[논문]군집분석 기법을 이용한 공공도서관 그룹화에 대한 연구

곽철완

doi:10.14699/kbiblia.2020.31.3.079

군집분석 기법을 이용한 공공도서관 그룹화에 대한 연구
A Study of Library Grouping using Cluster Analysis Methods 원문보기

한국비블리아학회지 = Journal of the Korean Biblia Society for Library and Information Science, v.31 no.3, 2020년, pp.79 - 99

초록
AI-Helper

이 연구의 목적은 공공도서관 그룹화를 위해 적합한 군집분석 모델을 파악하고 그 특징을 분석하는데 있다. 국가도서관통계시스템의 공공도서관 통계 데이터를 사용하였으며, 군집분석 기법의 3가지 모델을 적용하였다. 공공도서관 규모를 기준으로 군집분석을 실시한 결과 크게 2가지 군집으로 구분되었으며, 군집의 크기는 크게 한쪽으로 치우쳤다. 그룹화 모델로 도서관 규모를 기준으로 삼으면, 계층적 군집분석의 와드측정법과 k-평균군집분석 모델이 적합하였다. 공공도서관 그룹화 연구 결과에 대한 시사점은 다음과 같다. 첫째, 통계 데이터 외에 도서관 서비스 관련 다양한 데이터 수집이 진행되어야 한다. 둘째, 분석 대상이 되는 데이터 세트에 적합한 분석 모델이 적용되어야 한다. 셋째, 도서관 서비스 향상을 위해 군집분석 기법의 다양한 분야 적용 가능성에 대한 적극적인 연구가 필요가 있다.

Abstract ▼ AI-Helper

The purpose of this study is to investigate the model of cluster analysis techniques for grouping public libraries and analyze their characteristics. Statistical data of public libraries of the National Library Statistics System were used, and three models of cluster analysis were applied. As a result of the study, cluster analysis was conducted based on the size of public libraries, and it was largely divided into two clusters. The size of the cluster was largely skewed to one side. For grouping based on size, the ward method of hierarchical cluster analysis and the k-means cluster analysis model were suitable. Three suggestions were presented as implications of the grouping method of public libraries. First, it is necessary to collect library service-related data in addition to statistical data. Second, an analysis model suitable for the data set to be analyzed must be applied. Third, it is necessary to study the possibility of using cluster analysis techniques in various fields other than library grouping.

주제어

표/그림 (18)

표 <표 1> 그룹화를 위해 사용한 변수
표 <표 2> 군집분석 기법 구분
그림 <그림 1> 계층적 군집분석 완전측정법 R 코드 및 결과
그림 <그림 2> 계층적 군집분석 완전측정법 모델의 군집 테이블 작성 R 코드 및 결과
그림 <그림 3> 계층적 군집분석 완전측정법 모델의 덴드로그램
그림 <그림 4> 계층적 군집분석 와드측정법 모델의 R 코드 및 결과
그림 <그림 5> 계층적 군집분석 와드측정법 모델의 군집 테이블 작성 R 코드 및 결과
그림 <그림 6> 계층적 군집분석 와드측정법 모델의 덴드로그램
그림 <그림 7> k-평균 군집분석 모델의 R 코드 및 결과
그림 <그림 8> k-평균 군집분석 군집 모델의 테이블 작성 R 코드 및 결과
그림 <그림 9> 박스블록 그리기 R 코드
그림 <그림 10> 변수별로 k-평균 군집분석과 계층적 군집분석 와드측정법 모델의 박스블록 비교(계속)
그림 <그림 10> 변수별로 k-평균 군집분석과 계층적 군집분석 와드측정법 모델의 박스블록 비교
그림 <그림 11> 그룹 세분화에 따른 군집별 포함 도서관 수
그림 <그림 12> 2단계 군집분석 결과 국내서, 인력자원, 예산의 박스플롯 비교
그림 <그림 13> 3단계 군집분석 결과 국내서, 인력자원, 예산의 박스플롯 비교
표 <표 3> 지역에 따른 군집별 도서관 수(비율)
표 <표 4> 도서관 서비스 변수와 이용자 및 대출 책 수 변수 결과 비교

