I. 서 론

1. 연구의 배경 및 목적

한국은 급격한 고령인구의 증가에 따라 노인의 삶의 질을 향상하고 자립적인 생활을 지원하기 위한 새로운 노인 돌봄 환경의 필요성이 제기되고 있다(Lee & Park, 2023). 이에 따라 시설 보호를 중심으로 한 획일적인 방식에서 벗어나 거주자의 자율성과 일상생활을 존중하는 방식으로 변화하고 있으며, 노인요양시설에서는 거주자의 생활을 중심에 두고, 집과 같은 환경을 조성하기 위한 1인실 중심의 유니트케어 도입과 효과가 논의되어 왔다(Kwon, 2021; Hong et al., 2025).

그러나 거주자의 독립성과 사생활이 보장되는 환경이 확대될수록 돌봄과정에서 새로운 과제도 발생한다. 1인실 중심의 유니트케어는 개별화된 생활공간을 제공하지만, 돌봄인력이 거주자의 상태와 행동을 파악하기 위해 이동해야 하는 공간적 범위가 확대될 수 있으며, 이는 업무부담과 신체적･심리적 부담을 높일 가능성이 있다(Kwon, 2021). 또한 노인요양시설에서 돌봄인력의 수급 불균형이 지속되고 있으며, 제한된 인력이 다수의 거주자를 담당하는 업무구조 역시 중요한 과제로 지적되고 있다(Ye et al., 2025).

이러한 상황에서 거주자의 독립성을 보장하면서도 안전과 건강상태를 적절하게 확인할 수 있는 새로운 기술기반 돌봄방식에 대한 요구가 증가하고 있다. 이러한 대안중 하나로 센서기반 기술은 직접적인 돌봄을 대체하기 위한 수단이라기보다 돌봄자의 관찰과 판단을 보완하는 기술로 주목받고 있다. 본 연구에서 센서기반 기술은 노인의 신체･행동･위치 변화를 센서로 감지하고 관련 데이터를 수집･분석하여 건강상태와 위험상황, 행동패턴 등을 파악하는 기술을 의미한다. 여기에는 웨어러블 센서, 환경 센서, 위치기반 센서, 동작 및 활동 감지 센서 등 다양한 형태의 기술이 포함되며 낙상 감지, 활동 모니터링, 위치 추적, 건강상태 확인, 안전관리 및 돌봄지원 등 다양한 목적으로 활용된다.

대표적인 예로 센서기반 원격 모니터링 시스템을 활용하면 노인의 움직임과 활동, 위치 및 생리적 상태 등을 지속적으로 확인할 수 있으며, 이상상황이나 응급상황을 조기에 파악하여 필요한 대응을 지원할 수 있다. 또한 건강문제로 인한 노인의 불안감을 낮추는 데 도움을 되는 것으로 보고되었다(Yoon et al., 2022). 이러한 기술은 인력을 대체한다기 보다는 직접적인 관찰이 어려운 시간과 공간에서 거주자의 상태 변화를 포착하고 이를 돌봄과정에 활용할 수 있도록 지원하는 역할을 한다.

한편, 센서기반 기술에 대한 연구가 지속적으로 축적됨에 따라 관련연구의 동향을 파악하기 위한 문헌고찰 및 서지계량학적 연구도 이루어져 왔다. 개별문헌의 내용을 심층적으로 접근하는 기존 문헌고찰 연구에서는 웨어러블 기기, 낙상 감지, 건강 모니터링, 재택 모니터링, 활동 인식 등 다양한 주제를 중심으로 검토되어 왔으며, 특히 기존 문헌고찰 연구에서는 주로 어떤 센서가 사용되었는지, 무엇을 측정했는지, 어떠한 방식과 목적으로 기술이 적용되었는지를 분류･분석하였다(Ni et al., 2015; Peetoom et al., 2015; Majumder et al., 2017; Baig et al., 2019; Husebo et al., 2020; Stavropoulos et al., 2020; Haslam-Larmer et al., 2022; Kim et al., 2022). 이러한 연구는 개별 기술의 특성과 구체적인 활용 양상을 구체적으로 이해하는 데 유용한 정보를 제공하였다. 그러나 분석의 초점이 기술 유형이나 특정 문제 및 적용 사례의 분류에 놓여 있었던 만큼, 대규모 문헌에 나타난 연구주제의 구조와 변화양상을 종합적으로 파악하는 데에는 한계가 있다.

서지계량학적 연구에서는 대규모 문헌데이터를 활용하여 연구의 증가추이, 주요 키워드 및 연구영역 등을 정량적으로 분석함으로써 특정기술이나 연구주제의 발전양상을 파악하고자 하였다(Zhang et al., 2023; Azizan, 2024; Batumalai et al., 2025; Dharmansyah et al., 2025; Shang et al., 2025; Tsiakiri et al., 2025; Zhi & Zolotova, 2025; Zhang & Wu, 2026). 그러나 이러한 연구 역시 재택 모니터링, 특정 센서기술, 낙상 등 비교적 특정 기술이나 문제를 중심으로 이루어져 왔으며, 다양한 센서기반 기술을 요양환경이라는 하나의 연구영역으로 통합하여 분석한 연구는 부족하다. 또한 주요 키워드의 중심성과 서로 다른 연구주제를 연결하여 개념적 관계까지 함께 분석한 연구는 제한적이다.

이러한 연구의 공백을 보완하기 위해서는 특정 기술이나 개별 돌봄 문제를 중심으로 연구를 분류하는 접근에서 나아가 요양환경에서 센서 기반 기술 연구가 어떠한 주제를 중심으로 형성되어 왔으며, 이러한 연구관심이 시기별로 어떻게 변화하고 있는지를 종합적으로 파악할 필요가 있다. 이에 본 연구는 요양환경을 노인을 대상으로 돌봄 또는 생활 지원을 제공하는 환경으로 정의하고, nursing home 및 long-term care와 같은 시설형 환경뿐 아니라 assisted living, residential care, senior housing 등 지원주거형 환경을 분석 범위에 포함하였다.

이에 본 연구의 목적은 요양환경에서 활용된 센서기반 기술 관련 문헌을 대상으로 연구문헌의 연도별 증가 추이와 주요 키워드를 파악하고, 토픽모델링을 통해 연구문헌에 나타난 주요 연구주제의 구성과 시기별 변화 및 주요 키워드의 중심성과 관계를 종합적으로 분석하는 데 있다. 이를 통해 요양환경에서 센서기반 기술연구가 어떠한 주제적･개념적 구조를 형성하며 발전해 왔는지를 파악하고, 향후 관련 연구의 방향을 설정하기 위한 기초자료를 제공하고자 한다.

II. 이론적 배경

1. 센서기반 기술의 유형과 적용사례

센서기반 기술은 감지 대상과 작동 원리, 수집되는 데이터의 특성에 따라 다양한 유형으로 구분할 수 있다<Table 1>.

