Korean Society of Leisure, Recreation & Park

Journal Archive

Korean Journal of Leisure, Recreation & Park - Vol. 42 , No. 3

[ Article ]
Korean Journal of Leisure, Recreation & Park - Vol. 42, No. 3, pp. 59-69
Abbreviation: KSLRP
ISSN: 1598-0413 (Print)
Print publication date 30 Sep 2018
Received 31 Jul 2018 Revised 08 Sep 2018 Accepted 22 Sep 2018
DOI: https://doi.org/10.26446/kjlrp.2018.9.42.3.59

텍스트 마이닝 기법을 활용한 여가활동 키워드 분석
김효림1 ; 전익기1
1경희대학교

Analysis of leisure activity keywords using text mining.
Hyorim Kim1 ; Ikki Jeon1
1Kyunghee University
Correspondence to : Jeon, Ik-Ki Kyunghee University, 1732 Deogyeong-dareo, Giheung-gu, Yongin-si, Gyeonggi-do, 17104, Korea Tel: +82-31-201-2726, E-mail: ikjeon@khu.ac.kr


Abstract

This study explores various keywords of the leisure activity by using big data analysis of social networks. For this purpose, web page, blogs, cafes, JISIKIN/daumTip provided by Naver and Daum were selected as analysis channels, and keywords for searching big data are leisure activity were extracted as main words. Data analysis period was limited to 4 years from january 1, 2014 to december 31, 2017. For data collection and analysis, frequency and metrics data were extracted through Textom, Social Metrics program. The degrees of the relationships were qualified by analyzing the connection structure and connection degree centrality between words by using Ucinet 6 and it’s NetDraw function. In addition, CONCOR analysis was conducted to derive clusters formed by words having similarity.

The results of analysis are as follows: First, as a result of analyzing the key words through the upper words using leisure activity as a keyword, program, support, elderly, culture, insurance, time, child, family, disable, health, hobby appeared among the top 10. Second, as a result of conducting N-GRAM network graph using leisure activity as a keyword, ‘child’ and ‘insurance’ appeared the relationship between the highest word. Third, as a result of conducting cluster analysis using leisure activity as a keyword, five groups of ‘leisure welfare’, ‘leisure activity program’, ‘relieve stress’, ‘main leisure activity’, ‘sports activity’ were formed.


Keywords: big data, text mining, keyword, leisure activity
키워드: 빅데이터, 텍스트 마이닝, 키워드, 여가활동

Ⅰ. 서론

주 5일 근무제의 정착에 따라 현대사회는 변화하고 있으며, 여가와 관련된 키워드들이 나타나기 시작하였다. 예를 들어 2016년 YOLO:You Only Live Once, 인생은 한 번 뿐 이라는 키워드가 유행하였고, 이에 2030세대를 겨냥한 다양한 제품들이 출시되었다(김상범, 2016). 2017년도에는 워라벨:Work and Life Balance, 일과 휴식의 균형을 맞춘다는 키워드가 유행하면서 근로시간을 52시간으로 단축하는 근로기준법 개정안이 통과되는 등 정책이 바뀌고 이에 관련된 뉴스 및 기사들이 자주 나타나고 있다(정봉오, 2018).

‘워라벨’이란 일하는 방식과 문화를 개선하여 근로자가 마음껏 능력을 발휘할 수 있도록 하고, 기업의 생산성과 경쟁력을 높이면서 일과 생활의 균형을 찾아가는 캠페인이라 정의하고 있다(고용노동부, 2017).

또한 ‘워라벨’은 올해의 키워드 10개 중 하나로 선정됨으로써 적당히 벌면서 잘 살기를 희망하는 젊은 직장인들의 라이프 스타일을 잘 나타내고 있다. 또한 업무와 스트레스에서 벗어나 자신의 여가 및 개인적 성장을 중요시하는 직장인들의 성향을 보여주고 있다(김난도 외 8명, 2017). 이는 사회적 분위기가 일과 생활의 균형이라는 새로운 가치관에 대한 중요성을 인지하고, 유연근무제 확대 및 휴가 시스템변화 등의 다양한 복지제도 도입과 지원을 확산되어지고 있음을 의미하고 있다(이해정, 2018; 배은나, 2018).

국민여가활동조사(문화체육관광부, 2016)에 따르면 2016년 가장 많이 참여한 유형별 여가활동을 분석한 결과 휴식활동(86.9%), 취미오락활동(86.5%), 사회 및 기타활동(62.5%), 스포츠참여활동(36.4%), 문화예술관람활동(19.2%), 관광활동(16.9%), 스포츠관람활동(14.3%), 문화예술참여활동(5.9%) 순으로 나타났으며, 스포츠참여활동과 스포츠관람활동은 2014년 대비 11.2%에서 14.3%로, 32.3%에서 36.4% 증가하고 있음을 알 수 있었다. 주 여가활동은 TV시청, 인터넷 검색, 산책, 쇼핑/외식, 친구만남/동호회모임, 잡담/통화하기, 음주, 영화보기, 게임, 음악감상으로 상위 10개로 나타났으며, 2014년 대비 인터넷 검색과 쇼핑/외식, 잡담/통화하기, 게임, 음악감상을 더 자주한 것으로 나타났다.

