[논문]텍스트마이닝을 활용한 건설현장 재해 유형별 예방 대책 분석

조규필; 이명도; 신윤석; 김백중

doi:10.15683/kosdi.2024.3.31.013

초록
AI-Helper

연구목적: 본 연구는 텍스트 마이닝 기법을 활용하여 유형별 건설재해의 원인을 도출하여 중대재해 사고의 예방대책 마련을 위한 주요 요소를 파악하는 것을 목적으로 한다. 연구방법: 국내 건설분야의 중대재해 사례를 분석한 데이터베이스를 기반으로 예방대책과 원인을 텍스트 마이닝 기법으로 분석하고, 분석 내용을 시각적으로 표현하였다. 연구결과: 이 시각적 데이터는 중요도에 따라 공종별 중대 재해 예방에 필요한 요소의 파악을 용이하게 한다. 결론: 본 연구의 결과는 건설현장 중대재해와 관련하여 예방대책 마련 시 고려되어야 할 요소 및 요소간 명확한 상관관계의 파악에 기여할 것으로 사료된다.

Abstract ▼ AI-Helper

Purpose: This study provides prevention methods by type of construction disaster using text mining techniques. Method: Based on the database that analyzed the cases of critical disasters in the domestic construction sector, preventive measures and causes are analyzed by text mining techniques, and t...

Purpose: This study provides prevention methods by type of construction disaster using text mining techniques. Method: Based on the database that analyzed the cases of critical disasters in the domestic construction sector, preventive measures and causes are analyzed by text mining techniques, and the contents of the analysis are visually shown. Result: This visual data represents the measures for preventing critical disasters of each process according to the importance. Conclusion: It is believed that the results will be helpful in identifying factors to be considered in preparing preventive measures for serious accidents in construction.

주제어

표/그림 (6)

표 Table 1. Status of deaths of construction workers by type of disaster
그림 Fig. 1. Morpheme extraction
그림 Fig. 2. Check the quantity of morpheme
표 Table 2. Example of data cleanup
그림 Fig. 3. Quantity of morpheme
그림 Fig. 4. Word cloud

AI 본문요약
AI-Helper

문제 정의

여기서 출현 빈도수가 높은 단어는 일반적으로 중요도가 높고 관심도가 높은 것으로 전제한다. 본 연구에서는 Word Cloud를 건설 중대재해 데이터베이스의 각 사고유형별 예방대책에 적용한 것으로서 사고유형별 주요 예방대책이 시각적으로 제시된 것이다.
이러한 상황 속에서 건설근로자의 예방 가능한 재해의 발생을 최소화하기 위해 각 사고 유형별 예방 대책을 분석하고 제시하는 것은 의미 있는 일이라 사료된다. 본 연구에서는 국내 건설업 중대재해 사례를 분석한 데이터베이스를 바탕으로 텍스트 마이닝 기법을 활용하여 예방 대책의 키워드를 도출한 후 WordCloud를 활용하여 분석 내용을 시각화하고, 이를 건설근로자의 사고를 예방하는데 기여할 수 있는 자료로 활용하고자 한다.
하지만, 한국산업안전보건공단(KOSHA)에서 제공하는 데이터는 대부분 비정형 텍스트 형태로 이루어져 있어 종합적인 분석에 어려움이 있다. 이에 본 연구에서는 텍스트 마이닝(Text Mining)을 통해 비정형 텍스트 데이터에서 유의미한 정보를 얻고자 하였다. 이를 위해 한국어 형태소 분석 패키지인 Konlpy를 활용하여 수집한 데이터에서 형태소를 추출하고, t.