관성 센서 기술은 가속도계와 자이로스코프 등을 신체에 착용하여 움직임의 방향과 강도, 자세 및 보행 특성을 측정하는 방식으로, 노인의 신체 움직임을 바탕으로 일상활동과 자세변화를 인식하거나 낙상위험을 평가하는 데 활용되어 왔다. 그 예로 가슴에 부착한 소형 자이로스코프를 통해 노인의 앉기와 일어서기 자세전환 시간과 반복시도를 측정하여, 낙상 고위험군에서 전환시간과 그 변동성이 더 크게 나타남을 확인하고자 한 연구가 있다(Najafi et al., 2002).

생체 센서 기술은 심박수, 체온, 피부전도, 혈압과 산소포화도 등 신체 내부의 생리적 변화를 측정하는 기술이다. 이러한 센서는 지속적인 건강 이상 감지에 더해 스트레스와 정서적 각성 상태를 파악하는 데에도 활용되는데, 손목 착용형 피부전도도 측정 기술과 다른 센서 기술을 복합적으로 활용하여 신체 변화와 생리적 반응을 측정해 스트레스 수준을 추정하고자 한 연구가 그 예시이다(Kikhia et al., 2016)

환경･접촉 센서 기술은 주거공간이나 실내공간에 센서를 설치하여 재실 및 설비 사용 여부를 감지하는 기술이다. 여기에 주로 사용되는 센서는 적외선 센서(PIR)로, Tan et al.(2017)은 이 센서와 자석식 문센서를 복합적으로 활용해 노인의 이상행동의 잠재적 지표를 확인하고자 했다. 또한 요양시설에 무선 동작센서와 침대･샤워 센서, 조리대 온도 센서를 설치해 거주자의 이동과 침상 활동, 샤워 및 조리 행동을 관찰한 결과, 센서를 설치하지 않은 집단보다 의료서비스 이용과 입원일수, 의료비용, 돌봄 인력의 보정된 업무부담이 낮게 나타나는 것을 확인한 바 있다(Alwan et al., 2007).

압력 센서 기술은 침대, 의자, 바닥 또는 신발 밑창에 가해지는 하중과 압력의 변화를 측정하는 방식이다. 침대와 의자에 설치된 압력 센서는 주로 거주자의 착석과 기립, 침상 이용 여부를 파악하는 데 활용되며, 바닥이나 깔창에 내장된 센서는 주로 보행 특성과 체중 이동을 분석하는 데 사용된다. Carbonaro et al.(2021)은 다수의 압력 센서를 직물 형태로 매트리스에 내장한 스마트 침대를 개발하여 수면 자세와 움직임을 분류하고 호흡률을 추정하였으며, Agrawal et al.(2023)은 신발 깔창에 내장된 무선 압력 센서로 보행 데이터를 수집하고 머신 러닝을 통해 분석하여 낙상 위험을 예측하였다.

영상 및 공간 센서 기술은 카메라로 수집한 영상에서 사람의 자세, 움직임, 공간적 위치를 추출하는 기술이다. Stone and Skubic(2015)은 깊이 카메라(Kinect)를 통해 9년 간 데이터를 수집하여 낙상을 감지하는 방법을 제안했으며, Zin et al.(2021)은 깊이 카메라를 활용하여 휠체어와 침대 착석, 기립 등의 행동을 실시간으로 탐지하는 시스템을 개발하였다.

음향 센서 기술은 마이크와 진동 센서 등을 이용하여 실내에서 발생하는 소리와 진동을 수집하고, 이를 바탕으로 특정 행위나 위험 사건을 탐지하는 기술이다. 예시로 Irtaza et al.(2017)의 연구는 실내에 설치된 마이크로폰으로 신체가 바닥에 충돌하는 소리와 비명 등의 환경음을 수집한 뒤, 소음이 중첩된 음향 신호를 분리･처리하여 낙상 관련 소리와 일상생활 소리를 구분하는 방식을 제안하고 검증하였다.

무선신호 및 레이더 기술은 실내 무선 신호를 활용하여 사람의 움직임이나 위치, 상태를 파악하는 기술이다. Yang et al. (2020)은 요양시설 거주자 50명을 대상으로 저전력 블루투스 장치(BLE)와 스마트워치를 활용해 위치와 이동 경로를 추적하여 침실의 사생활 보호 수준에 따라 사회적 상호작용과 고립 수준을 분석하였다. 또한, Garripoli et al.(2015)은 실내에 설치한 5.8 GHz 마이크로파 레이더로 사람의 움직임에 따른신호를 측정하고, 이를 무선으로 전달하여 낙상과 일반적인 동작을 실시간으로 구분하는 시스템을 고안하였다.

실제 요양환경에서 센서기반 기술은 하나의 센서만으로 구성되기보다 여러 센서를 결합한 형태로 구현되는 경우가 많다. Peetoom et al.(2015)은 독립생활 노인을 대상으로 한 모니터링 기술 관련 문헌고찰에서 두 종류 이상의 센서가 결합되었음을 확인하였는데, 서로 다른 센서를 함께 사용하면 공간 내 움직임, 신체활동과 생리적 상태를 동시에 수집할 수 있어 복합적인 생활행동을 파악할 수 있다. 따라서 스마트홈, IoT와 AAL은 별개의 센서유형이라기보다, 이러한 센서와 통신망 및 데이터 분석기능을 결합하여 노인의 지속적인 상태 파악 및 돌봄을 지원하는 통합적 기술환경으로 이해할 수 있다.

2. 토픽모델링

토픽모델링(topic modeling)은 문헌에 포함된 단어의 출현 및 동시 출현 패턴을 분석하여 문서 집합에 잠재적으로 존재하는 주제를 추출하는 텍스트 분석 방법이다(Blei et al., 2003). 기존의 문헌고찰이 연구자가 설정한 기준에 따라 문헌의 내용을 분류･종합하는 방식이라면, 토픽모델링은 문헌에 나타난 언어적 패턴을 바탕으로 자료에 내재된 주제를 탐색할 수 있다는 특징이 있다. 따라서 분석 대상 문헌이 많고 연구주제가 다양하게 나타나는 분야에서 전체적인 연구주제의 구성과 특성을 파악하는 데 유용하다(Pramanik & Jana, 2023).

대표적인 토픽모델링 방법인 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)은 하나의 문서가 여러 주제로 구성될 수 있으며, 각 주제는 특정 단어들이 높은 확률로 함께 나타나는 분포로 표현된다는 가정을 바탕으로 한다(Blei et al., 2003). 이에 따라 개별 문헌에 포함된 단어의 분포를 분석하면 연구자가 사전에 설정하지 않은 잠재적인 주제를 도출할 수 있으며, 각 주제를 구성하는 주요 단어를 통해 해당 주제의 특성을 해석할 수 있다.

토픽모델링은 다수의 문헌에 반복적으로 나타나는 연구관심의 공통된 패턴을 파악할 수 있다는 점에서 연구동향 분석에 활용될 수 있다.특히 도출된 토픽의 주요 단어와 비중을 분석하면 연구영역을 구성하는 세부 주제와 그 특성을 파악할 수 있으며, 토픽의 비중을 시기별로 비교함으로써 특정 연구주제에 대한 관심의 증가 또는 감소 등 시간에 따른 연구동향의 변화를 확인할 수 있다(Han, 2020).