이렇듯 여가활동의 흐름에 대한 방대한 자료들을 좀 더 트렌드에 맞게 조사하고, 분석하기 위해 빅데이터 분석이 필요한 시점이다.

빅데이터란 광대한 데이터의 크기로서 기존의 방법이나 도구로 수집, 저장, 관리, 분석 등이 어려운 정형, 비정형 데이터를 의미한다. 이에 빅데이터의 분석은 소비자들의 인식 및 트렌드, 최근 시장흐름을 파악하는데 유용한 분석기법으로 사용되어져 왔으며(전채남, 서일원, 2013), 나아가 핵심적인 키워드를 통해 숨겨진 의미를 찾아내고, 패턴을 파악하여 예측하는데 사용되어지고 있다.

2017년도 기준 우리나라의 인터넷이용자는만3세 이상 국민 5,017만 명 중 90.3%가 이용하고 있는 것으로 나타났으며, 연령별인터넷 이용률은 3~60대까지 80%가 넘는 것으로 나타났다. 인터넷 이용자들은 정보획득 활동 및 커뮤니케이션 활동을 실시하고 있는 것으로 나타났으며, 그 중 SNS이용은 68.2% 인 것으로 나타났다(한국인터넷진흥원, 2017). 이처럼 다양한 연령대에서 인터넷 및 SNS를 통해 정보를 습득하고, 공유하고, 전달하는 등 중요한 역할을 하고 있는 시점에서 여가활동에 대해 빅데이터를 활용한 분석은 매우 의미가 있다.

전반적으로 여가에 대한 선행연구는 여가 의미 측정도구 개발(김주성, 2018), 일과 여가, 행복의 관계에 대한 연구(이국희, 최인철, 2018), 가구소득과 여가시간에 따른 행복지수(이유진, 황선환, 2018) 에 대한 연구들이 이뤄졌다. 여가활동에 대한 연구는 노인들을 위한 여가복지서비스 활동으로서의 연구(김수연, 원영신, 이상희, 2018), 직장인들의 여가활동 참여에 대한 연구(윤흥권, 권혁인, 2018), 여가활동 참여자를 대상으로 한 연구(김남희, 오치옥, 2018)등이 이뤄져왔다.

빅데이터를 활용한 선행연구에 따르면 김용범과 조현진, 조광익(2015)은 2004-2013년 동안 국내 여가활동 동향 분석을 실시하였다. 연구에 따르면 여가활동의 기간을 주5일 근무제 실시 초기단계, 확산단계, 완성단계로 나눠 진행하였으며, 본 연구는 선행연구의 후속연구로서 여가활동의 실천단계로 2014년도부터 최근 4년간의 연구기간을 설정하여 여가활동에 관한 빅데이터 분석을 실시하고자 한다.

따라서 최근 4년 동안 여가환경의 변화 및 사회 제도 변경, IT산업의 발달로 인터넷 및 스마트 폰을 통해 여가활동에 관련하여 어떠한 검색이 이뤄졌는지에 대해 조사하고, 선호하는 여가활동 또는 전반적인 여가활동에 관한 인식을 파악하고자 한다.

이에 본 연구는 여가활동에 관한 빅데이터를 수집하여 여가활동에 대한 시대적 흐름을 파악하고, 최근 여가활동의 유형들을 살펴보면서 여가활동의 트렌드를 예측하고, 활성화시키기 위한 기초적인 자료를 제시하는 데 목적이 있다.


Ⅱ. 연구방법
1. 연구대상 및 자료수집방법

본 연구는 소셜미디어의 여러 채널 중 포털사이트를 중심으로 Naver와 Daum에서 제공하는 웹페이지, 블로그, 카페, 지식IN/다음TIP을 수집채널로 선정하였으며, 자료검색을 위한 키워드는 ‘여가활동’을 키워드로 조사하였다. 전체 네트워크에서 중요한 노드를 중심으로 네트워크 간략화 및 네트워크 시각화 표현의 한계점을 보완하기 위해 상위 50개의 키워드를 중심으로 살펴보았다.

자료 분석기간은 여가활동에 대한 최근 인식을 살펴보기 위하여 2014년 1월1일부터 2017년 12월31일까지 4년간을 연구대상 기간으로 한정하였다.

2. 조사도구 및 절차

본 연구에서는 텍스트마이닝기법으로 빅데이터 분석을 실시하였으며, 의미연결망 분석을 실시하였다.

1) 텍스트마이닝(textmining)

텍스트마이닝은 비정형의 텍스트데이터를 자연어처리와 형태소 분석기술로 수집어를 정제하고, 단어를 추출해 빈도수를 제시하여 순위나 인식의 유사성, 일반성을 찾아내는데 사용된다(전채남, 서일원, 2013).

본 연구에서는 여가활동에 관련하여 수집된 텍스트 속에서 추출된 단어 중 여가활동에 무관한 단어들은 삭제하였다. 반면, 같은 의미로 쓰인 단어들은 통합하였고, 띄어쓰기가 잘못되거나, 불완전한 단어 또한 관련이 있을시 통합하는 등 정제작업을 실시하였다.