제안 방법

본 연구에서는 국내 건설현장의 중대재해 사고의 패턴을 분석하기 위해 한국산업안전보건공단의 국내 건설업 재해사례 3909건을 수집하였다. 국내 건설업 중대재해 사례 텍스트 데이터를 활용하여 국내 건설업에서 실제 가장 많이 발생하는 재해 유형 빈도수를 도출하고, 가장 많이 언급된 8가지의 사고 유형에 대한 상세예방대책의 텍스트 데이터를 정리하여 재해 유형 간의 예방대책에서 많이 언급된 키워드를 도출하여 사고유형별 예방대책 키워드를 Word Cloud를 통해 시각화하여 제공하였다.
nouns 기능을 사용해 텍스트 데이터 내 명사들을 분류한 후 분류된 명사 데이터의 빈도수를 파악하였다. 또한, 도출된 데이터를 기반으로 WordCloud를 생성하여 사고 유형별 주요 예방대책 키워드를 시각화한 자료를 제시하였다.
본 연구에서는 Python 기반의 웹 스크래핑을 활용하여 한국산업안전보건공단(KOSHA)에서 제공되는 보고서를 사건 제목, 사건 개요, 사고 유형, 핵심예방대책, 상세 예방대책으로 내용을 나누어 Table 2와 같이 엑셀 파일로 데이터를 정리하였다. 또한, 사고유형별 대책에 대한 텍스트마이닝을 진행하기 위해 건설 중대재해 상세예방대책을 사고 유형에 따라 분류하였다. 본 연구에 사용된 데이터는 사고 유형을 발생 빈도수가 높은 8가지 유형(감전, 붕괴 및 도괴, 협착, 비래, 전도, 충돌, 질식, 추락)으로 분류되었다.

대상 데이터

본 연구를 위해 한국산업안전보건공단(KOSHA)에서 제공하는 1999년부터 2021년까지의 약 3909개의 국내 건설 중대 재해사례에 대한 텍스트 데이터를 수집하였다. 하지만, 한국산업안전보건공단(KOSHA)에서 제공하는 데이터는 대부분 비정형 텍스트 형태로 이루어져 있어 종합적인 분석에 어려움이 있다.
또한, 사고유형별 대책에 대한 텍스트마이닝을 진행하기 위해 건설 중대재해 상세예방대책을 사고 유형에 따라 분류하였다. 본 연구에 사용된 데이터는 사고 유형을 발생 빈도수가 높은 8가지 유형(감전, 붕괴 및 도괴, 협착, 비래, 전도, 충돌, 질식, 추락)으로 분류되었다.
본 연구에서는 Python 기반의 웹 스크래핑을 활용하여 한국산업안전보건공단(KOSHA)에서 제공되는 보고서를 사건 제목, 사건 개요, 사고 유형, 핵심예방대책, 상세 예방대책으로 내용을 나누어 Table 2와 같이 엑셀 파일로 데이터를 정리하였다. 또한, 사고유형별 대책에 대한 텍스트마이닝을 진행하기 위해 건설 중대재해 상세예방대책을 사고 유형에 따라 분류하였다.
본 연구에서는 국내 건설현장의 중대재해 사고의 패턴을 분석하기 위해 한국산업안전보건공단의 국내 건설업 재해사례 3909건을 수집하였다. 국내 건설업 중대재해 사례 텍스트 데이터를 활용하여 국내 건설업에서 실제 가장 많이 발생하는 재해 유형 빈도수를 도출하고, 가장 많이 언급된 8가지의 사고 유형에 대한 상세예방대책의 텍스트 데이터를 정리하여 재해 유형 간의 예방대책에서 많이 언급된 키워드를 도출하여 사고유형별 예방대책 키워드를 Word Cloud를 통해 시각화하여 제공하였다.

데이터처리

분류된 텍스트 데이터를 기반으로 Fig. 1과 같이 Python을 사용하여 한국어 형태소 분석 패키지 Konlpy를 통해 텍스트 데이터에서 형태소를 추출하였다. 다음으로 Fig.
이에 본 연구에서는 텍스트 마이닝(Text Mining)을 통해 비정형 텍스트 데이터에서 유의미한 정보를 얻고자 하였다. 이를 위해 한국어 형태소 분석 패키지인 Konlpy를 활용하여 수집한 데이터에서 형태소를 추출하고, t.nouns 기능을 사용해 텍스트 데이터 내 명사들을 분류한 후 분류된 명사 데이터의 빈도수를 파악하였다. 또한, 도출된 데이터를 기반으로 WordCloud를 생성하여 사고 유형별 주요 예방대책 키워드를 시각화한 자료를 제시하였다.