AI 본문요약
AI-Helper

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

문제 정의

이 연구는 공공도서관 그룹화를 위해 적합한 군집분석 모델을 파악하고 그 특징을 분석하는 데 목적이 있다. 공공도서관 통계 데이터 중 규모와 관련된 데이터를 이용하여 세 가지 군집 분석 모델을 적용한 결과, 계층적 군집분석의 와드측정법과 k-평균 군집분석 모델이 서로 비슷한 형태의 군집을 만들어 규모를 기준으로 공공도서관 그룹화에 적합하였다.
매년 문화체육관광부에서 실시하는 전국 도서관 운영평가는 공공도서관을 규모에 따라 그룹별로 구분하여 도서관 서비스의 우수 사례를 발굴하여 보급하고 있다. 이는 서로 유사한 도서관 사이에서 우수한 도서관 서비스를 발굴하고 서로 공유하여, 전국적으로 도서관 서비스를 향상시키는데 그 목적이 있다고 볼 수 있다. 예를 들어, 자관과 유사한 도서관의 우수 서비스 사례를 참조하여 지역 환경에 적합한 서비스를 개발한다면 지역 주민들에 대한 서비스 향상에 커다란 도움이 될 수 있을 것이다.
군집분석 기법은 복잡한 과정을 거치지 않고 간단하게 처리할 수 있는 방법으로 공공도서관을 그룹으로 구분하는데 사용될 수 있을 것이다. 이에 이 연구는 공공도서관 그룹화를 위한 적합한 군집분석 모델을 파악하고 그 특징을 분석하는데 목적이 있다.