특히 요양환경의 센서기반 기술 연구는 웨어러블 센서, 환경 센서, 위치기반 센서, 활동･동작 감지 센서 등 다양한 기술이 활용되고 있으며, 낙상, 활동 모니터링, 건강상태 확인, 위치 추적 및 안전관리 등 서로 다른 연구목적이 함께 다루어지고 있다. 따라서 토픽모델링을 활용하여 연구문헌에서 주요 연구주제를 도출하고, 각 주제의 구성과 시기별 변화양상을 분석하는 것은 요양환경의 센서기반 기술 연구동향을 종합적으로 파악하는 데 활용될 수 있다.

III. 연구방법

1. 분석대상 문헌수집

본 연구는 Web of Science Core Collection 데이터베이스를 활용하여 분석대상 문헌을 수집하였다. 문헌검색은 2026년 4월 6일에 수행하였으며, 검색 필드는 Topic으로 설정하였다. 총 1,093편의 문헌이 검색되었으며, 이 중 문헌 유형을 Article로 한정하여 615편을 1차 선정하였다. 이후 영어로 작성된 문헌으로 한정하여 독일어 3편과 한국어 1편을 제외하였다. 최종적으로 1995년부터 2026년까지 발표된 총 611편의 문헌을 분석대상으로 선정하였다.

문헌 검색을 위한 검색식은 연구대상(사람), 적용환경(환경), 기술(기술)의 세 가지 개념군으로 구성하였다. 각 개념군 내부에서는 관련 검색어를 OR로 결합하고, 세 개념군은 AND로 결합하는 방식으로 검색식을 구성하였다.

[사람] 범주는 노인을 지칭하는 다양한 표현을 포괄하고, [환경] 범주는 국가와 제도에 따라 상이하게 사용되는 요양 환경 관련 용어를 포괄하였다. [기술] 범주는 센서기반 기술을 포괄적으로 검색할 수 있도록 일반적인 센서기반 기술 용어부터 모니터링 및 위치정보 기술, 구체적인 센서 및 관련 기술명까지 단계적으로 구성하였다<Table 2>.

2. 분석방법

1) 전처리

본 연구에서는 NetMiner 5 프로그램을 분석에 활용하였다. 분석대상 텍스트는 수집된 문헌의 제목(Title), 초록(Abstract), 저자 키워드(Author Keywords)를 활용하였다. 텍스트 전처리는 NetMiner 5의 Biblio Data Collector를 활용하였으며, 형태소 분석을 통해 명사로 분류된 용어를 추출하였다. 수집된 데이터를 분석에 적합한 형태로 정제하기 위해 용어 통일, 지정어 및 제외어 설정 등의 전처리를 수행하였다.

우선 용어 통일을 위해 대소문자, 단수･복수형 및 철자 차이(예: aging/ageing) 등 형태가 다른 동일개념의 키워드를 통일하고, 약어와 정식 명칭(예: RTLS와 real-time location system)을 통합하였다. 한편, fall과 risk, sleep과 quality와 같이 관련된 연구맥락에서 함께 사용되더라도 각각 독립적인 의미를 갖는 용어는 별도의 키워드로 유지하였다.이는 동일한 개념이 서로 다른 형태의 키워드로 분리되어 해석됨을 방지하기 위함이다.

다음으로 복합어 및 전문용어가 분리되지 않고 하나의 분석단위로 처리되도록 지정어를 설정하였다. 예를 들어 Indoor Positioning System이 각각 ‘Indoor’, ‘Positioning’, ‘System’으로 분리될 경우 해당용어가 갖는 고유한 의미가 소실될 수 있다. 이에 관련 용어를 하나의 단위로 지정하여 복합적인 개념이 분석에 반영되도록 하였다.

마지막으로 ‘paper’, ‘article’, ‘author’, ‘discussion’, ‘conclusion’ 등 문헌의 형식적 구성요소를 나타내면서 연구주제를 직접적으로 반영하지 않는 단어를 분석에서 제외하였다. 다만, ‘Year’와 ‘Day’와 같은 시간 단위 키워드는 관찰기간이나 일상적 시간패턴 등 연구맥락을 나타내는 용례가 포함될 가능성이 있으므로 전처리 단계에서 일률적으로 제외하지 않았다<Table 3>.

2) 데이터 분석

전처리가 완료된 키워드 데이터를 대상으로 NetMiner 5를 활용해 분석을 수행하였다. 먼저 연도별 논문 수를 통해 요양환경에서의 센서기반 기술 연구의 변화추이를 확인하였고, 키워드 출현 빈도를 분석하여 주요 관심개념을 파악하였다. 빈도분석은 전체 문헌에서 주요 용어의 전반적인 출현양상을 확인하는 것을 목적으로 하므로 TF-IDF 기준에 따른 추가적인 키워드 제외를 적용하지 않았다. 반면 토픽모델링과 키워드 네트워크 분석에서는 문헌 간 주제적 차이와 개념 간 관계를 보다 명확하게 파악하기 위해 TF-IDF 최대값을 추가적인 키워드 선정기준으로 적용했다. 이에 Elderly, Sensor과 같이 최대값이 2 이하인 단어를 후속 분석에서 제외하였다.

다음으로 토픽 모델링을 실시하여 전체 문헌에 나타난 주요 단어의 분포와 잠재적인 연구주제 구조를 도출하였다. 이를 위해 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 알고리즘을 적용하였으며, 분석대상 키워드는 TF-IDF 값과 최소 단어 길이를 기준으로 정제하였다. 각 토픽은 상위 키워드의 조합을 중심으로 해석하여 요양환경에서 센서기반 기술이 어떠한 주제 영역, 기술 유형 및 적용 목적과 관련되어 연구되어 왔는지를 파악하였다. 또한 토픽별 문헌의 시기적 분포를 비교하여 연구관심의 변화 양상을 분석하였다.

마지막으로 키워드 네트워크 분석을 수행하였다. 전체 611편 중 50편 이상의 문헌에 출현한 키워드를 노드로 설정하고, 25편 이상의 문헌에서 함께 출현한 키워드 쌍을 연결로 구성하였다. 연결 가중치는 두 키워드가 함께 출현한 문헌 수를 사용하였으며, 연결이 형성되지 않은 키워드는 제외하였다. 최종 네트워크를 대상으로 연결중심성, 근접중심성 및 매개중심성을 산출하였다. 이를 통해 다른 키워드와 직접적으로 많이 연결되는 개념, 전체 네트워크에서 접근성이 높은 개념, 서로 다른 연구주제를 연결하는 역할을 하는 개념을 파악하였다.

IV. 연구 결과

1. 연도별 게재논문수

연도별 게재논문수를 살펴보면 <Figure 1>과 같다. 관련연구는 1995년부터 게재되기 시작하였으며, 2004년까지는 연도별 1~3편 수준으로 연구가 제한적으로 이루어졌다. 이후 2010년부터 점진적으로 증가하여, 2013년부터는 매년 20편 이상의 논문이 게재되면서 본격적으로 확대되는 양상을 보였다. 이후에도 전반적인 증가 추세가 이어져 2017년에는 37편, 2018년 26편으로 일시적으로 감소한 후 다시 증가하였다.

