Ⅰ.서 론

소위 ‘빅데이터(Big Data)’로 일컬어지는 대규모 의 사회적 데이터는 컴퓨터와 웹의 발달로 최근 그 활용범위가 확대되는 추세이다. 이런 흐름을 반영 하듯 경제협력개발기구(OECD)는 빅데이터가 정부 의 정책형성 과정을 지원할 수 있는 잠재능력을 가 지고 있으며, 정부와 국민들 간의 신뢰를 향상시킬 수 있는 정책수단이 될 것으로 전망하고 있다[2].

특히, EU와 미국 등 선진국에서는 최근 공공감 사행정에 위험기반 감사접근방법의 일환으로 대용 량 데이터를 활용한 마이닝기법의 활용을 적극적으 로 도입하는 등 빅데이터를 이용한 감사이슈 탐색 방법론을 구축·활용하고자 노력하고 있다. 실례로, 미국 연방감사원(U. S. Government Accountability Office, GAO)은 2015년 공공부문의 다양한 공개정 보를 활용한 감사자료 분석기법을 개발하고, 이를 실제 감사행정에 활용할 수 있도록 테스트 중에 있 으며[3], ECOPA(2014)는 감사유형에 따른 세분화된 마이닝 기법을 활용할 수 있는 감사계획 설계방법 을 연구하였다[4].

본 연구도 이상에서 살펴 본 빅데이터를 활용한 감사방법론 개발 시류에 일조하고자 했다. 연구의 목적은 빅데이터를 활용하여 공공감사 시 유의해서 살펴보아야 할 정책이슈 탐색방법을 개발하고 적 용함에 있다. 먼저 방법론 개발을 위해 국내 인터 넷 환경에 널리 퍼져있는 텍스트 형태의 비정형적 빅데이터로부터 공공정책의 이슈를 간편하게 탐색 할 수 있도록 경계분석 이론과 텍스트마이닝(Text Mining)을 활용한 정책이슈 탐색기법을 정립하고자 한다. 그리고 정립된 방법론을 토대로 도로부문 지 능형교통체계(ITS)를 대상으로 사례적용을 함으로 써 방법론의 적용가능성도 테스트해보고자 한다.

Ⅱ.이론적 고찰

본 연구의 정책이슈 탐색 Dunn(2008, 2012)의 경 계분석(Boundary Analysis)에 이론적 토대를 두었다 [5, 6]. 그리고 경계분석과 메타문제를 추정하는 개 념이 유사한 텍스트마이닝을 활용하여 빅데이터 기 반 정책이슈 탐색방법론을 정립했다. 본 절에서는 이론적 배경을 이루는 경계분석 이론과 텍스트마이 닝 기법에 대하여 고찰한다.

1.경계분석 이론에 대한 이론적 고찰

Dunn(2008, 2012)은 정책이슈를 구조화하는 방법 으로 경계분석(boundary analysis)을 제안하였는데, 이는 정책에 대한 이해관계자의 의견을 종합적으로 수렴하기 위해 사용하는 정책의사 결정방법으로 널 리 활용되고 있다[5, 6]. 또한 경계분석 과정은 일반 적으로 ‘포화표본 추출(saturation sampling)’, ‘문제의 대표성 도출(elicitation of problem representation)’, ‘경계추정(boundary estimation)’의 3단계로 구분한다 [5, 6].

첫째, ‘포화표본 추출’ 단계는 정책에 대해 이해 관계자들이 요구하는 정책이슈가 쌓여서 이룬 ‘눈 덩이(snowball)’를 포화표본(saturation sample)으로 추출하는 과정이다. 이 과정은 해당 이슈에 대하여 더 이상의 새로운 이해관계자가 나타나지 않을 때 까지 반복하여 추출한다[6]. 이 과정을 전산으로 구 현하기 위해 텍스트마이닝 분석을 위한 자료 분류 체계(taxonomy)를 구축하고, 이 분류체계를 토대로 빅데이터 탐색기법인 크롤링(crawling) 기법을 주로 활용하고 있다.

둘째, ‘문제의 대표성 도출’ 단계는 첫째 단계에 서 추출된 포화표본을 주제별로 해석하는 과정으로 이해관계자들이 인식하는 집단화된 정책이슈를 이 끌어내는 과정이다[6]. 이 과정을 전산으로 구현하 기 위해 텍스트마이닝 기법의 일종인 ‘주제분석 (topic analysis)’이 널리 활용된다.