제안 방법

와드측정법 모델을 이용한 군집분석 결과 클러스터 1에 60개 도서관이 포함되었고, 클러스터 2에 62개 도서관이 포함되었다. 각 변수별로 클러스터 구분의 정확도를 측정하기 위해 박스플롯 그림을 통하여 비교하였다([부록 1] 참조).
계층적 군집분석 중 완전측정법(complete) 모델을 이용하여 데이터를 분석한 결과, 9가지 지표가 2개 클러스터 사용을 제안하였고, 5개 지표가 3개 클러스터 사용을 제안하였다( 참조).
k-평균 군집분석 모델과 계층적 군집 분석의 와드측정법 모델의 결과로 만들어진 클러스터는 유사하지만, k-평균 군집분석 모델이 이상치에 민감하게 반응하므로, 와드측정법 모델을 적용하였다. 공공도서관 규모를 기준으로 총 3회의 군집분석을 반복적으로 실시하여 최종적으로 4개의 클러스터로 공공도서관을 그룹화 하였다.
첫 번째 군집분석 결과 4개 클러스터로 나뉘었는데, 974개 도서관이 포함된 클러스터를 제외하고 나머지 3개 클러스터가 유사하여 이들 3개 클러스터를 하나로 묶어 1군집으로 구분하고, 974개 도서관이 포함된 클러스터를 대상으로 다시 군집분석을 실시하였다. 군집분석 결과 2개의 클러스터로 나뉘었고, 이때 규모가 큰 클러스터를 대상으로 다시 군집분석을 실시하는 방법으로 최종적으로 4개의 군집을 만들었다.
분석 결과 2개 클러스터로 구분되었는데, 클러스터 1은 624개 도서관을 포함하고 있었고, 클러스터 2는 350개 도서관을 포함하고 있었다. 군집분석의 정확도를 측정하기 위해 박스플롯 그림을 이용하여 국내서, 인력자원, 예산 변수를 비교하였다. 비교 결과 두 클러스터는 부분적으로 차이점을 보여주고 있었다(<그림 12> 참조).
하지만, 두 번째 군집분석 역시 한쪽으로 편향된 2개의 클러스터로 구분되었다. 그러므로 구분된 클러스터가 비슷한 규모로 나누어질 때까지 반복적으로 군집분석을 실시하였다. 그리고 군집분석 결과로 매번 만들어진 클러스터 사이의 구분이 명확하게 이루어졌는지 비교하였다.
하지만, 공공도서관 통계 데이터를 이용한 군집분석 결과는 도서관 간의 규모가 9:1 비율로 양분되어 한쪽으로 치우치는 결과를 보여주고 있다. 그러므로 도서관 그룹의 크기를 유사하게 만들기 위해 반복적인 군집분석이 가능한지 실험하였고, 만들어진 클러스터가 서로 명확하게 구분되는지 분석하였다.
문화체육관광부는 2020년 전국 도서관 운영평가를 위해 공공도서관을 단위도서관의 봉사 대상인구 1인당 시설, 장서, 인력, 예산항목을 기준으로 삼아 5개 그룹으로 구분하였다(국가 도서관통계시스템 2020a). 그룹 구분을 위해 4개 항목을 30점에서 10점으로 배정하고, 항목별 점수를 산정한 후, 총점을 기준으로 전국 공공도서관을 5개 그룹으로 배정하였다.
그러므로 구분된 클러스터가 비슷한 규모로 나누어질 때까지 반복적으로 군집분석을 실시하였다. 그리고 군집분석 결과로 매번 만들어진 클러스터 사이의 구분이 명확하게 이루어졌는지 비교하였다.
군집분석을 위해 군집분석용 패키지인 NbClust, cluster 등의 라이브러리를 이용하였다. 데이터 처리는 데이터 정규화 작업을 통해 필드에 따라 범위가 다양한 데이터 값의 분포를 표준화하였다. 적용한 군집분석 모델은 여러 가지 군집분석 모델 중 가장 일반적으로 사용되는 계층적 군집분석 중 완전측정법과 와드측정법, k-평균 군집분석 3가지 모델을 사용하였다.
이 연구에서 사용한 변수는 전국 도서관 운영평가에서 공공도서관을 구분하기 위해 사용한 변수를 기준으로 공공도서관 통계 데이터에서 선택하였다. 또한 도서관 서비스와 관련된 변수로 도서관 회원 수, 대출자 수, 대출자료 수, 이용자 교육, 문화프로그램 운영, 직원의 전문 교육 등을 선택하여 사용하였다.
분석에 사용할 데이터는 문화체육관광부 국가 도서관통계시스템(2020b)에서 제공하는 2018년도 공공도서관 통계 데이터로 엑셀 형식으로 저장되어 있다. 엑셀 파일에서 분석에 필요한 필드만을 추출하여 csv 형식의 파일로 변환시켜 분석하였다. 파일에 포함된 공공도서관 수는 1,096개관이며, 분석을 위해 추출한 필드는 순번, 지역, 개관년도, 도서관명 등의 기본 정보를 담고 있는 필드와 도서관 규모와 도서관 서비스에 관련된 필드 등이 포함되었다(<표 1> 참조).
와드측정법 모델을 이용하여 데이터를 분석한 결과, 8가지 지표가 4개 클러스터 사용을 제안하였고, 4개 지표가 3개 클러스터 사용을 제안하였다( 참조).
유클리디안(euclidean) 거리행렬 모델을 적용하여 계층적 군집화와 덴드로그램(dendrogram)을 그렸으며, cutree 함수를 사용하여 클러스터 수 확인을 위한 표를 작성하였다. 덴드로그램 그림과 표로 보면 2개와 3개로 구분된 클러스터는 매우 편향된 모습을 보여주고 있다(<그림 2>, <그림 3> 참조).
공공도서관 그룹화에 대해 차미경, 표순희(2015)는 공공도서관 평가에 관한 연구에서 도서관 그룹화에 대해 언급하고 있다. 이 연구에서는 공공도서관을 대규모 및 중규모 도서관이 포함되는 A그룹과 소규모 및 어린도서관이 포함되는 B그룹으로 구분하였다. 공공도서관을 군집분석을 통하여 그룹으로 구분한 연구도 있다.
반면에 도서관 서비스 변수 20가지 중 클러스터 사이에 중복 비율이 높은 변수는 ‘어린이 회원 수’, ‘청소년 회원 수’, ‘성인 회원 수’, ‘대출자 수’, ‘어린이 대출 책 수’, ‘청소년 대출 책 수’, ‘성인 대출 책 수’의 7가지로 도서관 이용자와 대출에 관련된 변수이다. 이들 변수들 특징을 파악하기 위해 7가지 변수만을 추출하여 군집 분석을 실시하였다.
첫 번째 군집분석 결과 4개 클러스터로 나뉘었는데, 974개 도서관이 포함된 클러스터를 제외하고 나머지 3개 클러스터가 유사하여 이들 3개 클러스터를 하나로 묶어 1군집으로 구분하고, 974개 도서관이 포함된 클러스터를 대상으로 다시 군집분석을 실시하였다. 군집분석 결과 2개의 클러스터로 나뉘었고, 이때 규모가 큰 클러스터를 대상으로 다시 군집분석을 실시하는 방법으로 최종적으로 4개의 군집을 만들었다.