정제작업 중 연구자의 주관성을 배제하고, 신뢰성을 확보하기 위해 전문가집단 3인(교수, 박사, 박사수료)과 함께 정제하였다. 데이터 정제는 <표 1>과 같다.

표 1. 
데이터정제
데이터정제 삭제된 단어
노인(어르신) 후, 때, 일, 조, 관, 날 등
기타 의미 파악이 어려운
단어들
어린이(아이, 아동)
경로당(경로)

2) 의미연결망분석(semantic network analysis)

의미연결망분석은 사회연결망 분석을 커뮤니케이션 메시지에 적용한 것으로서, 주로 사회과학에서는 연결망 분석기법인 의미연결망분석을 사용하고 있다(이정학, 이재문, 장용석, 2017; Wasserman & Faust, 1994). 이는 텍스트 내에서 메시지를 형성하는 단어들을 사용하고 배치했는지에 대한 구조적 관계를 분석하고, 구조의 패턴 및 의미를 분석함으로써 관계의 형태 속에 내포되어있는 메시지의 내용까지 도출하는 분석방법이다(차민경, 2015; 한관종, 2003).

이에 본 연구에서는 의미연결망분석 시 사용되는 UCINET6 프로그램을 사용하여 단어들 간의 연결구조를 파악하고, Netdraw기능을 이용하여 여가활동과 관련된 단어들 사이의 네트워크 분석 및 시각화를 실시하였다. 또한 여가활동에 관련하여 유사한 단어들의 군집을 도출하기 위해 CONCOR 분석을 실시하였다.

3. 자료처리방법

본 연구에서는 포털사이트의 웹페이지, 블로그, 카페, 지식IN/다음TIP에 나타난 비정형 텍스트를 Textom 프로그램을 이용하여 키워드를 추출하고, 키워드의 빈도수를 통해 중요도를 파악하여, 여가활동의 세부적인 키워드를 찾아내기 위해 텍스트마이닝 분석을 활용하였다.

이에 본 연구는 도출한 상위 50개의 핵심단어들을 네트워크 분석프로그램인 UCINET6 이용하여 연결정도 중심성과 전체 네트워크의 밀도를 계산하여 사회 연결망 관점에 따라 여가활동에 관련한 핵심단어들의 관계구조를 파악하고, 동시에 발생하는 빈도를 관련성으로 파악하였다.

이에 여가활동과 관련된 단어 간의 연결망을 보기 위해 UCINET6프로그램의 NetDraw기능을 이용하여 네트워크분석 및 시각화하였고, CONCOR분석을 실시하여 키워드 간의 관계를 파악하였다.


Ⅲ. 결과
1. 데이터 수집 결과

2014년 1월1일부터 2017년 12월31일 최근 4년 동안 여가활동 키워드를 중심으로 Naver와 Daum에서 제공하는 웹페이지, 블로그, 카페, 지식인에서 추출된 텍스트는 총 2,563,817개 수집되었으며, 총 단어 빈도수는 119,218개로 도출되었다. 결과는 <표 2> 와 같다.

표 2. 
총 단어 빈도수 (단위:개수)
구분 Naver Daum
text수 웹페이지 197,951 2,060,000
블로그 56,563 143,000
카페 17,405 82,700
지식IN 5,028 1,170
(합계) 276,947 2,286,870
빈도수 119,218

2. 데이터 분석 결과
1) 여가활동 키워드 분석결과

네트워크 시각화 표현의 한계성으로 인해 상위 50개의 키워드를 중심으로 여가활동 키워드에 대한 분석을 위해 텍스트마이닝과 UCINT6 프로그램을 실시한 결과, 추출된 단어의 빈도와 연결정도 중심성은 <표 3>과 같다.

표 3. 
추출된 단어의 빈도와 연결정도 중심성
단어 빈도 연결정도중심성
1 프로그램 1652 0.047
2 지원 1409 0.053
3 노인 1406 0.022
4 문화 1239 0.033
5 보험 1189 0.024
6 시간 984 0.012
7 어린이 771 0.029
8 가족 760 0.032
9 장애 745 0.033
10 건강 588 0.012
11 취미 568 0.008
12 지역 535 0.022
13 복지 487 0.013
14 스트레스 463 0.006
15 스포츠 384 0.007
16 참여 379 0.009
17 센터 379 0.012
18 활동 369 0.005
19 경로당 342 0.006
20 영화 331 0.008
21 주말 329 0.003
22 수업 328 0.003
23 운동 324 0.004
24 친구 318 0.004
25 시청 285 0.004
26 체육 282 0.005
27 관람 277 0.005
28 공부 246 0.004
29 239 0.004
30 볼링 234 0.004
31 여자 234 0.004
32 체험 229 0.005
33 모임 213 0.003
34 추천 213 0.004
35 시설 206 0.005
36 게임 206 0.002
37 성인 189 0.002
38 유형 188 0.002
39 동아리 183 0.005
40 자전거 178 0.002
41 이용 174 0.003
42 문제 168 0.003
43 공원 167 0.001
44 기간 163 0.002
45 노래 159 0.003
46 주제 159 0.002
47 영어 158 0.002
48 토요일 158 0.002
49 신체 158 0.003
50 직장 157 0.003
네트워크 중심도(Network Centralization) = 4.411%

공출현 빈도가 높은 키워드는 프로그램(1,652건), 지원(1,409건), 노인(1,406건), 문화(1,239건), 보험(1,189건), 시간(984건), 어린이(771건), 가족(760건), 장애(745건), 건강(588건)순으로 상위 10위로 나타났다.