셋째, ‘경계추정’ 단계는 다양한 이해관계자로부 터의 의견을 수렴하고 이를 정량화하기 위하여 메 타문제의 경계를 추정하는 과정이다[6]. 예를 들어 경계추정을 위하여 2가지 주요 지표로 플랫폼별 노 출빈도(exposure frequency)와 정책이슈의 주제비중 (topic weight)을 선정하였다고 가정하면, 먼저 수평 축에 정책대상에 대한 플랫폼별 노출빈도(문서의 경우 발간일자)를 나열하고, 수직축에 문서의 누적 출현 건수를 산출하여 정책대상의 플랫폼별 노출빈 도를 판단한다. 그리고 ‘주제비중’은 텍스트마이닝 분석을 통해 나타나는 모형의 추정 값으로 산출되 는 관련정보의 유사주제 집합에 대해 ‘집합별-문서 별 주제비중’을 추정한 후 종합적 판단을 통해 정 책이슈를 선정하게 된다.

2.텍스트마이닝에 대한 이론적 고찰

Hearst(1999, 2003)[7, 8]는 텍스트마이닝을 “다르 게 작성된 정보 원천으로부터 예전에 알려지지 않 은 정보를 추출하여 컴퓨팅을 통해 새로운 정보를 발견하는 것”으로 정의하였다[9]. 텍스트마이닝은 데이터마이닝(data mining)의 일종으로, 텍스트 형태 로 이루어진 비정형 데이터들을 자연어 처리방식을 이용해 정보를 추출하는 방법이다. 이는 수치형 데 이터(numerical data)나 범주형 데이터(categorical data) 로부터 의미 있는 패턴을 찾아내는 데이터마이닝에 비해 텍스트 데이터로 정보를 다룬다는 점이 특징 이다[8, 10]. 따라서 텍스트마이닝의 기술적 정의는 비정형 또는 반정형 데이터에 대하여 자연어 처리 (Natural Language Process, NLP) 기술과 문서처리 기술을 적용하여 유용한 새로운 정보를 추출, 가공 하는 정보처리기법이라 할 수 있겠다[11]. 일반적으 로 텍스트마이닝의 프로세스는 ‘비정형 정보수집 → 전 처리 → 정보추출 → 정보분석’의 일반적 인 절차를 따르고 있으며, 정보추출과정에서 수학 적 모델이나 알고리즘을 통해 유용한 정보를 추출 한다[11].

Ⅲ.정책이슈 탐색방법론 정립

본 연구에서는 Dunn(2012)가 제안한 경계분석을 이론적 토대로 하여, 여기에 감사원 감사실무 프로세 스를 접목한 감사이슈 분석 틀(analogical framework) 을 <Fig. 1>과 같이 제안한다.

<Fig. 1>에서 보는 바와 같이 본 연구에서 제안 하는 경계분석 절차는 Dunn(2012)의 제안대로 ‘1.포 화표본 추출(saturation sampling)’, ‘2.포화표본 추출 (elicitation of problem representation)’, ‘3.경계추정 (boundary estimation)’으로 구성했다. 그리고 그 안 에 배치되는 텍스트마이닝 분석요소는 ‘① 정책 대 상 인식(recognition of audit items)’, ‘② 정책정보 탐 색(searching audit information)’, ‘③ 주제분석(topic analysis)’, ‘⑤ 정책이슈 판단(evaluation on audit issues)’이라는 4단계로 이루어진 감사이슈 구조화 과정으로 이루어져 있다.

이상에서 제안한 감사이슈 분석 틀을 빅데이터 기법인 텍스트마이닝을 활용하여 구현하고자 하는 데 그 방법을 분석 단계별로 세부적으로 살펴보면 <Fig. 2>와 같다.

첫째, ‘정책대상 인식’ 과정은 정책대상을 체계적 으로 인식하여 관련 자료를 추출하기 위한 과정이다. 즉, 구체적으로 정책대상을 구체적으로 인지하고, 이 와 관련한 자료를 ‘어디에서 찾을지’를 해결하기 위 한 과정이다. 이를 위해 빅데이터 분석에서 많이 사 용하는 분류체계를 구성하고, 텍스트마이닝 기법을 정책이슈 탐색을 위한 ‘플랫폼(platform)’으로 활용 했다.

