Skip Navigation
Skip to contents

J Korean Acad Nurs : Journal of Korean Academy of Nursing

OPEN ACCESS

Articles

Page Path
HOME > J Korean Acad Nurs > Volume 52(3); 2022 > Article
Research Paper Images of Nurses Appeared in Media Reports Before and After Outbreak of COVID-19: Text Network Analysis and Topic Modeling
Park, Min Young , Jeong, Seok Hee , Kim, Hee Sun , Lee, Eun Jee
Journal of Korean Academy of Nursing 2022;52(3):291-307.
DOI: https://doi.org/10.4040/jkan.22002
Published online: June 30, 2022
1Department of Nursing, Jeonbuk National University Hospital, Jeonju, Korea
2College of Nursing · Research Institute of Nursing Science, Jeonbuk National University, Jeonju, Korea

prev next
  • 47 Views
  • 5 Download
  • 5 Web of Science
  • 0 Crossref
  • 11 Scopus
prev next

Purpose
The aims of study were to identify the main keywords, the network structure, and the main topics of press articles related to nurses that have appeared in media reports.
Methods
Data were media articles related to the topic “nurse” reported in 16 central media within a one-year period spanning July 1, 2019 to June 30, 2020. Data were collected from the Big Kinds database. A total of 7,800 articles were searched, and 1,038 were used for the final analysis. Text network analysis and topic modeling were performed using NetMiner 4.4.
Results
The number of media reports related to nurses increased by 3.86 times after the novel coronavirus (COVID-19) outbreak compared to prior. Pre- and post-COVID-19 network characteristics were density 0.002, 0.001; average degree 4.63, 4.92; and average distance 4.25, 4.01, respectively. Four topics were derived before and after the COVID-19 outbreak, respectively. Pre-COVID-19 example topics are “a nurse who committed suicide because she could not withstand the Taewoom at work” andf “a nurse as a perpetrator of a newborn abuse case,” while post-COVID-19 examples are “a nurse as a victim of COVID-19,” “a nurse working with the support of the people,” and “a nurse as a top contributor and a warrior to protect from COVID-19.” Conclusion: Topic modeling shows that topics become more positive after the COVID-19 outbreak. Individual nurses and nursing organizations should continuously monitor and conduct further research on nurses’ image.


J Korean Acad Nurs. 2022 Jun;52(3):291-307. Korean.
Published online Jun 30, 2022.
© 2022 Korean Society of Nursing Science
Original Article
COVID-19 발생 전·후 언론보도에 나타난 간호사 이미지에 대한 텍스트 네트워크 분석 및 토픽 모델링
박민영,1 정석희,2 김희선,2 이은지2
Images of Nurses Appeared in Media Reports Before and After Outbreak of COVID-19: Text Network Analysis and Topic Modeling
Min Young Park,1 Seok Hee Jeong,2 Hee Sun Kim,2 and Eun Jee Lee2
    • 1전북대학교병원 간호부
    • 2전북대학교 간호대학 · 간호과학연구소
    • 1Department of Nursing, Jeonbuk National University Hospital, Jeonju, Korea.
    • 2College of Nursing · Research Institute of Nursing Science, Jeonbuk National University, Jeonju, Korea.
Received January 10, 2022; Revised April 18, 2022; Accepted May 25, 2022.

This is an Open Access article distributed under the terms of the Creative Commons Attribution NoDerivs License. (http://creativecommons.org/licenses/by-nd/4.0) If the original work is properly cited and retained without any modification or reproduction, it can be used and re-distributed in any format and medium.

Abstract

Purpose

The aims of study were to identify the main keywords, the network structure, and the main topics of press articles related to nurses that have appeared in media reports.

Methods

Data were media articles related to the topic “nurse” reported in 16 central media within a one-year period spanning July 1, 2019 to June 30, 2020. Data were collected from the Big Kinds database. A total of 7,800 articles were searched, and 1,038 were used for the final analysis. Text network analysis and topic modeling were performed using NetMiner 4.4.

Results

The number of media reports related to nurses increased by 3.86 times after the novel coronavirus (COVID-19) outbreak compared to prior. Pre- and post-COVID-19 network characteristics were density 0.002, 0.001; average degree 4.63, 4.92; and average distance 4.25, 4.01, respectively. Four topics were derived before and after the COVID-19 outbreak, respectively. Pre-COVID-19 example topics are “a nurse who committed suicide because she could not withstand the Taewoom at work” and “a nurse as a perpetrator of a newborn abuse case,” while post-COVID-19 examples are “a nurse as a victim of COVID-19,” “a nurse working with the support of the people,” and “a nurse as a top contributor and a warrior to protect from COVID-19.”

Conclusion

Topic modeling shows that topics become more positive after the COVID-19 outbreak. Individual nurses and nursing organizations should continuously monitor and conduct further research on nurses’ image.

Keywords
COVID-19; Nurses; Mass Media; Social Network Analysis; Semantics
COVID-19; 간호사; 대중매체; 소셜 네트워크 분석; 의미

서론

1. 연구의 필요성

대중이 인식하는 직업에 대한 이미지는 전문직으로서의 사회적 위상과 지위를 변화시키는 데 중요한 역할을 한다. 직업에 대한 이미지는 그 직업에 대해 사람들이 가지고 있는 신념, 인상의 집합체이고 태도를 형성하는 요인이다[1]. 대중들이 인식하는 간호사의 이미지는 간호사의 자기개념, 자존감, 자아정체성에 영향을 미칠 뿐만 아니라 직무 만족, 이직 및 이직 의도, 간호 업무성과에도 영향을 미치므로[2, 3], 간호전문직에서 중요한 개념으로 자리매김해 오고 있다.

이미지는 다양한 요소에 의해 영향을 받아 형성되는데, 최근 코로나바이러스감염증-19 (2019 novel coronavirus [COVID-19])는 신종 감염병으로 전 세계적으로 영향을 끼치고 있다. COVID-19 팬데믹의 상황은 단순히 공중보건뿐만 아니라 사회적, 경제적, 문화적으로 영향을 미치는 위기로 모든 국가들은 이를 극복하기 위해 보건, 경제·사회 혼란 최소화, 인권 존중 등의 노력을 기울이고 있다[4]. 또한 COVID-19 감염이 확산되면서 환자를 돌볼 인력 부족으로 의료 시스템의 붕괴까지 초래할 위험에 처하게 되면서 보건의료 종사자들은 바이러스에 노출될 수 있다는 불안감을 지닌 채 감염 공포와 싸우며 일하고 있다[5]. 이러한 상황에서 간호사를 포함한 보건의료 종사자들은 의료 최전선에서 전문 의료인으로서 다양한 역할을 하고 있는데, 특히 간호사는 감염병 예방과 관리, 감염관리 지침 수립, 확진자 돌봄 등 다양한 역할을 수행해 오고 있으며, 이러한 간호사들의 성공적인 역할수행과 희생정신 등은 대중들이 갖는 간호사들의 이미지에 영향을 미치고 있다. 따라서 COVID-19 팬데믹 사건이 간호사의 이미지에 미친 영향을 탐색해 볼 필요가 있다.

현대사회에서 대중매체는 일반 대중들의 삶에서 큰 비중을 차지하고 있다. 이 중 언론보도는 정보를 습득하고 가치관을 형성하는 데 많은 영향을 주고 있으며 공정성, 신속성, 대중성, 파급력을 가지고 있다[6]. 언론에 보도되는 기사는 특정 현상에 대해 사회여론 및 집단인식을 형성하는 기능을 지닌다[7]. 따라서 언론기사에 대한 분석은 사회적 이슈와 현상학적인 특성을 확인하고 패러다임의 형태, 변화 등을 총체적으로 파악하는 것을 가능하게 한다[8]. 그러므로 대중들이 인식하는 간호사의 현재 이미지를 파악하기 위해 언론보도를 활용해 볼 수 있는데, 선행연구에서 언론보도는 간호사의 이미지 형성에 가장 큰 영향을 미치는 것으로 제시되고 있다[9].

뉴스 기사와 같이 다량의 자료를 수집, 분류해서 내용분석을 하는 연구는 연구자의 많은 시간과 노동력이 필요하며 분석 시 맥락을 파악하는 데 한계가 있다. 이에, 최근 이러한 한계를 극복하고 연구의 객관성을 확보하기 위해 빅데이터를 이용하는 연구들이 증가하면서 사회연결망 분석(social network analysis)의 하나인 텍스트 네트워크 분석과 토픽 모델링 분석을 활용한 연구가 증가하고 있다. 텍스트 네트워크 분석은 텍스트에 출현되는 키워드 간의 관계를 링크로 표시하여 네트워크로 구성함으로써 이 네트워크를 통해 현상과 구조를 해석하고 의미와 흐름을 파악할 수 있게 해주는 방법이다[10]. 토픽 모델링은 구조화되지 않은 대량의 텍스트에 잠재되어 있는 토픽들의 구조를 발견하기 위하여 통계적 알고리즘을 활용하고 유사한 의미를 가지는 키워드들을 분석하거나 추론하는 방법[11]으로, 이들 키워드들로부터 주제범주를 구분해 내어 주제들의 양상과 쟁점, 트랜드 등을 비교하는데 유용한 방법이다[12].

텍스트 네트워크 분석 및 토픽 모델링은 다양한 학문 분야 및 실무현장에서 연구가 이루어지고 있으나, 국내 간호학 분야에서는 비교적 초기 상태이다. 현재까지 국내 간호학 분야에서 이루어진 텍스트 네트워크 분석 연구들은 특정 분야의 학문 지식구조를 탐색하는 연구들[13, 14, 15]이 가장 많았으며, 연명의료 관련 신문기사[16], 조산 경험[17] 등의 주제에 대한 텍스트 네트워크 분석이 이루어졌다. 또한, 간호학 분야에서 텍스트 네트워크 분석에 비해 토픽 모델링 연구는 상대적으로 더 적었는데, 간호사의 직장 내 괴롭힘에 대한 국내 연구 동향분석[18], 온라인 뉴스기사 댓글 분석[19] 등을 시작으로 최근에는 코로나 팬데믹 이후 국내 일간지 기사에 나타난 간호사의 이미지를 분석한 연구[20]와 COVID-19 발생 전·후 인터넷 포털과 소셜미디어에 나타난 간호사 관련 토픽을 분석한 연구[21], 그리고 COVID-19 발생 이후 수행된 국내의 ‘덕분에 챌린지’ 전후의 뉴스기사에 대한 토픽 모델링 및 네트워크 분석 연구[22]가 수행되었다. 그러나 이들 연구들은 COVID-19 발생 이후에 일부 중앙지만을 대상으로 하거나, COVID-19 발생 전·후에 일부 포털 및 소셜미디어만을 대상으로 하여 기사들의 내용분석만 하거나 주요 토픽만을 분석하였다. 따라서 COVID-19 발생 전·후에 우리나라의 대표적인 주요 언론들이 간호사 관련 언론보도들을 어떤 주제로 어떻게 의미화하여 대중들에게 전달하고 있는지 종합적으로 확인해 볼 필요가 있다.