연결정도 중심성이란 네트워크 안에서 단어들이 중심에 있는지를 나타내는 지표로서, 연결정도 중심성의 값이 높을수록 네트워크에서 영향력이 높다고 해석할 수 있다(홍지숙, 오익근, 2016). 본 연구에서는 키워드의 연결정도 중심성 값은 지원=0.053, 프로그램=0.047, 문화=0.033, 장애=0.033, 가족=0.032, 어린이=0.029, 보험=0.024, 노인=0.022, 지역=0.022, 시간=0.012, 건강=0.012 로 상위 11개로 나타났다.

네트워크 중심도는 네트워크 전체의 중심화 경향을 의미하며, 연구결과 4.411%로 나타났으며, 평균=0.981, 표준편차=1.191, 최대값=5.303, 최소값=0.121로 나타났다. 추가적으로 네트워크 안에서 전체 노드들 사이의 관계정도를 나타내는 개념인 밀도는 0과1 범위 내에서 0.5정도의 수치에 가깝거나 높아질수록 밀도가 매우 높은 것으로 해석할 수 있다(김용학, 2011). 이에 본 연구의 네트워크 밀도는 0.843으로 나타나 네트워크 내에서 전체 노드들 사이의 관계정도가 매우 높은 것으로 나타났다.

2) 여가활동 N-GRAM 네트워크 분석결과

네트워크 내의 연결 관계를 시각적으로 도출하기 위하여 N-GRAM 네트워크 그래프를 실시하였다. 분석결과 어린이/보험(456), 프로그램/프로그램(331), 지원/지원(292), 보험/보험(242), 프로그램/가족(234), 가족/지원(209), 지원/장애(192), 보험/어린이(185), 장애/지원(175), 문화/지원(175)의 관계도가 상위 10안에 드는 것으로 나타났다. 결과는 <그림 1>과 <표 4>와 같다.


그림 1. 
여가활동 N-GRAM 네트워크 분석결과

표 4. 
여가활동 N-GRAM 네트워크 분석결과
키워드 키워드 빈도
1 어린이 보험 456
2 프로그램 프로그램 331
3 지원 지원 292
4 보험 보험 242
5 프로그램 가족 234
6 가족 지원 209
7 지원 장애 192
8 보험 어린이 185
9 장애 지원 175
10 문화 지원 175
테이블에대한설명

3) 여가활동 네트워크 시각화 분석결과

네트워크 내의 패턴 및 연결 관계를 시작으로 도출하기 위해 연결정도 중심성을 바탕으로 네트워크 시각화 결과는 <그림 2>와 같다.


그림 2. 
여가활동 네트워크 시각화 분석결과

4) 여가활동 네트워크 CONCOR 분석결과

CONCOR분석을 실시한 결과 5개의 그룹이 형성되었으며 <그림 3>과 같다.


그림 3. 
여가활동 네트워크 CONCOR 분석결과

첫째, 프로그램, 체험, 문화, 지역, 가족, 영화, 장애, 센터, 성인, 지원, 문제, 체육, 공원, 관람의 키워드가 하나의 그룹으로 형성되었으며, 이는 문화, 장애, 지원을 중심으로 여가활동 프로그램 및 체험가능한 지역이 추출되어짐에 따라 ‘여가복지’라 명명하였다.

둘째, 유형, 활동, 경로당, 시설, 복지, 노인, 참여, 건강, 주제, 노래, 이용의 키워드가 하나의 그룹으로 형성되었으며, 이는 여가활동을 위한 프로그램 및 대상, 장소 등으로 나타나 이를 ‘여가활동 프로그램’으로 명명하였다.

셋째, 여자, 수업, 스트레스, 삶, 신체의 키워드가 하나의 그룹이 형성되었으며, 스트레스 해소를 위한 여가활동의 키워드들이 추출되어 이를 ‘스트레스 해소’로 명명하였다.

넷째, 시청, 게임, 시간, 취미, 운동, 주말의 키워드로 그룹이 형성되었으며, 기본적인 여가활동들의 키워드로 나타나 이를 ‘주 여가활동’으로 명명하였다.

다섯째, 동아리, 모임, 볼링, 토요일, 스포츠의 키워드가 하나의 그룹으로 형성되었으며, 여가활동으로 스포츠와 관련된 키워드들이 추출되어 이를 ‘스포츠활동’으로 명명하였다.


