[논문]소셜미디어 데이터에 기반한 디지털 헬스케어 연구 동향

이택균

doi:10.5392/jkca.2020.20.03.515

소셜미디어 데이터에 기반한 디지털 헬스케어 연구 동향
Digtal Healthcare Research Trend based on Social Media Data 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.3, 2020년, pp.515 - 526

초록
AI-Helper

디지털 헬스케어는 의료 분야와 IT가 결합한 분야이며 소셜미디어에서도 디지털 헬스케어에 대한 다양한 정보가 제공되고 있다. 본 연구는 소셜미디어를 통해서 헬스케어와 관련된 자료들을 수집하고 분석하여 디지털 헬스케어의 연구 동향을 파악하고자 한다. 본 연구를 위해서 Naver와 Daum의 뉴스와 블로그에서 2008년 1월에서 2019년 6월까지 자료를 수집하였으며 기간별로 빈도가 높은 주요한 키워드들을 추출하여 워드클라우드로 시각화하였고 주요 키워드 간의 관계를 분석하기 위해서 네트워크 분석을 하였다. 2008년에서 2011년 까지는 의료 분야 및 IT가 결합한 연구, 2012년에서 2015년까지는 의료 분야 및 IT를 기반으로 다양한 융합연구, 2016년에서 2019년 6월까지는 빅데이터, 블록체인, 인공지능 등의 4차 산업혁명 기술들을 적용한 융합연구가 활발히 진행되었다.

Abstract ▼ AI-Helper

Digital healthcare is a combined area of medical field and IT and various information on digital healthcare is provided in social media. This study aims to find the research trend of digital healthcare by collecting and analyzing data related to digital healthcare through the social media. The data were collected from Naver and Daum's news and blogs from January 2008 to June 2019. Major keywords with high frequency were extracted and visualized with wordcloud and network analysis was used to analyze the relationship between major keywords. Research combining medical field and IT from 2008 to 2001, various convergence research based on medical field and IT from 2012 to 2015, convergence research that applied the 4th industrial revolution technologies such as big data, blockchain and AI were actively conducted from 2016 to June 2019.

주제어

표/그림 (10)

그림 그림 1. 2008~2011 뉴스 기반 키워드 워드클라우드
그림 그림 2. 2012~2015 뉴스 기반 키워드 워드클라우드
그림 그림 3. 2016 ~ 2019.6 뉴스 기반 키워드 워드클라우드
그림 그림 4. 2008 ~ 2011 블로그 기반 키워드 워드클라우드
표 표 1. 뉴스에 기반한 연구 키워드 빈도 순위
그림 그림 5. 2012 ~ 2015 블로그 기반 키워드 워드클라우드
그림 그림 6. 2016 ~ 2019.6 블로그 기반 키워드 워드클라우드
표 표 2. 블로그에 기반한 연구 키워드 순위
그림 그림 7. 뉴스에 기반한 연구 키워드 네트워크
그림 그림 8. 블로그에 기반한 연구 키워드 네트워크