이에 본 연구에서는 대중들의 간호사에 대한 관심이 증가되고 있는 COVID-19 팬데믹 시대에 간호사들에 대한 이미지를 확인하고 이를 바탕으로 간호전문직 지위 향상을 위한 기초자료를 제공하고자, COVID-19 발생 전·후에 간호사에 대한 언론보도 기사의 특성 및 언론보도 기사에 나타난 간호사의 이미지 관련 주제들의 범주를 규명하고, 이들 양상을 비교·분석해 보고자 한다.

2. 연구의 목적

본 연구의 목적은 COVID-19 발생 전·후 언론보도 기사에 나타난 간호사 관련 키워드를 파악하고, 이들 언론보도 기사에 나타난 간호사의 이미지를 탐색하기 위함이며 구체적인 연구 목적은 다음과 같다.

  • • COVID-19 발생 전·후 간호사와 관련된 언론보도 기사들의 주요 키워드를 비교·분석한다.

  • • COVID-19 발생 전·후 간호사와 관련된 언론보도 기사들의 텍스트 네트워크 구조 및 특성을 비교·분석한다.

  • • COVID-19 발생 전·후 간호사와 관련된 언론보도 기사들의 주요 토픽을 비교·분석한다.

연구 방법

1. 연구 설계

본 연구는 텍스트 네트워크 분석 및 토픽 모델링을 활용하여 COVID-19 발생 전·후 간호사 이미지와 관련된 언론보도 기사들의 주요 키워드 및 네트워크의 구조와 특성, 그리고 주요 토픽을 파악하기 위한 계량적 내용분석 연구이다.

2. 연구 대상

본 연구의 대상은 간호사와 관련된 국내 언론보도 기사들로, 한국 언론진흥재단의 통합데이터베이스인 ‘빅카인즈(http://www.bigkinds.or.kr)’에서 검색된 언론보도 기사들이다. 본 연구에서는 COVID-19 전후의 간호사 관련 기사분석 선행연구[21] 및 사람들에게 많은 영향을 끼친 사건 전후, 즉 큰 테마 전후의 이미지나 기사 동향 비교에 대한 선행연구들[23, 24]을 바탕으로, COVID-19 발생 이전 6개월과, 발생 이후 6개월의 총 1년의 기사를 대상으로 하였다. 구체적으로 C OVID-19 발생 이전은 2019년 7월부터 12월까지, COVID-19 발생 이후는 2020년 1월부터 2020년 6월까지의 언론보도 기사를 대상으로 하였다. 빅카인즈에서 지정한 중앙지 11개 전체(경향신문, 국민일보, 내일신문, 동아일보, 문화일보, 서울신문, 세계일보, 조선일보, 중앙일보, 한겨레, 한국일보)와 방송사 5개 전체(KBS, MBC, OBS, SBS, YTN)인 총 16개 중앙매체에서 보도된 기사들을 분석대상에 포함하였다. 자료수집을 위한 검색어는 ‘간호사’로 하였으며 1차로 수집된 간호사 관련 언론보도 기사들 중 제외기준에 부합하는 기사들은 제외하였다. 구체적인 제외기준은 다음과 같다. 1) 동일 매체에서 동일한 기자가 중복 보도한 기사, 2) 홍보성 기사, 3) 부고 기사, 4) 간호사가 단순히 언급만 된 기사들이다. 이러한 기준에 의해 제외된 기사들을 삭제한 나머지 기사들을 분석대상으로 선별하였다.

3. 자료 수집 방법

본 연구의 자료 수집은 2021년 3월 20일부터 4월 10일까지 실시하였다. 구체적으로 언론보도 기사의 검색은 ‘빅카인즈’(www.bigkinds.or.kr)’에서 ‘간호사’를 키워드로 검색하였으며, 자료수집 기간은 COVID-19 발생 전·후 기간을 나누어 실시하였다. COVID-19 발생 전과 후의 구체적인 기간 설정은 일반적으로 전세계에서 공통되게 사용하는 기준인, 중국에서 우한 폐렴이 발생하기 시작해서 세계보건기구(World Health Organization [WHO])에 보고한 시점인 2019년 12월 31일을 기준으로 하였다[25]. 이에 본 연구에서는 COVID-19 발생 이전 기간은 2019년 7월 1일부터 12월 31일까지로 검색하였고, COVID-19 발생 이후 기간은 2020년 1월 1일부터 2020년 6월 30일까지로 검색하였다.

4. 자료 분석 방법

선정된 언론보도 기사를 대상으로 단어 추출 및 정제, 주요 키워드 분석, 텍스트 네트워크 분석 및 토픽 모델링 분석을 실시하였다. 자료 분석 과정들 중, 단어 추출 및 정제, 그리고 텍스트 네트워크 분석은 연구팀원들 중 간호관리학 전공자 2인, 즉 간호사 1인(MYP)과 간호학 교수 1인(SHJ)이 실시하였으며, 토픽 모델링 분석은 위 연구자 2인이 1차적으로 토픽 수를 확인한 후, 전체 연구팀의 회의를 통하여 최종 토픽 수 및 토픽 그룹의 제목을 명명하였다. 참고로 본 연구의 연구팀 4인은 현직 간호사 1인(MYP)과 간호학 교수 3인(SHJ, HSK, EJL)으로 구성되었으며, 이들 4명의 평균 간호사 임상경력은 10.8년, 간호학 교수 3인의 평균 교육경력은 13.5년으로, 간호사에 대한 풍부한 경험과 이해를 바탕으로 간호사 관련 언론보도 기사들을 검토하고 선별하고 분석하였다. 또한 연구팀 전원은 본 연구의 통계프로그램인 NetMiner 4.4 프로그램[26]을 개발한 (주)사이람(Seongnam, Korea)의 텍스트 네트워크 분석 및 토픽 모델링에 대한 통계분석 관련 교육을 수차례 수강하였으며, 연구 과정 중 지속적으로 (주)사이람에 자문을 구하는 등의 방법을 통해 자료 분석의 타당도와 신뢰도를 높이고자 노력하였다. 구체적인 자료분석 방법은 다음과 같다.

1) 단어 추출 및 정제

자료 분석대상으로 선정된 언론보도 기사는 개별인식번호, 보도일자, 언론사, 제목, 본문으로 구성된 MS Office 엑셀 파일로 저장하였다. 그 후 네트워크 분석 프로그램인 NetMiner 4.4 프로그램[26]에서 제공하는 자연어 처리 과정을 거쳐 단어를 추출하였다. 단어 추출 시, 숫자나 대명사 같은 불용어(stop-word)는 NetMiner 4.4 프로그램의 자동제거 기능에 의해 제거되었으며, 주요 개념 파악을 위한 추출단어의 품사는 프로그램의 선택 옵션들 중 ‘명사(noun)’로 지정하고, 연구자가 등록한 유의어(thesaurus), 제외어(exception list) 및 지정어(defined words) 사전들을 적용하여 분석에 사용될 의미형태소를 추출하였다.

본 연구에서 유의어 사전, 제외어 사전, 지정어 사전 설정은 다음과 같다. 유의어 사전은 동일하거나 비슷한 의미가 있지만, 표기가 다른 단어를 분류하고 이들 단어들을 모아 하나의 대표어로 지정하는 사전으로[26], 동일어의 다양한 띄어쓰기도 유의어 사전을 통해 일관성 있게 통일하였다. 이를 통해 총 78개의 대표 유의어를 지정하였다. 예를 들어, 간호사와 직접 관련이 있는 남자간호사, 간호장교, 수술실간호사 등이 대표 유의어로 지정되었다. 즉, ‘남자간호사’, ‘남자 간호사’, ‘남성간호사’, ‘남성 간호사’는 ‘남자간호사’로, ‘간호장교’, ‘육군간호’, ‘육군 간호’는 ‘간호장교’로, ‘수술실간호사’, ‘수술실 간호사’는 ‘수술실간호사’로 지정하였다. 제외어 사전은 중요한 의미를 갖지 않는 단어들이나 분석에서 제외할 단어를 지정하는 사전으로, 본 연구에서는 언론보도 기사에 많이 사용되는 ‘뉴스’, ‘당시’, ‘링크’, ‘상황’, ‘보도’, ‘이날’, ‘기자’, ‘기사’, ‘독자’, ‘단독’, ‘결국’ 등이 제외어로 등록하였다. 지정어 사전은 NetMiner 프로그램 분석 상 한 개의 형태소를 기본 단위로 인식하기 때문에, 두 개 이상의 형태소로 구성된 고유명사나 복합명사들은 지정어 사전을 통해 한 개의 단어로 인식하도록 설정하였다. 본 연구에서는 ‘건강증진센타’, ‘공공보건의료기관’, ‘국제간호사협회’, ‘노벨평화상’ 등의 단어들이 분리되지 않도록 지정어로 등록하였다. 또한 언론보도 기사에서 의미없는 한 개의 글자들인 ‘성’, ‘사’, ‘겨’, ‘때’, ‘흠’, ‘후’, ‘개’ 등의 형태소는 NetMiner의 Query 기능을 이용하여 모두 삭제하여 두 음절 이상의 형태소만 분석에 포함하였다. 이러한 단어추출 및 정제를 위한 전 과정은 간호관리학 전공의 간호사 1인(MYP)과 간호학 교수 1인(SHJ)이 실시하였으며, 실시한 결과에 대해서는 전체 연구팀의 검토 및 논의를 통하여 최종 결정하였다.

2) 주요 키워드 분석

문서 내에서 중요한 주요 키워드는 다양한 방법으로 측정될 수 있는데, 본 연구에서는 단어빈도(term frequency, TF)와 단어빈도-역문서 빈도(term frequency-inverse document frequency, TF-IDF)를 이용하였다. TF는 전체 문서 내에서 단어의 등장 횟수로, 문서에서 빈번하게 사용되는 중심 단어로의 의미를 지니며, TF-IDF는 문서별 단어의 가중치로서, TF에 비해 어떤 문서에서의 특정 단어의 중요도를 파악할 수 있게 한다[11, 27]. TF는 특정 문서 하나에 특정 단어가 나오는 횟수이며, IDF는 특정 단어의 문서 내 빈도를 역수로 취한 값으로, 특정 문서에서 단어빈도가 높을수록, 그리고 전체 문서 중 그 단어가 등장한 문서가 적을수록 TF-IDF 값이 높게 나타난다. 본 연구에서는 텍스트 네트워크 분석을 위해 데이터를 종합하여 단어가 등장한 총 횟수를 기준으로 COVID-19 발생 전·후 각각 TF와 TF-IDF의 상위 20개의 단어를 추출하였다.