특히 2020년에는 45편, 2021년 62편으로 논문수가 크게 증가하였고, 이후에도 매해 최소 40편 이상의 연구가 활발히 이루어졌다. 2020년대 논문수는 총 611편 중 319편으로 전체의 절반 이상을 차지하여, 센서기반 기술 연구가 최근 시기에 집중되어 있음을 알 수 있다. 이러한 추세는 고령인구 증가와 돌봄수요의 확대, 센서･정보통신기술의 발전 등과 함께 관련 연구에 대한 관심이 확대된 흐름과 맥을 같이하는 것으로 볼 수 있다.

Figure 1.

Annual Publication Trends

2. 키워드 출현 빈도분석

총 611편의 문헌을 대상으로 분석한 결과, 명사로 분류된 5,401개의 키워드가 추출되었다. 이 중 통계적 기호 및 단일 기호 등 분석에 적합하지 않은 항목을 추가로 정제하였다. 정제된 데이터를 바탕으로 키워드 출현 빈도를 분석하였으며, 상위 키워드의 출현양상을 워드클라우드로 시각화하였다<Figure 2>.

Figure 2

Word Cloud of Kewwords

키워드 빈도분석 결과는 <Table 4>와 같다. 가장 높은 출현 빈도를 보인 키워드는 ‘노인(Elderly)’으로 1,393회였다. 이어 ‘활동(Activity)’, ‘연구(Study)’, ‘시스템(System)’, ‘낙상(Fall)’, ‘데이터(Datum)’, ‘센서(Sensor)’, ‘수면(Sleep)’, ‘거주자(Resident)’, ‘시간(Time)’ 순으로 나타났다. 종합하면, 상위 키워드에는 연구대상과 적용환경을 나타내는 용어와 함께 활동, 낙상, 수면, 모니터링 등 센서 기반 기술의 활용 및 연구대상과 관련된 주요 개념이 함께 나타났다.

한편, 본 절에서는 상위 빈도에 해당하더라도 ‘연구(Study)’, ‘노인(Elderly)’, ‘활동(Activity)’, ‘시스템(System)’, ‘데이터(Datum)’, ‘센서(Sensor)’, ‘거주자(Resident)’, ‘돌봄(Care)’, ‘요양원(Nursing home)’, ‘건강(Health)’, ‘방법(Method)’, ‘참여자(Participant)’, ‘기술(Technology)’, ‘분석(Analysis)’, ‘수준(Level)’등의 단어는 TF-IDF 최대값을 기준으로 전체 문헌에서 상대적으로 뚜렷한 중요도를 보이지 않는 단어로 판단하여 제외했다. 이는 전체 문헌에서 공통적으로 사용되는 일반적 용어를 제외하여 후속 분석에서 연구주제와 핵심 개념의 차별적 특성이 보다 잘 나타나도록 하기 위함이었다.

3. 토픽 모델링

1) 토픽별 특징

토픽 수를 결정하기 위해 Netminer 5의 토픽 평가(Topic Evaluation)를 활용하였다. 토픽 평가의 지표인 c_v 값은 각 토픽을 구성하는 키워드 간의 의미적 응집도를 나타내며, 값이 높을수록 토픽 내 키워드의 일관성이 높은 것을 의미한다. 이를 위해 토픽 수는 3개에서 10개까지, α는 0.01과 0.02, η는 0.01에서 0.04까지 변화시켜 조합별 결과를 비교하였다. α와 η의 최종 설정은 각 조합에서 나타난 토픽의 상위 키워드 구성과 토픽 간 의미적 구분 및 해석 가능성을 함께 검토하여 α = 0.02, η = 0.01로 설정하였다. 해당 조건에서 토픽 수 3~10의 c_v 값을 비교한 결과,¹⁾ 4개 토픽에서 가장 높게 나타났다. 그러나 토픽 수는 c_v 값과 각 토픽의 상위 키워드 구성, 토픽 간 차별성 및 연구주제로서의 해석 가능성을 종합적으로 검토하여 5개로 결정하였다(Topic(k) = 5, α = 0.02, η = 0.01, iteration = 1,000).

토픽명은 각 토픽에서 확률값이 높은 키워드를 중심으로 전체적인 문맥을 고려하고, 상대적으로 낮은 확률의 키워드도 보조적으로 참고하여 도출하였다. 각 토픽의 명칭과 주요키워드, 논문수(비율)은 <Table 5>와 같다.

토픽모델링 분석에서는 각 문헌에 대해 5개 토픽의 확률이 산출되며, 토픽별 문헌 수와 시기별 비중을 산정하기 위해 각 문헌에서 가장 높은 확률을 보인 토픽을 해당 문헌의 대표 토픽으로 배정하였다. 토픽별 문헌 수는 대표 토픽으로 배정된 문헌을 집계하여 산정하였다.

Topic1은 ‘낙상(Fall)’과 ‘감지(Detection)’가 가장 높은 순위에 위치하며 ‘일상생활지원(Assisted Living)’, ‘AAL(Ambient Assisted Living)’, ‘사용자(User)’, ‘환경(Environment)’, ‘장치(Device)’ 등의 키워드가 함께 나타나 AAL 환경에서의 낙상 감지와 관련된 연구 맥락을 보여준다. 이에 해당 토픽명을 ‘AAL 환경 낙상 감지 시스템(AAL-based Fall Detection System)’으로 명명하였다. ‘접근법(Approach)’, ‘낙상 사건(event)’, ‘알고리즘(algorithm)’은 낙상 감지의 방법론적 맥락을 보여주며, ‘치매(Dementia)’, ‘수면(Sleep)’은 낙상 감지와 함께 나타나는 보조적 연구맥락을 보여주는 키워드로 해석할 수 있다.

Topic2는 ‘개입(Intervention)’, ‘허약(Frailty)’, ‘재활(Rehabilitation)’, ‘가속도계(Accelerometer)’, ‘보행(Step)’이 함께 나타나 ‘허약 노인의 보행･재활 개입(Step and Rehabilitation Intervention for Frail Older Adults)’으로 명명하였다. 특히 ‘Step’, ‘Accelerometer’, ‘Outcome’ 등의 키워드는 보행관련 데이터를 축적하고 결과를 분석함을 보여주며, ‘Intervention’, ‘Group’, ‘Model’, ‘Change’ 등의 키워드는 집단을 대상으로 개입과 그 결과 또는 변화양상을 분석하는 연구와 관련된 맥락으로 해석할 수 있다. 따라서 센서기반 기술이 허약노인의 보행 및 재활과 관련된 개입과 그 결과를 분석하는 데에도 활용되고 있음을 보여준다.

Topic3은 ‘낙상(Fall)’, ‘위험(Risk)’, ‘모델(Model)’, ‘성능(Performance)’, ‘평가(Evaluation)’, ‘정확도(Accuracy)’, ‘검증(Test)’, ‘보행(Gait)’, ‘균형(Balance)’ 등의 키워드가 함께 나타나 ‘낙상 위험 예측 및 모델 성능 평가(Fall Risk Prediction and Model Performance Evaluation)’로 명명하였다. ‘Performance’, ‘Evaluation’, ‘Accuracy’, ‘Test’, ‘Model’은 낙상 및 보행 관련 지표를 활용하여 위험을 예측하고 모델의 성능과 정확도를 평가하는 연구 임을 보여준다. ‘Gait’과 ‘Balance’은 낙상 위험을 판단하기 위한 주요 측정 대상이나 예측 요인으로 해석할 수 있다. 한편 ‘Intervention’이 함께 나타난 점은 일부 연구에서 예측 결과가 낙상 예방이나 개입의 필요성과 연결되었을 가능성을 보여주지만, 토픽의 중심은 예방적 개입 자체보다는 낙상위험의 예측과 모델 성능평가에 있는 것으로 해석된다.