둘째, ‘정책정보 탐색’ 과정은 정책대상 관련 자 료 중 의미 있는 정책정보를 찾기 위한 과정이다. 즉, 첫 번째 단계인 ‘정책대상 인식’ 단계에서 구성 된 분류체계와 플랫폼을 이용하여 정책정보를 실질 적으로 탐색하는 단계이다. 본 연구는 효율적인 탐 색을 위하여 텍스트마이닝 자료추출기법인 ‘크롤 링’을 활용했다. 이는 온라인이나 오프라인상에서 검색 키워드를 활용하여 관련 자료를 수집하고, 수 집한 자료를 텍스트 정보로 변환하는 기능을 프로 그램 코딩을 통하여 컴퓨터가 자동으로 처리하도록 하는 기법이다.

본 연구에서는 ‘.NET’과 ‘MS-ACCESS Visual Basic’ 을 통해 플랫폼별 검색구조에 적합한 크롤러를 코 딩했다. 이상의 첫 번째 ‘정책대상 인식’ 과정과 두 번째 ‘정책정보 탐색’ 과정은 <Fig. 2>의 ‘1. 포화표 본 추출’에 해당한다.

셋째, ‘주제분석’ 과정은 두 번째 단계에서 탐색 및 선별된 정책정보를 유사한 주제를 갖는 정보끼리 묶어 유사주제 집합으로 만드는 과정이다. 이는 Dunn(2012)의 경계분석 과정 중 ‘문제의 대표성을 도출’하는 과정이라고 할 수 있다. 즉 주제분석은 정책정보에서 유사한 주제를 갖는 정보끼리 묶고, 이를 대표하는 정보가 무엇인지를 파악하는 과정이다.

본 연구는 이를 빅데이터기반 분석기법으로 전환 (conversion)하기 위하여 자연어 처리(Natural Language Process, NLP)기술과 LDA(Latent Dirichlet Allocation) 알고리즘을 적용한 주제분석을 수행했다. 자연어 처 리기술은 인간이 사용하는 일상적인 언어인 자연어 (natural language)를 컴퓨터가 인식할 수 있는 의미 단위로 데이터의 기준을 만들어주는 과정으로 빅데 이터 정제과정이라고도 할 수 있다.

또한, 주제분석(topic analysis)은 정책대상 관련 자 료에서 추출된 정보를 유사주제를 갖는 문서끼리 집 합화(clustering)하는 기법이다. 주제분석 모형은 LSA (Latent Semantic Analysis) 모형, PLSA(Proba- bilistic Latent Semantic Analysis) 모형, LDA(Latent Dirichlet Allocation) 모형 등이 있으며[11], 본 연구에서는 수 집된 문서들 간의 상호의존성(inter- dependancy)과 정책이슈의 포괄성(diversity)을 잘 반영하는 ‘LDA 모형’을 사용했다.

여기서 LDA 모형은 문서들의 주제를 분류하기 위해 Blei et al.(2003)가 개발한 모형으로[14], 발견되 지 않은 그룹에 의해 설명될 수 있는 관측치의 집 합을 설명하는 생성모델(generative model)이라 할 수 있다. 즉, LDA 모형은 잠재적 확률추정기법을 사용하며, 이 기법은 하나의 문서는 여러 개의 주제 를 포함하거나 여러 문서가 공통의 주제를 공유할 수도 있다는 점을 전제로 하고 있으며, 각 주제는 일정한 분포를 가지고 있고, 각 주제의 분포는 데이 터 전체 분포의 하위집합으로 구성되는 위계모형 (hierarchial model)의 특성을 지닌다.

주제분석의 결과로는 유사주제 집합을 대표하는 주제어(topic words)가 산출되고, 문서군별 주제비중 (topic weights by document cluster), 문서별 주제비중 (topic weight by each document)이 추정되는데, 이는 <Fig. 2>의 ‘2. 문제의 대표성 도출’에 해당한다.