대상 데이터

군집분석 결과 제안한 2개의 클러스터를 기준으로 각 클러스터에 포함된 도서관 수를 살펴보면, 클러스터 1에 1,095개 도서관이 포함되고, 클러스터 2에는 오직 1개의 도서관만 포함되었다. 3개의 클러스터를 제안한 경우도 이와 유사하게 클러스터 1에 1,093개 도서관, 클러스터 2에 2개 도서관, 클러스터 3에 1개 도서관이 포함되었다. 이처럼 극단적으로 군집이 나뉘는 이유는 1~2개 도서관이 다른 도서관에 비해 규모 면에서 크게 차이가 나는 값을 가지고 있기 때문이다.
3단계 군집분석은 2단계 군집분석에서 624개 도서관을 포함하고 있는 클러스터를 대상으로 실시하였다. 군집분석 결과 3개 클러스터로 구분되었다.
4개의 클러스터는 클러스터 1에 974개 도서관, 클러스터 2에 115개 도서관, 클러스터 3에 2개 도서관, 클러스터 4에 5개 도서관이 포함되었다(참조).
장철호(2009)는 k-평균 군집분석 기법을 이용하여 공공도서관의 면적, 직원 수, 장서 수 데이터로 565개 도서관을 3개 그룹으로 구분하였다. 각 그룹에는 도서관 10개관, 148개관, 407개관이 각각 포함되었다.
분석을 위해 사용한 군집분석의 3가지 모델 모두 클러스터를 2~4개로 구분하였는데 각 클러스터에 포함된 도서관의 수는 매우 편향적인 모습을 보여주었다. 계층적 군집분석의 완전측정법 모델은 한 클러스터에는 1,095개 도서관이 다른 클러스터에는 오직 1개 도서관만 포함되었다. 반면에 다른 두가지 군집분석 모델은 한 클러스터에 전국 공공도서관의 90% 정도가 포함되어 있었다.
데이터 분석은 RStudio를 통하여 R 프로그램을 이용하였다. 군집분석을 위해 군집분석용 패키지인 NbClust, cluster 등의 라이브러리를 이용하였다. 데이터 처리는 데이터 정규화 작업을 통해 필드에 따라 범위가 다양한 데이터 값의 분포를 표준화하였다.
도서관을 그룹으로 구분하는 기준은 도서관 규모 외에도 도서관 서비스를 기준으로 적용할 수 있다. 대규모 군집(1군집)에 포함된 122개 도서관을 대상으로, 20개의 도서관 서비스 변수를 사용하여 군집분석을 실시하였다. 와드측정법 모델을 이용한 군집분석 결과 클러스터 1에 60개 도서관이 포함되었고, 클러스터 2에 62개 도서관이 포함되었다.
그리고 각 단계별 군집분석의 정확도를 측정하기 위해 각각의 군집분석 결과를 박스플롯 그림을 이용하여 분석하였다. 명확한 비교를 위해 군집분석 결과 차이가 있었던 3가지 변수, 즉 국내서, 인력자원, 예산을 대상으로 삼았다.
2단계 군집 분석은 974개 도서관이 포함된 군집을 대상으로 와드측정법 모델을 이용하여 군집분석을 실시하였다. 분석 결과 2개 클러스터로 구분되었는데, 클러스터 1은 624개 도서관을 포함하고 있었고, 클러스터 2는 350개 도서관을 포함하고 있었다. 군집분석의 정확도를 측정하기 위해 박스플롯 그림을 이용하여 국내서, 인력자원, 예산 변수를 비교하였다.
분석에 사용할 데이터는 문화체육관광부 국가 도서관통계시스템(2020b)에서 제공하는 2018년도 공공도서관 통계 데이터로 엑셀 형식으로 저장되어 있다. 엑셀 파일에서 분석에 필요한 필드만을 추출하여 csv 형식의 파일로 변환시켜 분석하였다.
대규모 군집(1군집)에 포함된 122개 도서관을 대상으로, 20개의 도서관 서비스 변수를 사용하여 군집분석을 실시하였다. 와드측정법 모델을 이용한 군집분석 결과 클러스터 1에 60개 도서관이 포함되었고, 클러스터 2에 62개 도서관이 포함되었다. 각 변수별로 클러스터 구분의 정확도를 측정하기 위해 박스플롯 그림을 통하여 비교하였다([부록 1] 참조).
k-평균 군집분석에서 가장 많은 지표가 제안한 클러스터 수는 3개였다. 이 모델에는 클러스터 1에 170개 도서관, 클러스터 2에 2개 도서관, 클러스터 3에 924개 도서관이 포함되었다. 이 모델이 만든 클러스터는 크게 2개 클러스터로 구분할 수 있는데 각 클러스터에 포함된 도서관 수의 비율은 앞의 와드측정법 모델과 유사하게 9:1 비율이었다.
공공도서관 통계 데이터에는 도서관 시설, 장서, 인력, 예산, 서비스 등에 관한 세분화된 변수들을 포함하고 있다. 이 연구에서 사용한 변수는 전국 도서관 운영평가에서 공공도서관을 구분하기 위해 사용한 변수를 기준으로 공공도서관 통계 데이터에서 선택하였다. 또한 도서관 서비스와 관련된 변수로 도서관 회원 수, 대출자 수, 대출자료 수, 이용자 교육, 문화프로그램 운영, 직원의 전문 교육 등을 선택하여 사용하였다.
그밖에 도서관 사서 혹은 지역주민들을 대상으로 한 설문조사 결과 데이터 등을 생각할 수 있다. 이 연구에서는 규모를 기준으로 공공도서관을 구분하는데 목적이 있기 때문에 공공도서관 통계 데이터를 사용하였다.
이를 위해 첫 번째 군집분석으로 구분된 클러스터 2에 포함된 974개 도서관을 대상으로 다시 군집분석을 실시하였다. 하지만, 두 번째 군집분석 역시 한쪽으로 편향된 2개의 클러스터로 구분되었다.
군집분석 결과 3개 클러스터로 구분되었다. 클러스터 1은 285개 도서관이 포함되었고, 클러스터 2는 329개 도서관, 클러스터 3은 10개 도서관이 포함되었다. 클러스터 1과 클러스터 3은 서로 유사하므로 이를 합하여 군집 3으로 정하고, 클러스터 2를 군집 4로 정하였다.
파일에 포함된 공공도서관 수는 1,096개관이며, 분석을 위해 추출한 필드는 순번, 지역, 개관년도, 도서관명 등의 기본 정보를 담고 있는 필드와 도서관 규모와 도서관 서비스에 관련된 필드 등이 포함되었다( 참조).