Topic4는 ‘수면(Sleep)’, ‘치매(Dementia)’, ‘질(Quality)’, ‘액티그래피(Actigraphy)’, ‘개입(Intervention)’, ‘평가(Assessment)’ 등이 함께 나타나 ‘치매 환자의 수면 평가 및 개입(Sleep Assessment and Intervention for Patients with Dementia)’으로 명명하였다. 해당 토픽은 요양환경에서 치매 노인 혹은 일반 노인을 대상으로 수면 데이터를 액티그래피를 통해 수집･측정하고, 수면의 질을 평가하며 개입효과를 검토하는 연구로 해석된다. ‘위험(Risk)’, ‘장애(Diasability)’, ‘통증(Pain)’은 수면 연구가 건강 및 기능적 상태와 관련된 다양한 요인과 함께 다루어지고 있음을 보여주는 보조적 키워드로, ‘장기 요양(Long-term care)’과 ‘삶(Life)’은 수면 문제가 장기 요양시설 거주자의 삶에 밀접한 관련성을 가지고 있음을 보여준다.

Topic5는 ‘AAL(Ambient Assisted Living)’, ‘환경(Environment)’, ‘네트워크(Network)’, ‘기기(Device)’, ‘특징(Feature)’, ‘모델(Model)’, ‘인간 활동 인식(Human Activity Recognition)’ 등이 상위 키워드에 포함되어 ‘AAL 기반 인간 활동 인식(AAL-Based Human Activity Recognition)’으로 명명하였다. ‘AAL’, ‘Network’, ‘Device’, ‘Feature’, ‘Model’, ‘Human Activity Recognition’ 등의 키워드는 해당토픽이 AAL 환경에서 인간의 활동을 인식하고 이를 모델링하는 기술적 연구와 관련되어 있음을 보여준다. 한편 ‘Patient’, ‘People’, ‘Rest’, ‘Intervention’ 등은 인간활동 인식 기술이 환자와 노인의 행동 및 상태를 관찰하고 다양한 적용 맥락으로 확장되고 있음을 보여주는 보조적 키워드로 볼 수 있다.

2) 시기별 토픽 비중의 변화

시기별 토픽 비중의 변화는 <Figure 3>과 같다. 시기는 2010년대 이전, 2010년대, 2020년대로 구분하였다. 각 시기에 포함된 문헌 수는 2010년 이전 52편, 2010년대 240편, 2020년대 319편으로, 시기별 분석 기간과 문헌 수에 차이가 있는 점을 고려하여 각 시기 전체 문항에서 해당 토픽이 차지하는 상대적 비중을 함께 비교하였다.

Figure 3.

Changes in Topic Proportions

모든 시기에 걸쳐 Topic 1, Topic 4가 비교적 높은 비중을 차지하였으나, 두 토픽의 변화는 상반되게 나타났다. Topic 1은 2010년 이전 16편(30.77%)에서 2010년대 69편(28.75%), 2020년대 87편(27.27%)로 실제 논문 수는 증가하였으나, 상대적 비중은 감소하였다. 반면, Topic 4는 각각 11편(21.15%)에서 64편(26.67%), 92편(28.84%)로 문헌수와 상대적 비중 모두 증가했다. 이는 AAL 환경에서의 낙상 감지 관련 연구가 전 시기에 걸쳐 주요 연구 주제로 유지되는 가운데, 최근에는 치매 및 노인의 수면 평가와 개입에 관한 연구의 상대적 비중이 확대되었음을 보여준다.

Topic 2는 시기에 따라 등락이 존재하나, 전반적으로 큰 차이 없이 유지되었는데, 이는 허약 노인의 보행 및 재활과 관련된 연구가 특정 시기에 국한되지 않고 지속적으로 이루어져 왔음을 보여준다. Topic 3은 8편(15.38%), 30편(12.50%), 38편(11.91%)으로, 실제 논문 수는 증가하였으나 상대적 비중은 감소하였다. 반면 Topic 5는 7편(13.46%), 21편(8.75%), 37편(11.60%)으로, 2010년대에 상대적 비중이 감소하였다가 2020년대에 다시 증가하였다.

종합하면, 시기별 토픽 비중은 낙상 감지 중심의 연구가 지속적으로 높은 비중을 유지하고 있으며, 수면 평가 및 개입 관련 연구의 비중이 점차 확대되는 양상을 보였다. 또한 보행･재활, 낙상 위험 예측 및 모델 평가, AAL 기반 인간활동 인식 등 다양한 주제가 전 기간에 걸쳐 나타나, 요양환경에서의 센서 기반 기술 연구가 단일 주제에 집중되기보다는 다양한 건강 및 행동 관련 영역으로 확장되어 왔음을 확인할 수 있다.

3) 토픽간 키워드 네트워크 구조

토픽모델링 분석을 통해 도출된 5개 토픽별 주요 키워드의 네트워크 관계는 <Figure 4>와 같다. 각 토픽은 고유한 주요 키워드를 중심으로 군집을 형성하고 여러 토픽에서 공통적으로 나타나는 키워드를 통해 서로 연결되는 구조를 보였다.

3개 토픽에서 공동적으로 나타난 키워드로서 ‘Fall’은 Topic 1, Topic 2, Topic 3에 공통적으로 나타나, 낙상이라는 연구주제가 낙상 감지, 보행･재활, 위험 예측 및 모델 평가라는 서로 다른 연구영역을 연결하고 있음을 보여준다. ‘Intervention’은 Topic 3, Topic 4, Topic 5에 공통적으로 나타나, 센서 기반 기술의 활용이 위험 예측뿐 아니라 수면 평가 및 인간활동 인식과 연계된 개입 연구로 확장되고 있음을 보여준다. 또한 ‘Group’은 Topic 1, Topic 2, Topic 4에 공통적으로 나타났는데, 이는 낙상 감지, 보행･재활 및 수면 관련 연구에서 집단을 대상으로 한 연구가 공통적으로 이루어지고 있음을 나타낸다. 또한 ‘Patient’는 Topic 2, Topic 4, Topic 5를 연결하는 키워드로 , 센서기반 연구가 보행･재활, 수면 및 인간활동 인식 등 서로 다른 주제를 다루면서도 환자 또는 대상자의 상태와 행동을 중심으로 연결되고 있음을 보여준다.

2개 토픽에서 공통적으로 나타난 키워드에서는 연구주제 간의 구체적인 연결 맥락을 확인할 수 있다. ‘Risk’는 Topic 3과 Topic 4에 공통적으로 나타나 낙상 위험 예측과 수면 관련 연구가 건강 및 위험 요인을 중심으로 연결되고 있음을 보여준다. ‘Dementia’는 Topic 4와 Topic 5에 공통적으로 나타나 치매 대상자의 수면 평가뿐 아니라 AAL 기반 인간활동 인식에서도 치매가 중요한 연구대상으로 다루어지고 있음을 나타낸다. ‘Sleep’은 Topic 1과 Topic 4에서 공통적으로 나타나 낙상 감지와 수면 평가 연구 사이에 수면이라는 행동･생리적 상태를 매개로 함을 보여준다.

