에 의존한 전처리 과정이 키워드를 완벽하게 추출하지 못했을 수 있다. 둘째, 단어 하나가 형태소가 되는 영어에 비해 한글은 형태소 하나가 이중적 의미를 지니기도 하고 복잡한 형태의 구조로 되어 있어 전처리 과정이 복잡하고 오랜 시간이 소요되었다. 셋째, 텍스트를 분석하는 토픽 모델링 방법이 질적 내용분석 연구방법과 유사한 면이 있어[25] 주제를 구분하고 명명하는 과정에서 연구자의 주관성이 개입될 수 있다.
본 연구에서 간호사 직장 내 괴롭힘 관련 뉴스 기사 댓글 텍스트를 토픽 모델링 한 결과 “열악한 근무환경”, “여성집단문화”, “부당한 억압”, “사회적 차원의 문제해결”이라는 4가지 주제를 도출할 수 있었다.
본 연구에서 간호사의 직장 내 괴롭힘 관련 온라인 뉴스기사 댓글 9만여 개를 웹크롤링하고 분석한 결과 최근 국내에서 발생한 간호사 장기자랑 강요 및 자살 사건이후 대중의 관심이 급격하게 증가하였음을 알 수 있었다. 비정형 텍스트 형태의 댓글들을 전처리하여 키워드를 찾아내고, 토픽 모델링 방법으로 범주화하여 “열악한 근무 환경”, “여성집단문화”, “부당한 억압”, “사회적 차원의 문제해결”이라는 4개 주제를 도출 할 수 있었다.
본 연구에서 성심병원 장기자랑 보도 이전에는 상위 50개 리스트에 있었으나 이후 사리진 키워드는 ‘교대’, ‘처우개선’, ‘대우’, ‘고생’, ‘간호학’, ‘노동’, ‘대학교’, ‘보호자’, ‘몸’, ‘입원’, ‘무시’ 등이었다.
비정형 텍스트 형태의 댓글들을 전처리하여 키워드를 찾아내고, 토픽 모델링 방법으로 범주화하여 “열악한 근무 환경”, “여성집단문화”, “부당한 억압”, “사회적 차원의 문제해결”이라는 4개 주제를 도출 할 수 있었다.
둘째, 단어 하나가 형태소가 되는 영어에 비해 한글은 형태소 하나가 이중적 의미를 지니기도 하고 복잡한 형태의 구조로 되어 있어 전처리 과정이 복잡하고 오랜 시간이 소요되었다. 셋째, 텍스트를 분석하는 토픽 모델링 방법이 질적 내용분석 연구방법과 유사한 면이 있어[25] 주제를 구분하고 명명하는 과정에서 연구자의 주관성이 개입될 수 있다. 즉 토픽 모델링은 대규모 텍스트 분석에 유용한 방법이지만 연구자의 지식, 철학과 통찰력에 따라 결과가 달라질 수 있다.
토픽의 명명을 위하여 간호학과 교수 2인, 수간호사 2인, 간호사 5인으로 구성된 전문가 집단을 구성하였다. 이들이 총 5회에 걸쳐 토픽 모델링 결과를 검토하고 논의한 결과, 각 토픽에 포함된 키워드들을 통합적으로 표현할 수 있는 이름으로 토픽들을 명명할 수 있었다.
후속연구
이 연구들은 모두 간호사들을 대상으로 수행되었고 결과로 제시한 직장 내 괴롭힘의 영향요인과 해결방안들이 주로 간호 조직내부에 국한된 내용들이었다. 그러나 본 연구는 인터넷 댓글이라는 외부의 의견을 분석하였으므로 직장 내 괴롭힘 문제에 대한 관점을 확장 시키는데 기여할 수 있을 것으로 기대한다.