데이터처리

그리고 각 단계별 군집분석의 정확도를 측정하기 위해 각각의 군집분석 결과를 박스플롯 그림을 이용하여 분석하였다. 명확한 비교를 위해 군집분석 결과 차이가 있었던 3가지 변수, 즉 국내서, 인력자원, 예산을 대상으로 삼았다.
데이터 분석은 RStudio를 통하여 R 프로그램을 이용하였다. 군집분석을 위해 군집분석용 패키지인 NbClust, cluster 등의 라이브러리를 이용하였다.

이론/모형

2단계 군집 분석은 974개 도서관이 포함된 군집을 대상으로 와드측정법 모델을 이용하여 군집분석을 실시하였다. 분석 결과 2개 클러스터로 구분되었는데, 클러스터 1은 624개 도서관을 포함하고 있었고, 클러스터 2는 350개 도서관을 포함하고 있었다.
k-평균 군집분석 모델과 계층적 군집 분석의 와드측정법 모델의 결과로 만들어진 클러스터는 유사하지만, k-평균 군집분석 모델이 이상치에 민감하게 반응하므로, 와드측정법 모델을 적용하였다. 공공도서관 규모를 기준으로 총 3회의 군집분석을 반복적으로 실시하여 최종적으로 4개의 클러스터로 공공도서관을 그룹화 하였다.
k-평균 군집분석과 계층적 군집분석의 와드측정법 모델 사이에서 클러스터 구분의 정확도를 비교하기 위해 각 변수들을 박스플롯(box-plot) 그림을 사용하였다( 참조).
셋째, 그룹화 방법에 대한 부분으로 여러 가지가 있을 수 있으나, 이 연구에서는 머신러닝의 군집분석 기법을 사용하였다. 군집분석이 데이터 간의 유사성을 기준으로 군집을 작성하기 때문에 연구의 목적과 일치한다고 판단된다.
공공도서관 통계 데이터를 이용하여 군집분석을 한 이유는 공공도서관을 규모에 따라 유사한 집단으로 구분하기 위함이었다. 이 연구에서는 계층적 군집분석의 완전측정법, 계층적 군집분석의 와드측정법, k-평균 군집분석법의 3가지 모델을 사용하였는데, 모델에 따라 도서관 클러스터가 다르게 만들어졌다. 공공도서관 통계 데이터를 이용하여 1,096개 도서관을 그룹으로 구분하기 위한 목적이라면, 계층적 군집분석의 와드측정법과 k-평균 군집분석법 모델이 적합할 것으로 판단된다.
데이터 처리는 데이터 정규화 작업을 통해 필드에 따라 범위가 다양한 데이터 값의 분포를 표준화하였다. 적용한 군집분석 모델은 여러 가지 군집분석 모델 중 가장 일반적으로 사용되는 계층적 군집분석 중 완전측정법과 와드측정법, k-평균 군집분석 3가지 모델을 사용하였다. 각 모델들의 주요 내용은 <표 2>와 같다.