3) 텍스트 네트워크 분석

본 연구에서는 NetMiner 4.4 프로그램[26]을 이용하여 언론보도 기사별로 등장하는 키워드 리스트인 ‘문서-단어’의 2-mode 네트워크를 ‘키워드-키워드’ 형태의 1-mode 네트워크로 변환하여 주요 키워드 간의 동시 출현 빈도를 링크(link)로 표현하는 워드 네트워크(word network)를 생성하였다. 그 후 일정 기준 이상의 링크로만 구성된 네트워크를 형성하기 위해 2어절 내의 근접거리(window size)와 동시 출현 빈도 2이상으로만 구성된 네트워크를 생성하였다.

본 연구에서 생성된 네트워크의 연결구조에 대한 특성은 분석 수준에 따라 네트워크 수준의 분석과 노드 수준의 분석, 그리고 중심성 분석을 실시하였다. 구체적으로 네트워크 수준에서는 네트워크의 크기와 네트워크의 밀도(density)를 확인하였으며, 노드 수준에서는 네트워크의 평균 연결 정도(average degree), 평균 연결 거리(average distance) 등을 확인하였고, 중심성 분석에서는 연결 중심성과 매개 중심성을 분석하였다.

밀도는 네트워크 내 단어와 단어가 연결된 정도로 연결 정도가 높을수록 밀도가 높으며, 평균 연결 정도는 한 개의 단어에 직접 연결된 단어들의 개수로 해당 단어의 영향력을 나타내며, 평균 연결거리는 한 단어와 다른 단어 간의 가장 짧은 연결경로인 연결거리들의 평균값을 의미한다[11]. 일반적으로 네트워크 중심성 분석은 연결 중심성(degree centrality), 근접 중심성(closeness centrality), 매개 중심성(betweenness centrality)을 확인하나, 근접 중심성은 짧은 문헌들을 분석한 것을 제외하고는 낮은 성능을 보이므로[28], 본 연구에서는 연결 중심성과 매개중심성만을 분석하였다. 연결 중심성은 네트워크의 노드들이 얼마나 많은 연결을 가지고 있는지를 측정하는 것으로, 키워드에 직접 연결된 이웃 노드 수의 개수(degree)를 자신을 제외한 노드 개수(n - 1)로 나눈 값이다. 연결 중심성은 다른 키워드와 동시출현하는 정도, 즉 활동성을 평가하는 것으로 연결 중심성이 높은 키워드는 네트워크의 핵심에 위치하면서 논의의 중심이 되는 주제이므로 중요한 것으로 평가된다[29]. 매개 중심성은 중개 역할을 ‘중심’으로 간주할 때 사용하는데, 한 노드가 네트워크 내의 다른 노드들 사이에 위치하는 정도를 측정하는 것으로, 이 위치에 있는 사람 혹은 기관은 정보의 흐름을 통제하는데 큰 영향력을 가질 수 있다[11].

4) 토픽 모델링 분석

토픽 모델링은 문서 내에서의 토픽의 등장확률을 추정하는 방법으로, 본 연구에서는 최근 널리 쓰이고 있는 잠재 디리클레 할당(Latent Dirichlet Allocation [LDA]) 알고리즘을 사용하여 문서와 단어로 구성된 행렬을 기반으로 문서에 내재되어 있는 토픽을 추출하였다. 본 연구에서는 토픽의 수를 결정하기 위해 선행연구들[30, 31]에 근거하여 기본 샘플링 반복횟수를 1,000회로 설정한 후, K-means clustering을 이용한 실루엣(silhouette) 계수 값을 참고하였다. NetMiner 프로그램에서 토픽 수를 산출하기 위하여 최근 개발한 실루엣 기법은 군집 내 데이터의 응집도, 클러스터 간의 분리도를 수치적으로 나타내 군집 분류의 품질을 정량적으로 제시하는 방법으로, 최적의 토픽 수를 결정하기 위해 수치를 비교할 수 있는 실루엣 계수를 산출해준다[32]. 참고로 실루엣 계수는 각 데이터가 얼마나 조밀하게 모여 있는지를 나타내는 값으로, 1에 가까울수록 군집들이 적절히 분리되었다고 볼 수 있다. 또한 토픽의 수는 주제 범주화가 잘 되었다고 판단되는 토픽 수를 선택하라는 권고[33]에 따라 현직 간호사와 간호학 교수들로 구성된 연구팀원들 중, 현직 간호사 1인(MYP)과 간호관리학 전공 교수 1인(SHJ)의 총 2인이 실루엣 계수 결과를 참고하여 토픽 수를 다양하게 변경해가며 한 개의 토픽으로 묶인 언론보도 기사들의 주제를 살펴보며 토픽 구성의 타당성을 검토하며 주제 범주화가 가장 잘 되었다고 판단한 토픽 수를 확인한 후, 전체 연구팀의 회의를 통하여 최종 결정하였다. 이러한 방법으로 결정된 최종 토픽 모델에 대해서는 토픽별 상위 단어와 토픽 확률이 높은 상위 언론보도 기사들의 원문 내용을 참고하여 연구팀 전체가 모여 토픽 그룹의 제목을 명명하였다.

5. 윤리적 고려

본 연구는 전북대학교 생명윤리심의위원회에서 심의 면제 승인을 받은 후 실시하였다(IRB No. JBNU-2021-03-002).

연구 결과

1. 간호사 관련 언론보도 기사의 특성

빅카인즈 검색창에서 ‘간호사’를 키워드로 넣어 16개 언론사에서 1차로 검색된 언론보도 기사건수는 COVID-19 발생 이전이 1,603건, COVID-19 발생 이후 기간이 6,197건으로 나타났으며, COVID-19 발생 이전에 비해 COVID-19 발생 이후의 언론보도 건수가 3.86배 증가했다. COVID-19 발생 전·후의 시간흐름에 따른 월별 언론보도 기사건수는 2019년 7월부터 2020년 6월까지의 기간 중 COVID-19 발생 이후인 2020년 3월의 언론보도 기사건수가 1,706건으로 가장 많았다.

이후, 빅카인즈 DB를 통해 전체 7,800건의 기사 원문을 확보한 후 원문을 읽으며 배제기준에 따라 간호사와 직접 관련성이 없는 기사 총 6,762건을 제거하였다. 구체적으로 COVID-19 발생 이전 언론보도 기사들 중에 동일 매체에서 동일한 기자가 중복보도한 기사 29건, 홍보성 기사 251건, 부고 기사 57건, ‘간호사’가 단순히 언급만 된 기사 829건을 포함하여 1,166건을 제거하여 최종적으로 간호사와 직접적으로 관련성이 높은 기사인 437건이 최종 COVID-19 발생 이전 분석대상 언론보도 기사로 선정되었다. COVID-19 발생 이후 언론보도 기사들은 동일 매체에서 동일한 기자가 중복보도한 기사 155건, 홍보성 기사 847건, 부고 기사 27건, ‘간호사’가 단순히 언급만 된 기사 4,567건 등 5,596건을 제거하여 최종적으로 간호사와 직접적으로 관련성이 높은 기사인 601건이 최종 COVID-19 발생 이후 분석대상 언론보도 기사로 선정되었다. 최종분석에 포함된 언론보도 기사건수는 COVID-19 발생 이전의 437건에서 COVID-19 발생 이후 601건으로 1.38배 증가하였다. 최종 선정된 기사들의 월별 언론보도 기사건수는 2019년 7월부터 2020년 6월까지의 기간 중 COVID-19 발생 이후인 3월이 201건으로 가장 높게 나타났다.

2. 간호사 관련 언론보도 기사의 주요 키워드

본 연구에서는 간호사 관련 언론보도 기사의 주요 키워드를 확인하기 위하여 TF와 TF-IDF를 이용한 출현빈도를 분석하였다. COVID-19 발생 이전의 언론보도 기사들에서 추출된 단어들의 수는 6,340개였으며, COVID-19 발생 이후의 단어 수는 8,441개였다. 이들 중, 출현빈도가 상위 20위인 단어들을 살펴보면 COVID-19 발생 이전에는 ‘간호사’가 1,885건으로 가장 많았으며, ‘병원’ 1,284건, ‘신생아’ 1,059건, ‘태움’ 568건 등의 순으로 나타났다. COVID-19 발생 이후는 ‘간호사’가 3,805건으로 가장 많았으며, ‘코로나’ 2,637건, ‘병원’ 2,066건, ‘환자’ 2,013건, ‘의료진’ 1,422건, ‘대구’ 753건, ‘근무’ 691건, ‘방호복’ 658건 등의 순으로 나타났다. COVID-19 발생 이전에 비해 COVID-19 발생 이후에 ‘코로나’, ‘의료진’, ‘대구’, ‘방호복’, ‘감염’, ‘확진자’, ‘마스크’ 등의 단어가 새롭게 등장하였다. 또한 TF-IDF로 본 중요도가 높은 상위단어는 COVID-19 발생 이전에는 ‘조사’, ‘확인’, ‘병원’ 등의 순으로 나타났으며, COVID-19 발생 이후에는 ‘의료진’, ‘근무’, ‘의료’, ‘감염증’ 순으로 나타났다. COVID-19 발생 이전에 비해 COVID-19 발생 이후에 ‘의료진’, ‘감염증’, ‘감염’, ‘치료’, ‘대구’ 등의 단어가 새롭게 등장하였다(Table 1).

Table 1
Top 20 Keywords of Media Report Articles: Before and After the COVID-19

3. 간호사 관련 언론보도 기사의 텍스트 네트워크 분석

1) 간호사 관련 언론보도 기사들의 네트워크 구조

본 연구는 COVID-19 발생 전·후 간호사를 키워드로 한 언론보도 기사들의 특성을 파악하기 위하여 네트워크 기본속성을 분석하였다. 본 연구에서는 2어절 내의 근접거리와 동시출현 빈도 2 이상으로만 구성된 네트워크를 생성하였으며, 그 결과 COVID-19 발생 이전의 언론보도 기사들에 대해서는 2,778개의 노드와 6,431개의 링크로 구성된 네트워크가 생성되었다. COVID-19 발생 이전 네트워크의 밀도는 0.002, 평균 연결 정도는 4.63, 평균 연결 거리는 4.25로 나타났다. COVID-19 발생 이후의 언론보도 기사들에 대해서는 3,540개의 노드와 8,703개의 링크로 구성된 네트워크가 생성되었다. COVID-19 발생 이후 네트워크의 밀도는 0.001, 평균 연결 정도는 4.92, 평균 연결 거리는 4.01로 확인되었다.