Ⅳ. 논의

본 연구는 빅데이터 분석기법 중 텍스트마이닝 기법을 활용하여 여가활동에 대한 전반적인 흐름을 살펴보고자 하였다. 이에 본 연구결과를 토대로 다음과 같이 논의하였다.

첫째, 여가활동 키워드를 바탕으로 추출된 단어들을 살펴본 결과, 여가활동 대상자와 유형으로 크게 2가지로 나뉜다. 먼저 노인(1,406건)과 어린이(771건), 가족(760건), 장애(745건)와 같은 여가활동 대상자를 지칭하는 키워드로 추출되었다. 이는 최근 4년 동안 노인과 어린이, 가족단위의 여가활동에 대한 정보를 습득하고자 검색을 실시하고 있음을 의미하고 있다. 또한 최근 노인과 어린이, 장애아동, 장애아동의 가족을 대상으로 활발한 연구들이 진행되어 지고 있음에 따라(김기순, 조성제, 2016; 김덕주, 용미현, 2017; 손지영, 2017; 하웅용, 김예성, 2018), 키워드 분석결과와 최근 연구의 흐름이 맞게 이뤄지고 있다고 볼 수 있으며, 본 연구의 결과를 지지하고 있음을 알 수 있다.

두 번째로 여가활동 유형을 지칭하는 프로그램(1,652건), 지원(1,409건), 문화(1,239건), 건강(588건) 키워드가 추출되었다. 이는 여가활동을 실시하기 위해 프로그램 및 지원 사업에 대한 사전조사가 이뤄지고 있음을 의미하고 있다.

보험(1,189건)은 상위10안에 추출되었으며, 이제 필수의 시대이다. 금융업계에서는 주로 상해보험, 여행자 보험, 레저보험 등 보험 기간이 짧고, 보험료 부담이 크지 않으며 보장내역도 간단한 점을 특징으로 한 인터넷 보험 및 모바일 보험을 매년 출시하고 있다. 또한 사람들에게 쉽고, 편리하게 접근 할 수 있는 장점으로 인해 꾸준하게 성장하고 있다(류범열, 2016). 이에 위험이 따르는 특정 여가활동 시 보험을 선택이 아닌 이제는 필수적으로 가입하는 것을 알 수 있다. 또한 성인뿐만 아니라 가족단위의 여가활동에 따라 어린이 보험에도 관심이 많은 것을 알 수 있었다. 이렇듯 여가활동의 증가에 따라 시대적 흐름에 맞춰 시장의 변화도 이뤄지는 것으로 나타났으며, 최근 4년간의 데이터를 통해 향후에도 보험에 관심도는 유지 될 것이라 예측해 볼 수 있다. 이에 여가활동과 관련된 보험 출시 및 홍보가 이뤄진다면, 좀 더 안전하게 여가활동을 할 수 있는 계기 및 여가만족으로 이어질 것이라 생각한다.

키워드 추출 상위 10개 중 시간(984건)이 추출되었다. 자세히 살펴보면, 시간에 관련하여 평일에 할 수 있는 여가활동에 관련한 검색량이 많은 것으로 나타났다. 이는 근로시간이 52시간으로 단축하는 근로기준법 개정안이 통과되는 등 정책이 바뀜에 따라 평일에 여가활동을 하고자 검색량이 증가한 것으로 해석할 수 있다(정봉오, 2018). 이유진과 황선환(2018)의 연구에 따르면 여가시간이 많을수록 행복지수가 높아진다 제시하였으며, 이에 본 연구를 지지하고 있다. 따라서 사람들은 주어진 시간에 최대의 만족도를 높이기 위해 인터넷상으로 여가활동에 관련된 정보들을 얻고 있다고 유추해볼 수 있다.

둘째, 여가활동 키워드에 대한 연결정도 중심성에 대한 분석 결과, 공출현 빈도분석 결과와 유사한 결과를 보이며 큰 차이는 나타나지 않았다. 반면 공출현 빈도 상위12로 나타난‘지역’은 빈도수에 비해 높은 연결정도 중심성을 보이는 것으로 나타났다. 이는 상위10개의 키워드간의 연결정도에서 지역을 빼놓고 이야기 할 수 없음을 의미하고 있다. 최근 각 지역의 지원을 받아 노인여가정책과 관련되어 다양한 연구들이 진행되어져 왔다(오세숙, 이종성, 김종순, 2015; 최웅재, 박기주, 최덕환, 2012). 용인시 처인구에서는 장애인 대상 건강관리 프로그램을 운영하기 시작하였으며(송인호, 2018), 부산 금정구(금정구청, 2018)에서는 장애인 일자리 사업 교육 개최 및 중증장애인 가구 무료세탁서비스, 저소득 장애인을 위한 집수리 봉사 활동 등 다양한 지원들이 활발하게 이뤄지고 있으며, 실제 본 연구결과에서 검색량이 높게 나타났다. 이렇듯 지역별 실시되고 있는 프로그램 및 지원 등에 대해 사용자들이 쉽고 편리하게 알아볼 수 있게 홍보 및 편리성을 지속적으로 제공하여 혜택을 받을 수 있도록 하여야 할 것이다.

셋째, 여가활동 키워드를 바탕으로 N-GRAM 네트워크 그래프를 실시한 결과, 어린이/보험, 프로그램/가족, 가족/지원, 지원/장애, 문화/지원으로 핵심 관계도가 나타났다.

그 중 어린이와 보험의 관계가 높게 나타난 이유는 최근 몇 년 동안 어린이에 대한 사건사고가 영향을 미친것을 볼 수 있다. 보험개발원에 따르면 어린이의 사고피해는 지속적으로 증가하고 있으며, 교통사고는 가정의 달인 5월 달과 휴가철인 8월에 가장 많은 것으로 나타났다. 주 시간대는 평일 등, 하교 시간대로 주말에는 1-5시 어린이들이 활동하는 시간에 가장 많은 사고가 난 것으로 나타났다(허인혜, 2017). 실제로 어린이 상해보험의 경우 5월5일 어린이날과 방학을 앞두고 매년 출시되고 있으며, 가족단위 야외활동량이 많아짐에 따라 만약을 위한 대비책으로 보험을 드는 것이 이제는 자연스러운 일로 변화되어지고 있는 부분이 잘 반영된 것이라 볼 수 있다.

프로그램/가족, 가족/지원의 연결성이 높게 나타난 이유는 여가시간 증대 및 여가활동 지원이 다양해짐에 따라 가족과 함께 여가를 보내고자 가족단위의 여가활동에 관련된 정보들을 검색을 실시한 것이라 유추해 볼 수 있다. 국민여가활동조사(2016)에 따르면 여가활동을 혼자서(59.8) 가장 많이 하고 있으며, 두 번째로 가족과 함께(29.7) 여가활동을 하고 있는 것으로 나타나 본 연구결과를 지지해주고 있다. 또한 문화체육관광부에서는 가족단위 관람객을 위해 계절별, 지역별 축제를 장려하고 있으며, 한국관광공사와 한국관광협회중앙회 및 17개 광역 자치단체의 지원을 받아 각 지역만의 특별한 여행콘텐츠‘봄 여행 주간’이라는 프로그램을 제시하였다(남호철, 2018). 이는 국민들이 대중매체를 통해 새로운 매력적인 여행지를 발견하고, 즐기는 기쁨을 누릴 수 있도록 지원하고 있으며, 사회적인 분위기가 여가생활을 권장하고, 즐기고자 하는 분위기로 바뀌고 있음을 보여주고 있다.

지원과 장애의 관계성을 살펴보면, ‘장애’ 키워드는 상위10 안으로 제시되었고, 지역, 지원, 센터, 어린이, 가족과 연관성이 높게 나타났다. 즉, 장애에 대한 지원혜택에 관련한 정보들을 얻고, 실제로 적용되는 혜택을 세부적으로 얻기 위해 포털사이트와 블로그, 카페 등을 통해 알아보고, 공유하는 것으로 해석할 수 있다. 김성태와 이문화(2014)의 연구에 따르면 장애가족들의 문화여가활동을 위해 경제적 지원, 전문적인 기관을 통한 전문적 프로그램 지원 및 장애유형에 맞는 맞춤형 프로그램 개발, 지방자치단체들의 지원 등이 필요하다 하였으며, 이에 본 연구결과를 지지해주고 있다.

넷째, CONCOR분석 결과 ‘여가복지’, ‘여가활동 프로그램’, ‘스트레스 해소’, ‘주 여가활동’, ‘스포츠활동’으로 총 5개의 그룹이 형성되었다.

우리나라에서의 여가복지는 복지가 필요로 한 노인, 장애인, 청소년, 아동을 중심으로 이뤄지고 있다(양정남 외 4인, 2008). 본 연구의 결과에서도 문화, 장애, 센터, 지원, 프로그램, 지역 등의 복지의 개념에 가까운 단어들로 그룹이 이뤄져 나타났다. 즉, 여가복지보다 복지의 개념이 강하게 나타나다 보니 일반인들에 관련된 여가활동 프로그램 및 지원 등에 관련된 정보들이 많이 부족한 실정이라 볼 수 있다. 이에 여가복지의 개념이 보편적이고 공평하게 다양한 계층에 이뤄질 수 있도록 개념정립 및 교육실시, 여가활동 프로그램 지원 등이 이뤄져야 할 것이다.

여가활동 프로그램은 유형, 활동, 참여, 노래와 같은 프로그램에 관련된 단어로 추출되었으며, 노인, 건강, 참여, 복지를 위한 경로당, 시설의 여가활동프로그램이 보편적으로 추출되었다.