성능/효과

20개 변수를 사용한 결과에서 클러스터 1에 포함된 도서관 수는 60개관이었으나, 이들 60개관은 7개 변수만 사용한 결과에서 동일한 클러스터에 포함된 비율은 46.7% (28/60 × 100)에 불과하였다.
2가지 군집분석 결과 동일한 클러스터에 포함된 도서관 수의 비율이 54.9%((28+32)/(60+62) ×100)에 불과하였다.
7가지 변수에서 클러스터 사이의 구분은 ‘어린이 회원 수’, ‘청소년 회원 수’, ‘어린이 대출 책수’, ‘청소년 대출 책 수’에서 잘 구분이 되었다 ([부록 2] 참조).
동시에 클러스터 별로 데이터의 범위를 최솟값에서 1사분위수(25%), 중앙값(50%), 3사분위수(75%) 최댓값까지 확인할 수 있다. 결과적으로 k-평균 군집분석과 와드측정법 모델은 규모를 기준으로 하는 도서관 그룹화에 있어서 거의 유사한 정확도를 보이고 있다.
이 연구는 공공도서관 그룹화를 위해 적합한 군집분석 모델을 파악하고 그 특징을 분석하는 데 목적이 있다. 공공도서관 통계 데이터 중 규모와 관련된 데이터를 이용하여 세 가지 군집 분석 모델을 적용한 결과, 계층적 군집분석의 와드측정법과 k-평균 군집분석 모델이 서로 비슷한 형태의 군집을 만들어 규모를 기준으로 공공도서관 그룹화에 적합하였다. 이들 모델을 이용한 군집분석 결과 2개 군집으로 구분되었지만, 9:1로 한쪽으로 치우친 형태였다.
이 연구에서는 계층적 군집분석의 완전측정법, 계층적 군집분석의 와드측정법, k-평균 군집분석법의 3가지 모델을 사용하였는데, 모델에 따라 도서관 클러스터가 다르게 만들어졌다. 공공도서관 통계 데이터를 이용하여 1,096개 도서관을 그룹으로 구분하기 위한 목적이라면, 계층적 군집분석의 와드측정법과 k-평균 군집분석법 모델이 적합할 것으로 판단된다. 하지만, 공공도서관 통계 데이터가 아닌 다른 유형의 공공도서관 데이터를 이용하여 군집분석을 한다면 다른 모델이 더 적합할 수도 있다.
공공도서관 통계 데이터를 이용하여 군집분석을 실시한 결과, 공공도서관 서비스와 관련된 특정 변수의 포함 여부에 따라 소속되는 도서관 그룹이 달라지는 것을 확인할 수 있었다. 공공도서관 규모를 기준으로 그룹을 만든 후에 목적에 적합한 변수를 사용하여 그룹을 세분화할 수 있다.
공공도서관을 그룹으로 나누기 위해 공공도서관 통계 데이터를 이용하여 군집분석을 실행한 결과 전국의 1,096개 공공도서관은 크게 2개 클러스터로 구분되었다. 분석을 위해 사용한 군집분석의 3가지 모델 모두 클러스터를 2~4개로 구분하였는데 각 클러스터에 포함된 도서관의 수는 매우 편향적인 모습을 보여주었다.
군집분석 결과 2개의 클러스터로 구분되었는데, 클러스터 1에는 51개 도서관이 포함되고 클러스터 2에는 71개 도서관이 포함되었다. 7가지 변수에서 클러스터 사이의 구분은 ‘어린이 회원 수’, ‘청소년 회원 수’, ‘어린이 대출 책수’, ‘청소년 대출 책 수’에서 잘 구분이 되었다 ([부록 2] 참조).
군집분석 결과 만들어진 4개 군집은 도서관 규모별로 1군집이 가장 크고, 4군집이 가장 작았다. 이들 군집을 지역별로 정리하면 다음의<표 3>과 같다.
덴드로그램 그림과 표로 보면 2개와 3개로 구분된 클러스터는 매우 편향된 모습을 보여주고 있다(<그림 2>, <그림 3> 참조). 군집분석 결과 제안한 2개의 클러스터를 기준으로 각 클러스터에 포함된 도서관 수를 살펴보면, 클러스터 1에 1,095개 도서관이 포함되고, 클러스터 2에는 오직 1개의 도서관만 포함되었다. 3개의 클러스터를 제안한 경우도 이와 유사하게 클러스터 1에 1,093개 도서관, 클러스터 2에 2개 도서관, 클러스터 3에 1개 도서관이 포함되었다.
도서관 서비스와 관련된 20개 변수를 사용한 군집분석과 이중 이용자와 대출에 관련된 7가지 변수만 사용한 군집분석 결과를 비교하면 매우 흥미로운 결과를 발견할 수 있다. 2가지 군집분석 결과 동일한 클러스터에 포함된 도서관 수의 비율이 54.
이처럼 군집분석 결과를 박스플롯 함수를 이용하여 시각화하면, 클러스터가 얼마나 정확하게 구분되었는지 확인할 수 있다. 동시에 클러스터 별로 데이터의 범위를 최솟값에서 1사분위수(25%), 중앙값(50%), 3사분위수(75%) 최댓값까지 확인할 수 있다. 결과적으로 k-평균 군집분석과 와드측정법 모델은 규모를 기준으로 하는 도서관 그룹화에 있어서 거의 유사한 정확도를 보이고 있다.
또한 20개 변수를 사용한 결과에서 클러스터 2에 포함된 도서관의 62.9% (39/62 × 100)만이 7개 변수만 사용한 경우에도 동일한 클러스터에 포함되었다.
공공도서관을 그룹으로 나누기 위해 공공도서관 통계 데이터를 이용하여 군집분석을 실행한 결과 전국의 1,096개 공공도서관은 크게 2개 클러스터로 구분되었다. 분석을 위해 사용한 군집분석의 3가지 모델 모두 클러스터를 2~4개로 구분하였는데 각 클러스터에 포함된 도서관의 수는 매우 편향적인 모습을 보여주었다. 계층적 군집분석의 완전측정법 모델은 한 클러스터에는 1,095개 도서관이 다른 클러스터에는 오직 1개 도서관만 포함되었다.
비교 결과, ‘직원 전문교육’, ‘이용자 교육 횟수’, ‘이용자 교육시간’, ‘독서프로그램 강좌 횟수’, ‘독서프로그램 참가자 수’, ‘지식취약대상봉사’ 변수는 클러스터 사이에서 75% 이상이 구분되었다.
둘째, 군집분석 모델에 대한 부분으로 만약 공공 도서관에 대한 다른 데이터 세트를 사용한다면 군집분석 기법의 다른 모델도 검토되어야 할 것이다. 셋째, 군집분석의 활용 부분으로 공공 도서관 분야에서 군집분석은 도서관을 유사한 규모로 모아주는 역할 외에도 특정 변수의 역할도 파악할 수 있어서 공공도서관 서비스의 다양한 분야에 활용할 수 있다.
와드측정법 모델의 덴드로그램과 클러스터 수를 확인한 결과, 가장 많은 지표가 제안한 클러스터 4개를 만든 결과는 완전측정법 모델과는 전혀 다른 결과를 보여주었다. 4개의 클러스터는 클러스터 1에 974개 도서관, 클러스터 2에 115개 도서관, 클러스터 3에 2개 도서관, 클러스터 4에 5개 도서관이 포함되었다(<그림 5>참조).
이처럼 군집분석 결과를 박스플롯 함수를 이용하여 시각화하면, 클러스터가 얼마나 정확하게 구분되었는지 확인할 수 있다. 동시에 클러스터 별로 데이터의 범위를 최솟값에서 1사분위수(25%), 중앙값(50%), 3사분위수(75%) 최댓값까지 확인할 수 있다.
이들 군집을 지역별로 정리하면 다음의<표 3>과 같다. 전체적으로 보았을 때, 주로 광역시에 위치한 도서관들이 1군집에 포함된 비율이 상대적으로 많았고, 부산, 대전, 세종, 경기, 전남, 경남에 위치한 도서관들이 2군집에 포함된 비율이 평균보다 많았다. 다시 말하면 이들 지역의 도서관 규모는 타 지역에 비해 상대적으로 크다고 이야기할 수 있다.

