1. 연구의 필요성

미세먼지(particulate matter)가 단순한 환경문제를 넘어 인간의 건강과 삶을 위협하는 사회적 난제로 인식되고 있어 이에 대한 실효성 있는 대응 방안이 지속적으로 요구되고 있다. 미세먼지는 공기를 오염시키는 물질 중 고체나 액체와 같은 입자 형태인 먼지 중에서 직경이 10 µm보다 작은 것(PM₁₀)을 의미하며, 특히 직경이 2.5 µm보다 작은 것(PM_2.5)은 초미세먼지로 구분한다[1]. 세계보건기구(World Health Organization [WHO])에서는 미세먼지를 오존 및 이산화질소 노출과 더불어 건강에 악영향을 미치는 주요 대기오염 물질로 규정하여[2], 1987년부터 대기 질 관리를 위한 가이드라인을 수립하고 지구적 협력을 강화하고 있다[3]. WHO 산하 국제 암연구소(International Agency for Research on Cancer)에서는 미세먼지를 1군 발암물질로 지정하였으며[4], Pope 등[5]은 미세먼지 농도가 10 µg/m³ 증가할 때마다 모든 질환에서 사망률이 약 4%, 심폐질환 및 폐암 환자에서 각각 6%, 8%씩 유의하게 증가해 미세먼지 오염도와 사망률의 연관성이 높다고 보고하였다.

우리나라에서는 2014년 미세먼지 예보[6] 도입으로 언론 보도가 증가하면서 미세먼지에 대한 사회적 관심이 점차 높아졌다. 경제협력 개발기구(Organization for Economic Cooperation and Development[OECD])에서 발표한 보고서에 따르면 2060년에는 미세먼지 등 대기오염으로 인한 우리나라의 경제적 피해 비용이 OECD 국가 중 최고 수준에 달할 것이며, 조기사망률과 질환 증가로 건강비용이 약 5배 증가할 것으로 전망하였다[7]. 실제 2017년 우리나라의 초미세먼지 농도는 OECD 국가 평균의 약 2배를 웃돌았으며, 36개국 중 가장 높은 수준이었다[8]. 이에 국가 차원의 미세먼지 대책 마련이 시급히 촉구되어 ‘미세먼지 관리 종합 대책’[9]과 고농도 미세먼지 대응 국민 건강 행동지침[10]이 발표되었다. 이후 정부는 2019년에 ‘미세먼지 저감 및 관리에 관한 특별법’[11]을 제정하고 ‘재난 및 안전관리기본법’ 개정을 통해 미세먼지를 사회적 재난으로 규정[12]함으로써 미세먼지 관리를 더욱 강화하는 정책을 펼치고 있다. 2017년부터 국가 차원의 미세먼지 관리 정책이 본격화되면서, 우리나라의 초미세먼지 농도는 전국 연평균 2016년 기준 26 µg/m³에서 2018년 23 µg/m³로 감소되었다. 그러나 여전히 WHO 초미세먼지 권고 기준인 10 µg/m³ 대비 2배 이상이며 우리나라의 환경 기준인 15 µg/m³을 상회하는 수준으로, 미세먼지 관리 정책에 대한 국민의 체감 효과는 낮다고 볼 수 있다[13]. 2018년 ‘한국의 사회지표’ 결과에 따르면, 우리나라 국민의 약 82.5%가 미세먼지 문제에 대해 불안감이 있는 것으로 나타났다[14]. 국가기후환경회의에서 2020년 발표한 ‘미세먼지 현황 분석 및 개선 보고서’에서도 우리나라의 미세먼지 관련 연구는 일정 수준으로 수행되고 있으나, 연구 결과가 국민에게 전달되는 소통의 수준은 다소 미흡한 것으로 평가되었다[15]. 또한 정부의 미세먼지 관리 정책 시행으로 국민의 미세먼지 관련 위험 인식은 높아졌으나, 실제 예방적 건강행위나 미세먼지 저감을 위한 행동 변화까지는 일으키지 못한 한계점이 지적된 바 있다[16]. 개인은 미세먼지로 피해를 입기도 하지만 그 문제를 유발하는 주체가 되기도 하므로[17], 미세먼지 관리는 국가 정책 차원의 거시적 접근과 함께 개인 차원의 미시적 노력이 함께 강구되어야 한다[18]. 이를 위해서는 국가 정책에 대한 국민의 이해가 필요하며, 국민이 이를 공감하고 실천할 수 있도록 구체적인 대응 행동 정보를 제공하고 적극적 참여를 격려하는 방안을 마련하는 것이 중요하다.

그러나 미세먼지 관리 정책이 국민들의 경험에 어떤 영향을 미쳤는지 확인한 선행연구는 거의 없으며[19], 기존의 조사연구나 실험연구로는 현실 문제에 대한 다양한 담론들을 담기에는 한계가 있다. 이를 보완하기 위해 최근 정책 관련 연구에서 실제 현상을 깊이 있게 이해하고 국민들의 실질적인 쟁점을 파악하기 위해 매스미디어와 소셜미디어 정보를 활용한 토픽 분석(Latent Dirichlet Allocation[LDA]) 및 의미연결망(semantic network analysis) 방법이 활용되고 있다[20, 21, 22]. 매스미디어 정보를 분석함으로써 정부와 언론에서 강조하고 있는 정책의 주요 의미가 무엇인지 파악할 수 있으며, 이러한 정보에 노출된 사람들이 정책을 어떻게 인식하고 어떤 가치를 추구하는지는 그들이 생산하고 공유하는 소셜미디어 정보를 통해 예측할 수 있다.

간호사는 전 세계에서 가장 큰 보건의료인 집단으로 최근에는 미세먼지, 기후변화, 감염병 등 국민 건강에 심각한 영향을 줄 수 있는 복잡한 새로운 문제에 대해서도 건강 정책의 수립과 실행의 전 과정에서 보다 적극적인 간호 전문직 리더십과 역량이 요구되고 있다[23]. 간호사는 정부의 건강 관련 정책이 언론을 통해 전달되는 방식과 국민 행동 변화에 미치는 실효성을 파악하고, 동시에 대상자들의 건강정보 이해 수준, 행동, 요구를 정확하게 이해해야 한다. 이를 통해 간호사는 실질적인 건강정보와 지식의 생성, 보급에 참여할 수 있으며, 보건 의료정책의 형성과 발전에 기여할 수 있을 것이다. 또한 실제 데이터 기반의 대응 방안을 분석하고 이를 기반으로 정책적 논점을 도출하는 것은 근거 기반 공중보건 관리자로서 간호사의 역할을 강화하는 데 도움이 된다[24].

이에 본 연구는 토픽 및 의미연결망 분석을 활용하여 ‘미세먼지관리 종합 대책’ 시행 전, 후로 매스미디어와 소셜미디어에서 주요하게 다루고 있는 미세먼지 관련 주요 정보의 내용 및 의미구조를 확인하고 비교함으로써 사람들의 미세먼지 관련 건강행위를 강화할 수 있는 간호학적 함의를 도출하고 보건 의료정책의 기초자료를 마련하고자 한다.

2. 연구의 목적

본 연구의 목적은 토픽 및 의미연결망 분석을 이용하여 ‘미세먼지관리 종합 대책’ 시행 전, 후로 매스미디어와 소셜미디어의 미세먼지 관련 주요 정보의 내용 및 의미구조를 확인하고 비교 분석하는 것이다. 구체적인 목적은 다음과 같다.

1) 정책 시행 전, 후 시점으로 구분하여 매스미디어와 소셜미디어 상의 미세먼지 관련 텍스트로부터 의미 있는 단어들을 추출하고, 정보의 내용을 확인한다.

2) 정책 시행 전, 후 시점으로 구분하여 매스미디어와 소셜미디어 정보를 구성하고 있는 주요 토픽을 확인한다.

3) 정책 시행 후 추출된 단어들의 연결된 구조에 대해 두 미디어 간의 차이를 비교한다.

1. 연구 설계

본 연구는 매스미디어와 소셜미디어상의 미세먼지 관련 정보에 대한 토픽 및 의미연결망 분석을 실시하여 기술한 탐색적 연구이다.

2. 연구 대상 및 범위

본 연구 대상은 매스미디어와 소셜미디어상의 미세먼지 관련 정보이다. 매스미디어 정보는 정부와 언론을 통해 대중에게 노출되는 정보이며, 소셜미디어 정보는 대중이 생산하고 공유하는 정보를 의미한다. 한국미디어패널조사에서 국내 미디어 매체 중 뉴스 기사 구독자의 약 87.9%가 선호하는 구독 경로는 ‘네이버’, ‘다음’ 등의 포털사이트인 것으로 확인되었다[25]. 이에 본 연구에서는 포털 사이트에서 제공하는 온라인 기사 중 통신사를 제외한 상위 3위에 해당하는 언론사 ‘조선일보’, ‘중앙일보’, ‘동아일보’와 지상파 ‘KBS’, ‘SBS’, ‘MBC’를 매스미디어 정보 수집원으로, ‘네이버’, ‘다음’ 포털사이트의 '블로그', ‘카페’, ‘지식인’ 채널 게시글을 소셜미디어 정보 수집원으로 선정하였다. 연구 대상 범위는 국내에서 미세먼지 관련 언론 보도가 증가하기 시작한 2014년부터 2019년까지의 기간으로, 각 연도별 자료는 연중 미세먼지 수치가 높게 측정되는 시기인 12월에서 4월까지 5개월간으로 기간을 선정하였다. 최종적으로 수집된 자료는 ‘미세먼지 관리 종합 대책’이 발표된 2017년을 기준으로 정책 시행 전, 후 시점 각 3년간의 자료로 구분하여 분석하였다.

3. 자료수집 방법

본 연구는 웹 환경에서 데이터를 수집, 정제하여 매트릭스 데이터를 생성하는 분석 프로그램인 텍스톰(TEXTOM) [26]을 사용하여 연구 대상 및 범위에 따라 ‘미세먼지’ 키워드로 검색한 결과를 수집하였다.

4. 자료분석 방법

본 연구에서 수집된 데이터는 분석을 위한 전 처리 과정을 위해 한국어 형태소 분석 모듈인 MeCab-ko (https://bitbucket.org/eunjeon/mecab-ko)를 이용하여 일반명사, 고유명사, 의존명사, 단위명사, 수사, 대명사, 동사, 형용사, 어근을 기준으로 텍스트에서 단어를 추출하였으며, 부사, 감탄사, 접두사, 접미사 등은 제외하였다. 추출된 단어 중 띄어쓰기가 잘못되었거나 같은 의미로 쓰인 단어, 불완전한 단어들은 수정 또는 통합하였으며, ‘미세먼지’ 관련 정보와 무관하게 텍스트 크롤링(crawling) 과정에서 포함되는 언론사 및 기자 이름 등 분석에 불필요하다고 판단되는 단어들은 연구자 간의 합의 후에 삭제하였다. 이를 통해 상위 빈도를 중심으로 100개 단어를 추출함으로써, 비정형 데이터를 분석이 가능한 형태로 정제하였다.

비정형 데이터의 정제 과정을 통해 추출된 단어들은 통계 프로그램 R의 topicmodels 패키지[27]를 사용하여 자료 내에 잠재되어 있는 주제, 즉 토픽의 개수를 통계적으로 산출하였다. 이때 실제 토픽 개수보다 크게 과적합(overfitting)되는 등 잘못된 추정상의 문제로 토픽 분석 결과의 객관성이 결여될 수 있으므로, 최적의 토픽 개수는 데이터의 perplexity 값을 최소화하면서 통계적으로 같은 주제라고 묶인 단어의 맥락적인 의미를 모두 고려하여 선정하였다. 최종적으로 선정된 토픽 개수에 따라 텍스톰의 LDA 모델링 분석을 이용하여 토픽 분석을 시행하였다. 토픽 분석은 텍스트 마이닝 분석의 한 종류로, 가장 대표적인 분석 기법이 LDA이다. LDA는 많은 양의 데이터 속에 잠재되어 있는 주제를 찾아내기 위한 절차적 확률 분포 모델로, 단어들의 집합이 어떤 주제로 묶인다고 가정하고 각 단어들이 해당 집단에 포함될 확률을 계산하여 확률이 높은 단어들의 집합을 추출하는 방법이다. 이렇게 하나의 집단으로 묶인 단어들의 맥락을 통해서 텍스트를 구성하고 있는 주요 토픽을 정의하고, 각 토픽별 비율이 어떻게 되는지를 확인함으로써 잠재적인 의미 구조를 분석하였다.

마지막으로 행렬 데이터를 기반으로 의미연결망 분석 프로그램인 UCINET6 (https://sites.google.com/site/ucinetsoftware/home)을 이용하여 각 단어별 연결중심성과 연결망의 노드 수, 링크 수 및 중심화 정도를 분석하고 NetDraw (https://sites.google.com/site/netdrawsoftware/home)를 통해 시각화하여 연결 구조를 분석하였다. 시각화한 의미연결망 분석 그림에서 주요 단어는 원형(circle) 노드 형태로 표현되며, 각 원형 노드의 크기는 연결중심성을, 노드 텍스트의 크기는 단어의 밀도를 나타내며 노드 간의 연결된 링크(link)는 연결강도를 의미한다.

5. 윤리적 고려

본 연구는 자료수집에 앞서 생명윤리위원회에서 포털 사이트에서 제공하는 온라인 기사와 소셜 네트워크 서비스의 게시글을 연구에 사용하는 경우, 이는 온라인상 일반 대중에게 공개되어 있는 이미 생성된 자료이며 작성자의 아이디, 이메일 등의 개인식별정보를 수집하거나 연구에 이용하는 것이 아니므로 심의 대상이 아님을 경희대학교 IRB에서 확인 받은 후 연구를 수행하였다.

1. 매스미디어와 소셜미디어의 미세먼지 관련 데이터의 양

매스미디어는 ‘미세먼지 관리 종합 대책’ 시행 전인 2014년에서 2016년까지 3년 평균 6,118건에서 정책 시행 후인 2017년에서 2019년까지 3년 평균 10,599건으로, 약 73.2% 증가하였다. 소셜미디어는 정책 시행 전 3년 평균 384,426건에서 정책 시행 후 평균 1,629,195건으로 약 323.8% 증가하였다.

2. 매스미디어와 소셜미디어 정보의 내용 비교: 빈도 분석

매스미디어 정보인 언론사의 온라인 기사에서 정제된 미세먼지 관련 단어 중 노드의 빈도를 기준으로 상위 30개를 정렬한 결과는 Table 1과 같다. ‘미세먼지 관리 종합 대책’ 시행 전, 후의 결과를 비교해보면, 정책 시행 전 노드의 빈도가 가장 높았던 ‘황사’ 단어는 정책 후 10위 아래로 떨어졌다. 또한 정책 시행 전 상위 30위 단어였던 ‘수준’, ‘주의보’, ‘예보’, ‘날씨’, ‘기상청’, ‘건강’, ‘피부’, ‘호흡기’, ‘눈’, ‘질환’ 단어 또한 정책 시행 후 하위 또는 30위 밖으로 하락하였으며, ‘저감’, ‘정부’, ‘차량’, ‘대책’, ‘관리’, ‘정책’, ‘비상’, ‘환경부’ 단어가 정책 시행 후 새롭게 나타났다. 반면 ‘농도’, ‘서울’, ‘중국’, ‘대기’, ‘환경’, ‘마스크’, ‘초미세’ 단어는 정책 시행 전과 후로 큰 변화 없이 상위에 위치하였다.

Table 1
Top 30 Words of Mass Media and Social Media Related to Particulate Matter

• Download Table

소셜미디어 정보인 포털사이트의 ‘블로그’, ‘카페’, ‘지식인’ 채널에 게시된 글에서 정제된 미세먼지 관련 단어 중 노드의 빈도를 기준으로 상위 30개를 정렬한 결과는 Table 1과 같다. 정책 시행 전, 후의 결과를 비교해보면, 매스미디어 정보와 달리 소셜미디어 정보에서는 단어 간 순위만 다소 차이가 있을 뿐 노드의 빈도 상위 단어가 거의 유사하게 나타났다. 정책 시행 전, 후로 큰 변화 없이 상위 단어로 ‘황사’, ‘먼지’, ‘마스크’, ‘중국’, ‘건강’, ‘피부’, ‘눈’, ‘집’, ‘환기’ 등이 나타났다. 정책 전, 후 상위 30위 단어로 포함되지 않았지만 특징적인 단어로는 정책 시행 전 ‘삼겹살’ 단어가 있었으며, 매스미디어 정보에서는 없었던 ‘추천’, ‘방법’, ‘사용’ 등의 단어가 정책 시행 전, 후로 모두 나타났다.

3. 매스미디어와 소셜미디어 정보 구성 주요 토픽 비교: 토픽 분석

‘미세먼지 관리 종합 대책’ 시행 전 매스미디어 자료에 대한 perplexity는 토픽 개수 2~10개 범위에서 1,817.66~1,847.42로 나타났으며, perplexity 값이 1,817.66으로 최소값이면서 하나의 주제로 묶인 단어들이 맥락적으로 적절한 3개의 토픽 개수로 LDA를 분석하였다. 정책 시행 후 매스미디어 자료에 대한 perplexity는 토픽 개수 2~10개 범위에서 2,560.96~2,590.08로 나타났다. 데이터의 perplexity 값은 토픽 개수 5개에서 2,560.96으로 가장 낮았으나, 4개로 하였을 때 perplexity 값은 2,563.02로 두 번째로 낮고 하나의 주제로 묶인 단어들이 맥락적으로 더 적절하다고 판단되어 4개의 토픽 개수로 LDA를 분석하였다.