넷째, ‘정책이슈 판단’은 주제분석을 통해 추정된 정책정보의 유사주제 집합을 토대로 정책이슈를 정 성적으로 판단하는 과정이다. 이는 경계분석에서 경계추정에 해당하는 과정으로 <Fig. 2>의 ‘3. 경계 추정’에 해당한다.

앞의 세 과정은 컴퓨터에 의존하였다면, 네번째 과정은 정책이슈를 분석하는 분석가의 인적 판단과 정이라고 할 수 있다. 본 연구는 정책이슈 판단을 위해 감사대상의 노출빈도(audit object’s exposure frequency by platform)와 주제분석 결과 도출되는 주제어와 문서군별 주제비중 그리고 문서별 주제비 중 등을 판단지표로 활용했다. 또한 소개한 모든 과 정은 순환구조를 갖게 되며, 분석가는 일정한 정책 이슈를 도출하기까지 이를 반복 수행할 수 있다.

Ⅳ.사례 적용

본장에서는 3장에서 정립한 정책이슈 탐색기 법을 감사행정에 활용할 수 있도록 테스트하고자 ITS 정책이슈를 대상으로 사례적용을 수행했다. 이에 <Fig. 2>에서 제시한 텍스트마이닝을 활용한 감사이슈 경계분석 절차에 따라 각 단계별로 정 책이슈를 탐색한 방법과 결과를 서술하면 다음과 같다.

1.포화표본 추출(Saturation sampling) 단계

1)분류체계(Taxonomy) 및 감사대상 관련 키워드 (Keywords related to audit items) 설정

‘분류체계 수립’은 ‘무엇을 감사할지’를 해결하기 위한 과정으로 감사대상 관련 자료를 효과적으로 추출하기 위한 과정으로, 빅데이터 플랫폼은 다양 한 이해관계자가 생산한 방대한 양의 자료를 포함 하고 있기 때문에 이 중에서 감사대상과 유관한 정 보만을 효과적으로 추출하기 위해서는 관련 자료에 대한 제한이 필요하다. 따라서 본 연구에서는 국제 기준(INTOSAI IT감사 분류기준)을 참고하여 ‘감사 분야 - 분야별 감사대상 - 감사대상 관련 키워드’로 이루어진 분류체계를 구성했다. 본 연구에서 선정 한 감사대상과 관련한 분류체계 및 키워드는 <Table 1>과 같이 2개 감사분야, 14개 감사대상, 62개 감사 대상 관련 키워드로 구성했다. ‘감사대상 관련 키워 드’는 다음 단계에서 진행될 플랫폼별 크롤링 과정 의 입력변수로 사용했다.

2)플랫폼(Platforms) 구성

‘플랫폼 구성’은 분류체계를 토대로 ‘관련 감사자 료를 어디에서 찾을지(Where will I audit?)’를 선정 하는 과정으로 앞서 수립한 분류체계의 키워드 집 합을 가지고 여러 이해관계자로 구성된 플랫폼을 통해 논의되고 있는 다양한 정보를 탐색한다.

본 연구는 플랫폼을 대중 플랫폼과 전문 플랫폼 으로 구분했다. 대중 플랫폼은 웹상에서 누구나 접 근 가능한 범용 인터넷 포털인 ^｢네이버_｣ 뉴스 포털 과 ^｢다음_｣ 뉴스 포털을 이용했다. 그리고 대형포털 의 쏠림현상을 보완하고 지방지역의 여론을 균형 있게 수집하기 위해 ‘한국언론재단’에서 제공하는 온라인 뉴스 서비스인 ^｢미디어가온_｣의 ^｢뉴스기사_｣ 서비스 중 ^｢지역종합일간신문_｣, ^｢인터넷․전문신문_｣, ^｢지역주간신문_｣ 게시판 등(이하, ^｢미디어가온_｣ 지 방지 포털) 205개 지방언론 매체를 소스로 활용했 다. 자료 수집의 시간적 범위는 2012년 1월 1일에서 2014년 12월 31일까지 3년간으로 설정했다.

3)부정적 견해 어휘(Negative Meaning Dictions) 설정

언론매체 및 전문 문헌은 긍정적, 중립적, 부정적 견해를 갖고 있는데, 감사에 필요한 정책이슈를 탐 색하기 위해서는 ‘플랫폼’을 대상으로 ‘분류체계’와 ‘감사키워드’를 통해 부정적 견해를 갖는 감사대상 관련 자료를 선별하여 관련 정보를 추출하는 과정 이 필요하다.