후속연구

한 도서관은 소수의 이용자가 많은 도서를 대출하지만, 다른 도서관은 많은 이용자가 한 책 혹은 두 책의 도서만 대출하였다면, 두 도서관은 전혀 다른 특성을 가지고 있고 서비스 방향도 달라져야 할 것이다. 그러므로 보다 정확하게 유사한 도서관을 그룹화하기 위해서는 공공도서관 통계 데이터만으로는 충분하지 않고, 도서관 서비스에 관련된 다양한 데이터가 체계적으로 수집되어야 할 것이다.
시사점으로 첫째 공공도서관 서비스에 관련된 데이터로 공공도서관 통계 데이터는 한계가 있으므로 서비스에 관한 다양한 데이터가 체계적으로 수집하여 사용한다면 공공도서관에 대한 보다 체계적인 그룹화가 가능할 것이다. 둘째, 군집분석 모델에 대한 부분으로 만약 공공 도서관에 대한 다른 데이터 세트를 사용한다면 군집분석 기법의 다른 모델도 검토되어야 할 것이다. 셋째, 군집분석의 활용 부분으로 공공 도서관 분야에서 군집분석은 도서관을 유사한 규모로 모아주는 역할 외에도 특정 변수의 역할도 파악할 수 있어서 공공도서관 서비스의 다양한 분야에 활용할 수 있다.
이 결과는 공공도서관의 발달을 파악하는데 중요한 데이터가 될 수 있을 것이다. 또한 공공도서관 통계 데이터와 우수도서관 사례 관계에 대한 체계적인 조사도 필요할 것이다.
시사점으로 첫째 공공도서관 서비스에 관련된 데이터로 공공도서관 통계 데이터는 한계가 있으므로 서비스에 관한 다양한 데이터가 체계적으로 수집하여 사용한다면 공공도서관에 대한 보다 체계적인 그룹화가 가능할 것이다. 둘째, 군집분석 모델에 대한 부분으로 만약 공공 도서관에 대한 다른 데이터 세트를 사용한다면 군집분석 기법의 다른 모델도 검토되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	군집분석이란 무엇인가?	최근 빅데이터 확산에 따라, 그룹을 나누는 방법으로 머신러닝 기반의 비지도학습 기법인 군집분석이 활용되고 있다. 군집분석은 데이터 간의 유사성을 측정하여 상호 유사성이 높은 대상을 동일 집단으로 분류하는 기법이다(조민호 2019, 330). 군집분석 기법은 복잡한 과정을 거치지 않고 간단하게 처리할 수 있는 방법으로 공공도서관을 그룹으로 구분하는데 사용될 수 있을 것이다.
	도서관을 다양한 규모로 건립하여 운영하는 이유는 무엇인가?	일반적으로 지역의 중앙관은 봉사대상 지역에서 가장 큰 규모의 도서관이며 분관들은 상대적으로 소규모로 건립되어 운영된다. 도서관을 다양한 규모로 건립하여 운영하는 것은 지역주민에게 효과적이며 경제적으로 폭 넓은 서비스를 제공하기 위함일 것이다.
	매년 문화체육관광부에서 실시하는 전국 도서관 운영평가의 목적은 무엇인가?	매년 문화체육관광부에서 실시하는 전국 도서관 운영평가는 공공도서관을 규모에 따라 그룹별로 구분하여 도서관 서비스의 우수 사례를 발굴하여 보급하고 있다. 이는 서로 유사한 도서관 사이에서 우수한 도서관 서비스를 발굴하고 서로 공유하여, 전국적으로 도서관 서비스를 향상시키는데 그 목적이 있다고 볼 수 있다. 예를 들어, 자관과 유사한 도서관의 우수 서비스 사례를 참조하여 지역 환경에 적합한 서비스를 개발한다면 지역 주민들에 대한 서비스 향상에 커다란 도움이 될 수 있을 것이다.

참고문헌 (8)

국가도서관통계시스템. 2020a. 열린마당. 2020년 전국 도서관 운영평가 공공도서관 그룹핑 변경 안내. [online]. [cited 2020.8.10]. .
국가도서관통계시스템. 2020b. 공공도서관 통계보기. [online]. [cited 2020.8.10]. .
Kim, Jaehee and Yoon Sil Ko. 2009. "A Comparison of Cluster Analyses and Clustering of Sensory Data on Hanwoo Bulls." Korean Journal of Applied Statistics, 22(4): 745-758.

원문보기 상세보기
Jang, Chul-Ho. 2009. "A Study on Efficiency Analysis about the Public Libraries Using Clustering DEA/AHP Model." Journal of Korean Library and Information Science Society, 40(2): 491-514.

원문보기 상세보기
Cho, Min Ho. 2019. R Data Analysis for Data Scientists. Seoul: Information Publishing Group.
Cho, Yongjoon. 2009. "The Similarities Analysis of Location Fishing Information through 2 Step Clustering." Journal of the Korean Data & Information Science Society, 20(3): 551-562.
Cha, Mikyeong and Soon Hee Pyo. 2015. "A Study on the Results of the National Evaluation on Public Library Management during 2010-2013." Journal of the Korean Biblia Society for Library and Information Science, 26(2): 241-268.
Korea Research Institute for Vocational Education & Training and Myongji University. Industry and Academia Cooperation Foundation. [2017]. 07 Data Analysis based upon Machine Learning. [online]. [cited 2020.2.10]. .

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