2) 중심성 분석

간호사 관련 언론보도 기사들에 대한 네트워크의 특성을 확인하기 위하여 연결 중심성과 매개 중심성을 살펴본 결과는 다음과 같다. 연결 중심성 분석 결과, COVID-19 발생 이전에서는 ‘간호사’, ‘병원’, ‘신생아’, ‘환자’, ‘의사’, ‘태움’ 등의 순으로 연결 중심성이 강하게 나타났으며, COVID-19 발생 이후에서는 ‘간호사’, ‘병원’, ‘코로나’, ‘환자’, ‘의료진’, ‘대구’ 순으로 연결 중심성이 강하게 나타났다. 매개 중심성 분석 결과, COVID-19 발생 이전에는 ‘간호사’, ‘병원’, ‘신생아’, ‘의사’, ‘환자’, ‘의료’ 순으로 매개 중심성이 높게 나타났으며, COVID-19 발생 이후에는 ‘간호사’, ‘병원’, ‘코로나’, ‘의료진’, ‘환자’, ‘대구’ 등의 순으로 높게 나타났다. COVID-19 발생 이전 연결 중심성과 매개 중심성의 상위 30위에 공통적으로 포함된 단어는 총 25개로, 연결 중심성과 매개 중심성이 모두 높게 나타난 단어들은 ‘간호사’, ‘병원’, ‘신생아’, ‘환자’, ‘의사’, ‘태움’으로 나타났다. 또한 COVID-19 발생 이전에서 연결 중심성에만 포함된 단어는 ‘수사’, ‘요구’, ‘대책위’, ‘서지윤’ 등이었으며, 매개 중심성에만 포함된 단어는 ‘수술’, ‘노조’, ‘보건’ 등이었다. COVID-19 발생 이후의 연결 중심성과 매개 중심성의 상위 30위에 공통적으로 포함된 단어는 총 25개로, 연결 중심성과 매개 중심성이 모두 높게 나타난 단어들은 ‘간호사’, ‘병원’, ‘코로나’, ‘환자’, ‘의료진’, ‘대구’로 나타났다. 또한 COVID-19 발생 이후에서 연결 중심성에만 포함된 단어는 ‘확진자’, ‘격리’, ‘정부’ 등이었으며, 매개 중심성에만 포함된 단어는 ‘서울’, ‘중국’, ‘미국’ 등이었다(Table 2, Figure 1).

Figure 1
Spring network map of centrality.
Before the COVID-19: (A) degree centrality, (B) betweenness centrality. After the COVID-19: (C) degree centrality, (D) betweenness centrality.

Table 2
Top 30 Keywords with High Centralities: Before and After the COVID-19

4. 간호사 관련 언론보도 기사의 토픽 모델링

1) 토픽 수 설정

토픽 수 설정을 위해 K-means clustering을 이용한 실루엣 계수 값을 참고하였다. 본 연 구에서 실루엣 계수 산출결과, COVID-19 발생 이전에는 실루엣 계수 값이 0.934로 가장 높게 나타나는 토픽 수는 4였으며, 전체 실루엣 계수의 상위 10개 중 총 7개의 값이 최적의 토픽 수로 4를 제안하였다. 또한 COVID-19 발생 이후에도 실루엣 계수 값이 0.906으로 가장 높게 나타난 토픽의 수는 4였으며, 전체 실루엣 계수의 상위 10개 중 6개가 최적 토픽의 수를 4로 제안하였다. 이에 연구자들은 실루엣 계수의 결과로 제시된 토픽의 수를 다양하게 변경해가면서 토픽 수의 타당성을 검토한 결과, COVID-19 발생 이전과 이후에 모두 각각 4개의 토픽이 가장 적절한 것으로 판정하였다. 이에 COVID-19 발생 이전의 토픽의 수는 4개, LDA 파라미터 α = 0.2, β = 0.01의 조합으로 토픽 모델링을 하였으며, COVID-19 발생 이후는 토픽의 수 4개, LDA 파라미터 α = 0.1, β = 0.01의 조합으로 토픽 모델링을 실시하였다.

2) 토픽 모델링

COVID-19 발생 전·후 간호사와 관련된 언론보도 기사들에 잠재된 토픽 수를 각각 4개로 설정하여 LDA를 활용한 토픽 모델링을 실시하였다. COVID-19 발생 이전의 4개 토픽의 주요 키워드와 확률을 확인하고 기사 제목과 내용을 확인하여 토픽명을 다음과 같이 명명하였다(Table 3). 토픽 1은 전체 토픽의 30.9%의 비중을 차지하고 있었으며, 주요 키워드는 태움, 간호사, 직장, 서울의료원, 조사, 대책위, 서지윤, 업무, 대책, 병원 등으로, 직장 내 태움으로 인해 자살한 서울의료원 간호사와 관련된 것들이었다. 이 토픽은 대책위의 조사 결과를 바탕으로 서울시에 유가족에 대한 사과와 재발방지책 마련과 경영진의 징계 및 교체를 권고했다는 기사들을 반영하고 있었다. 이에 해당 토픽을 ‘직장 내 태움을 견디지 못해 자살한 간호사’로 명명하였다. 토픽 2는 전체 토픽의 22.7%의 비중을 차지하고 있었으며, 주요 키워드는 신생아, 병원, 간호사, 경찰, 학대, 두개골, 골절, 신생아실, 부산, 청원 등으로, 부산의 한 신생아실에서 간호사가 신생아를 학대하여 두개골이 골절되어 경찰에 입건된 기사와 신생아의 아버지가 철저한 수사를 요구하며 청와대 국민 청원을 올린 기사들을 반영하고 있었다. 이에 해당 토픽은 ‘신생아 학대 사건의 가해자로서의 간호사’로 명명하였다. 토픽 3은 전체 토픽의 21.0%의 비중을 차지하고 있었으며, 주요 키워드는 간호사, 직업, 학생, 의사, 희망, 교사, 해고, 병원, 면허, 조사 등으로 학생들의 직업 선호도 조사에서 의사, 교사, 간호사가 높은 순위로 나타난 기사와 간호사가 월 30만 원에 면허증을 빌려주어 면허 취소된 기사들을 반영하고 있었다. 이들 기사는 간호사의 전문적인 의료인 면허에 대한 내용이라는 공통점이 있었다. 이에 해당 토픽은 ‘의료인 면허를 가진 전문직으로서의 간호사’로 명명하였다. 토픽 4는 전체 토픽의 25.4%의 비중을 차지하고 있었으며, 주요 키워드는 환자, 병원, 의사, 간호사, 낙태수술, 과실, 확인, 사고, 임산부, 수술 등으로, 영양제 주사를 맞으러 온 임산부를 다른 환자와 착각해 환자 확인 없이 낙태 수술을 시행한 의사와 간호사가 업무상 과실치사 혐의로 입건된 사건을 반영하고 있었다. 이에 해당 토픽은 ‘환자확인 제대로 안해 의료과실한 간호사’로 명명하였다.

Table 3
Result of the Topic Modeling

다음으로 COVID-19 발생 이후의 4개 토픽의 주요 키워드와 확률을 확인하고 기사 제목과 내용을 확인하여 토픽명을 다음과 같이 명명하였다(Table 3). 토픽 1은 전체 토픽의 24.6%의 비중을 차지하고 있었으며, 주요 키워드는 코로나, 간호사, 병원, 의료진, 중국, 우한, 감염, 미국, 환자, 의료 등으로, 미국과 중국에서 코로나로 목숨을 잃은 간호사 기사와, 쓰레기봉투를 쓰고 일하다가 감염된 외국 간호사들의 기사들을 반영하였다. 이에 해당 토픽을 ‘COVID-19 희생자로서의 간호사’로 명명하였다. 토픽 2는 전체 토픽의 15.8%의 비중을 차지하고 있었으며, 주요 키워드는 간호사, 병원, 환자, 사고, 사람, 의료원, 마음, 코로나, 응원, 제공 등으로, 컵라면 먹는 간호사들을 위해 써 달라며 200만 원을 기부한 뇌병변 장애를 앓고 있는 기초생활 보장 수급자의 기사, 조수미 성악가가 코로나 19로 어려움을 겪는 의료진을 응원하며 각별한 감사의 표현으로 노래를 부른 기사들을 반영하고 있었다. 이에 해당 토픽은 ‘국민들의 응원을 받으며 일하는 간호사’로 명명하였다. 토픽 3은 전체 토픽의 42.6%의 비중을 차지하고 있었으며, 주요 키워드는 코로나, 간호사, 환자, 의료진, 병원, 대구, 방호복, 근무, 감염, 확진자 등으로, 무더위에 방호복을 입고 일하다 실신한 간호사, 문재인 대통령이 “(간호사) 여러분이 국민의 생명을 지키는 숨은 일꾼이며 일등공신”이라고 칭찬한 기사와 “반창고와 붕대를 이마와 코에 붙인 사진을 봤다. 안쓰럽고 미안했다”는 기사, 그리고 간호 장교들이 코로나 환자 간호를 위해 대구로 투입된 기사, 그리고 국군간호사관학교 졸업생들이 졸업과 동시에 대구에 투입되었지만, 여전히 인력이 절대 부족하다는 기사들을 반영하고 있었다. 이에 해당 토픽을 ‘COVID-19 전사로서의 일등공신 간호사’로 명명하였다. 토픽 4는 전체 토픽의 17.0%의 비중을 차지하고 있었으며, 주요 키워드는 간호사, 병원, 업무, 여성, 의사, 태아, 조사, 폭행, 노조, 건강 등으로, 병원 응급실에서 환자가 간호사에게 욕설하며 난동을 피운 사건, 과중한 업무와 임산부에게 유해한 약품 분쇄작업을 하여 선천성 심장질환을 가진 아이를 출산한 간호사의 업무상 재해인정 사건, 그리고 여성 간호사의 탈의실에 몰래카메라를 설치한 의사가 실형을 받은 기사들을 반영하고 있었다. 이에 해당 토픽을 ‘취약계층 여성 근로자로서의 간호사’로 명명하였다. COVID-19 발생 전·후 각각 4개의 토픽에서 주요 키워드 간 네트워크 그림은 Figure 2와 같다.

Figure 2
Topic network of main keyword. (A) Before the COVID-19. (B) After the COVID-19.

논의

본 연구는 COVID-19 발생 전·후 언론보도에 나타난 간호사의 이미지를 탐색하기 위하여 최근 빅데이터 분석방법으로 주목받고 있는 텍스트 네트워크 분석 및 토픽 모델링을 적용하여 연구를 실시하였다. 이에, 본 연구의 주요 결과를 COVID-19 발생 전과 후로 비교하여 논의하고자 한다.

본 연구에서 텍스트 네트워크 분석 결과, 국내 16개 중앙매체에서 보도된 간호사 관련 언론보도 기사들의 주요 키워드 및 이들의 네트워크 연결구조와 특성이 확인되었다. 먼저, 본 연구에서 1차 수집된 간호사 관련 언론보도 기사건수는 COVID-19 발생 이전의 1,603건에 비해 COVID-19 발생 이후가 6,197건으로 3.86배가 증가한 것으로 나타났으며, 선별 후 최종 분석에 포함된 언론보도 기사건수도 COVID-19 발생 이전의 437건에서 COVID-19 발생 이후 601건으로 1.38배 증가하였다. 이러한 결과는 COVID-19 발생 전·후로 우리나라 인터넷 포털인 네이버(Naver)와 다음(Daum), 그리고 소셜미디어인 트위터(Twitter)의 간호사 관련 게시물을 분석한 선행연구[21]에서 ‘간호사’ 키워드로 웹 크롤링된 검색 결과가 COVID-19 발생 이전보다 COVID-19 발생 이후에 15% 증가한 것과 유사한 흐름을 보였다. 이들 결과를 통해 COVID-19 발생 이전에 비하여 언론보도 기사들뿐만 아니라 인터넷 포털 및 소셜미디어 등에서도 간호사에 대한 기사나 게시물이 증가한 것을 재확인할 수 있었다. 이러한 결과가 다른 영역이나 다른 키워드에도 동일하게 나타나는 현상인지는 구체적으로 확인해 볼 필요가 있으나 전반적으로 간호사의 직업, 역할, 전문적 수행 등에 대한 대중의 증가된 관심이 반영된 결과로 생각된다.