본 연구에서 사용한 부정적 견해어 집합은 <Attachment 1>과 같은데, 기존 감사원 감사보고서 와 대중언론 보도 자료에서 빈출되게 사용되고 있 다고 판단되는 어휘 270개를 정리했다. 그리고 이 부정적 견해어를 포함하고 있는 문서를 크롤러를 활용하여 문장 단위로 인터넷상에서 탐색한다. 탐 색방식은 보도 자료(또는 문서)의 제목에 <Table 1> 에서 제시한 감사키워드와 부정적 견해어를 동시에 포함하고 있는 문서를 추출하거나 또는 본문에서 문장 단위로 탐색하여 감사키워드와 부정적 견해어 를 동시에 포함하는 문서를 ‘정책이슈’로 추출했다.

4)크롤링(Crawling) 과정

‘크롤링’ 과정은 검색 키워드를 활용하여 온라인 등에서 해당 자료를 수집하고, 수집한 자료를 텍스 트 정보로 변환하는 기능을 컴퓨터가 자동으로 처 리하도록 하는 과정이다. 본 연구에서 사용한 크롤 링 기법은 <Table 2>와 같이 방법적 분류에 따라 ‘웹 대상 크롤링(web targeted crawling)’ 방식과 ‘파일 대상 크롤링(file targeted crawling)’ 방식으로 구분되며, 기능적 분류에 따라 ‘수집기능 크롤러 (collector targeted crawling)’와 ‘저장기능 크롤러 (saver targeted crawling)’로 구분된다.

방법적 분류 기준에 따른 크롤링 기법을 살펴보 면, 먼저 ‘웹 대상 크롤링’ 방식은 인터넷 포털뉴스 검색란에 관련 키워드를 입력하고, 이때 나타나는 검색결과 중 원하는 링크를 클릭하여 열리는 웹 문 서를 읽는 인간의 탐색방식을 자동화하여 구현한 방법이다. 본 연구에서는 중앙미디어, 지방미디어, 전문미디어 등 웹에서 링크를 통해 열람할 수 있는 보도 자료 탐색에 주로 활용했다. 다음으로 ‘파일 대상 크롤링’ 방식은 관련 자료가 웹 문서로 이루 어지지 않고 pdf 파일 등의 형태로 되어 있는 경우 관련 자료를 다운로드한 후 파일을 매체로 크롤링 하는 방법이다. 본 연구에서는 국회, 국책연구기관, 관련 학회 등 홈페이지에서 ‘감사대상 관련 키워드’ 를 이용해 감사대상 관련 자료를 추출하는 방식을 이용했다.

기능적 분류 기준에 따른 크롤링 방식을 살펴보면, ‘수집기능 크롤러’는 웹이나 다운로드한 문서에서 분류 체계에 해당하는 키워드를 가지고 일정 조건에 부합 하는 정보를 수집하는 방법이다. 본 연구에서는 플 랫폼별로 정보검색 구조를 분석하여 ‘.NET’으로 코딩 했다. 또한, ‘저장기능 크롤러’는 수집기능 크롤러를 통해 수집된 감사대상 관련 자료 및 감사정보를 플 랫폼별, 분류체계별 등 특정 색인으로 구분하는 방 법이다. 본 연구에서는 ‘MS-ACCESS Visual Basic’ 을 통해 코딩하여 수집된 관련 자료 및 정보를 로 컬 PC 내에 ACCESS DB 형태로 저장할 수 있도록 했다.

2.문제의 대표성 도출(Elicitation of problem representation) 단계

1)자연어 처리(Natural Language Processing) 과정

‘자연어 처리 과정’에서는 크롤링 된 자연어 (natural language) 형태의 자료 또는 정보를 컴퓨터 가 인식할 수 있는 의미단위로 데이터의 기준을 부 여한다. 본 연구에서는 띄어쓰기 처리, 오타 교정, 동의미 이형태 처리, 형태소 분석, 개체명 인식, 구 문 분석 등 총 6가지의 과정을 거쳤다.