즉, 열악한 근무환경 및 억압적 구조에서 발생하는 간호사의 직장 내 괴롭힘은 사회적 차원에서 해결해야 할 문제라는 인터넷 여론을 파악할 수 있었다. 댓글 속의 여론에는 의료 환경내에서 간호사의 억압적 위치에 대한 부당함과 직장 내 괴롭힘을 여성집단문화로 간주하는 젠더 차별적 시선이 있었으므로 추후 이 분야에 대한 보다 심층적인 연구와 이를 바탕으로 한 간호에 대한 사회적 인식과 가치를 높이는 노력이 필요하다.
본 연구에서 도출된 키워드와 토픽은 간호 인력문제 해결과 간호사 이미지 및 전문직 마케팅 전략 수립에 방향성을 제시할 것으로 기대한다. 또한 사회적 차원에서 간호사 직장 내 괴롭힘을 예방하는 중재 프로그램과 정책 개발에 기초 자료로 활용될 수 있을 것이다.
마지막으로 본 연구에서는 약 9만 여개의 온라인 뉴스 댓글을 네티즌의 의견으로 가정하고 분석하였지만 인터넷 이용자 중에서도 댓글을 다는 사람들이 전체 국민을 대표한다고 볼 수는 없다. 또한 인터넷 댓글의 특성상 편향성과 불안정성이 있으므로 본 연구의 결과를 해석 하고 적용할 때에는 주의가 필요하다. 이러한 제한점에도 불구하고 본 연구는 기존의 형식을 갖춘 조사 방법의 틀을 벗어나 인터넷 공간속의 다양하고 자유롭고 생생하게 표현된 네티즌의 의견을 분석하였다는 점에서 기존 연구와는 차별성을 갖는다.
이러한 제한점에도 불구하고 본 연구는 기존의 형식을 갖춘 조사 방법의 틀을 벗어나 인터넷 공간속의 다양하고 자유롭고 생생하게 표현된 네티즌의 의견을 분석하였다는 점에서 기존 연구와는 차별성을 갖는다. 본 연구에서 도출된 키워드와 토픽은 간호 인력문제 해결과 간호사 이미지 및 전문직 마케팅 전략 수립에 방향성을 제시할 것으로 기대한다. 또한 사회적 차원에서 간호사 직장 내 괴롭힘을 예방하는 중재 프로그램과 정책 개발에 기초 자료로 활용될 수 있을 것이다.
즉 토픽 모델링은 대규모 텍스트 분석에 유용한 방법이지만 연구자의 지식, 철학과 통찰력에 따라 결과가 달라질 수 있다. 본 연구에서는 이를 보완하기 위해 전문가 집단의 합의를 통하여 주제를 명명하였으나 간호분야가 아닌 외부 전문가의 의견은 반영하지 못했다. 추후에는 다양한 전문가 집단을 포함하는 델파이 기법을 활용하여 토픽 명명의 객관성을 보완할 것을 제안한다.
본 연구의 제한점은 첫째, 온라인 댓글에서는 은어, 신조어, 비속어, 축약어, 욕설 등으로 무분별하게 사용되고 있으므로 형태소 분석기에 의존한 전처리 과정이 키워드를 완벽하게 추출하지 못했을 수 있다. 둘째, 단어 하나가 형태소가 되는 영어에 비해 한글은 형태소 하나가 이중적 의미를 지니기도 하고 복잡한 형태의 구조로 되어 있어 전처리 과정이 복잡하고 오랜 시간이 소요되었다.
간호사만을 위한 법은 아니지만 직장 내 괴롭힘 관련 법 조항을 신설하였다는 것은 긍정적인 신호라고 볼 수 있다. 이제 막 시행된 법이 정착되고 실효를 거두기 위해서는 현장 중심의 가이드라인과 표준안이 포함된 구체적 정책으로 연결될 필요가 있다.