본 연구에서는 간호사 관련 언론보도 기사들에 나타난 주요 키워드를 확인하기 위하여 TF와 TF-IDF를 분석하였는데, TF 분석 결과 COVID-19 발생 이전과 이후 모두에서 ‘간호사’, ‘병원’, ‘환자’ 등 간호사와 관련이 있는 일반적인 단어들이 높은 순위에 나타났다. 그러나 이외에 COVID-19 발생 이전에는 ‘신생아’, ‘태움’ 등의 단어가 상위에 위치한 반면, COVID-19 발생 이후에는 ‘코로나’, ‘확진자’, ‘대구’, ‘방호복’, ‘감염’, ‘확진자’, ‘마스크’ 등 COVID-19 발생 이전에는 상위 20위 안에 전혀 등장하지 않았던 코로나와 관련성이 높은 특정 단어들이 새롭게 상위에 나타난 결과를 통해 COVID-19가 전 세계적으로 영향을 끼친 팬데믹임을 재확인할 수 있었다. 다음으로 TF-IDF 분석 결과, COVID-19 발생 이전에는 ‘조사’, ‘확인’, ‘병원’ 등이 높은 순위로 나타났으며, COVID-19 발생 이후는 ‘의료진’, ‘근무’, ‘의료’ 등의 순으로 나타났다. 이 러한 결 과는 본 연 구와 유 사하게 COVID-19 발생 전·후 인터넷 포털과 소셜미디어의 ‘간호사’ 관련 게시물을 분석한 선행연구[21]에서, T F-IDF의 분석 결과 COVID-19 발생 이전에는 ‘간호’, ‘제왕절개’, ‘물리치료’ 등의 순이며, COVID-19 발생 이후에는 ‘간호’, ‘응급’, ‘관계’ 등의 순으로 나타난 것과는 차이를 보였다. 이를 통해 기사나 게시물들이 어떤 매체와 채널을 통해 대중에게 전달되는지에 따라 기사나 언론보도의 내용에도 차이가 있을 수 있음을 유추할 수 있다. 따라서 향후 언론보도 기사나 포털, 소셜미디어 중에서 대중들이 인식하는 간호사의 이미지에 더 영향을 주는 매체는 무엇이며, 이들의 영향력이 각각 어느 정도인지를 비교하고 탐색하는 연구도 필요할 것으로 판단된다.

본 연구 결과 제시된 네트워크 구조를 살펴보면, 워드 네트워크의 크기(network size)는 보통 노드와 링크 수로 판단하는데 COVID-19 발생 후가 발생 전에 비해 네트워크의 크기가 커졌다. 또한 밀도는 COVID-19 발생 이후가 발생 이전에 비해 더 낮아졌는데, 이는 네트워크 크기가 커지면 밀도는 낮아지기 때문으로 생각된다[34, 35]. 연결 정도는 한 키워드에 몇 개의 키워드가 직접 연결되었는지를 의미하는 것으로[36], 평균 연결 정도는 COVID-19 발생 이전에는 키워드 하나당 4.5개의 키워드가 연결되어 있었으나 COVID-19 발생 이후에는 키워드 하나당 5개의 키워드가 연결되는 것으로 나타나 약간 증가한 것을 확인할 수 있었다. 키워드의 출현 빈도가 높으면 중요한 키워드로 생각할 수 있고 연결 정도도 높아질 수 있는데, 본 연구에서 COVID-19 발생 이후에 간호사를 키워드로 한 기사들은 COVID-19 발생 이전에 비해 양적으로는 증가하였으나 유사한 키워드들이 반복적으로 등장하여 평균 연결 정도가 높아진 것으로 생각해 볼 수 있다. 연결 거리는 두 키워드들 간 직간접 연결 경로 중에서 가장 짧은 경로에서 거치는 링크의 수를 의미하며, 네트워크 내 모든 키워드 간의 연결거리의 평균을 평균 연결 거리라고 한다[36]. 본 연구에서는 COVID-19 발생 이전과 이후에 모두 평균적으로 키워드들이 약 4단계에서 연결되는 것으로 볼 수 있으며, COVID-19 발생 이후가 발생 이전에 비해 평균 연결 거리가 짧아졌다. 즉, 평균 연결 정도와 평균 연결 거리의 변화를 볼 때 COVID-19 발생 이전에 비해 발생 이후에 간호사 대상의 뉴스기사들의 주제가 이전보다 다양한 측면을 다루지 않고 특정 몇 개의 주제, 즉 COVID-19 관련 주제들에 집중되어 보도되었음을 확인할 수 있다.

본 연구에서는 키워드 네트워크의 중심성 분석에서 가장 기본이 되는 연결 중심성과 매개 중심성을 분석하였는데, 그 결과 연결 중심성과 매개 중심성에 의한 키워드 순위는 거의 유사하게 나타났다. 이는 다른 노드와 많이 연결된 노드가 네트워크 내에서 노드와 노드 사이의 매개 역할도 많이 하는 것으로 생각할 수 있으며, 연결 중심성이 높을수록 매개 중심성도 높다는 해석이 가능하다. COVID-19 발생 전·후의 연결 중심성과 매개 중심성 분석에서 모두 상위로 나타난 키워드는 ‘간호사’, ‘병원’, ‘환자’, ‘업무’ 등으로 간호사와 관련된 일반적인 단어들이었다. 한편, COVID-19 발생 이전에는 ‘신생아)P_G_!_’, ‘의사’, ‘태움’ 등이 상위로 나타나 간호사 이미지를 형성하는데 중요한 역할을 하는 키워드였다. 즉, COVID-19 발생 이전에는 언론을 통해 나타난 신생아 학대나 간호사 간 태움 등과 관련한 기사가 주로 간호사의 이미지 형성에 영향을 주었다고 생각할 수 있다. COVID-19 발생 이후에는 ‘코로나’, ‘의료진’, ‘대구’ 등이 상위로 나타나 간호사 관련 언론보도들에서 중요한 역할을 하는 키워드였다. 즉, COVID-19 발생 이후에는 대구에서 코로나 환자들의 폭증과, 간호사의 과중한 업무 부담에 대한 언론보도들이 간호사 이미지 형성에 영향을 주었을 것으로 생각된다. 또한 매개 중심성은 낮지만 연결 중심성이 높은 노드들은 하위 집단에서 그 집단의 의미를 형성하는데 일반적으로 영향을 미치는 개념으로 이해할 수 있다[37]. 따라서, COVID-19 발생 이전의 ‘조사’, ‘필요’, ‘업무’, ‘관리’ 등과 COVID-19 발생 이후의 ‘코로나’, ‘정보’, ‘의학적 치료’, ‘발생’ 등은 매개 중심성은 낮고, 연결 중심성에서만 상위에 나타난 키워드로서, 이는 직접적으로 다른 노드들과 연결 관계가 높은 것으로 볼 수 있다. 또한, COVID-19 발생 이전의 ‘수술’, ‘건강상태’, ‘교수’, ‘사용’ 등과 COVID-19 발생 이후의 ‘서울’, ‘중국’, ‘미국’, ‘사고’, ‘발생’ 등은 매개 중심성에서만 상위에 나타난 키워드로서 이는 서로 다른 키워드들을 이어주는 문지기 역할을 한 것으로 해석할 수 있다.

본 연구는 COVID-19 발생 전·후 간호사와 관련된 언론보도 기사들을 대상으로 토픽 모델링을 통해 주요 토픽을 분류하고 토픽별 추이를 확인하였다. COVID-19 발생 이전 언론보도 기사를 토픽 모델링한 결과 ‘직장 내 태움을 견디지 못해 자살한 간호사’, ‘신생아 학대 사건의 가해자로서의 간호사’, ‘의료인 면허를 가진 전문직으로서의 간호사’, ‘환자확인 제대로 안해 의료과실한 간호사’라는 4가지 주제가 도출되었으며, COVID-19 발생 이후에는 ‘COVID-19 희생자로서의 간호사’, ‘국민들의 응원을 받으며 일하는 간호사’, ‘COVID-19 전사로서의 일등공신 간호사’, ‘취약계층 여성 근로자로서의 간호사’의 4개 주제가 도출되었다. 이들 토픽의 주제들은 COVID-19 발생 전과 후가 보도의 방향에 차이가 있었는데, COVID-19 발생 이전에 도출된 토픽들은 전반적으로 대중들이 기대하는 간호사의 역할과 의무를 간호사들이 제대로 수행하지 않아서 발생한 사건들에 대한 내용들로 이들을 통해 대중들은 간호사들에 대한 부정적인 이미지를 형성했을 것으로 생각된다. 반면에 COVID-19 발생 이후 언론을 통해 나타난 간호사의 모습은 희생과 헌신, 전사, 영웅 등으로 비춰지고 있어, 이들 언론보도 기사들은 대중들이 COVID-19 발생 이전에 비해 간호사에 대해 긍정적인 이미지와 인식을 갖게 하는데 영향을 끼쳤을 것으로 생각된다.