한편 ‘Ambient Assisted Living’과 ‘Environment’는 Topic 1과 Topic 5에 공통적으로 나타났으며, ‘Device’는 Topic 3과 Topic 5에 공통적으로 나타났다. 이는 AAL 환경이 낙상 감지와 인간활동 인식 연구를 연결하는 기반으로 작용하고 있으며, 기기는 인간활동 인식과 낙상 위험 예측 및 모델링 연구를 연결하는 기술적 요소로 활용되고 있음을 보여준다.

Figure 4.

Kewword Netwok Structure among Topics

4. 키워드 중심성 분석

키워드 중심성 분석은 네트워크 내에서 특정 개념이 가지는 구조적 위치와 학술적 영향력을 평가하기 위해 실시된다. 중심성 지표는 연결중심성(Degree Centrality), 근접중심성(Closeness Centrality), 매개중심성(Betweenness Centrality)으로 구분된다. 연결중심성은 한 단어가 다른 단어와 직접적으로 연결(공동 출현)된 정도를 나타내며, 한 점(노드)에 연결된 다른 점의 수로 측정한다. 연결중심성이 높은 단어는 다른 단어와 함께 많이 사용된 단어이므로, 연구된 주제가 다양함을 의미한다. 근접중심성은 한 점이 다른 점에 얼마나 가깝게 있는지를 말하는 개념으로, 근접중심성이 높다는 것은 전체 네트워크 상에 있는 모든 단어와 경로거리가 가장 가깝게 있음을 뜻한다. 매개중심성은 특정한 한 점에서 다른 점을 연결해 주는 중개 정도를 측정하는 지표로, 매개중심성이 높은 단어는 단어와 단어 사이를 연결시켜 주는 역할을 한다고 볼 수 있다(Kim, 2025).

최종 키워드 동시출현 네트워크는 87개의 노드와 522개의 연결로 구성되었다. 키워드 중심성 분석 결과<Table 6>, 키워드별 순위에는 다소 차이가 있었으나 세 중심성 지표의 상위 5개 키워드는 모두 ‘Intervention’, ‘Daily’, ‘Group’, ‘Model’, ‘Life’으로 동일하게 나타났다. 이들 중심성 값은 연결중심성 0.395~0.477, 근접중심성 0.601~0.656, 매개중심성 0.082~0.157의 범위로 다른 키워드와의 직접적인 연결뿐 아니라 네트워크 내 접근성과 키워드 간 연결 경로에서도 공통적으로 중심적인 위치를 차지하였다. 특히 구체적인 센서나 장치명보다 개입, 일상과 삶, 연구대상 집단, 분석모델 등 센서기반기술의 적용 목적과 연구 맥락을 나타내는 포괄적 개념이 네트워크의 중심을 구성하고 있다.

상위 5개 이외에도 ‘Design’, ‘Detection’, ‘Environment’, ‘Approach’​가 세 중심성 지표의 상위 20개에 공통적으로 포함되었다. 이 가운데 ‘Design’는 연결･근접중심성이 각각 7위와 6위로, ‘Approach’​은 매개중심성이 6위로 나타나 다양한 연구 개념과의 연결 및 경로상에서 상대적으로 중요한 위치를 보였다. ‘Detection’와 ‘Environment’역시 세 지표에서 반복적으로 상위권에 위치하여, 센서기반 기술이 낙상이나 위험 등의 문제를 탐지하는 기술적 측면뿐 아니라 환경과 설계, 연구방법을 함께 고려하는 연구 구조​로 확장되어 있음을 보여준다.

한편, ‘정확도(Accuracy)’​는 연결중심성에서는 19위(0.244)로 하위권에 위치하고 근접중심성에서는 상위 20위에 포함되지 않았으나, 매개중심성에서는 7위(0.066)로 상대적으로 높은 순위를 나타냈다. 이는 ‘Accuracy’가 네트워크 전반에서 광범위하게 연결된 개념이라기보다, 센서자료를 활용한 위험 예측 및 모델의 성능평가와 같은 특정 연구 맥락에서 서로 다른 개념을 연결하는 역할을 수행하고 있음을 시사한다. 이는 토픽모델링에서 정확도가 낙상 위험 예측 및 모델 개발과 관련된 Topic 3의 주요 키워드로 나타난 결과와도 연결된다.

구체적인 기술 키워드 중에서는 ‘가속도계(Accelerometer)​’가 근접중심성 16위(0.521), 매개중심성 10위(0.042)로 상위 20개에 포함되었다. 이는 ‘Accelerometer’가 특정 연구문제에 한정되지 않고 신체 움직임과 활동을 측정하는 수단으로 다양한 연구 맥락에서 활용되고 있음을 보여준다. ‘치매(Dementia)’ 역시 세 중심성 지표의 상위 20개에 모두 포함되었으며, 여러 토픽의 주요 키워드로 나타나 다양한 돌봄 문제와 센서기술 연구를 관통하는 주요 연구대상으로 확인되었다. 반면 ​’수면(Sleep)’은 연결중심성에서는 상위 20위에 포함되었으나 근접 및 매개중심성에서는 나타나지 않아, 네트워크 전반으로 파급되거나 서로 다른 연구 주제들을 이어주는 매개적 역할보다는 수면 관련 연구주제 내에서 다른 키워드와 직접적인 연결관계를 형성하는 특성이 상대적으로 강한 것으로 해석된다.

이상에서, 키워드 중심성 분석에서는 개별 센서나 장치 자체보다 개입, 일상, 집단, 모델, 삶과 같은 포괄적인 연구 개념이 네트워크의 중심을 형성​하는 것으로 나타났다. 이는 요양환경의 센서기반기술 연구가 특정 기술의 개발 자체에 집중하기보다는 낙상, 수면, 보행, 치매 등의 돌봄 문제를 중심으로 다양한 기술과 연구방법이 결합되는 구조로 발전해 왔음을 보여준다.

V. 논의 및 결론

1. 논의

1) 요양환경 센서기반 기술연구의 지속적 성장과 기능적 확장

요양환경에서의 센서기반 기술연구는 2010년대 이후 뚜렷한 증가세를 보였으며 2020년대에도 이러한 연구증가 경향이 지속되었다. 이는 요양환경에서 센서기반 기술에 대한 관심이 일시적인 기술적 유행에 그치지 않고 지속적으로 축적되고 있는 연구영역임을 보여준다. 이러한 증가경향은 센서기술 자체의 발전뿐 아니라 센서를 활용하는 연구목적과 적용대상이 확대된 결과로 해석할 수 있다. 또한 일부 토픽의 상대적 비중이 감소한 경우에도 실제 문헌 수는 증가한 것으로 나타났다. 이는 특정 주제가 다른 주제로 대체되었다기보다 새로운 연구주제가 추가되면서 전체 연구영역이 확대된 결과로 볼 수 있다.