본 연구에서는 이를 보완하기 위해 전문가 집단의 합의를 통하여 주제를 명명하였으나 간호분야가 아닌 외부 전문가의 의견은 반영하지 못했다. 추후에는 다양한 전문가 집단을 포함하는 델파이 기법을 활용하여 토픽 명명의 객관성을 보완할 것을 제안한다. 마지막으로 본 연구에서는 약 9만 여개의 온라인 뉴스 댓글을 네티즌의 의견으로 가정하고 분석하였지만 인터넷 이용자 중에서도 댓글을 다는 사람들이 전체 국민을 대표한다고 볼 수는 없다.
따라서 직장 내 괴롭힘을 줄이기 위해서는 신뢰, 정의 및 공정을 바탕으로 하는 관계지향적 조직문화를 형성하는 한편, 간호조직의 가치를 공유하고 그 정체성을 함께 만들어 가는 노력이 필요하다[19,31]. 한편, 본 연구에서 네티즌들의 댓글에서 파악한 직장 내 괴롭힘과 관련된 주제에 여자, 남자, 페미니즘, 왕따, 여초 등처럼 젠더 갈등이나 젠더 혐오를 암시할 수도 키워드들이 포함되었다는 것에 주목할 필요가 있다. 과거에는 태움을 군대문화로 비유했으나 최근에는 이를 간호직과 같은 여초집단(여성이 대다수를 차지하는 집단을 뜻하는 신조어)의 특성으로 간주하기도 한다 [37].
질의응답
핵심어
질문
논문에서 추출한 답변
직장 내 괴롭힘은 어떻게 정의 할 수 있는가?
이러한 상황에서 2017년 11월 “간호사 장기 자랑 강요 사건”과 2018년 1월 “간호사의 자살 사건”이 발생하면서 간호사 이직의 한 원인으로 직장 내 괴롭힘에 대한 사회적 관심이 급격하게 확산되었다[3]. 직장 내 괴롭힘은 같은 직장에 근무하는 동료를 괴롭히고, 불쾌하게 만들고, 사회적으로 따돌리는 상황을 의미한다[4]. 국내에서는 주로 선배 간호사가 후배의 실수를 줄이기 위하여 엄하게 가르치는 방식을 지칭하는 의미로 “태움”이라는 속어를 사용하기도 한다[5].
간호직의 직장 내 괴롭힘 발생률은 타 직종의 발생률과 비교했을 때 얼마나 차이가 있는가?
간호직은 여러 직종 중에서도 직장 내 괴롭힘에 매우 취약한 집단이다. 간호직의 직장 내 괴롭힘 발생률은 22.2% [6]로 타 직종의 발생률 3.7~9.0% [4]에 비하여 현저히 높다. 직장 내 괴롭힘을 경험한 피해자는 불안과 우울, 외상 후 스트레스 장애, 죄책감과 수치심을 느끼는 등 정신적 스트레스 상황에 놓이게 된다[7-9].
간호사의 직장 내 괴롭힘에 대한 키워드 분석결과 어떤 결과를 도출하였는가?
간호사의 직장 내 괴롭힘에 대한 거시체계적 접근의 필요성은 키워드 분석에서도 드러난다. 본 연구에서 성심병원 장기자랑 보도 이전에는 상위 50개 리스트에 있었으나 이후 사리진 키워드는 ‘교대’,‘처우개선’,‘대우’,‘고생’,‘간호학’,‘노동’,‘대학교’,‘보호자’,‘몸’,‘입원’,‘무시’ 등이었다. 반면 새롭게 등장한 키워드는 ‘국민’,‘교육’,‘자살’,‘최저임금’,‘후배’,‘대통령’,‘법’,‘정부’,‘조사’,‘조직’,‘집단’,‘노조’이다. 새로운 키워드들은 직장 내 괴롭힘 문제를 범정부적 차원에서 해결해야 한다는 여론을 반영하고 있다고 할 수 있다. 실제 정부의 관련 법 제정은 가장 효과적인 접근법으로 스웨덴, 영국, 일본,캐나다, 프랑스 등의 국가에서는 직장 내 괴롭힘 관련 법률을 마련하여 시행하고 있다[27].