본 토픽 모델링의 결과를 토픽별로 좀 더 구체적으로 살펴보고자 한다. 먼저, COVID-19 발생 이전 토픽 1 ‘직장 내 태움을 견디지 못해 자살한 간호사’에 해당되는 기사는 총 135건으로 COVID-19 발생 이전 6개월 동안 기사가 꾸준히 보도되었으며 COVID-19 발생 이전의 전체 토픽 중 30.9%의 가장 많은 비중을 차지하였다. 이 토픽은 직장 내 태움으로 인해 안타까운 죽음을 맞이한 서울의료원 간호사와 관련된 기사들을 반영하고 있는 것으로, 이는 2017년~2018년도의 주요 일간지의 간호사 관련 기사들을 분석한 선행연구[38]에서 태움으로 불리는 간호사 사망 사건이 부정적인 간호사 이미지로 나타난 결과와 같은 맥락에서 이해될 수 있다. 간호조직은 인간의 생명을 다루는 긴장감 있는 환경과 업무의 과중함 때문에 다른 일반 직장과 달리 태움을 주거나 태움을 경험하는 경우가 많은 것으로 보도되고 있는데, 이러한 태움은 간호사들로 하여금 정신적·신체적 고통, 소진을 느끼게 함으로써 이로 인해 간호의 질이 저하되고 이직의도가 증가하며, 병원의 경제적 손실, 환자의 안전에도 영향을 줄 수 있다[39]. 간호사의 태움에 대한 언론 보도들이 대중들의 간호사에 대한 이미지를 부정적으로 인식하는데 영향을 준 것은 사실이나, 이들 언론보도들에 의해 간호사 개인의 자살이나 간호사 집단의 태움에 대한 관점을 넘어 간호사의 열악한 업무환경과 처우 문제 등의 사회문제로 이슈화되기도 하였다. 이러한 간호사의 자살 등과 관련하여 ‘직장 내 괴롭힘 금지법’이 시행되었다는 기사[40]를 통해 언론이 갖는 영향과 역할을 재확인할 수 있었다. 참고로 미국간호협회(American Nurses Association [ANA])에서는 간호사 자살 예방 프로그램인 Nurse Suicide Prevention/Resilience 웹사이트 운영[41], 일상 속의 위기관리방법의 AIR (Awareness, Identify, Recognize), 사회·정서적 지원 프로그램인 Schwartz Rounds 등의 자살예방 활동, 자살예방 및 우울증 인식 프로그램인 HEAR (Healer Education Assessment and Referral) 등을 통해 자살 고위험군을 사전에 발견하여 자살을 예방하고 있다[42, 43]. 이처럼 우리나라의 관련 기관이나 대한간호협회도 간호사 자살의 근본 원인 분석을 실시함과 동시에, 자살위기상황의 간호사들을 발견하고 이들을 위기에서 구할 수 있는 구체적인 위기중재 프로그램을 제공할 필요가 있다. 또한 국가적 차원에서도 업무환경개선과 처우 문제를 해결하기 위한 지속적인 관심과 구체적인 제도마련이 이루어져야 하겠다.

다음으로 COVID-19 발생 이전 토픽 2 ‘신생아 학대 사건의 가해자로서의 간호사’에 해당되는 기사는 총 9 9건으로 COVID-19 발생 이전의 전체 토픽 중 22.7%를 차지하였으며, 부산의 한 신생아실에서 간호사가 신생아를 학대하여 두개골이 골절되어 경찰에 입건된 기사와 신생아의 아버지가 철저한 수사를 요구하며 청와대 국민 청원을 올린 기사의 내용을 반영하고 있는 토픽이다. 아동복지법[44]에 따르면 '아동학대'란 보호자를 포함한 성인에 의해 아동의 건강 또는 복지를 해치거나 정상적 발달을 저해할 수 있는 신체적ㆍ정신적ㆍ성적 폭력이나 가혹행위를 하는 것과 아동의 보호자가 아동을 유기하거나 방임하는 것을 말한다. 신생아를 포함한 아동은 보호를 받아야 할 간호의 대상자임과 동시에, 간호사는 이러한 아동학대의 신고 의무자인 의료인으로 취약계층인 아동을 보호할 의무가 있다. 그러나 이러한 간호사의 역할 및 대중의 기대에 반하는 신생아 학대 사건은 대중에게뿐만 아니라 간호계에도 충격적인 사건임이 분명하다. 최근 정인이 사건 등 아동학대가 사회적 쟁점이 되고 있으며, 특히 영유아는 학대에 더 취약하고 이로 인한 피해도 크고 심각할 수 있다. 따라서 아동학대를 예방하기 위한 사회 각계의 다차원적인 노력과 함께, 우리 간호계에서도 영유아 및 아동을 돌보는 간호사들을 대상으로 학대 아동 선별을 위한 지침뿐만 아니라 업무 중 학대 예방을 위한 실질적인 교육을 병행할 필요가 있다.

COVID-19 발생 이전 토픽 3 ‘의료인 면허를 가진 전문직으로서의 간호사’에 해당되는 기사는 총 92건으로 COVID-19 발생 이전의 전체 토픽 중 21.0%를 차지하였으며, 초·중·고등학생들에게 시행한 직업 선호도 조사에서 전문직인 간호사를 직업으로 희망하는 학생들의 기사와 월 30만 원에 면허증을 대여해 준 간호사가 면허취소가 적법하다는 내용을 반영하고 있는 토픽이다. 전문성이란 일반적으로 특정 영역의 고도화된 지식과 기술로 일반인들이 수행할 수 없는 수준의 높은 성과를 내는 능력으로[45], 오늘날 간호사라는 직업이 사회적인 평판과 존경도가 괜찮은 전문성을 가진 직업으로 비춰지고 있다는 것을 보여주는 결과로 생각된다. 또한 간호사는 의료법 제2조에 따른 의료인으로서, 의료인이 아니면 누구든지 의료행위를 할 수 없음에도 불구하고 면허증을 대여한 행위는 위법이다[46]. 이처럼 토픽 3의 ‘의료인 면허를 가진 전문직으로서의 간호사’를 통해 간호사 스스로 전문직임을 인식하고 자긍심과 책임감을 느껴 좋은 인재들이 미래의 간호사가 될 수 있도록 모범을 보이는 등의 개인적인 노력과 함께, 대한간호협회나 대한간호정우회 등의 간호관련 단체는 간호사 면허관리를 철저히 함과 동시에 간호사의 전문직 이미지를 강화하기 위한 포럼 개최, 범국민 릴레이 챌린지 등의 홍보 등을 지속적으로 실시해 나가야 하겠다.

COVID-19 발생 이전 토픽 4 ‘환자확인 제대로 안해 의료과실한 간호사’에 해당되는 기사는 총 111건으로 COVID-19 발생 이전의 전체 토픽 중 25.4%를 차지하였으며, 영양제를 맞기 위해 병원을 내원한 베트남 임산부에 대해 간호사와 의사가 정확한 환자확인을 제대로 수행하지 않아 영양제 투여 대신 낙태 수술을 한 내용을 반영하고 있는 토픽이다. 환자확인은 간호실무에서 모든 의료행위 전에 반드시 수행되어야 하는 기본적인 첫 절차로 의료서비스가 제공되는 모든 현장에서 환자안전을 위해 가장 우선적으로 수행되는 요소이다[47]. 간호사가 간호행위를 행함에 있어서 평균 수준의 간호사에게 요구되는 업무상의 주의의무를 게을리하여 환자에게 인신 상의 손해를 발생하게 하는 것이 간호과오인데, 이러한 간호과오가 있다는 것이 객관적으로 입증되거나 인정되어 법적 판단을 받으면 이를 간호과실이라고 한다[47]. 따라서 ‘환자확인 제대로 안 해 의료과실한 간호사’는 간호의 가장 기본을 지키지 않아 발생한 사건이기에 이에 대한 대중들의 시선은 부정적일 수밖에 없다. 따라서 환자에게 안전한 간호를 제공하고 안전한 의료환경을 조성하기 위해 간호사들은 기본적인 원칙과 절차를 준수해야 한다. 또한 환자안전법에서 강조하고 있는 것과 같이 부득이하게 근접오류, 위해사건 등이 발생했을 때는 지체없이 환자안전보고시스템을 통해 이를 보고하고 즉각적인 조치가 이루어져야 할 것이다. 그리고 더 나아가 공정문화(just culture)의 조직문화를 조성함으로써 보고된 실수에 대한 질책보다는 오류에 대한 근본적인 원인을 파악하고 시스템적인 개선이 이루어지도록 노력해야 할 것이다.

본 연구의 COVID-19 발생 이후의 언론보도 기사들의 토픽 모델링 결과, ‘COVID-19 희생자로서의 간호사’, ‘국민들의 응원을 받으며 일하는 간호사’, ‘COVID-19 전사로서의 일등공신 간호사’, ‘취약계층 여성 근로자로서의 간호사’의 4개 주제가 도출되었다. 이러한 결과는 인터넷 포털과 소셜미디어를 대상으로 간호사 관련 토픽을 분석한 선행연구[21]에서, COVID-19 상황에서 간호사에 대한 대중의 인식이 COVID-19 팬데믹 선언과 맞물려 코로나바이러스 감염병 관리를 위해 최일선에서 근무하고 있는 간호사에 관한 내용이 주를 이루었다고 제시한 결과와 유사한 부분이 있었다. 그러나 선행연구[21]의 다른 2개의 토픽인 ‘간호사가 보는 간호사’나 ‘간호사의 취업과 진로’와는 차이를 보였는데, 이러한 차이는 본 연구의 분석대상은 기자가 작성하는 언론보도 기사들인 반면, 선행연구[21]의 연구 대상은 일반인이 게시하는 포털 및 소셜 미디어인 것과 관련이 있는 것으로 생각된다. 또한 코로나 팬데믹 이후 국내 주요 4개 일간지 기사에 나타난 간호사 이미지에 대한 선행연구[20]에서는 ‘업무대비 열악한 대우를 받음’에 관한 기사가 가장 많았고 ‘소명의식을 가지고 환자를 돌봄’이 두 번째로 많았는데, 이는 본 연구에서의 COVID-19 발생 이후 토픽 1 ‘COVID-19 희생자로서의 간호사’ 및 토픽 3 ‘COVID-19 전사로서의 일등공신 간호사’ 내용과 유사함을 알 수 있었다. 본 연구에서 COVID-19 발생 이후에 도출된 토픽들을 좀 더 구체적으로 살펴보면 다음과 같다.

먼저, COVID-19 발생 이후 토픽 1 ‘COVID-19 희생자로서의 간호사’에 해당되는 기사는 총 148건으로 COVID-19 발생 이후의 전체 토픽 중 24.6%를 차지하였으며, 미국, 중국, 영국, 스페인 등 세계 각국에서 COVID-19에 감염되어 사망한 간호사와 의료진들의 안타까운 기사, 그리고 방호복, 마스크, 장갑이 부족하여 쓰레기봉투나 스키 고글을 착용하면서 제대로 된 방역장비가 부족하여 COVID-19에 감염된 간호사에 대한 내용을 반영하고 있는 토픽이다. 이는 COVID-19 환자간호 경험을 제시한 선행연구[48]에서 간호사들은 보호장비 부족, 의료인력 부족으로 고강도 업무와 장시간의 근무로 인해 고통을 받고 있었으며, 땀복과 같은 방호복을 입은 채 업무를 수행하느라 신체적으로 심한 체력 소진과 감염의 노출 위험의 불안감을 경험하였으며, 환자 옆에서 근무하는 간호사라는 이유로 본인과 가족들이 사회로부터의 고립감을 경험한 것과 같은 맥락이었다. 또한 이러한 결과는 메르스 위기상황에서의 간호사 이미지를 분석한 선행연구[49] 결과와 유사하였다. 이를 통해 시대나 상황이 변하더라도 국가적인 위기상황 앞에서 사명감으로 헌신하고 희생하는 간호사들의 모습은 대중들에게 긍정적인 이미지로 작용했을 것으로 생각된다. 그러나 간호사의 헌신적이고 희생적인 이미지에도 불구하고 간호사의 처우개선, 인력보충과 간호사의 필요와 고충에 대한 근본적인 해결책을 다루는 기사는 상대적으로 많지 않아 아쉬운 부분이 있으나 이는 언론에게만 맡겨두는 것 보다는 간호계에서 적극적으로 수행해야 할 역할로 생각된다.