2)주제분석(Topic Analysis) 과정

‘주제분석 과정’은 앞의 <Table 1>에서 설정한 감 사대상 관련 키워드를 입력하여 크롤링한 문서들을 텍스트마이닝 모형을 적용하여, 유사한 주제를 갖 는 감사정보끼리 클러스터링(집합화)하는 단계라 할 수 있다. 주제분석을 통해서 추정되는 값은 ‘주 제어’와 ‘주제비중’이며, 이는 다음 단계의 감사이 슈 판단에 활용된다. 이는 크롤링을 통해 수집한 감 사대상 관련 문서를 자연어 처리를 통해 키워드를 산출하고, 이 키워드를 토대로 유사한 주제를 집합 화하는 과정이다.

텍스트마이닝 과정에서 ‘주제분석’은 문서의 주 제를 알기 위해 원본 텍스트 내의 단어를 분석하는 통계적인 방법으로, 인공지능 학습모형에 기반하여 대량의 문서에서 원하는 주제를 빠르게 도출하는 역할을 한다[12, 13]. 주제분석 모형에는 LSA(Latent Semantic Analysis) 모형, PLSA(Proba- bilistic Latent Semantic Analysis) 모형, LDA(Latent Dirichlet Allocation) 모형 등이 있으며[10], 본 연구에서는 수집된 문서 들 간의 상호의존성(inter- dependancy)과 감사이슈 의 포괄성(diversity)을 잘 반영하는 ‘LDA 모형’을 채택했다. LDA 모형의 기본구조와 말뭉치(corpus) 생성과정을 도식화하면 <Fig 3.>과 같다.

LDA 모형은 Blei et al.(2003)가 문서들의 주제를 분류하기 위해 최초로 고안하였는데[14], 발견되지 않 은 그룹에 의해 설명될 수 있는 관측치(obs- ervation) 의 집합을 설명하는 생성모델(generative model)이라 할 수 있다. LDA 모형은 잠재적 확률추정기법을 사용하며, 이 기법은 하나의 문서는 여러 개의 주제 를 포함하거나 여러 문서가 공통의 주제를 공유할 수도 있다는 점을 전제로 한다. 각 주제는 일정한 분포를 가지고 있고, 각 주제의 분포는 데이터 전체 분포의 하위집합으로 구성되는 위계모형(hierarchial model)의 특성을 지닌다. LDA 모형의 기본적인 구 조와 문서 생성과정은 <Fig. 3>과 같다.

LDA는 주어진 개수의 주제에 대하여, 어떤 특정 한 분포에 따라 각 단어가 주제별로 출현할 빈도의 분포와 문서별로 각 주제를 포함하는 경우의 분포 간 곱을 각 주제에 할당된 단어의 빈도로 나눈 값 을 기준으로, 해당 단어가 어떤 주제에 할당되는지 를 깁스 샘플링(Gibbs sampling)[15]을 통해 반복적 으로 계산하여 각 주제를 구성하는 단어들의 집합 을 확률적으로 추정해내는 모형이다. 도식적으로 설명하자면, <Fig. 3>과 같이 문서(D ), 단어 집합 (N_d)이 주어졌을 때, 확률 벡터 (Φ_t )에 의해 특징이 결정되는 각 단어에 대한 분포로써 주제(t)를 정의 할 수 있다. 각 문서는 주제에 대한 분포 (θ_j)와 결 합되어 설명된다. 주제에 대한 단어의 확률값 Φ_t는 파라미터 β의 영향을 받고, 문서에 대한 주제의 확 률값 θ_j는 파라미터 α 에 의해 영향을 받는 은닉 변 수(latent variable)이다.

모형이 깁스 샘플링을 통해 최적화되는 동안 현재 의 확률 분포 상태에 대한 품질은 엔트로피를 활용 한 혼잡도(perplexity)의 수치가 얼마나 빠른 시간 내 에 효과적으로 안정화되는가를 기준으로 측정한다.

본 연구에서는 OwlNest and Audit and Inspection Research Institute(2015)[12]에서 적용한 바와 같이, 혼잡도를 기준으로 모형을 측정했을 때 일반적으로 한국어 문서의 주제분석에서 빠르고 효과적인 최적 화로 좋은 성능을 나타내는 것으로 판단되는 비대 칭-대칭 혼합 어휘소 기반(Asymmetric-Sym metric Lexeme-based) LDA 모형을 사용했다. 이 모형은 비대칭 파라미터 α′을 추가함으로써 문서-주제간 의 분포 최적화에 이점이 많은 것으로 보고되고 있 다[16].