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이를 위해서 네이버의 뉴스 및 블로그에서 융합연구 관련 데이터를 수집하고 수집된 데이터를 기반으로 빈도수가 높은 주요 키워드를 추출하고 시각화하고 네트워크 분석을 하였다. 그 결과로 기간별로 나타나는 융합연구 분야들을 파악하였다.
향후 연구로는 본 연구의 결과인 소셜미디어에 기반한 결과와 디지털 헬스케어에 관한 국내와 국외 논문 및 특허를 대상으로 분석한 결과를 비교하고자 한다. 그래서 뉴스와 블로그와 같은 소셜미디어를 통해서 분석한 경향대로 연구가 이루어졌는지를 확인하여 소셜미디어에 기반한 연구 동향 분석의 신뢰성을 파악하고자 한다.
따라서 본 연구도 소셜미디어를 이용하여 디지털 헬스케어에 관련된 많은 데이터를 수집하고 이를 기반으로 디지털 헬스케어의 연구 동향을 파악하고자 한다. 연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 국내 인터넷 이용자들이 많이 이용하는 Naver와 Daum의 블로그와 뉴스로부터 디지털헬스케어와 관련된 데이터를 웹크롤링하여 수집하였다.
정윤수[10]는 서로 다른 병원에서 진료를 받은 개인의 헬스케어 정보가 분산된 경우에는 이로 인해서 통합된 개인 헬스케어 정보를 수집하고 이용하기에는 어려움이 있으며 이를 해결하기 위해서 병원들에 저장된 개인헬스케어 정보를 효율적으로 수집하기 위한 병원 간의 데이터 통합 모델을 제안하였다. 또한 다기준의사결정 방법의 하나인 AHP(Analytic Hierarchy Process)를 이용하여 환자 질병 정보를 효율적인 빅데이터로 관리하는 기법을 제안하였으며 환자의 질병 정보 간의 상관관계를 파악하고 현실적인 환자 치료 방법을 찾고자 이 기법을 제안하였다[11]. 임하빈[12]은 표준을 준용하지 않는 데이터의 관리로 인해서 개인 건강 기기 간에 데이터 공유가 어려운 상황에서 이를 해결하기 위한 다양한 헬스케어 서비스 플랫폼 간의 효율적인 개인 건강 데이터 공유를 위한 모바일 프레임워크를 제안하였다.
본 연구는 뉴스와 블로그라는 소셜미디어를 기반으로 하여 추출된 키워드에 대한 빈도 분석을 하였다. 빈도 분석을 통해서 얻어진 연구 키워드에 대해서 네트워크 분석을 하였으며 네트워크 분석을 통해서 연구 키워드의 시간에 따른 연구 키워드의 경향을 파악하고자 하였다.
본 연구는 디지털 헬스케어와 관련된 소셜 빅데이터를 수집하고 이를 기반으로 하여 디지털 헬스케어의 연구 동향을 파악하고자 하였다. 본 연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 Naver와 Daum의 블로그와 뉴스로부터 디지털 헬스케어와 관련된 글을 수집한 후에 수집된 글들에서 키워드들을 추출하였다.
본 연구는 소셜미디어로부터 데이터를 수집하여 디지털 헬스케어에 관한 연구 동향을 파악하고자 하며 이를 위한 2가지 연구 질문들을 설정한다.
본 연구는 뉴스와 블로그라는 소셜미디어를 기반으로 하여 추출된 키워드에 대한 빈도 분석을 하였다. 빈도 분석을 통해서 얻어진 연구 키워드에 대해서 네트워크 분석을 하였으며 네트워크 분석을 통해서 연구 키워드의 시간에 따른 연구 키워드의 경향을 파악하고자 하였다. 향후 연구로 본 연구의 보완을 위해서 디지털 헬스케어와 관련된 논문들과 특허들의 분석 결과를 비교분석하는 작업 필요할 것으로 파악된다.

제안 방법

김민수[19]는 레저스포츠 관광에 관련된 소셜 빅데이터를 수집 및 분석하여 레저스포츠 관광에 대한 트렌드를 파악하였다. 2017년부터 2년간의 소셜미디어들에서 레저스포츠 관광에 관련된 키워드들을 가지고 데이터를 수집하고 수집된 데이터를 기반으로 레저스포츠 관광객의 관광 형태를 분석하였다. 이러한 분석을 통해서 레저스포츠 관광 수요자들의 요구를 파악하고 레저스포츠 관광의 활성화를 위한 정책 방안의 근거자료로도 이용되도록 하였다.
그리고 출현한 키워드를 시각화하기 위해서 R의 시각화 패키지인 워드클라우드를 이용하였다. 계산된 빈도를 기준으로 120개의 상위 빈도 키워드들을 워드 클라우드를 통해서 시각화하였다. 이 상위 빈도 키워드들은 다양한 내용과 관련된 키워드들이며 이 키워드 중에서 연구와 관련된 상위 20개 키워드를 기간별로 선별하여 표로 나타내었다.
연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 국내 인터넷 이용자들이 많이 이용하는 Naver와 Daum의 블로그와 뉴스로부터 디지털헬스케어와 관련된 데이터를 웹크롤링하여 수집하였다. 구체적으로는 2008년 1월에서 2019년 6월까지의 기간을 3개의 세부 기간으로 나누어서 기간별로 데이터를 수집한 후에 빈도가 높은 주요한 키워드들을 추출하여 워드클라우드로 시각화하였고 각 기간의 주요 키워드 간의 관계를 분석하기 위해서 네트워크 분석을 하였다. 이를 통해서 기간별로 디지털 헬스케어와 관련된 연구 동향을 파악하였다.
본 연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 Naver와 Daum의 블로그와 뉴스로부터 디지털 헬스케어와 관련된 글을 수집한 후에 수집된 글들에서 키워드들을 추출하였다. 기간별로 빈도가 높은 주요한 120개의 키워드로 워드클라우드로 시각화하였고 이 키워드 중에서 빈도가 높은 연구 키워드 20개를 기간별로 살펴보았다.
뉴스에 기반하여 추출된 키워드 중에서 기간별로 상위 빈도 120개 키워드에 대해서 워드클라우드로 시각화하였다. 모든 세부 기간에서는 공통으로 키워드 ‘디지털’, ‘헬스’, ‘케어’가 가장 높은 빈도로 나타났으며 이 키워드들을 제외한 키워드들을 워드클라우드로 나타내었다.
이 패키지를 이용하여 수집된 데이터로부터 불필요한 문자들을 제거하는 작업을 진행하였다. 뉴스와 블로그에서 수집된 데이터로부터 이와 같은 전처리 과정을 거친 후에 얻어진 데이터로부터 키워드들을 추출하였으며 추출된 키워드들을 기반으로 각 키워드가 출현한 빈도를 구하였다. 그리고 출현한 키워드를 시각화하기 위해서 R의 시각화 패키지인 워드클라우드를 이용하였다.
두 번째 연구 질문에 대한 응답으로 기간별로 디지털헬스케어와 관련된 주요 키워드들이 네트워크 구조에서 어떤 관계를 보이는지를 파악하였다.
Naver와 Daum의 뉴스 및 블로그에서 웹크롤링을 통해서 수집된 데이터는 비정형이며 많은 불필요한 데이터를 함께 포함하고 있다. 따라서 이러한 불필요한 데이터를 제거하기 위하여 데이터분석에 많이 사용되는 R을 이용하여 불필요한 데이터를 제거하는 전처리작업을 진행하였다. 전처리 과정에서는 R의 한글 형태소 분석 기능을 제공하는 KoNLP (Korean Natural Language Processing) 패키지를 이용하였다.