COVID-19 발생 이후 토픽 2 ‘국민들의 응원을 받으며 일하는 간호사’에 해당되는 기사는 총 95건으로 COVID-19 발생 이후의 전체 토픽 중 15.8%를 차지하였으며, 의료진들을 격려하는 초등학생들이 보낸 정성 어린 손 편지, 간호사 부족으로 이미 은퇴하거나 사직한 간호사들이 자발적으로 돕는 모습, 간호사들이 선별진료소나 병원에서 방호복과 마스크를 착용하고 에어컨도 선풍기도 제대로 사용할 수 없는 환경에 있다는 것을 알고 국민들이 응원하며 자발적으로 후원금을 주거나 기부하는 내용들을 반영하고 있는 토픽이다. 이는 선행연구[49]에서는 ‘존경받는 간호사’의 하부주제인 ‘간호사에 대한 대중의 응원’과 유사하였다. 그간 간호사라는 직업은 대중들에게 긍정적인 면과 부정적인 면이 공존해 왔으나, COVID-19를 통해서 간호사의 희생, 봉사하는 참된 모습이 기사화되면서 대중들에게 간호사의 긍정적인 모습이 부각되었다. 국민들은 간호사의 헌신적인 모습이 감동되어서 자발적으로 성금을 전달하거나 응원의 메시지를 전달하고 연예인들은 직접 성금을 전달하기도 하였다. 이러한 간호사의 모습은 간호사들이 간호사로서의 책임의식과 공공성, 자긍심을 가지는 계기를 제공하며, 더 좋은 인재들을 간호사로 유치할 기회를 증진할 수 있을 것으로 생각된다.

COVID-19 발생 이후 토픽 3 ‘COVID-19 전사로서의 일등공신 간호사’에 해당되는 기사는 총 256건으로 COVID-19 발생 이후의 전체 토픽 중 42.6%를 차지하였으며, 무더위로 방호복을 입고 일하다가 의료진 3명이 실신하는 내용, 간호사들이 불철주야로 일하는 모습, 많은 확진자 대비 부족한 간호 인력으로 전쟁터의 군인처럼 일하는 간호사의 모습, 그리고 세계보건의 날을 맞아 문재인 대통령이 SNS를 통해 간호사들을 격려한 내용들을 반영하고 있는 토픽이다. 메르스 위기상황에서의 간호사 이미지를 분석한 연구[49]에서 ‘사명감 있는 간호사’, ‘헌신하는 간호사’와 관련하여 ‘소명의식을 가진 간호사’라는 하부주제가 도출된 결과와 같은 맥락에서 이해될 수 있다. 이처럼 전쟁이나 전염병 유행 등 국가적 재난이 발생했던 시기마다 간호사들은 소명의식을 가지고 희생적인 모습으로 전쟁터에서 싸우는 전사적인 여성의 이미지가 더욱 부각되어 왔다. 구체적으로, 1930년과 1940년 전쟁 시기에 대중들에게 보이는 간호사의 이미지는 가장 존경받는 선망의 직업으로 인식되었고[50], 캐나다에서 SARS 위기 시 미디어에 나타난 간호사 이미지는 영웅적이고 전문직인 이미지로 나타났으며[51], 2009년 홍콩에서 신종인플루엔자 유행 시에도 간호사들은 질병 노출 위험에도 불구하고 사명감과 직무에 대한 충실함을 보여주었다[52]. 또한 국내에서도 지난 국가 위기 상황이었던 2015년 MERS 사태 때에 간호사들은 소명의식을 가지고 헌신하며 일하는 모습을 보여주었다[49]. 이처럼 전염병 유행상황에서 언론을 통해 보도되는 간호사들에 대한 희생적이고 영웅적인 기사들은 대중들이 간호사에 대한 이미지를 형성하는데 긍정적인 영향을 주었을 것으로 생각된다. 그러나 어느 한쪽에 치우친 이미지보다는 간호사에 대해 대중이 객관적으로 이해하고 이를 바탕으로 균형 잡힌 이미지를 갖도록 하는 것 또한 중요하다.

COVID-19 발생 이후 토픽 4. ‘취약계층 여성 근로자로서의 간호사’에 해당되는 기사는 총 102건으로 COVID-19 발생 이후의 전체 토픽 중 17.0%를 차지하였으며, 응급실에서 환자가 간호사에게 욕설하며 난동 피운 사건, 과중한 업무와 유해한 약품 분쇄 작업을 하여 선천성 심장질환을 가진 아이를 출산한 간호사의 업무상 재해인정 사건, 그리고 여성 간호사의 탈의실에 몰래카메라를 설치한 의사가 실형을 받은 내용들을 반영하고 있는 토픽이다. COVID-19 발생 이후 토픽 1, 2, 3에서는 취약한 대상자를 돌보는 나이팅게일과 같은 희생적이고 전문적인 간호사의 이미지가 부각되었다고 하면, 토픽 4에서는 병원에서 근무하는 여성 근로자로서 근무환경이 취약하고, 성차별과 성희롱, 폭력 및 폭언 등에 여전히 많이 노출되어있는 간호사의 모습이 제시되었다. 실제 간호사는 환자와 보호자, 의사, 병원 내 타 부서 직종 등과 접촉이 많은 환경에서 일하기 때문에 다른 직종보다 폭력에 많이 노출되어 있다[53]. 따라서 취약한 환경을 개선하기 위해 간호법 제정 등 정부 차원의 구체적인 정책이 수립되고 지원되어야 할 필요가 있으며, 병원 자체에서도 간호사의 고충과 어려움을 들어줄 수 있는 시스템이 구비되어야 하겠다. 또 무엇보다도 환자나 보호자의 인식개선을 위해 언론을 충분히 활용하는 접근 전략도 필요할 것으로 보인다. 이처럼 COVID-19 발생 이후의 토픽은 제 4토픽 ‘취약계층 여성 근로자로서의 간호사’ 한 개를 제외하고는 나머지 세 개의 토픽이 모두 COVID-19와 관련된 내용이었으며, 보도의 방향 또한 긍정적이었다. 그러나 간호사의 희생과 헌신 등에만 초점이 맞추어짐에 따라 간호사가 일하고 있는 열악한 환경이나 과중한 업무, 처우 개선의 필요에 대한 언론의 목소리는 상대적으로 부각되지 못한 것으로 보여, 향후 언론들이 간호사와 관련하여 이러한 측면에 관심을 갖고 보도할 필요가 있을 것으로 생각된다. 이러한 언론들의 관심은 COVID-19를 통한 간호사의 이미지 향상뿐만 아니라 더 나아가 간호사의 근무환경 개선 및 전문직으로서의 지위를 향상시키는데 기여할 수 있을 것이다.

본 연구는 COVID-19 발생 전·후의 간호사 관련 언론보도 기사들을 텍스트 네트워크 분석 및 토픽 모델링을 이용하여 국내외에서 처음으로 COVID-19 발생 전과 후의 간호사 이미지를 각각 실증적으로 분석하고 비교하였다는데 의의가 있다. 또한 본 연구 결과는 향후 간호전문직의 지위향상을 위한 기초자료로 활용됨으로써 향후 간호전문직 향상을 위한 관련 연구 및 전문직 활동들을 촉진하는데 기여할 수 있을 것이다. 그러나 본 연구에서는 16개 중앙매체에서 보도된 기사들만을 분석대상에 포함해 그 외 다른 매체 등에 보도된 기사들은 분석에 포함하지 못한 제한점이 있으며, 양적 분석 중심의 텍스트 마이닝 방법의 특성상 분석에 포함된 기사들에 대한 심층적인 질적 분석이 이루어지지 못한 제한점이 있다.

결론

본 연구를 통해 COVID-19 발생 이전에 비해 COVID-19 발생 이후에 간호사에 대한 언론보도의 관심이 증가하여 언론보도의 초점과 내용이 다양해졌으며, 간호사와 관련된 주요한 언론보도의 방향이 COVID-19 팬데믹 상황과 관련하여 긍정적인 쪽으로 변화하였음을 확인할 수 있었다. 본 연구의 결과를 바탕으로 다음과 같이 제언하고자 한다. 첫째, 긍정적으로 인식되고 있는 간호사의 이미지를 지속적으로 향상시키기 위하여 간호사의 긍정적인 전문직 역할에 대한 대국민 홍보를 실시하는 등 대한간호협회 차원의 접근이 이루어지길 제언한다. 둘째, 간호사 개인과 소속 기관들은 간호사 관련기사가 언론에 많이 보도될 수 있도록 다양한 보도자료를 작성하고 적극적으로 언론에 홍보를 요청하길 제언한다. 셋째, 언론 보도 이외에 영화, 드라마, 서적 등의 다양한 대중매체에 나타나는 간호사의 이미지와 지위 등을 분석하는 연구의 실시를 제언한다.

Notes

이 논문은 제1저자 박민영의 2021년도 석사학위논문의 일부를 발췌한 것임.

이 논문은 2021년 연세대학교 International Nursing Conference에서 발표되었음.

This manuscript is based on a part of the first author’s master’s thesis from Jeonbuk National University. Year of 2021.

This work was presented at 2021 Yonsei International Nursing Conference, November, 2021, Seoul, Korea.

CONFLICTS OF INTEREST:The authors declared no conflict of interest.

AUTHOR CONTRIBUTIONS:

  • Conceptualization or/and Methodology: Park MY & Jeong SH & Kim HS & Lee EJ.

  • Data curation or/and Analysis: Park MY & Jeong SH & Lee EJ.

  • Investigation: Park MY & Jeong SH.

  • Project administration or/and Supervision: Jeong SH.

  • Validation: Park MY & Jeong SH & Kim HS & Lee EJ.

  • Visualization: Park MY.

  • Writing original draft or/and review & editing: Park MY & Jeong SH & Kim HS & Lee EJ.

ACKNOWLEDGEMENTS

None.

DATA SHARING STATEMENT

Please contact the corresponding author for data availability.

References

    1. Kotler P, Clarke RN. In: Marketing for health care organizations. Englewood Cliffs (NJ): Prentice-Hall Inc.; 1986. pp. 1-576.
    1. Seong JA, Yeom EY, Do YS. Image of nurses and nursing professional values perceived by nursing students. Journal of the Korea Contents Association 2014;14(11):798–809. [doi: 10.5392/JKCA.2014.14.11.798]
    1. Takase M, Maude P, Manias E. Impact of the perceived public image of nursing on nurses’ work behaviour. Journal of Advanced Nursing 2006;53(3):333–343. [doi: 10.1111/j.1365-2648.2006.03729.x]
    1. Lim EJ. WHO, Declaring a pandemic on COVID-19. “Can be controlled” [Internet]. Seoul: The Yonhap News; c2020 [cited 2020 May 12].
    1. Lee SH. Mental health impacts in health care workers during the COVID-19 pandemic. Journal of Korean Neuropsychiatric Association 2021;60(1):19–22. [doi: 10.4306/jknpa.2021.60.1.19]
    1. Yang Y. Analysis of publicness criteria and cases of newspaper language. Korean Language Research 2011;28:115–140. [doi: 10.16876/klrc.2011.28.115]
    1. Pedersen PM. Examining equity in newspaper photographs: A content analysis of the print media photographic coverage of interscholastic athletics. International Review for the Sociology of Sport 2002;37(3-4):303–318. [doi: 10.1177/1012690202037004895]
    1. Iyengar S, Simon A. News coverage of the Gulf crisis and public opinion: A study of agenda-setting, priming, and framing. Communication Research 1993;20(3):365–383. [doi: 10.1177/009365093020003002]
    1. Park SA, Kwon HJ, Kim HJ. The portrayal of nurses and physicians in hospital administration journals. Journal of Korean Clinical Nursing Research 2010;16(2):33–42.
    1. Cho J. A study for research area of library and information science by network text analysis. Journal of the Korean Society for information Management 2011;28(4):65–83. [doi: 10.3743/KOSIM.2011.28.4.065]
    1. Lee SS. In: Network analysis methods. Seoul: Nonhyung; 2012. pp. 207-268.
    1. Lee SS. In: Network analysis methods applications and limitations. Seoul: ChungRam; 2018. pp. 142-154.
    1. Ryu S, Park H, Kim YH. Knowledge structure of nursing studies on heart failure patients in South Korea through text network analysis. Korean Journal of Adult Nursing 2020;32(4):409–420. [doi: 10.7475/kjan.2020.32.4.409]
    1. Park CS, Park EJ. Identification of knowledge structure of pain management nursing research applying text network analysis. Journal of Korean Academy of Nursing 2019;49(5):538–549. [doi: 10.4040/jkan.2019.49.5.538]
    1. Seo Y. In: Identification of knowledge structure of accidental falls nursing research: Text network analysis and topic modelling [dissertation]. Seoul: Chung-Ang University; 2021. pp. 1-151.
    1. Park EJ, Ahn DW, Park CS. Text network analysis of newspaper articles on life-sustaining treatments. Journal of Korean Academy of Community Health Nursing 2018;29(2):244–256. [doi: 10.12799/jkachn.2018.29.2.244]
    1. Kim JI. Visualization of unstructured personal narratives of perterm birth using text network analysis. Korean Journal of Women Health Nursing 2020;26(3):205–212. [doi: 10.4069/kjwhn.2020.08.08]
    1. Choi JS, Kim Y. A study on research trend for nurses’ workplace bullying in Korea: Focusing on semantic network analysis and topic modeling. Korean Journal of Occupational Health Nursing 2019;28(4):221–229. [doi: 10.5807/kjohn.2019.28.4.221]
    1. Kang J, Kim S, Roh S. A topic modeling analysis for online news article comments on nurses’ workplace bullying. Journal of Korean Academy of Nursing 2019;49(6):736–747. [doi: 10.4040/jkan.2019.49.6.736]
    1. An J. Analysis of image of nurses on articles in Korean daily newspapers after Corona pandemic. The Journal of the Convergence on Culture Technology 2021;7(1):66–74. [doi: 10.17703/JCCT.2021.7.1.66]
    1. Yoon YM, Kim SK, Kim HK, Kim EJ, Jeong Y. Comparison of topics related to nurse on the internet portals and social media before and during the COVID-19 era using topic modeling. Journal of Muscle and Joint Health 2020;27(3):255–267. [doi: 10.5953/JMJH.2020.27.3.255]
    1. Yun EK, Kim JO, Byun HM, Lee GG. Topic modeling and keyword network analysis of news articles related to nurses before and after “the thanks to you challenge” during the COVID-19 pandemic. Journal of Korean Academy of Nursing 2021;51(4):442–453. [doi: 10.4040/jkan.20287]
    1. Hur MS. Reporting frame in articles on female professionals. Media, Gender & Culture 2007;7:5–45.
    1. Oh MY. U.S. news coverage and image of Korea before and after 2002 worldcup. Korean Journal of Policy Analysis and Evaluation 2006;16(4):325–352. [doi: 10.23036/kapae.2006.16.4.012]
    1. World Health Organization (WHO). Archived: WHO timeline-COVID-19 [Internet]. Geneva: WHO; c2020 [cited 2020 Apr 27].
    1. Cyram Inc. CYRAM NetMiner 4.4 program. Seongnam: Cyram Inc.; 2021.
    1. Robertson SE. The probability ranking principle in IR. Journal of Documentation 1977;33(4):294–304. [doi: 10.1108/eb026647]
    1. Boudin FA. A comparison of centrality measures for graphbased keyphrase extraction [Internet]. Nagoya: International Joint Conference on Natural Language Processing; c2013 [cited 2020 Apr 27].
    1. Hwang SI, Hwang DR. A study on the research trends in arts management in Korea using topic modeling and semantic network analysis. Journal of Arts Management and Policy 2018;47:5–29. [doi: 10.52564/JAMP.2018.47.5]
    1. Griffiths TL, Steyvers M. Finding scientific topics. Proceedings of the National Academy of Sciences of the United States of America 2004;101 Suppl 1:5228–5235. [doi: 10.1073/pnas.0307752101]
    1. Panichella A, Dit B, Oliveto R, Di Penta M, Poshynanyk D, De Lucia A. How to effectively use topic models for software engineering tasks? An approach based on genetic algorithms [Internet]. Piscataway: IEEE; c2013 [cited 2020 May 1].
    1. Rousseeuw PJ. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics 1987;20:53–65. [doi: 10.1016/0377-0427(87)90125-7]
    1. Lee SS. A study on the application of topic modeling for the book report text. Journal of Korean Library and Information Science Society 2016;47(4):1–18. [doi: 10.16981/kliss.47.4.201612.1]
    1. Friedkin NE. The development of structure in random networks: An analysis of the effects of increasing network density on five measures of structure. Social Networks 1981;3(1):41–52. [doi: 10.1016/0378-8733(81)90004-6]
    1. Martin MK, Pfeffer J, Carley KM. Network text analysis of conceptual overlap in interviews, newspaper articles and keywords. Social Network Analysis and Mining 2013;3(4):1165–1177. [doi: 10.1007/s13278-013-0129-5]
    1. Scott J. In: Kim HD, Kim GJSocial network analysis: A handbook. 1st Engl. Ed. Seoul: Communication Books; c2012. pp. 297-308.
    1. Park CS, Chung CW. Text network analysis: Detecting shared meaning through socio-cognitive networks of policy stakeholders. Journal of Governmental Studies 2013;19(2):73–108.
    1. Na MS, Kang JH. A frame analysis of nurse-related articles from Korean daily newspapers. Journal of Korean Academic Society of Nursing Education 2018;24(4):453–462. [doi: 10.5977/jkasne.2018.24.4.453]
    1. Park S, Song J, Song H, Cho E, Choi G, Choi E. A concept analysis of taewom in Korean new nurses. Health & Nursing 2018;30(2):55–63. [doi: 10.29402/HN30.2.6]
    1. Choi HK. Enforcement of the workplace harassment prevention act [Internet]. Seoul: The Kukminilbo; c2019 [cited 2019 Jul 16].
    1. American Nurses Association (ANA). Nurse suicide prevention/resilience [Internet]. Silver Spring (MD): ANA Enterprise; 2021 [cited 2021 Jul 29].
    1. Kim HS, Bae HJ, Kang KH. How should we approach nurse suicide in Korea: With the aspect of prevention-intervention-postvention management. Journal of Korean Academy of Nursing 2021;51(4):408–413. [doi: 10.4040/jkan.21171]
    1. Davidson JE, Accardi R, Sanchez C, Zisook S, Hoffman LA. Sustainability and outcomes of a suicide prevention program for nurses. Worldviews on Evidence-Based Nursing 2020;17(1):24–31. [doi: 10.1111/wvn.12418]
      Erratum in: Worldviews on Evidence-Based Nursing. 2020;17(2):179.
    1. Korean Law Information Center. Child welfare act [Internet]. Sejong: Korea Ministry of Government Legislation; 2020 [cited 2020 Nov 29].
    1. Lee S, Oh H. Research issues and role of experience in expertise development. Asian Journal of Education 2016;17(3):461–489. [doi: 10.15753/aje.2016.09.17.3.461]
    1. Han JY. The period of sanctions for re-issuance of medical personnel’s license by lending a license, 2 years -> 3 years enhance [Internet]. Seoul: The DailyMedipharm; c2019 [cited 2019 Aug 4].
    1. Jang GS, Lee MH, Lee TH, Kim JS, Kang KH, Kim MY, et al. In: Nursing management. 5th ed. Seoul: Hyunmoonsa; 2020. pp. 607-780.
    1. Lee B. Experience of COVID-19 patients care in infectious diseases specialized hospital in Daegu. Korean Journal of Military Nursing Research 2020;38(2):74–79. [doi: 10.31148/kjmnr.2020.38.2.74]
    1. Seo H. In: Analysis of nurses’ image as portrayed in Korean online newspapers in association with the MERS outbreak [master’s thesis]. Seoul: Chung-Ang University; 2017. pp. 1-88.
    1. Hallam J. From angels to handmaidens: Changing constructions of nursing’s public image in post-war Britain. Nursing Inquiry 1998;5(1):32–42. [doi: 10.1046/j.1440-1800.1998.510032.x]
    1. Hall LM, Angus J, Peter E, O’Brien-Pallas L, Wynn F, Donner G. Media portrayal of nurses’ perspectives and concerns in the SARS crisis in Toronto. Journal of Nursing Scholarship 2003;35(3):211–216. [doi: 10.1111/j.1547-5069.2003.00211.x]
    1. Lam KK, Hung SY. Perceptions of emergency nurses during the human swine influenza outbreak: A qualitative study. International Emergency Nursing 2013;21(4):240–246. [doi: 10.1016/j.ienj.2012.08.008]
    1. Kim J, Lee TW. The influence of nursing practice environment, compassion fatigue and compassion satisfaction on burnout among clinical nurses. Journal of Korean Clinical Nursing Research 2016;22(2):109–117. [doi: 10.22650/JKCNR.2016.22.2.109]
  • Cite
    CITE
    export Copy Download
    Close
    Download Citation
    Download a citation file in RIS format that can be imported by all major citation management software, including EndNote, ProCite, RefWorks, and Reference Manager.

    Format:
    • RIS — For EndNote, ProCite, RefWorks, and most other reference management software
    • BibTeX — For JabRef, BibDesk, and other BibTeX-specific software
    Include:
    • Citation for the content below
    Images of Nurses Appeared in Media Reports Before and After Outbreak of COVID-19: Text Network Analysis and Topic Modeling
    J Korean Acad Nurs. 2022;52(3):291-307.   Published online June 30, 2022
    Close
Related articles

J Korean Acad Nurs : Journal of Korean Academy of Nursing
Close layer
TOP