성능/효과

연구 결과 국내 건설현장에서 많이 발생하는 재해 유형은 추락, 감전, 붕괴(도괴), 협착(끼임, 깔림), 낙하(비래), 전도, 충돌(맞음, 강타), 질식 순이였다. 유형 별 예방대책 키워드를 Word Cloud로 도식화하였을 때, 추락사고에서는 빈도수가 큰 단어로 ‘설치’, ‘안전’, ‘발판’, ‘난간’, ‘비계’ 등이 분석되었다.
유형 별 예방대책 키워드를 Word Cloud로 도식화하였을 때, 추락사고에서는 빈도수가 큰 단어로 ‘설치’, ‘안전’, ‘발판’, ‘난간’, ‘비계’ 등이 분석되었다

후속연구

이렇게 도출된 8가지 사고유형별 상세 예방대책 관련 핵심 키워드들을 통해 중대재해 사고의 예방대책을 마련에 있어 고려해야할 요소를 파악하는데 도움이 될 것이라 사료된다. 또한, 도출된 요소에 대한 다양한 관점에서의 해석을 통해 안전 예방 연구로의 확장을 도모할 수 있을 것이라 사료된다.
마지막으로 질식사고에서는 ‘산소’, ‘가스’, ‘농도’, ‘사용’, ‘환기’ 등이 단어들을 분석하였다. 이렇게 도출된 8가지 사고유형별 상세 예방대책 관련 핵심 키워드들을 통해 중대재해 사고의 예방대책을 마련에 있어 고려해야할 요소를 파악하는데 도움이 될 것이라 사료된다. 또한, 도출된 요소에 대한 다양한 관점에서의 해석을 통해 안전 예방 연구로의 확장을 도모할 수 있을 것이라 사료된다.

참고문헌 (5)

Kil, H.-H. (2019). "A study on the analysis method using text mining in the content structure of single text." Journal？of Korea Reading Association, Vol, 52, pp. 91-134.
Kim, J.-S., Kim, B.-S. (2019). "Characteristics analysis of seasonal construction site fall accident using text mining."？Korean Journal of Construction Engineering and Management, Vol. 20, No. 3, pp. 113-121.

원문보기 상세보기
Ko, E.-J., Kim, N.-G. (2018). "Automatic quality evaluation with completeness and succinctness for text？summarization." Journal of Intelligence and Information Systems, Vol. 24, No. 2, pp. 125-148.

원문보기 상세보기
Sajid, A., Jan, S., Shah, I.A. (2017). "Automatic topic modeling for single document short texts." In 2017？International Conference on Frontiers of Information Technology, Pakistan, pp. 70-75.
Tixier, A.J.P., Hallowell, M.R., Rajagopalan, B., Bowman, D. (2016). "Application of machine learning to？construction injury prediction." Automation in Construction, Vol, 69, pp. 102-114.

상세보기

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

[국내논문] 텍스트마이닝을 활용한 건설현장 재해 유형별 예방 대책 분석
Analysis of Prevention Methods by Type of Construction Disaster Using Text Mining Techniques

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 텍스트마이닝을 활용한 건설현장 재해 유형별 예방 대책 분석 Analysis of Prevention Methods by Type of Construction Disaster Using Text Mining Techniques

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

신윤석 (31)

관련 콘텐츠

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 텍스트마이닝을 활용한 건설현장 재해 유형별 예방 대책 분석
Analysis of Prevention Methods by Type of Construction Disaster Using Text Mining Techniques

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper