I. 서 론
1. 연구의 배경 및 목적
II. 이론적 배경
1. 고령인구 증가와 노인 주거복지
2. 텍스트마이닝과 의미 네트워크 분석
3. 관련 선행연구
III. 연구방법
1. 분석대상 및 자료수집
2. 자료의 분석
IV. 분석결과
1. 노인주거 관련 핵심 단어
2. 핵심 단어의 중심성 및 네트워크 분포
V. 결론
I. 서 론
1. 연구의 배경 및 목적
전 세계적인 코로나19의 확산은 보건･의료뿐 아니라 사회 전반으로도 중대한 영향을 끼치고 있다. 이에 대한 대표적인 해결책으로 이동제한에 따른 사회적 거리두기로 물리적 접촉을 최소화하는 원격을 통한 근무, 수업, 미팅 등이 실행되면서 모든 영역에서 비대면 환경이 자연스럽게 자리 잡고 있다. 그러나 장기화되는 물리적 환경의 제한은 거주자를 스스로 격리 상태로 만들고 거주 주택의 공간적 고립과 사회적 관계의 단절을 유발하고(Lee, 2021). 주택에 대한 관점과 역할을 새롭게 변화시키면서 또 다른 팬데믹 상황도 수용할 수 있는 주거 대안이 요구되고 있다. 더욱이 급속한 고령화로 인해 증가하는 노인가구에게 코로나19 확산은 더욱 치명적일 수 있는데 온라인환경에 익숙하지 않은 노인이 겪게 되는 사회 관계망 단절과 고립의 장기화는 극도의 심리적 우울감이나 위급상황에 처하는 등 여러 가지 부정적인 결과로 이어질 수 있다는 점에서 더 심각한 문제라고 할 수 있다(Kim, 2021; Seo, 2021).
한편 코로나19의 확산 방지 대응 과정에서 디지털을 활용한 개인 데이터 활용은 빠르게 증가하고(Korea Internet & Security Agency, 2020) 급속도로 쌓이는 방대한 빅데이터는 정치, 사회, 경제, 문화, 과학 기술 등 전 영역에 걸쳐서 활용 가치를 더하고 있다. 다양한 종류의 대규모 데이터에 대한 생성, 수집, 분석을 통해 다변화된 현대 사회를 더욱 정확하게 예측하고 사회와 인류에게 유용한 정보를 효율적으로 제공해준다는 측면에서 빅데이터 기술의 중요성이 부각되고 있다. 이는 기존의 정형화된 틀 안에서 분석된 데이터를 보다 비정형화된 데이터를 통계적으로 면밀하게 분석할 수 있게 됨으로써 다양한 정책분야에서 근거기반 정책연구의 활용 가치가 높아지고 있다(Chung & Cheon, 2021).
코로나19의 장기화는 감염으로 인한 질병이나 사망 위험이 큰 60세 이상의 고령자에게 더 큰 위협이 되며 주거의 안정성은 무엇보다 보장돼야 하는 환경 제반 요인이라 할 수 있다. 따라서 위기 상황에도 주거 안전성과 지속가능성을 확보할 수 있는 주거복지 방안이 무엇보다 필요한 시점이다.
이러한 배경에서 본 연구는 빅데이터 분석에 효용성을 인정받고 있는 텍스트마이닝 기법을 통해 최근 코로나19 발생 기간 중 나타난 노인 주거복지 관련 연구자료를 수집하고 분석하여 주요 연구 동향을 살펴보고자 한다. 최근 노인 주거복지 분야의 연구주제 변화 양상을 통계적으로 비교･분석하여 주요 이슈를 파악하고 향후 노인 주거복지 관련 연구 방향 설정과 정책 수립 모색을 위한 기초자료로써 시사점을 제공하는 데 연구의 목적이 있다.
본 연구 목적을 위해 설정한 연구 문제는 다음과 같다.
첫째, 코로나19 발생 기간 중 최근 노인 주거복지 연구 관련 핵심 단어(keyword)는 무엇인가?
둘째, 코로나19 발생 기간 중 최근 노인 주거복지 연구 관련 주요 토픽(Top classification)은 무엇인가?
II. 이론적 배경
1. 고령인구 증가와 노인 주거복지
한국의 65세 이상 고령인구 비율은 2000년 7%가 넘는 고령화사회 진입 후 2018년 14%를 돌파해 고령사회 되고 2025년 20.3%가 될 것으로 예측되어 고령인구가 20%가 넘는 초고령사회를 앞두고 있다(Statistics Korea, 2021). 또한, 가구주 나이가 65세 이상인 노인가구는 2017년 20.4%에서 2047년 49.6%로 증가하여 전체 가구의 약 절반이 고령자 가구가 될 것으로 전망된다(Statistics Korea, 2019). 지난 20년간 나타난 급격한 고령화는 자녀와 별거하는 노인비율의 가파른 상승과 더불어 독거노인가구와 부부노인가구과 같은 단독노인가구의 증가를 야기하고, 더 나아가 노인이 노부모를 부양하는 노노(老老)부양가구와 같은 취약 노인가구를 양산시켜 돌봄이 필요한 대상도 갈수록 늘어나고 있다(Statistics Korea, 2019).
노인복지시설도 증가하고 있으나 공급에 한계가 있고, 돌봄인력 수급의 어려움과 예산한계 및 연금과 의료비 등의 중가로 인한 노년부양비에 대한 우려 또한 여전히 남아있다(Kim & Huh, 2011; Ryu, 2022). 실제 급속한 고령화는 연금과 의료비보장 부담을 증가시켜 사회비용을 압박하고, 2020년 건강보험 중 43%가 고령자 진료비로서 평균보다 약 3배가 많고 지속적인 증가가 예측된다(Kim & Kim, 2020; Park, 2021). 이러한 인력수급난과 예산한계는 개인과 사회의 부담을 최소화하기 위한 총체적 대응책 마련 특히, 고령자의 자립적 생활을 최대한 연장시켜 기존 주택에서 지속적으로 살 수 있게 할 필요성을 부각시키고 있다.
이에 정부에서는 지역사회통합돌봄서비스 정책 도입을 통하고 주거, 의료, 요양, 서비스의 4대 핵심요소를 취약계층 맞춤형 서비스체계로 연계하여 지역사회의 포용적 기반구축 강화에 노력을 기울이고 있다(Ministry of Health and Welfare, 2018; Shin, Nam & Kim, 2019). 그러나 노인의 거주 연속성 측면에서 건강한 노인의 주거안정을 위한 노인친화적 주택 미비와 건강상태 악화에 따른 지속가능한 거주 방안 부족은 지역사회 안에서 돌봄의 연속성이 보장되지 못하고 있다(Yu & Kim, 2014; Hwang et al., 2015). 더불어 코로나-19사태로 인한 재난적 위기를 맞이하며 공적인 복지전달체계도 큰 타격을 입게 되면서 노인과 그 가족에게 돌봄 부담을 가중하고 기존의 문제를 악화시키거나 새로운 문제를 유발하고 있다(Kim, 2020).
2. 텍스트마이닝과 의미 네트워크 분석
빅데이터에서 제대로 된 가치를 추출하기 위해서는 올바른 자료수집과 데이터를 분석하는 기술, 즉 마이닝하는 작업은 복잡하면서도 중요한 기술이라 할 수 있다. 텍스트 마이닝(text mining)은 비정형적인 문서, 웹사이트, SNS 등에서 수집한 빅데이터 자료의 텍스트를 구조화하여 흥미로운 패턴이나 추세 등의 정보를 추출하거나 새로운 정보를 찾아내는 방법이다(Marti Hearst, 2013). 텍스트 마이닝 기법의 하나인 토픽 모델링(Topic Modeling)은 특정 주제와 연관된 단어들을 확률적으로 계산하여 문서나 문헌 텍스트의 토픽 및 토픽별 주제어의 생성 확률에 기초한 키워드 간의 상관성 분석, 감성 분석, 중요도 판단, 개념 등에 대한 추출이 가능함에 따라 다양한 분야에서 널리 활용되고 있다(Park & Song, 2013; Hwang & Hwang, 2016; Jeong & Lee, 2016; Hwang & Moon, 2017).
의미 네트워크 분석(SNA; Semantic Network Analysis)은 동시출현네트워크분석, 언어네트워크분석, 키워드네트워크분석, 키워드연결망분석이라고도 (Park & Chung, 2013) 불리는데 단어들 간의 동시출현 연결 관계를 통해 문헌이나 문서의 텍스트에 내재된 의미를 분석하는 데 주로 사용된다. 문서나 문헌의 텍스트에 잠재되어 있는 의미구조와 맥락을 분석은 물론 추출한 텍스트의 패턴을 분석을 시각화 할 수 있는 장점으로 연구의 추이, 변화 양상, 동향, 경향 등 트렌드 분석 등에 많이 활용된다(Lee, 2014; Hwang & Hwang, 2018; Hwang, Park & Kim, 2020) 의미 네트워크 분석은 단어들의 간의 밀도(density)와 전체 구조에서 특정 단어의 상대적 중요성을 알아볼 수 있는 중심성(centrality) 분석을 통해 이루어진다. 밀도는 밀집정도를 의미하고. 중심성은 직･간접적인 연결정도를 파악하는데 도움을 준다. 중심성 분석은 연결정도에 따라 연결중심성(degree centrality), 근접중심성(closeness centrality), 매개중심성(betweeness centrality), 아이겐벡터 중심성(eigenvector centrality)의 네 가지 지표로 세분되어 각 단어들의 연결 관계를 분석한다(Hwang & Hwang, 2016). 이러한 네트워크 분석은 연결정도, 연결중심성, 모듈성(modularity)1) 등을 적용하여 연결관계를 구분하고 시각화할 수 있다(Lee, 2018).
3. 관련 선행연구
텍스트 마이닝은 초반 마케팅 분야에서 주로 활용되는 방법이었으나 폭발적으로 증가하는 소셜 미디어의 다양한 정보 채널에서 실시간으로 생산되는 대량의 데이터를 수집･분석하는 것이 가능해지면서 점차 통신 및 IT 분야는 물론 정부 정책, 금융, 보건, 과학, 제조 등의 다양한 글로벌 산업 및 정책 연구 분야에서도 활용되고 있다(Seo & Koh, 2014; Chang, 2015; Noh & Lee, 2015; Yun et al., 2017; Choi & Shim, 2020).
그에 따라 최근 코로나19와 관련하여 텍스트마이닝을 활용한 연구도 증가하고 코로나19 발생 시점을 기준으로 2020년 이후 출간된 1-2년 동안의 국내 학술논문을 대상으로 한 연구동향을 분석한 연구(Han & Han, 2021; Ju & Park, 2022)도 있으나 노인과 관련된 연구는 찾아볼 수 없었다.
주거분야에서는 연구 조사자가 직접 온라인 데이터베이스에서 자료를 검색･수집하고 자체적으로 선별한 자료를 내용분석한 동향 연구가 대부분이다(Park, Kim, & An, 2018; Park, Lee & Ahn, 2018; Yang et al., 2018; Kim & Jang, 2021; Kim et al., 2022) 최근 부동산 정책 및 보건복지 이슈 동향 분석을 위해 빅데이터 기반 텍스트 마이닝과 네트워크 분석이 활용되고 있으나(R2Korea, 2019; Chung & Cheon, 2021). 데이터를 수집하고 분석하는 목적과 주제가 매우 광범위한 측면이 있다. 일부 빅데이터를 활용한 주거연구 동향 분석 관련 연구가 있으나 국내 학술지에 게재된 30년간의 주거 연구 동향(Lee & Kim, 2020), 노인주거디자인 국내외 연구동향(Wang, Cho, & Hong, 2021), 1인 가구의 인테리어 트렌드(Juwono, Choi, & Park, 2020), 국내 홈 퍼니싱 브랜드 소비자 인식 및 동향(Seo & Han, 2018) 등을 분석한 연구이다.
이처럼 텍스트마이닝을 활용한 코로나19와 관련 노인 주거복지에 대한 이슈나 노인 주거복지 동향 연구는 거의 없는 것으로 나타났다. 또한 빅데이터를 활용한 주거분야의 자체도 다른 분야에 비해 저조한 편이었다. 이에 본 연구는 텍스트마이닝 기법을 활용하여 최근 코로나19 발생 기간 중 노인 주거복지와 관련된 주요 토픽 추출 및 토픽 간의 연결성을 분석하고자 한다. 이들의 상대적 중요도와 연결정도의 구조를 통계적으로 분석하여 최근 노인 주거복지 연구분야의 주요 이슈와 향후 연구 방안에 대해 알아보고자 한다.
III. 연구방법
1. 분석대상 및 자료수집
본 연구는 코로나19 발생 이후 2020년 3월부터 2021년 9월 사이에 게재된 KCI 국내 학술지 논문을 분석대상으로 하였으며, 자료수집을 위해 웹 크롤링 기법(web crawling)2)을 사용하였다. 검색 키워드는 ‘노인 주거’로 설정하여 해당 용어가 포함되는 논문 주제 및 초록을 모두 수집하였다. 학술논문 초록은 일반적으로 연구의 목적과 결과를 정제된 형태로 담고 있음에 따라 연구주제를 파악하기에 유용하여 데이터 수집 및 분석자료로 활용되고 있다(Shin & Kim, 2020; Han & Han, 2021; Ju & Park, 2022). 영문의 경우 구글 번역기3)를 통해 한국어로 번역하여 데이터를 취합하였고, 자료 분석 전 수집된 총 521건의 논문에서 불필요한 정보가 포함되지 않도록 불용어를 필터링하여 제거하였다. 이때 수집된 단어를 모두 통제하는 것은 자칫 왜곡된 결과를 초래할 수 있으므로 빅데이터 분석 전문가4)의 검증을 통해 2회에 걸쳐 필터링 결과를 검토하고 반복적으로 자주 등장하는 일반적 연구용어와 노인을 의미하는 용어(노인, 고령, 고령자, 대상, 문제, 목적, 분석, 결과, 제시 등)만을 제외하였다.
2. 자료의 분석
수집된 자료의 하나하나를 토픽모델링을 위한 문서(Document)로 보고 각 문서별 추출된 단어를 이용하여 문서-단어 빈도 매트릭스를 구축하였다. 파이썬 gensim 패키지를 이용하여 LDA 모델을 도출하였고 배치사이즈=10, 학습반복횟수=100, gamma= 0.001의 학습 파라미터값을 설정하였다. 그리고 하이퍼파라미터로는 alpha=0.03, eta=0.01로 지정하였다.
이렇게 추출한 단어는 TF (term frequency, 단어 빈도) 값과 TF-IDF (term frequency-inverse document frequency, 단어 빈도-역문서 빈도) 값으로 나누어 비교하였다. 데이터의 연결관계 분석에 의미가 있다고 판단되는 빈도와 가중치를 함께 분석한 TF-IDF값을 적용한 핵심 단어를 채택하여 본 연구의 분석에 활용하였다. 그리고 사용 빈도와 가중치에 따라 중요도가 높게 나타난 핵심 단어는 워드 클라우드(word-cloud) 표현 기법을 통해 시각화하여 직관적으로 한눈에 데이터의 특징을 파악할 수 있도록 하였다.
네트워크 분석을 위한 지표로서 동시출현 행렬 매트릭스(co-occurrence matrix) 기법을 적용하였고 동시 출현 빈도와 연결중심성, 근접중심성, 매개중심성, 모듈성을 활용하였다. 네트워크 분석으로 추출된 핵심 단어의 연결 관계에 따른 주요 토픽별 대･소분류의 타당성 검증을 하였으며, 이를 위해 박사학위 이상의 주거분야 전문가 2인과 빅데이터 정보분야에서 활동하고 있는 전문가 1인을 포함한 총 3인이 내용을 검토하였다. 자료 분석의 주요 절차는 <Figure 1>과 같다.
IV. 분석결과
1. 노인주거 관련 핵심 단어
‘노인 주거’와 관련된 주요 단어는 총 1,468개가 추출되었으며, 추출 단어를 TF 값과 TF-IDF 값으로 구분하여 상위 50개의 단어로 정리한 결과는 다음과 같다<Table 1>.
Table 1.
TF & TF-IDF Rankings of Words Related the Elderly Housing (Top 50)
TF 값과 TF-IDF 값에 따라 유사한 수준으로 나타난 단어를 살펴보면 ‘주택(TF: 2위, TF-IDF: 1위)’, ‘지역(TF: 3위, TF-IDF: 4위)’, ‘사회(TF: 7위, TF-IDF: 5위)’, ‘환경(TF: 5위, TF-IDF: 7위)’, ‘공간(TF: 9위, TF-IDF: 8위)’, ‘도시(TF: 10위, TF-IDF: 9위)’가 높았다.
이어서 ‘생활(TF: 14위, TF-IDF: 12위)’, ‘건강(TF: 18위, TF-IDF: 17위)’, ‘농촌(TF: 26위, TF-IDF: 25위)’, ‘지원(TF: 27위, TF-IDF: 27위)’, ‘사용(TF: 45위, TF-IDF: 45위)’, ‘경제(TF: 47위, TF-IDF: 49위)’ 등이 비슷한 순위로 나타났다. 주로 노인 주거와 관련된 물리적･사회적 환경 요인들이었으며 노인의 건강(신체)과 경제요인을 의미하는 단어들로 취합되었다.
반면, 차이가 나타난 단어는 ‘연구(TF: 1위, TF-IDF: 6위)’, ‘서비스(TF: 6위, TF-IDF: 2위)’, ‘가구(TF: 8위, TF-IDF: 3위)’, ‘정책(TF: 16위, TF-IDF: 22위)’, ‘디자인(TF: 20위, TF-IDF: 13위)’, ‘친화(TF: 24위, TF-IDF: 14위)’, ‘필요(TF: 11위, TF-IDF: 18위)’, ‘정책(TF: 16위, TF-IDF: 22위)’, ‘우울(TF: 48위, TF- IDF: 21위)’, ‘청년(TF: 29위, TF-IDF: 48위)’, ‘낙상(TF: 25위, TF-IDF: 47위)’, ‘안전(TF: 32위, TF-IDF: 28위)’, ‘커뮤니티(TF: 40위, TF-IDF: 35위)’, ‘아파트(TF: 54위, TF-IDF: 14위)’, ‘공공(TF: 44위, TF-IDF: 38위)’, ‘의료(TF: 52위, TF-IDF: 40위)’, ‘개조(TF: 99위, TF-IDF: 42위)’, ‘접근성(TF: 49위, TF-IDF: 44위)’, ‘단독(TF: 77위, TF-IDF: 50위)’ 등이 있었다. 위의 결과를 비교했을 때 빈도와 가중치를 모두 고려한 TF-IDF 값은 노인 주거와 관련 물리적 환경 개선과 서비스와 관련된 용어(‘커뮤니티’, ‘의료’, ‘공공’, ‘디자인’, ‘친화’, ‘안전’, ‘아파트’, ‘공공’, ‘의료’, ‘개조’, ‘접근성’ 등)가 높은 순위로 나타났다.
TF-IDF 값을 기준으로 빈도와 중요도 비중이 큰 단어일수록 글자의 이미지가 크게 나타나는 워드클라우드 이미지로 시각화하여 결과는 <Figure 2>와 같다.
앞서 살펴본 <Table 1>의 노인 주거 관련 상위 핵심 단어와 유사한 결과가 나타났으며, ‘주택’, ‘지역’, ‘사회’, ‘환경’ 단어의 비중이 가장 컸고 이어서 ‘도시’, ‘서비스’, ‘정책’, ‘공간’, ‘디자인’, ‘공급’(임대/제공) 등의 단어가 두드러지게 나타났다.
2. 핵심 단어의 중심성 및 네트워크 분포
추출된 핵심 단어는 각 핵심 단어들 간의 전체적인 관계를 수치로 파악하기 위해 동시출현 행렬 매트릭스(co- occurrence matrix)를 구성하여 네트워크 분석을 실행하였다. 먼저 상위 핵심 단어에 대한 중심성 분석 결과를 살펴보면 다음과 같다<Table 2>.
Table 2.
Centrality of Main Topic Words
핵심 단어 간의 전체적인 연결 관계 확인을 위해 네트워크 분석을 실행하였으며 연결망의 중심이 되는 노드(node)의 빈도수를 파악할 수 있는 연결중심성(Degree centrality)과 노드 간의 직･간접적 연결까지 포함하여 거리를 계산한 근접중심성(Closeness centrality)을 분석 지표로 사용하였다.
총 68개의 단어가 연결된 것으로 나타났으며 크게 3가지 그룹(1, 2, 3)으로 나뉘어 네트워크를 형성하고 있었다. 연결중심성(Degree centrality)과 근접중심성(Closeness centrality)에서 비중이 모두 높게 나타난 단어는 ‘연구(연결/근접중심성 1위, TF-IDF: 6위)’, ‘필요(연결/근접중심성 2위, TF-IDF: 18위), ‘사회(연결/근접중심성 3위, TF- IDF: 5위)’, ‘환경(연결/근접중심성 4위, TF-IDF: 7위)’, ‘지역(연결/근접중심성 5위, TF-IDF: 4위)’, ‘특성(연결/근접중심성 6위, TF-IDF: 16위)’, ‘주택(연결/근접중심성 7위, TF-IDF: 1위)’, ‘공간(연결/근접중심성 8위, TF-IDF: 8위)’ 의 순이었다. 이어서 ‘조사(연결/근접중심성 11위, TF-IDF: 23위)’, ‘정책(연결/근접중심성 14위, TF-IDF: 22위)’, ‘인구(연결/근접중심성 17위, TF-IDF: 36위)’, ‘개선(연결/근접중심성 18위, TF-IDF: 29위)’ 도 네트워크 내에서 연결 관계가 높게 나타났다.
TF-IDF 값 상위 50위 내에는 없지만 네트워크 분석에서 중요한 연결 관계가 있는 것으로 나타난 단어는 ‘활용’, ‘자료’, ‘활동’, ‘이상’, ‘이용’, ‘수행’, ‘차이’, ‘중요,’ ‘적용’, ‘형태’ 등이 있었다. 그리고 네트워크 분석에서만 추출된 단어는 ‘가능’, ‘최근’, ‘수준’, ‘안전’, ‘현황’, ‘확대’가 TF-IDF 값에서는 드러나지 않았지만, 네트워크 내에서 중요도가 높은 핵심 단어들로 추출되었다.
핵심 단어의 노드 간 연결 관계가 있다고 나타난 네트워크 그룹별 연결구조를 시각화한 결과는 <Figure 3>과 같다.
노인 주거 관련 ‘연구’를 중심으로 분포된 핵심 단어는 동시에 출현한 빈도가 높을수록 노드의 크기가 크고, 연결하는 선이 굵게 나타난다. 각 노드 연결 빈도와 직･간접 밀도 정도에 따라 그룹 1(보라), 그룹 2(초록), 그룹 3(주황)으로 파생되어 서로 연계되었다. 그룹별 엮어진 핵심 단어의 특성을 종합하여 각 그룹명을 그룹 1(보라)-‘주거실태 현황 및 분석’, 그룹 2(초록)-‘주거공간 개선 방안’, 그룹 3(주황)-‘주거복지서비스 및 전달체계’로 명명하였다. 그리고 가장 넓게 분포된 그룹 1(보라)의 ‘주거실태 현황 및 분석’은 연결 근접중심성을 토대로 유목을 세분화하여 ‘주택의 상태’, ‘커뮤니티 활성화’, ‘주택계획 요소 및 평가’로 명명하였다<Table 3>.
Table 3.
Main Topic Classification of Network Analysis
그룹별 조합된 단어의 토픽 특성을 살펴보면, (1) 주택의 상태에서는 ‘안전’, ‘계획’, ‘변화’, ‘사용’, ‘신체’, ‘가구’, ‘수준’과 같은 노인이 거주하기 안전한 주택의 물리적 상태와 관련이 있는 단어가 주를 이루고 있다. (2) 커뮤니티 활성화는 ‘환경’, ‘복지’, ‘서비스’, ‘건강’, ‘생활’, ‘이용’, ‘활용’, ‘활동’, ‘커뮤니티’, ‘관리’, ‘실시’, ‘적용’, ‘차이’와 같은 단어들이 포함되어 있다. 대부분 커뮤니티와 관련된 활동, 이용, 관리 등의 단어로서 노인 주거복지 관련 커뮤니티 활성화 방안과 연관성이 높은 단어임을 알 수 있다. (3) 주택계획 및 평가 요소의 경우 ‘친화,’ ‘요소’, ‘조건’, ‘평가’, ‘확인’, ‘제공’, ‘현황’, ‘전체’, ‘확대’, ‘최근’과 같은 단어가 모여졌다. 주택의 최근 현황과 상태를 좀 더 구체적으로 분석하기 위한 ‘평가’, ‘요소’, ‘조건’, ‘확인’ 등의 단어가 포함되어 노인에게 친화적인 주택 요소나 조건 등을 확인, 평가하는 맥락으로 이어져 있음을 알 수 있다. (4) 주거공간 개선 방안에서는 ‘필요’, ‘공간’, ‘개선’, ‘시설’, ‘주택’, ‘특성’, ‘제안’, ‘유형’, ‘상태’와 같은 단어들이 포함되었다. 노인이 거주하는 주택이나 시설 등 공간에 대하여 개선, 제안하는 단어가 연결되어 있어 노인에게 필요한 주거공간 개선 방안이 모색되고 있음을 알 수 있다. (5) 주거복지서비스 및 전달체계는 ‘사회’, ‘정책’, ‘지역’, ‘도시’, ‘경제’, ‘가능’, ‘관계’, ‘수행’, ‘지원’, ‘형태’ 등의 단어가 포함되어 있다. 노인 주거복지를 위한 지원과 관계가 있는 정책, 수행 등을 포함한 노인 주거복지 전달체계와 연관성이 높은 단어들로 나타났다.
V. 결론
본 연구는 텍스트마이닝 기법을 통해 최근 코로나19가 발생한 기간 동안 노인 주거복지 연구분야에서 나타난 핵심 단어의 주요 토픽 이슈를 살펴보고 노인 주거복지 방안 모색을 위한 기초자료를 제공하고자 하였다. 연구문제에 따른 주요 분석결과를 요약･정리하면 다음과 같다.