토픽 모델링 결과, 낙상 감지와 같은 사건의 탐지에서 낙상 위험의 예측, 보행 및 신체기능의 평가, 재활과 개입, 수면 상태의 평가 및 개입 등으로 센서기반 기술의 기능적 활용범위가 확대된 것으로 나타났다. 즉, 센서는 단순히 특정 사건의 발생 여부를 확인하는 수단에서 벗어나 대상자의 현재 상태를 파악하고 위험을 예측하며, 개입의 결과를 평가하는 수단으로 활용되고 있다. 이는 요양환경의 센서기반 기술 연구가 ‘감지’ 중심에서 ‘평가･예측･개입’ 중심으로 기능적 범위를 확장해 왔음을 보여준다. 따라서 요양환경의 센서기반 기술은 거주자의 생활과 건강상태를 지속적으로 파악하고 이를 돌봄에 활용하는 기술로 연구의 관심이 확대되고 있다.

2) ‘낙상’과 ‘수면’을 중심으로 한 연구축의 형성과 확장

토픽 모델링 결과에서 ‘낙상’과 ‘수면’은 요양환경 센서기반기술 연구를 구성하는 주요 연구축으로 확인되었다. 다만 두 주제는 연구목적과 기술의 활용방식에 따라 서로 다른 방향으로 확장되는 양상을 보였다. 낙상 관련 연구는 낙상 감지에만 국한되지 않고 위험평가와 예측, 보행 및 신체기능 측정, 재활과 개입까지 연결되는 비교적 넓은 연구영역을 형성하였다. 이는 Ren and Peng(2019)이 낙상 관련 센서기술을 낙상 발생을 탐지하는 기술과 위험을 줄이기 위한 예방적 기술까지 포함하는 것과 맥을 같이한다.

반면, 수면 관련 연구는 치매, 수면의 질, 액티그래피 등과 결합하여 장기관찰 및 개입효과 평가에 특화된 독자적이고 집약적인 연구영역을 구축하였다. 즉, 수면은 여러 주제를 폭넓게 가로지르는 일반적 개념이라기보다, 장시간 관찰을 통해 생활 및 건강 상태를 측정하고 개입 전후의 변화를 평가하는 영역으로서 독자적인 연구축으로 발전해 왔음을 알 수 있다.

이러한 차이는 시기에 따른 비중 변화에서도 확인된다. 낙상 감지와 보행･재활이 지속적인 연구축으로 유지되는 동안, 치매 환자의 수면 평가와 중재를 다룬 연구의 상대적 비중은 확대됐다. 이는 센서기반 기술의 연구 관심이 즉각적인 안전사건의 감지를 넘어, 장기간 반복적으로 관찰해야 하는 생활 및 건강 상태로 확대되고 있음을 보여준다.

3) 공통키워드를 통한 토픽간 융합적 지식구조

다섯 개 토픽은 각각 독립적인 연구영역으로 분리되어 있기보다는 일부 공통 키워드를 통해 서로 연결되어 있었다. 특히 ‘Fall’은 여러 토픽에서 반복적으로 나타났으며, ‘Intervention’, ‘Group’, ‘Patient’ 역시 여러 개의 토픽과 연결되는 공통 개념으로 확인되었다. 이는 토픽모델링에서 구분된 연구주제들이 실제로는 상호 배타적인 영역이 아니라 동일한 대상자와 돌봄 문제, 측정 목적 및 적용 환경을 공유하면서 서로 중첩되는 구조를 형성하고 있음을 의미한다.예를 들어 낙상은 감지, 위험예측, 보행･재활이라는 서로 다른 연구목적에서 공통적으로 다루어졌으며, 환자와 집단은 서로 다른 건강 및 생활문제를 대상으로 하는 연구를 연결하였다.

‘Dementia’ 역시 수면 연구에만 국한되지 않고 낙상, 활동 및 AAL 환경과 관련된 연구에서 함께 나타났다. 따라서 치매는 특정 센서 기술이나 하나의 돌봄 문제라기보다 여러 연구에서 공통적으로 고려되는 대상자의 특성으로 이해할 수 있다. ‘AAL’ 역시 특정 센서 장치 하나를 의미하기 보다는 실제 생활공간에 센서와 모니터링 기술을 활용하여 정보를 수집하고 돌봄과 안전관리에 활용하는 환경적･기술적 체계에 가깝다. 이는 Al-Shaqi et al.(2016)이 AAL을 거주자와 환경에 관한 정보를 지속적으로 수집하고 분석하여 위험 상황에 대한 대응과 돌봄 의사결정에 활용하는 체계로 설명한 것과도 맥을 같이 한다.

결과적으로 요양환경의 센서 기반 기술 연구는 개별 센서나 개별 돌봄 문제를 중심으로 분절되어 있기보다 대상자의 특성, 돌봄 문제, 측정 대상, 분석 목적 및 적용 환경이 서로 조합되는 융합적 지식구조를 형성하고 있다고 볼 수 있다.

4) 센서 중심에서 사람･생활 및 활용중심으로

키워드 네트워크 분석에서는 구체적인 센서나 장치의 명칭보다 ‘Intervention’, ‘Daily’, ‘Life’, ‘Model’, ‘Detection’, ‘Environment’와 같은 개념이 네트워크 중심에 놓인 점이 두드러졌다. 이 키워드들은 기술의 사용 목적과 연구가 진행되는 과정, 실제 활용 맥락을 드러낸다. 이는 요양환경의 센서기반 기술 연구가 기술 자체보다 누구를 대상으로 무엇을 측정하고, 이를 어떻게 활용할 것인가에 초점을 두고 있음을 보여준다. 특히 ‘Daily’와 ‘Life’가 높은 중심성을 보인 것은 센서기술의 활용이 특정 사건이나 실험적 행동을 측정하는 것에서 실제 생활환경에서 노인의 일상과 건강 상태를 지속적으로 관찰하고 이를 돌봄과 개입에 활용하는 방향으로 확대되고 있음을 시사한다.

이 구조에서 구체적인 감지 수단인 ‘Accelerometer’가 중심성 상위권에 포함되고, 보행 재활 및 수면과 관련된 토픽들(토픽2, 토픽4)에서 발견된 점은 예외적이며 주목할 만하다. 가속도계는 신체에 부착하는 휴대형 기록장치에 탑재되거나 자이로스코프와 결합된 형태로 활용되며, 보행과 균형, 신체활동량을 측정하는 데 사용된다(Culhane et al., 2005). 이러한 결과는 센서기술이 신체 움직임이라는 공통의 측정 대상을 바탕으로 신체기능 평가, 보행 분석, 활동량 측정, 일상 상태 모니터링 등 서로 다른 연구목적에 활용되고 있음을 보여준다.

또한 ‘Accuracy’가 매개중심성에서 상대적으로 높은 위치를 보인 것은 센서기반 연구가 단순한 정보수집에 머물지 않고 수집된 정보의 분석과 검증을 중요하게 다루고 있음을 보여주는 결과로 해석할 수 있다. 정확도는 네트워크 전반의 모든 개념과 폭넓게 연결되었다는 의미라기 보다는 오히려 탐지와 예측, 모델의 성능을 평가하는 연구 맥락에서 서로 다른 개념을 연결하는 역할을 한 것으로 볼 수 있다.즉, 센서기반기술 연구는 ‘측정’에서 ‘해석과 검증’으로 관심을 확장하고 있으며, 궁극적으로 측정된 정보가 실제 돌봄 의사결정과 개입에 얼마나 유용한지를 확인하는 방향으로 발전하고 있음을 시사한다.