스트레스해소와 관련된 키워드들은 여자, 수업, 삶 등으로 나타난 하나의 그룹으로 형성되었으며, 이는 여가시간에 수업을 통해 스트레스 해소를 하고 있는 것으로 볼 수 있다. 최근 퇴근 후 다양한 여가생활을 즐기기 위해 백화점과 대형마트의 문화센터를 찾는 직장인들이 지난해 30%이상 증가하였고, 원데이 클래스 수업을 받는 수강생들은 40%이상 급증하였다(고경석, 2018). ‘원데이 클래스’라는 맛보기 강좌는 하루만 진행되는 특별 수업으로서 여가시간에 자신만을 위한 특별한 체험을 실시하고, 스트레스 해소 및 힐링을 하는 것을 의미한다. 수업 신청은 주로 전문가의 SNS 또는 블로그, 카톡을 통해 가능하며, 소요시간 및 가격은 분야별로 다양하게 나뉜다(신예진, 2018). 이처럼 인터넷상으로 여가활동 정보검색 및 키워드 검색을 실시하고, 소통을 함으로써 취미에서 나아가 진지한 여가로서의 발전 및 제 2의 인생을 꿈꾸는 등 젊은이들이 변화하고 있다. 이를 통해 홍보 및 마케팅 또한 변화할 것이며, 소규모 강습을 통한 여가활동을 하나의 문화로 받아들여야 할 것이다.

주 여가활동은 여가시간에 많이 실시하고 있는 tv시청, 게임, 시간, 취미, 운동, 주말들로 키워드로 형성되었다. 이는 국민활동여가조사(2016)의 내용과 일치하게 나타났으며, 빅데이터분석이 여가활동에 관련된 전반적인 인식이 잘 추출되어진 것이라 볼 수 있다.

마지막으로 스포츠활동 그룹은 동아리, 모임, 볼링, 토요일, 스포츠로 구성되었으며, 최근 볼링의 문화가 변화함에 따라 높은 검색량이 나타난 부분이 잘 제시되었다. 볼링은 유명 연예인들의 프로볼러 테스트를 통해 큰 화젯거리가 되었으며(김지한, 2018), 락볼링장의 등장으로 인해 대중들이 쉽게 체험형 스포츠로 다가갈 수 있는 스포츠가 되었다(신상혁, 2018).

이처럼 최근 4년동안 여가활동의 키워드 검색을 통해 여가활동이 기존의 여가활동에서 변화하고 있으며, 이를 통해 흐름을 파악 하고, 예측해 볼 수 있었다.


Ⅴ. 결론

본 연구는 여가활동에 전반적인 흐름을 보고자 하였다. 여가활동의 상위 핵심 단어들을 분석한 결과 노인과 어린이, 가족, 장애를 대상으로 프로그램 및 지원에 관련한 검색들이 이뤄졌으며, 보편적으로 일반인들의 여가활동보다는 특정대상자들을 중심으로 여가활동에 대한 검색이 더 활발하게 이뤄지고 있는 것으로 나타났다. 또한 사람들은 평일에 여가활동을 하고자 정보를 얻고, 여가활동에 부수적으로 보험 상품에 관심이 있는 것을 알 수 있었다.

따라서 4년 동안의 여가활동 참여자들의 인식 및 유형들을 파악한 결과, 향후에도 인터넷을 통해 여가활동에 대한 정보 습득은 지속될 것이며. 현재 트렌드에 맞는 여가활동의 홍보 및 공유, 후기들에 대한 검색은 꾸준하게 이뤄질 것이라 판단된다.

추후 연구에서는 여가활동의 유형들을 중심으로 빅데이터분석을 실시한다면, 전체적인 여가활동의 흐름뿐만이 아니라 세부적으로 분리된 여가활동을 파악할 수 있을 것이다.


References
1. 고용노동부, (2017), 워라벨(Work&Life Balance) 일·생활균형 함께해요!.
2. 고경석, 2018, Jul, 22, 퇴근한 직장인들 백화점대형마트로 간다, 한국일보. http://www.hankookilbo.com/v/4d46cf8416b349d098e694104c9fe7a2.
3. 금정구청, (2018), http://www.geumjeong.go.kr.
4. 김기순, 조성제, (2016), 장애아동 부모의 여가활동 참여 정도 및 만족도가 자아존중감에 미치는 영향, 예술인문사회융합멀티미디어논문지, 6(3), p169-177.
5. 김난도, 전미영, 이향은, 이준영, 김서영, 최지혜, 이수진, 서유현, (2017), 트렌드 코리아 2018, 서울, 미래의 창.
6. 김남희, 오치옥, (2018), 여가전문화, 여가정체성, 협상효능감이 지속적 참여의도에 미치는 영향:자전거 라이딩 참여자를 대상으로, 한국여가레크레이션학회지, 42(1), p39-51.
7. 김덕주, 용미현, (2017), 장애아동을 양육하는 부모의 여가현황 및 여가만족에 관한 연구, 열린부모교육연구, 9(2), p71-86.
8. 김상범, 2016, May, 19, 신한카드, 2030세대 맞춤형카드 출시, 내일신문. http://www.naeil.com/news_view/?id_art=196305.
9. 김성태, 이문화, (2014), 장애아동 가족의 문화여가 지원, 장애아동인권연구, 5(2), p69-91.
10. 김수연, 원영신, 이상희, (2018), 여가복지서비스 활동으로서 노인의 양생( 養生)체조 참여경험 탐색, 한국체육학회지, 57(1), p347-367.
11. 김용범, 조현진, 조광익, (2015), 빅 데이터를 활용한 국내 여가활동 동향 분석, 관광연구저널, 29(9), p191-205.
12. 김용학, (2011), 사회 연결망 분석, 서울, 박영사.
13. 김주성, (2018), 캐나다 이주 한국인들의 전반적인 여가 의미 측정도구 개발, 여가학연구, 16(1), p1-28.
14. 김지한, 2018, Mar, 3, 연예인 볼링 열풍...프로볼링 흥행도 불지핀다, 중앙일보. http://news.joins.com/article/22410219.
15. 남호철, 2018, Apr, 17, TV속 촬영지로 떠나요... 문체부, 봄 여행주간(4월28일~5월13일) 실시, 국민일보. http://news.kmib.co.kr/article/view.asp?arcid=0012286827&code=61172311&cp=nv.
16. 류범열, 2016, Apr, 22, 모바일보험시장, ‘톡톡’튀는 이색보험 눈길, 아시아투데이. http://www.asiatoday.co.kr/view.php?key=20160422010011162.
17. 문화체육관광부, (2016), 2016 국민여가활동조사, 한국문화관광연구원.
18. 배은나, 2016, Apr, 22, 초과근무 줄이고 자기개발 휴가...근무혁신으로 공직‘워라벨’만족도 높인다, 중앙일보. http://news.joins.com/article/22315669.
19. 손지영, (2017), 여가활동 참여 노인의 여가만족이 심리적 안녕감에 미치는 영향, 한국콘텐츠학회논문지, 17(9), p536-548.
20. 송인호, 2018, Mar, 2, 용인 처인구 보건소, 장애인 대상 건강관리프로그램 운영, KNS뉴스통신. http://www.kns.tv/news/articleView.html?idxno=405161.
21. 신상혁, (2018), 볼링참가자들의 참여동기가 운동몰입, 심리적 행복감에 미치는 영향, 미간행 석사학위논문, 연세대학교 교육대학원, 서울.
22. 신예진, 2018, Apr, 21, 인생 2막, 스트레스 해소를 위해...‘원데이 클래스’를 찾는 직장인 급증, 시빅뉴스. http://www.civicnews.com/news/articleViw.html?idxno=15163.
23. 양정남, 최은정, 조준, 최용민, 이수애, (2008), 여가 복지현장실습Ⅱ, 서울, 청목출판사.
24. 오세숙, 이종성, 김종순, (2015), 경기도 거주 노인의 여가활동 장려를 위한 지역별 차별화 방안 연구, 여가학연구, 13(1), p127-150.
25. 윤흥권, 권혁인, (2018), 직장인의 소셜댄스 여가활 동 참여가 생활만족도에 미치는 영향:스 트레스와 문화적 자기효능감의 매개역할, 한국여가레크레이션학회지, 42(1), p1-13.
26. 이국희, 최인철, (2018), 일하고 놀까? 놀고 일할까?:행복, 관계 그리고 여가 우선 선택, 여가학연구, 16(1), p29-53.
27. 이유진, 황선환, (2018), 가구소득과 여가시간에 따른 행복지수, 한국여가레크레이션학회지, 42(1), p86-96.
28. 이해정, 2018, Apr, 23, 삶의질·업무효율 ‘UP’...I T업계, ‘워라벨’문화 확산, 미디어펜. http://www.mediapen.com/news/view/349211.
29. 전채남, 서일원, (2013), 빅데이터 분석의 기술마케팅 활용에 관한 연구 : 잠재 수요기업 발굴을 중심으로, 마케팅논집, 21(2), p181-203.
30. 정봉오, 2018, Feb, 27, “이제 워라벨 좀”VS “작은 업체 이런 거 안해”...근로시간 단축 반응 ‘극과 극’, 동아닷컴. http://news.donga.com/3/all/20180227/88879934/2.
31. 차민경, (2015), 국내 언론에 나타난 ‘예술경영’관련 이슈의 의미연결망 분석, 문화정책논총, 29(2), p168-200.
32. 최웅재, 박기주, 최덕환, (2012), 전북지역 노인 여가 스포츠정책 현황과 비교연구, 한국사회체육학회지, 47(1), p749-760.
33. 하웅용, 김예성, (2018), 노년기 참여 여가활동 유형이 신체적 건강 및 정신적 건강에 미치는 영향에 관한 연구, 스포츠사이언스, 35(2), p45-59.
34. 한관종, (2003), 사회과학 방법론으로서의 연결망 분석 기법 적용의 의의와 연구과제-의미연결망 분석(semantic network analysis). 중심으로-, 사회과교육연구, 10(2), p219-235.
35. 한국인터넷진흥원, (2017), 2017 인터넷이용실태 조사.
36. 허인혜, 2017, Jun, 20, ‘숭의초 학교폭력·인천 초등생 살인’...어린이보험 안전판 될까?, 한국스포츠경제. http://www.sporbiz.co.kr/news/articleView.html?idxno=116721.
37. 홍지숙, 오익근, (2016), 소셜미디어 빅데이터를 활용한 항공사 이미지 변화 분석, 관광연구저널, 30(6), p119-133.
38. Wasserman, S., & Faust, K., (1994), Social network analysis: method and applications, New York; Cambridge University Press.