Hospital Nurses Association. Hospital nurses staffing state survey [Internet]. Seoul: Hospital Nurses Association; c2018 [cited 2019 Feb 10]. Available from: http://khna.or.kr/home/pds/utilities.php?bo_tableboard1&sca&sopand&sflwr_subject&stx2017.
Ministry of Health and Welfare. Korea's healthcare in OECD statistics [Internet]. Sejong: Ministry of Health and Welfare; c2018 [cited 2018 Dec 5]. Available from: http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID04&MENU_ID0403&CONT_SEQ345380&page1.
Jung SK. Spread of new nurse suicide case: Reconsideration of 'The evil effects of Taeum' [Internet]. Seoul: Dailymedi; c2018 [cited 2018 Feb 22]. Available from: http://www.dailymedi.com/detail.php?number827659&thread22r10.
Einarsen S, Hoel H, Notelaers G. Measuring exposure to bullying and harassment at work: Validity, factor structure and psychometric properties of the Negative Acts Questionnaire- Revised. Work & Stress. 2009;23(1):24-44. https://doi.org/10.1080/02678370902815673
Kang J, Yun S. A grounded theory approach on nurses' experience with workplace bullying. Journal of Korean Academy of Nursing. 2016;46(2):226-237. https://doi.org/10.4040/jkan.2016.46.2.226
Kang J, Lee M. Pooled prevalence of workplace bullying in nursing: Systematic review and meta-analysis. Journal of Korean Critical Care Nursing. 2016;9(1):51-65.
Quine L. Workplace bullying in nurses. Journal of Health Psychology. 2001;6(1):73-84. https://doi.org/10.1177/135910530100600106
Laschinger HKS, Nosko A. Exposure to workplace bullying and posttraumatic stress disorder symptomology: The role of protective psychological resources. Journal of Nursing Management. 2015;23(2):252-262. https://doi.org/10.1111/jonm.12122
Lewis D. Bullying at work: The impact of shame among university and college lecturers. British Journal of Guidance & Counselling. 2004;32(3):281-299. https://doi.org/10.1080/03069880410001723521
Hong SS, Gu MY, Kim JH, Kim DH, Park JY, Eom JR, et al. Survey on the status of bullying in the workplace. Seoul: National Human Rights Commission of Korea; 2017 Nov. Report No.: 11-1620000-000662-01.
Yildirim D. Bullying among nurses and its effects. International Nursing Review. 2009;56(4):504-511. https://doi.org/10.1111/j.1466-7657.2009.00745.x
BaezLeon C, MorenoJimenez B, AguirreCamacho A, Olmos R. Factors influencing intention to help and helping behaviour in witnesses of bullying in nursing settings. Nursing Inquiry. 2016;23(4):358-367. https://doi.org/10.1111/nin.12149
Kline R, Lewis D. The price of fear: Estimating the financial cost of bullying and harassment to the NHS in England. Public Money & Management. 2019;39(3):166-174. https://doi.org/10.1080/09540962.2018.1535044
Hershcovis MS, Reich TC, Niven K. Workplace bullying: Causes, consequences, and intervention strategies [Internet]. London: Society for Industrial and Organizational Psychology; c2015 [cited 2018 Dec 25]. Available from: http://eprints.lse.ac.uk/66031/1/_lse.ac.uk_storage_LIBRARY_Secondary_libfile_shared_repository_Content_Reich,%20T_Workplace%20Bullying_Reich_Workplace_Bullying.pdf.
Seo YJ, Shin JH. Analysis of the association between school bullying and workplace bullying and recommendations to prevent bullying [Internet]. Seoul: Korea Research Institute for Vocational Education and Training; c2013 [cited 2018 Dec 20]. Available from: http://www.krivet.re.kr/ku/da/kuBAAVw.jsp?gnE1-E120131294.