첫째, 코로나19 발생 기간 중 최근 노인 주거복지 연구 관련 핵심 단어(keyword)는 ‘주택’, ‘지역’, ‘사회’, ‘환경’, ‘공간,’ ‘도시’, ‘생활’, ‘건강’, ‘농촌’, ‘지원’, ‘사용’, ‘경제’ 등으로 지역사회 내 안전한 노인 주택과 관련된 단어가 많았다. 빈도와 가중치 값을 모두 고려한 TF-IDF값에서는 노인 주택의 물리적 환경 개선과 서비스(‘커뮤니티’, ‘의료’, ‘공공’, ‘디자인’, ‘친화’, ‘안전’, ‘아파트’, ‘공공’, ‘의료’, ‘개조’, ‘접근성’ 등)와 관련된 단어들이 상대적으로 더 중요도가 높게 나타났다.
둘째, 코로나19 발생 기간 중 최근 노인 주거복지 연구 관련 주요 토픽(Top classification)은 네트워크 분석 결과에서 나타난 단어 간 연결 특성에 따라 총 5가지 (1) 주택의 상태, (2) 커뮤니티 활성화, (3) 주택계획 및 평가 요소, (4) 주거공간 개선 방안, (5) 주거복지서비스 및 전달체계로 도출되었다. 이는 커뮤니티 내의 노인 친화적인 주택계획 및 공급 방안과 이의 추진을 위한 정책 지원에 관련된 특성을 보였다.
이러한 결과는 앞서 비교･분석한 노인주거디자인 국내외 연구동향 연구(Wang, Cho, & Hong, 2021)에서 국내의 노인 주거 연구가 물리적 환경에 치중된 경향이 있다는 점과 유사한 점이 있었다. 그러나 노인 주거복지 관련 연구는 지역사회와 관련된 커뮤니티 활성화 및 정책 지원과 관련이 있는 토픽이 다수 분포되어 있어 차이가 있었다.
셋째, 이상의 결과를 종합했을 때 노인의 지역사회와 관련된 토픽의 비중이 높은 점을 감안하여 향후 노인 주거복지 관련 연구는 노인이 거주하는 지역과 연계한 주거서비스 개발이 필요할 것으로 여겨진다. 그리고 지속가능한 서비스의 운영 관리를 위한 민･관 네트워크 구축 강화 방안과 융통적인 프로그램 및 지원체계와 관련된 연구 또한 필요하다고 보여진다.
한편 최근 코로나19 발생 이후 출간된 학술연구 중에서 실제 코로나19 환경에 대한 노인 주거복지 연구가 없었다는 점을 고려하면, 코로나19로 인해 빠르게 보편화되는 비대면 사회에서 정보소외계층이라 할 수 있는 노인들도 쉽게 적응할 수 있는 디지털 주거환경에 대한 연구가 매우 필요할 것으로 여겨진다. 더욱이 급속도로 증가하는 노인 돌봄인구를 고려했을 때 코로나19를 비롯한 또 다른 팬데믹 상황을 대비한 디지털 친화적인 노인 주거복지 대안 마련이 시급하다고 할 수 있다.
본 연구는 코로나19 이후 노인 주거복지 연구동향을 분석하기 위해 텍스트마이닝과 의미 네트워크 분석이라는 새로운 분석기법을 적용하였다. 코로나19가 확산된 특정 시기에 수집된 자료의 주요 특성과 개념을 추출하고 연결관계를 구조화함으로서 통계적으로 확인된 핵심 단어의 토픽 이슈를 기반으로 노인 주거복지 대안 모색과 연구 방향성을 제시하였다는 데 본 연구의 의의가 있다.
그러나 본 연구의 분석자료가 코로나19가 발생한 다소 짧은 시기로 한정되어 있고 조사범위가 KCI 등재지에 제한되었다는 점에서 한계가 있다. 따라서 후속 연구에서는 주거복지 및 노인복지와 같은 키워드가 자주 등장하기 시작한 주거기본법이 제정된 2015년을 전후로 5년~10년 기간의 많은 문서를 대상으로 한 비교연구가 이루어진다면 과거와 현재의 노인 주거복지 연구 흐름을 파악하는데 더 현실적이고 구체적인 분석과 연구 제안이 가능할 것으로 여겨진다.