2. 결론

본 연구는 611편의 문헌을 대상으로 연도별 문헌 수와 주요 키워드의 출현 빈도를 확인하고, 토픽 모델링과 키워드 네트워크 분석을 통해 요양환경에서의 센서기반 기술 연구의 주제 구성과 지식구조를 분석하였다. 분석결과, 요양환경의 센서기반 기술 연구는 2010년대 이후 지속적으로 증가하였으며, 낙상 감지에서 위험예측, 보행 및 신체기능 평가, 재활과 개입, 수면 상태의 평가 등으로 기능적 활용범위가 확대된 것으로 나타났다. 또한 낙상과 수면을 중심으로 연구축이 형성되었으며, 낙상, 개입, 환자, 집단, 치매 등의 공통 키워드를 통해 서로 다른 토픽이 연결되는 융합적 지식구조를 확인하였다. 특히 키워드 네트워크에서 구체적인 센서나 장치보다 일상, 삶, 개입, 환경 등 사람의 생활과 돌봄 및 활용 맥락을 나타내는 개념이 중심적인 위치를 차지한 것은 센서기반 기술이 독립적인 기술요소라기보다 노인의 상태와 생활을 이해하고 돌봄을 지원하기 위한 수단으로 활용되고 있음을 보여준다.

본 연구의 의의는 기존의 센서 종류나 개별 기술의 활용사례를 중심으로 이루어진 연구에서 나아가, 요양환경에서 센서기반 기술 연구가 어떠한 돌봄 문제와 연구목적을 중심으로 구성되고 서로 어떻게 연결되는지를 종합적으로 파악했다는 데 있다. 토픽 모델링과 키워드 네트워크 분석을 함께 적용함으로써 개별 연구주제의 구성뿐 아니라 주제 간 관계와 주요 개념의 구조적 위치를 확인하였다. 특히 일상, 삶, 환경 등 생활과 환경을 나타내는 개념이 주요하게 나타났던 점은 센서기술이 노인의 상태를 측정하는 기술적 수단을 넘어, 이동･체류･활동 등 거주자의 생활과 공간이용을 파악하고 이를 공간구성, 동선 및 공용공간의 계획과 운영에 활용할 수 있음을 보여준다. 따라서 본 연구는 센서기반기술을 단순한 기술요소가 아니라 노인의 생활과 돌봄, 공간환경 간의 관계를 이해하고 지원하기 위한 환경적 수단으로 바라볼 필요성을 제시한다는 점에서 주거학적 의의를 갖는다. 이와 함께 센서의 설치 위치와 감지 범위는 사적･공용공간의 위계와 프라이버시와 관련되므로, 센서기반기술의 적용에서는 공간적 특성과 이용행태를 함께 고려할 필요가 있다. 특히 치매노인을 포함한 요양시설 거주자를 대상으로 지속적인 데이터를 수집한다는 점에서 개인정보 보호, 동의와 거주자의 선택권, 오탐지에 따른 대응과 책임 등의 윤리적 문제도 함께 고려되어야 한다.

본 연구의 결과는 몇 가지 한계를 고려하여 해석할 필요가 있다. 첫째, 분석자료는 Web of Science Core Collection을 통해 수집하였으므로, 다른 학술 데이터베이스에만 수록된 연구나 검색식에 포함되지 않은 용어를 사용한 문헌이 제외되었을 가능성이 있다. 또한 문헌 검색이 2026년 4월 6일에 수행되어, Web of Science의 최근 출판물 색인 시차에 따라 일부 최신 문헌이 검색 결과에 반영되지 않았을 가능성이 있다. 이에 최근 연도의 문헌 수와 시기별 토픽 비중은 자료수집 시점을 고려하여 해석할 필요가 있다. 따라서 본 연구의 결과는 설정된 데이터베이스와 검색 범위 안에서 나타난 연구동향으로 한정하여 이해할 필요가 있다. 둘째, 키워드 분석은 문헌의 제목, 초록 및 저자 키워드를 중심으로 이루어졌기 때문에 실제 연구에서 사용된 센서의 세부 구성, 설치 위치, 센서의 조합, 데이터 처리방식 등을 충분히 파악하는 데 한계가 있다. 셋째, 본 연구는 문헌의 출현 빈도와 연구주제, 키워드 간 관계를 분석한 서지계량 연구로서 개별 연구의 방법론적 질이나 센서기술의 정확도, 효과성, 실제 요양환경에서의 적용 가능성을 직접 평가하지 못하였다. 따라서 본 연구의 결과를 개별 센서기술의 우수성이나 효과성을 판단하는 근거로 확대하여 해석하는 데에는 한계가 있다.

이에 후속연구에서는 첫째, 문헌 수집 범위를 다른 학술 데이터베이스로 확대하고 원문을 직접 검토하여 센서의 유형과 조합, 설치 위치, 측정 대상, 데이터 처리방식 및 연구목적을 체계적으로 분류할 필요가 있다. 이를 통해 키워드 기반 분석에서 나타난 연구구조를 실제 센서의 활용 방식과 보다 구체적으로 연결할 수 있을 것이다. 둘째, 센서로 측정된 노인의 행동과 상태를 실제 공간환경의 특성과 연계하여 분석하는 연구가 필요하다. 즉, 이동, 체류, 활동, 수면, 상호작용 등 센서로 측정되는 행동정보를 공간의 구성, 동선, 공용공간의 배치, 접근성 및 환경조건과 연계하여 분석함으로써 ‘무엇을 측정하는가’에서 ‘어떤 환경에서 그러한 행동이 나타나는가’로 연구의 범위를 확장할 필요가 있다. 셋째, 기존의 모니터링 중심의 요양환경에 대한 연구에서 대상자의 상태와 행동 변화에 반응하는 적응형 요양･주거환경연구로 발전할 필요가 있다. 즉, 센서가 노인의 상태를 지속적으로 감지하는 데 그치지 않고, 축적된 정보를 바탕으로 환경조건, 공간의 이용 및 돌봄 지원 등이 대상자의 상태와 상황에 따라 적절하게 대응할 수 있는 가능성을 탐색할 필요가 있다. 특히 향후에는 센서 데이터를 AI와 연계하여 노인의 상태와 행동 변화를 분석･예측하고, 이를 환경과 돌봄의 적절한 대응으로 연결하는 지능형 요양･주거환경으로 연구의 범위가 확장할 필요가 있다. 이를 위해 연구의 중심을 사람(person)-행동(activity)-공간(space)-돌봄(care)의 관계로 이해하고, 센서 데이터를 통해 이들간 상호작용을 파악한 연구가 요구된다. 이러한 접근은 시설중심의 요양환경과 함께 노인의 주거환경과 지역사회 생활환경으로 연구의 범위를 넓히고, 센서기반 기술을 매개로 노인의 안전과 건강, 일상생활 및 삶의 질을 지원하는 환경을 모색하는 데 기여할 수 있을 것이다.