정책 시행 전 소셜미디어 자료에 대한 perplexity는 토픽 개수 2~10개 범위에서 781.42~787.53으로 나타났다. 데이터의 perplexity 값은 토픽 개수 3개에서 781.42로 가장 낮았으나, 4개로 하였을 때 perplexity 값은 781.70으로 세 번째로 낮고 하나의 주제로 묶인 단어들이 맥락적으로 더 적절하다고 판단되어 4개의 토픽 개수로 LDA를 분석하였다. 정책 시행 후 소셜미디어 자료에 대한 perplexity는 토픽 개수 2~10개 범위에서 801.02~806.91로 나타났다. 데이터의 perplexity 값은 토픽 개수 3개에서 801.02로 가장 낮았으나, 4개로 하였을 때 perplexity 값은 801.18로 두 번째로 낮고 하나의 주제로 묶인 단어들이 맥락적으로 더 적절하다고 판단되어 4개의 토픽 개수로 LDA를 분석하였다.

산정된 최적의 토픽 개수에 따라 LDA 분석을 시행한 결과, 정책 시행 전, 후 매스미디어에서 나타난 주요 토픽의 종류와 각 토픽별 비율 변화는 Figure 1과 같다. 매스미디어 정보는 정책 시행 전에는 3개의 주요 토픽으로 미세먼지 예보(토픽 1), 대응행동(토픽 2), 건강(토픽 3), 정책 시행 후에는 4개의 주요 토픽으로 미세먼지 예보(토픽 1), 대응행동(토픽 2), 저감조치(토픽 4), 정부(토픽 5)로 구성되어 있었다. 각 토픽별 비율 변화를 살펴보면 정책 시행 전 전체 정보의 약 73.5% 비율을 차지하던 미세먼지 예보(토픽 1)는 정책 시행 후 46.7%로 감소되었으며, 건강(토픽 3)은 정책 시행 전 11.8% 비율이었으나 정책 후에는 주요 토픽으로 나타나지 않았다. 대응행동(토픽 2)은 정책 시행 전 14.7%, 시행 후 11.7%로 소폭 감소하였다. 정책 시행 후에 새롭게 나타난 토픽으로는 저감조치(토픽 4)가 29.5%, 정부(토픽 5)가 12.1%로 각각 나타났다.

Figure 1
Major topics of mass media: compared of pre-policy enforcement with post-policy enforcement.

• Download Figure

정책 시행 전, 후 소셜미디어에서 나타난 주요 토픽의 종류와 각 토픽별 비율 변화는 Figure 2와 같다. 소셜미디어 정보는 정책 시행 전에는 4개의 주요 토픽으로 미세먼지 예보(토픽 1), 대응행동(토픽 2), 발생원인(토픽 5), 실내공기 환기(토픽 6), 정책 시행 후에는 4개의 주요 토픽으로 대응행동(토픽 2), 건강(토픽 3), 저감조치(토픽 4), 발생원인(토픽 5)으로 구성되어 있었다. 각 토픽별 비율 변화를 살펴보면 정책 시행 전 26.5% 비율의 미세먼지 예보(토픽 1)와 10.4% 비율의 실내공기 환기(토픽 6)가 정책 시행 후에는 주요 토픽에서 사라졌으며, 반대로 건강(토픽 3)이 11.9%, 저감조치(토픽 4)가 16.9%로 정책 시행 후 주요 토픽으로 새롭게 나타났다. 대응행동(토픽 2)의 경우 정책 시행 전 25.3%에서 정책 시행 후 46.7%로 증가하였으며, 발생원인(토픽 5)은 정책 시행 전 37.8%에서 정책 시행 후 24.5%로 감소하였다.

Figure 2
Major topics of social media: compared of pre-policy enforcement with post-policy enforcement.

• Download Figure

4. 매스미디어와 소셜미디어 정보의 정책 후 의미구조 비교: 의미연결망

‘미세먼지 관리 종합 대책’ 정책 시행 후 매스미디어와 소셜미디어 정보의 의미구조를 비교하기 위해 시행한 의미연결망을 시각화한 결과는 Figure 3과 Figure 4이다. 매스미디어 정보의 의미연결망에서 전체 노드 수 48개, 링크 수 2,256개, 미세먼지 단어와의 연결중심성 0.16이었으며, 소셜미디어 정보의 의미연결망은 전체 노드 수 96개, 링크 수 8,768개, 미세먼지 단어와의 연결중심성은 0.15였다.

Figure 3
Semantic network analysis: mass media, post-policy enforcement.

• Download Figure

Figure 4
Semantic network analysis: social media, post-policy enforcement.

• Download Figure