Yun S, Kang J. Factors affecting workplace bullying in Korean hospital nurses. Korean Journal of Adult Nursing. 2014;26(5):553-562. https://doi.org/10.7475/kjan.2014.26.5.553
Kang HY, Kim S, Han K. The relationship among workplace bullying, organizational commitment and turnover intention of the nurses working in public medical institutions. Journal of Korean Clinical Nursing Research. 2018;24(2):178-187. https://doi.org/10.22650/JKCNR.2018.24.2.178
Kang J, Lee M. The related factors to workplace bullying in nursing: A systematic review and meta-analysis. Korean Journal of Adult Nursing. 2016;28(4):399-414. https://doi.org/10.7475/kjan.2016.28.4.399
Organisation for Economic Co-operation and Development. Internet access (Indicator) [Internet]. Paris: Organisation for Economic Co-operation and Development; c2018 [cited 2018 Dec 20]. Available from: http://data.oecd.org/ict/internet-access.htm.
Kim SH, Kim WG. Digital news report 2017 Korea [Internet]. Seoul: Korea Press Foundation; c2017 [cited 2018 Dec 2]. Available from: http://www.kpf.or.kr/site/kpf/research/select-MediaPdsView.do?seq574323.
Kim TY, Kim Y, Oh HJ. An analysis of the relationship between public opinion on social bigdata and results after implementation of public policies: A case study in 'welfare' policy. Journal of Digital Convergence. 2017;15(3):17-25. https://doi.org/10.14400/JDC.2017.15.3.17
Lee EJ, Jang YJ. Effects of others' comments on internet news sites on perceptions of reality: Perceived public opinion, presumed media influence, and self-opinion. Korean Journal of Journalism & Communication Studies. 2009;53(4):50-71.
Roh S. Big data analysis of public acceptance of nuclear power in Korea. Nuclear Engineering and Technology. 2017;49(4):850-854. https://doi.org/10.1016/j.net.2016.12.015
Baek YM. Text-mining using R. Paju: Hanulmplus; 2017. p. 13-235.
Johnson SL. An ecological model of workplace bullying: A guide for intervention and research. Nursing Forum. 2011;46(2):55-63. https://doi.org/10.1111/j.1744-6198.2011.00213.x
Gu MY, Cheon JY, Seo YJ, Jung SG. Prevention of workplace bullying among women workers: Survey analysis and policy suggestions. Seoul: Korean Women's Development Institute; 2015 Oct. Report No.: TRKO201600001097.
Ministry of Employment and Labor. Labor standards law [Internet]. Sejong: Ministry of Employment and Labor; c2019 [cited 2019 Jun 16]. Available from: http://www.law.go.kr/lsSc.do?tabMenuIdtab18#undefined.
Lee JS, Jung HJ, Ko HM, Kim HJ. Survey of health workers in 2016 -wage, working condition, working environment- [Internet]. Seoul: Korea University Institute for Research on Labor and Employment; c2016 [cited 2018 Dec 20]. Available from: http://webcache.googleusercontent.com/search?q-cache:agF2gJrn7eYJ:www.kefplaza.com/labor/down.jsp%-3Fidx%3D14384%26fileId%3D14012+&cd1&hlko&ct-clnk&glkr.
Lee Y, Kang J. Related factors of turnover intention among Korean hospital nurses: A systematic review and meta-analysis. Korean Journal of Adult Nursing. 2018;30(1):1-17. https://doi.org/10.7475/kjan.2018.30.1.1
Yun S, Kang J. Influencing factors and consequences of workplace bullying among nurses: A structural equation modeling. Asian Nursing Research. 2018;12(1):26-33. https://doi.org/10.1016/j.anr.2018.01.004
Ministry of Health and Welfare. Ministry of Health and Welfare announced 'An ambitious plan to improve nurses' working conditions' [Internet]. Sejong: Ministry of Health and Welfare; c2018 [cited 2018 Dec 20]. Available from: http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID04&MENU_ID0403&page28&CONT_SEQ344262.