이 상위 빈도 키워드들은 다양한 내용과 관련된 키워드들이며 이 키워드 중에서 연구와 관련된 상위 20개 키워드를 기간별로 선별하여 표로 나타내었다. 또한 기간별로 나타내어진 연구 키워드 간의 관계를 파악하고자 네트워크 분석을 이용하였다.
블로그에 기반하여 추출된 키워드 중에서 기간별로 상위 빈도 120개 키워드에 대해서 워드클라우드로 시각화하였다. 모든 세부 기간에서는 공통으로 키워드 ‘디지털’, ‘헬스’, ‘케어’가 가장 높은 빈도로 나타났으며 이 키워드들을 제외한 키워드들을 워드클라우드로 나타내었다.
이를 위해서 스포츠산업 관련 정책에 관련된 소셜 빅데이터를 인터넷 포털사이트(Naver)의 뉴스, 블로그 등에서 텍스트마이닝 기법을 이용하여 데이터를 수집하였다. 수집된 데이터에서 주요한 키워드들을 추출하고 추출된 주요 키워드들을 분석하여 스포츠산업 지원 사업에 대한 인식과 수요를 파악하였다.
국내 포털 사이트인 네이버와 다음의 블로그, 뉴스, 카페 등에서 가족여행과 ‘나 홀로 여행’이라는 키워드로 데이터를 수집을 하였다. 수집된데이터를 네트워크 분석하였으며 분석을 통해서 정치,경제, 사회 변화에 민감한 관광시장의 트렌드와 동향을 파악하였다.
시간에 따른 디지털 헬스케어에 관한 키워드들의 변화 경향을 파악하기 위해서 조사 기간을 세분화하였다. 2008년에서 2011년까지는 디지털 헬스케어가 본격적으로 시작하는 시기이며 2012년부터는 디지털 헬스케어 3.
전처리 과정에서는 R의 한글 형태소 분석 기능을 제공하는 KoNLP (Korean Natural Language Processing) 패키지를 이용하였다. 이 패키지를 이용하여 수집된 데이터로부터 불필요한 문자들을 제거하는 작업을 진행하였다. 뉴스와 블로그에서 수집된 데이터로부터 이와 같은 전처리 과정을 거친 후에 얻어진 데이터로부터 키워드들을 추출하였으며 추출된 키워드들을 기반으로 각 키워드가 출현한 빈도를 구하였다.
노영희[20]는 소셜미디어 빅데이터를 이용하여 학술 분야 간의 융합연구 전반에 대한 동향을 파악하고자 하였다. 이를 위해서 네이버의 뉴스 및 블로그에서 융합연구 관련 데이터를 수집하고 수집된 데이터를 기반으로 빈도수가 높은 주요 키워드를 추출하고 시각화하고 네트워크 분석을 하였다. 그 결과로 기간별로 나타나는 융합연구 분야들을 파악하였다.
장필성[5]은 스마트 디바이스를 이용한 응급 의료 지원 시스템을 제안하였다. 제안 기법에서는 응급 환자 발생 시에 환자의 생체 정보 및 위치 정보를 스마트 디바이스를 이용하여 중앙 의료 시스템에 전송한다. 전송된 환자의 위치 정보를 기반으로 응급환자 인근의 응급처치 가능 지원자를 찾아서 환자에게 응급처치하도록 지원하는 시스템이다.
본 연구는 소셜미디어에서 ‘디지털 헬스케어’를 키워드로 사용하여 데이터를 수집하고 분석하였다. 첫 번째 연구 질문에 대한 응답으로 기간별로 디지털 헬스케어에 관한 주요 연구 키워드들은 어떻게 달라지고 있는지를 파악하였다.