3.경계추정(Boundary estimation) 단계

1)플랫폼별 감사대상 노출빈도(Exposure frequency of the audit object by platform) 분석

플랫폼별 감사대상 노출빈도는 ‘1. 포화표본 추출 단계’의 ‘분류체계’에서 설정한 ‘감사대상 관련 키워 드’를 포함하는 보도 자료 또는 인터넷 상의 문서가 플랫폼별로 얼마만큼 빈도 높게 나타나는지를 산출 한 값이다. 이 노출빈도는 감사이슈 판단 시 플랫폼 에서 감사대상이 얼마나 높은 빈도로 노출되었는지 를 참고할 수 있는 양적 지표로 사용될 수 있다. 따 라서 그 양만큼 국민 또는 이해계층에게 많이 알려 져 있는 정책이슈라고 해석할 수 있다. 또한 감사대 상 노출빈도뿐만 아니라 감사대상에 대한 총 노출빈 도 대비 부정적 견해 노출빈도로 나타나는 감사대상 에 대한 부정적 견해 노출비율도 측정했다.

본 연구에서는 전술한 플랫폼 분류에서와 같이 일반플랫폼은 중앙미디어와 지방미디어를 구분하 여 감사대상 노출빈도를 측정했다. 중앙미디어 플 랫폼에서는 ^｢네이버_｣ 뉴스 포털의 노출빈도, ^｢다음_｣ 뉴스 포털의 노출빈도를 측정하였으며, 지방미디어 플랫폼에서는 ^｢미디어가온_｣ 지방지 포털의 노출빈 도를 측정했다. 전문 플랫폼은 전문미디어와 전문 저널을 합쳐서 노출빈도를 측정했다.

플랫폼별 노출빈도 분석결과를 종합하면 <Table 3> 과 같다. 결과를 보면 ^｢미디어가온_｣ 지방지 포털에 서는 ^｢네이버_｣, ^｢다음_｣ 뉴스 포털보다 ITS에 대해 정책이슈를 많이 내포하고 있다. 특히, ‘2-① 교통정 보 연계’는 ^｢네이버_｣ 뉴스 포털, ^｢다음_｣ 뉴스 포털 그리고 ^｢미디어가온_｣ 지방지 포털에서 모두 전체 보도자료 중 부정적 견해어를 포함하는 보도자료의 비율이 70% 이상으로 고위험 정책대상(이하, 고위 험 정책대상)으로 분류됐다. 그리고 ‘1-⑤ 차세대 지능형 교통시스템(C-ITS)’은 ^｢미디어가온_｣ 지방지 포털과 전문 플랫폼에서 고위험 정책대상으로 도출 됐다.

1-1)대중 플랫폼 노출빈도 분석결과

1-2)전문 플랫폼 노출빈도 분석결과

2012년 1월부터 2014년 12월까지 전문미디어에 게시된 자료 중 ITS관련한 자료는 937건으로 이중 부정적 견해를 띄는 자료는 418건으로 44.6%의 비 중을 차지하고 있었다. 이는 ^｢네이버_｣ 포털, ^｢다음_｣ 포털, ^｢미디어가온_｣ 지방지 포털 보다 낮은 수치로, 전문 플랫폼에서는 정책대상에 대한 부정적 견해를 띈 보도자료 비중이 낮게 나타남을 의미한다. 그리 고 부정적 견해를 띈 보도자료 비중이 70% 이상인 고위험 정책대상은 존재하지 않았으나 50%이상 70%이하에 해당하는 정책대상은 ‘1-⑤ 차세대 지능 형 교통시스템(C-ITS)(52.3%)’으로 나타났다.

2)감사이슈 판단

텍스트마이닝을 이용한 정책이슈 탐색기법의 마 지막 단계인 ‘감사이슈 판단’ 과정에서는 LDA 모형 을 이용한 주제분석 결과 도출되는 여러 가지 분석 지표를 활용하여 정책적으로 고려할 필요가 있는 이슈들을 판단한다. 본 연구에서는 전술한 바와 같 이 감사대상의 노출빈도와 주제분석 결과 도출되는 주제어와 문서군별 주제비중 그리고 문서별 주제비 중 등을 판단지표로 활용했다.