Park SJ. Nurse manpower shortage, why can't solve? [Internet]. Seoul: Medical Observer; c2016 [cited 2018 Nov 30]. Available from: http://www.monews.co.kr/news/articleView.html?idxno94693.
An Y, Kang J. Relationship between organizational culture and workplace bullying among Korean nurses. Asian Nursing Research. 2016;10(3):234-239. https://doi.org/10.1016/j.anr.2016.06.004
Walrafen N, Brewer MK, Mulvenon C. Sadly caught up in the moment: An exploration of horizontal violence. Nursing Economic$. 2012;30(1):6-12, 49; quiz 13.
Hutchinson M, Wilkes L, Jackson D, Vickers MH. Integrating individual, work group and organizational factors: Testing a multidimensional model of bullying in the nursing workplace. Journal of Nursing Management. 2010;18(2):173-181. https://doi.org/10.1111/j.1365-2834.2009.01035.x
Choi MR, Lee JD. [Metoo revolution, revolution metoo] (3) Men of 'Yeocho society' - gender role prejudice to an organization like the military...men are also distressed [Internet]. Seoul: The Kyunghyang Shinmun; c2018 [cited 2018 Dec 2]. Available from: http://news.khan.co.kr/kh_news/khan_art_view.html?artid201804240600025&code210100.
Kim SH, Oh SW. News comment management work and improvement direction [Internet]. Seoul: Korea Press Foundation; c2018 [cited 2019 Jul 10]. Available from: http://www.kpf.or.kr/site/kpf/research/selectMediaPdsView.do?seq574912.
Lee N. Misogyny, gender discrimination, and feminism: A feminist project of social justice surrounding the 'Gangnam station 10th exit'. The Korean Journal of Cultural Sociology. 2016;22:147-186.
Park G. Gender and nursing labor. Health & Society. 2018;(9):6-18.
Cooper RJ, Bissell P, Ward P, Murphy E, Anderson C, Avery T, et al. Further challenges to medical dominance? The case of nurse and pharmacist supplementary prescribing. Health. 2012;16(2):115-133. https://doi.org/10.1177/1363459310364159
Park KO, Yu M, Kim JK. Experience of nurses participating in comprehensive nursing care. Journal of Korean Academy of Nursing Administration. 2017;23(1):76-89. https://doi.org/10.11111/jkana.2017.23.1.76
Kim SY, Park KO, Kim JK. Nurses' experience of incivility in general hospitals. Journal of Korean Academy of Nursing. 2013;43(4):453-467. https://doi.org/10.4040/jkan.2013.43.4.453
Roberts SJ, Demarco R, Griffin M. The effect of oppressed group behaviours on the culture of the nursing workplace: A review of the evidence and interventions for change. Journal of Nursing Management. 2009;17(3):288-293. https://doi.org/10.1111/j.1365-2834.2008.00959.x
Rosenstein AH, O'Daniel M. A survey of the impact of disruptive behaviors and communication defects on patient safety. The Joint Commission Journal on Quality and Patient Safety. 2008;34(8):464-471. https://doi.org/10.1016/S1553-7250(08)34058-6
Korean Nurses Association. Korean Nurses Association operates 'NurseTalk' [Internet]. Seoul: Korean Nurses Association; c2018 [cited 2018 Dec 10]. Available from: http://www.koreanurse.or.kr/board/board_read.php?board_idKNANEWSLETTER&member_idadmin&exec&no724&category_no&step0&tag&sgroup648&sfloat&position0&mo.
Eom HJ. The characteristics and future prospects of popular protests in North Africa. Economy and Society. 2011;(90):133-165.
Kim EK. France 'gilets jaunes' characteristics and implications of the exercise [Internet]. Suwon: Gyeonggi Research Institute; c2019 [cited 2019 Jul 15]. Available from: http://www.gri.re.kr/%EC%9D%B4%EC%8A%88-%EC%A7%84%EB%8B%A8/?ptype2&sc&sv&limit10&searchcode&pcode&pageno2.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.