대상 데이터

Naver와 Daum의 뉴스 및 블로그에서 웹크롤링을 통해서 수집된 데이터는 비정형이며 많은 불필요한 데이터를 함께 포함하고 있다. 따라서 이러한 불필요한 데이터를 제거하기 위하여 데이터분석에 많이 사용되는 R을 이용하여 불필요한 데이터를 제거하는 전처리작업을 진행하였다.
국내 포털 사이트인 네이버와 다음의 블로그, 뉴스, 카페 등에서 가족여행과 ‘나 홀로 여행’이라는 키워드로 데이터를 수집을 하였다.
데이터 빈도 분석은 뉴스에 기반한 방식과 블로그에 기반한 방식으로 진행되었다. 뉴스에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 뉴스 89,648건을 이용하였으며 블로그에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 블로그 66,760건을 이용하였다. 두 방식에 있어서 모두 수집된 데이터에 대해서 불필요한 데이터를 제거하는 전처리 과정을 진행한 후에 키워드를 추출하였으며 추출된 각 키워드에 대해서 빈도를 구하고 분석을 하였다.
수집된 전체 뉴스 데이터에서 키워드들을 추출하기 위해서 Naver와 Daum에서 수집된 뉴스 89,648건을 대상으로 작업을 하였다. 또한 수집된 전체 블로그 데이터에서 키워드를 추출하기 위해서 Naver와 Daum에서 수집된 블로그 66,760건을 대상으로 작업을 하였다.
본 연구는 소셜미디어에서 ‘디지털 헬스케어’를 키워드로 사용하여 데이터를 수집하고 분석하였다.
본 연구를 위한 데이터 수집을 위해서 Naver와 Daum의 블로그 및 뉴스에서 ‘디지털 헬스케어’를 키워드로 검색하여 결과들을 수집하였다.
본 연구는 디지털 헬스케어와 관련된 소셜 빅데이터를 수집하고 이를 기반으로 하여 디지털 헬스케어의 연구 동향을 파악하고자 하였다. 본 연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 Naver와 Daum의 블로그와 뉴스로부터 디지털 헬스케어와 관련된 글을 수집한 후에 수집된 글들에서 키워드들을 추출하였다. 기간별로 빈도가 높은 주요한 120개의 키워드로 워드클라우드로 시각화하였고 이 키워드 중에서 빈도가 높은 연구 키워드 20개를 기간별로 살펴보았다.
전체 조사 기간에서 Naver의 뉴스 41,648건, Naver의 블로그 34,360건을 수집하였으며 Daum의 뉴스 48,000건, Daum의 블로그 32,400건을 수집하였다. 수집된 전체 뉴스 데이터에서 키워드들을 추출하기 위해서 Naver와 Daum에서 수집된 뉴스 89,648건을 대상으로 작업을 하였다. 또한 수집된 전체 블로그 데이터에서 키워드를 추출하기 위해서 Naver와 Daum에서 수집된 블로그 66,760건을 대상으로 작업을 하였다.
따라서 본 연구도 소셜미디어를 이용하여 디지털 헬스케어에 관련된 많은 데이터를 수집하고 이를 기반으로 디지털 헬스케어의 연구 동향을 파악하고자 한다. 연구를 위해서 조사 기간은 2008년 1월에서 2019년 6월까지로 하였으며 국내 인터넷 이용자들이 많이 이용하는 Naver와 Daum의 블로그와 뉴스로부터 디지털헬스케어와 관련된 데이터를 웹크롤링하여 수집하였다. 구체적으로는 2008년 1월에서 2019년 6월까지의 기간을 3개의 세부 기간으로 나누어서 기간별로 데이터를 수집한 후에 빈도가 높은 주요한 키워드들을 추출하여 워드클라우드로 시각화하였고 각 기간의 주요 키워드 간의 관계를 분석하기 위해서 네트워크 분석을 하였다.
김민수[17]는 소셜 빅데이터를 이용하여 스포츠산업 지원 사업에 대한 인식과 수요를 분석하였다. 이를 위해서 스포츠산업 관련 정책에 관련된 소셜 빅데이터를 인터넷 포털사이트(Naver)의 뉴스, 블로그 등에서 텍스트마이닝 기법을 이용하여 데이터를 수집하였다. 수집된 데이터에서 주요한 키워드들을 추출하고 추출된 주요 키워드들을 분석하여 스포츠산업 지원 사업에 대한 인식과 수요를 파악하였다.
전체 조사기간은 2008년에서 2019년 6월까지이며 조사 기간을 3개의 세부 기간(2008년 ~ 2011년, 2012년 ~ 2015년,2016년~ 2019년 6월)으로 나누어서 세부 기간별로 ‘디지털 헬스케어’를 키워드로 사용하여 웹크롤링에 의해서 관련된 데이터를 수집하였다. 전체 조사 기간에서 Naver의 뉴스 41,648건, Naver의 블로그 34,360건을 수집하였으며 Daum의 뉴스 48,000건, Daum의 블로그 32,400건을 수집하였다. 수집된 전체 뉴스 데이터에서 키워드들을 추출하기 위해서 Naver와 Daum에서 수집된 뉴스 89,648건을 대상으로 작업을 하였다.
전체 조사기간은 2008년에서 2019년 6월까지이며 조사 기간을 3개의 세부 기간(2008년 ~ 2011년, 2012년 ~ 2015년,2016년~ 2019년 6월)으로 나누어서 세부 기간별로 ‘디지털 헬스케어’를 키워드로 사용하여 웹크롤링에 의해서 관련된 데이터를 수집하였다.

데이터처리

뉴스에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 뉴스 89,648건을 이용하였으며 블로그에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 블로그 66,760건을 이용하였다. 두 방식에 있어서 모두 수집된 데이터에 대해서 불필요한 데이터를 제거하는 전처리 과정을 진행한 후에 키워드를 추출하였으며 추출된 각 키워드에 대해서 빈도를 구하고 분석을 하였다.

이론/모형

데이터 빈도 분석은 뉴스에 기반한 방식과 블로그에 기반한 방식으로 진행되었다. 뉴스에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 뉴스 89,648건을 이용하였으며 블로그에 기반한 데이터 빈도 분석을 위해서 Naver와 Daum으로부터 수집된 블로그 66,760건을 이용하였다.
따라서 이러한 불필요한 데이터를 제거하기 위하여 데이터분석에 많이 사용되는 R을 이용하여 불필요한 데이터를 제거하는 전처리작업을 진행하였다. 전처리 과정에서는 R의 한글 형태소 분석 기능을 제공하는 KoNLP (Korean Natural Language Processing) 패키지를 이용하였다. 이 패키지를 이용하여 수집된 데이터로부터 불필요한 문자들을 제거하는 작업을 진행하였다.