앞의 플랫폼별 노출빈도 분석에서 ^｢네이버_｣ 뉴 스 포털, ^｢다음_｣ 뉴스 포털 그리고 ^｢미디어가온_｣ 지 방지 포털에서 모두 고위험 정책대상으로 분류된 ‘2-① 교통정보 연계’의 경우를 예시로 감사이슈를 판단하는 방법을 제시하면 다음과 같다.

본 연구에서는 주제분석을 통해 도출된 결과를 <Attachment 2>와 같은 형태로 표출했다. 맨 왼쪽 열에는 주제 비중 값으로 정렬한 순위 값, 두 번째 열에는 문서군별 주제비중(topic weights by document cluster)이 나타나게 했다. 그리고 3~6열에는 문서군 중에 해당 문서군에 기여도가 가장 높은(=문서 주 제비중(topic weight by each document)이 가장 높은) 대표 보도자료의 매체명(3열), 보도자료 제목(4열), 게시일자(5열), URL(6열)을 표출하도록 했다. 그리 고 마지막 7열에는 문서군의 주제어(topic words)를 제시하도록 했다. 이러한 양식화된 주제분석 결과 테이블을 통해 분석가는 해당 정책의 이슈를 종합 적으로 파악할 수 있다. 주제 비중을 통해 문서군이 대표하는 주제의 가중치를 양적으로 판단할 수 있 으며, 주요 정책이슈에 대한 판단은 대표 보도자료, 문서군의 주제어를 통해 정성적으로 판단할 수 있 으며, 또는 주제비중이 높은 문서의 내용분석을 통 해서도 파악할 수 있다.

3)감사이슈 탐색 결과

감사이슈 탐색 결과 <Attachment 3>과 같다.

‘개발 및 구축’ 분야의 경우 1-① ‘CCTV 주정차 단속시스템’의 획일적 도입으로 인한 상권 위축과 지역의 특성을 반영한 탄력적 운영을 요구하는 등 9건의 정책(감사)이슈가 주요이슈로 선정됐다.

이뿐 아니라 ‘운영 및 관리’ 분야의 경우 2-① ‘교통정보 연계’이슈로 경찰의 UTIS 사업과 국토부 ATMS 사업과의 중복투자문제 등 5건의 정책(감사) 이슈가 주요이슈로 선정됐다.

Ⅴ.결론

본 연구는 ‘빅데이터’로 구축된 플랫폼(인터넷, 전문DB 등)을 정책 수렴 및 정책형성의 중요한 정책 수단으로 활용하고자, 경계분석이론과 텍스트마이닝 (Text Mining)을 이용하여 국내 인터넷환경에 널리 구축된 비정형적인 빅데이터로부터 정책이슈를 탐 색하는 기법을 정립했다.

또한, 정립한 탐색기법을 이용하여 도로부문 지 능형교통체계(ITS)를 대상으로 사례적용을 수행함 으로써 그 활용도를 테스트한 결과, ‘네이버’ 뉴스, ‘다음’ 뉴스, 전문 문헌 등 국내 인터넷에 공개된 자료 등을 이용하여 한정된 자원과 시간 내에 빠르 게 정책(감사)이슈를 발굴(data-driven issue tracking) 할 수 있었다.

아울러, 중앙미디어(2곳), 지방미디어(1곳), 전문 미디어(1곳)에 대한 탐색결과, 부적정 견해를 비중 이 70%이상으로 고위험 정책(감사)이슈로 구분할 수 있는 고위험 대상을 탐색하였으며, 앞으로 이 러한 이슈들에 대한 사후관리도 중요하다고 판단 된다. 연구의 한계 및 향후 연구과제로는 본 연구 의 분석기법이 인터넷(웹)을 통해 가용할 수 있는 미디어 보도 자료를 대상으로 하는 탐색적 접근 (descriptive approach)방법에 주로 의존하였으나, 향 후에는 전문가 의견을 보완하는 경험적 접근 (heuristic approach) 방법도 함께 고려할 필요가 있 을 것으로 판단된다.