성능/효과

그리고 기간 B에만 나타나는 키워드들은 ‘센서’, ‘사물인터넷’, ‘자동차’, ‘자율주행’, ‘스마트폰’, ‘웨어러블’, ‘나노전자’이며‘센서’, ‘사물인터넷’ 등이 비교적 높은 빈도로 나타났다.
기간별로 종합적으로 살펴보면 기간 A의 뉴스와 블로그에 기반한 연구 키워드들을 통해서 집중적으로 의료와 IT 기술이 결합한 연구들이 진행되었다는 것을 알 수 있었다. 기간 B의 뉴스와 블로그에 기반한 연구 키워드들에 의해서는 디지털 헬스케어와 관련된 다양한 분야 간의 융합 연구들 진행되었다는 것을 파악할 수 있었다.
뉴스에 기반한 연구 키워드 중에서 2개 기간에 걸쳐서 공통으로 나타난 키워드들을 살펴보면 키워드 ‘의료’, ‘기술’, ‘IT’, ‘모바일’, ‘스마트’, ‘전자’, ‘정보’, ‘건강’,‘연구’, ‘의료기기’, ‘건강관리’, ‘원격’은 기간 A와 기간 B에만 공통으로 나타났다.
또한 키워드 ‘스마트’, ‘모바일’은 기간 A와 기간 C보다 기간 B에서 비교적 빈도가 높게 나타났으며 기간 B에 집중적으로 연구가 이루어졌던 것을 알 수 있다.
모든 세부 기간에서는 공통으로 키워드 ‘디지털’, ‘헬스’, ‘케어’가 가장 높은 빈도로 나타났으며 이 키워드들을 제외한 키워드들을 워드클라우드로 나타내었다.
블로그에 기반한 연구 키워드 중에서 2개 기간에 걸쳐서 공통으로 나타난 키워드들을 살펴보면 키워드 ‘건강’, ‘정보’, ‘기술’, ‘IT’, ‘전자’, ‘시스템’, ‘모바일’, ‘의료’,‘스마트’, ‘가전’, ‘컴퓨터’, ‘의료기기’, ‘통신’은 기간 A와 기간 B에만 공통으로 나타났으며 키워드 ‘건강’, ‘정보’,‘기술’, ‘IT’, ‘전자’, ‘시스템’, ‘모바일’, ‘의료’, ‘스마트’,‘병원’, ‘생체’, ‘환자’는 기간 B와 기간 C에만 공통으로 보였다.
이를 통해서 키워드 ‘기술’, ‘IT’, ‘모바일’, ‘의료’, ‘스마트’는 전체 조사 기간 동안에 뉴스와 블로그에서 지속적으로 나타난 키워드라는 것을 알 수 있었으며 이 키워드들에 관한 연구들이 전체 조사 기간에 걸쳐서 지속적으로 진행되었다는 것을 파악할 수 있었다.
서승범[6]은 병원 서버에 접속하여 실시간으로 병원 서비스를 이용할 수 있게 해주는 스마트폰 애플리케이션을 제안하였다. 제안된 애플리케이션을 통해서 이용자는 진료 예약과 진찰을 받을 수 있으며 원격으로 건강 및 질병 관리를 할 수 있다. 이주관[7]은 웨어러블 디바이스를 이용하여 급성 심장마비를 예측하거나 감지하여 급성 심장마비 발생 시에 신속한 응급처치를 하도록 지원하는 시스템을 제안하였다.
종합적으로 뉴스와 블로그에 기반한 연구 키워드를 살펴보면 기간 A와 기간 B에 나타난 키워드 중에서 ‘건강’, ‘정보’, ‘기술’, ‘IT’, ‘전자’, ‘모바일’, ‘의료’, ‘스마트’,‘의료기기’는 뉴스와 블로그에서 공통으로 나타났으며 기간 B와 기간 C에 나타난 키워드 중에서 ‘기술’, ‘IT’,‘모바일’, ‘의료’, ‘스마트’가 뉴스와 블로그에서 공통으로 나타났다.

후속연구

전체적으로 뉴스와 블로그에서 추출된 연구 키워드들을 종합적으로 살펴보면 조사 기간 전체에 걸쳐서 ‘IT’, ‘기술’, ‘스마트’, ‘의료’, ‘모바일’ 등이 뉴스와 블로그에서 공통으로 나타난 연구 키워드들이다. 따라서 이 키워드들과 관련된 연구들이 가장 핵심적인 분야이며 향후에도 지속해서 이 키워드들과 관련된 연구들이 진행될 것이며 뿐만 아니라 4차 산업혁명 기술과 융합 연구들도 다양하게 진행될 것으로 예상된다.
이를 통해서 키워드 ‘기술’, ‘IT’, ‘모바일’, ‘의료’, ‘스마트’는 전체 조사 기간 동안에 뉴스와 블로그에서 지속적으로 나타난 키워드라는 것을 알 수 있었으며 이 키워드들에 관한 연구들이 전체 조사 기간에 걸쳐서 지속적으로 진행되었다는 것을 파악할 수 있었다. 또한 향후에도 기본적으로 이 키워드들과 관련된 연구들이 진행될 것이고 이와 함께 4차 산업혁명 기술들과 융합된 연구들이 더욱 다양하고 심층적으로 진행될 것으로 예상된다.
2017년부터 2년간의 소셜미디어들에서 레저스포츠 관광에 관련된 키워드들을 가지고 데이터를 수집하고 수집된 데이터를 기반으로 레저스포츠 관광객의 관광 형태를 분석하였다. 이러한 분석을 통해서 레저스포츠 관광 수요자들의 요구를 파악하고 레저스포츠 관광의 활성화를 위한 정책 방안의 근거자료로도 이용되도록 하였다.
빈도 분석을 통해서 얻어진 연구 키워드에 대해서 네트워크 분석을 하였으며 네트워크 분석을 통해서 연구 키워드의 시간에 따른 연구 키워드의 경향을 파악하고자 하였다. 향후 연구로 본 연구의 보완을 위해서 디지털 헬스케어와 관련된 논문들과 특허들의 분석 결과를 비교분석하는 작업 필요할 것으로 파악된다.
향후 연구로는 본 연구의 결과인 소셜미디어에 기반한 결과와 디지털 헬스케어에 관한 국내와 국외 논문 및 특허를 대상으로 분석한 결과를 비교하고자 한다. 그래서 뉴스와 블로그와 같은 소셜미디어를 통해서 분석한 경향대로 연구가 이루어졌는지를 확인하여 소셜미디어에 기반한 연구 동향 분석의 신뢰성을 파악하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	디지털 헬스케어란?	우리나라는 이미 고령화 사회이며 빠른 고령 인구의 증가로 인해서 헬스케어에 대한 관심도 더욱 증가하고 있다. 디지털 헬스케어란 의료 산업 분야와 IT(Information Technology)가 융합된 분야로 정의되며 스마트 헬스케어라는 용어와 혼재되어서 사용되고 있다[1][2].
	소셜미디어는 무엇을 가능하게 해주는가?	소셜미디어는 소셜 네트워크의 개방적이고 연결된 구조를 이용하여 대규모의 정보 제공과 확산을 가능하게 해준다. 이러한 소셜미디어로부터 데이터를 수집하여 분야별 동향 파악을 하는 연구들이 수행되었다[17-20].
	KoNLP (Korean Natural Language Processing) 패키지를 이용함으로서 가능한 작업은?	전처리 과정에서는 R의 한글 형태소 분석 기능을 제공하는 KoNLP (Korean Natural Language Processing) 패키지를 이용하였다. 이 패키지를 이용하여 수집된 데이터로부터 불필요한 문자들을 제거하는 작업을 진행하였다. 뉴스와 블로그에서 수집된 데이터로부터 이와 같은 전처리 과정을 거친 후에 얻어진 데이터로부터 키워드들을 추출하였으며 추출된 키워드들을 기반으로 각 키워드가 출현한 빈도를 구하였다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증