연구절차

이 연구의 목적을 달성하기 위한 연구절차는 다음 <Fig 1>과 같다. 첫째, 연구자료를 수집 및 정제하여 최종 연구자료를 선정하였다. 둘째, 체육계 성폭력 사례의 사회적 관심도를 측정하기 위해 운형함수를 모형을 적용하여 이슈생존주기를 분석하였다. 셋째, 텍스트마이닝을 적용하여 관심도 증폭원인을 알아보기 위해 이슈생존주기별 주요 키워도 산출과 유산단어 분석을 실시하였다.

View original

Fig. 1

Research procedure

연구자료

이 연구의 목적을 달성하기 위해 한국언론진흥재단 언론DB(빅카인즈: https://www.bigkinds.or.kr/)에서 검색되는 뉴스 기사를 연구자료로 선정하였다. 뉴스 기사의 검색 조건은 다음과 같다. 첫째, 체육, 스포츠, 성폭행, 성폭력을 키워드로 사용하였다. 이때, 성폭행 혹은 성폭력의 키워드가 정확히 일치하는 기사와 체육 혹은 스포츠가 포함된 기사만을 선정하였다. 둘째, 2017년 1월 1일부터 2019년 12월 31일까지 기간을 한정하였다. 이와 같은 조건으로 검색하였을 때, 총 4,861건의 기사가 검색되었다. 이 중 중복되는 기사 888건을 제외하였으며, 체육 및 스포츠계 성폭력(성폭행)을 다루고 있지 않은 기사 1,315건을 제외하여 최종적으로 2,660건의 기사를 연구자료로 선정하였다. 최종 선정된 자료는 분석을 위해 1주일 간격으로 범주화하였다. 즉, 2017년 1월 1주차부터 2019년 12월 5주차까지 범주화하였다. 1주일 간격으로 범주화한 이유는 뉴스 기사의 특성상 주말에는 상대적으로 보도량이 적게 나타날 수 있다. 따라서 1일 보도량으로 분석할 경우 결과의 타당성이 떨어질 수 있음 방지하기 위함이었다. 실제적으로 이 연구에서 선정된 연구자료에서 토요일과 일요일의 보도량은 각각 3.1%, 3.9%로 낮게 나타났다.

자료처리

이 연구에서 적용한 통계적 방법은 크게 두 가지로 나눌 수 있다. 첫째, 운형함수모형이다. 운형함수모형은 체육계 성폭력 사례의 관심도를 측정하기 위해 사용하였다. 이슈에 대한 사회적 관심은 언론이 그 이슈를 다룬 정도로 계량화할 수 있으며 TV나 라디오의 경우 보도 시간으로 뉴스 기사나 잡지는 기사의 게재 면적, 기사 수, 기사의 총글자 수 등으로 계량화된다(Carrol & McCombs, 2003). 그러나 TV나 라디오의 경우 보도 시간을 수집하는 데 오랜 시간이 걸리기 때문에 뉴스 기사나 잡지로 활용이 많이 되고 있으며, 신문기사의 게재 면적으로 측정할 경우 사진까지 포함되기 때문에 기사의 수나 기사의 총글자 수보다 정확한 측정 방법이 될 수 있다. 최근에는 뉴스 기사가 온라인으로 배포되기 때문에 측정의 어려움이 있다(Park, 2014). 따라서 이 연구에서는 한국언론진흥재단의 언론 DB를 바탕으로 뉴스 기사 수로 계량화하였다. 그러나 단순 보도량의 변화는 직선적인 관심도 추세로 국민의 관심도 변화를 설명하기에는 한계점을 가지고 있다(Kim, 2017). 따라서 3차원 함수를 기반으로 하는 운형함수모형을 적용하여 국민의 관심도 변화를 파악하였다. 운형함수모형의 공식은 다음 <Formula 1>과 같다.

Formula 1. spline function formula

<Formula 1>에서 X₀=0, X ≥ X₁이면 D^*=1, 나머지는 D^*=0이고, X ≥ X₂이면 D^*=1, 나머지는 D^*=0이다. 이와 같이, X ≥ X₃이면 D^*=1, 나머지는 D^*=0이고, X ≥ X₄이면 D^*=1, 나머지는 D^*=0이다(Park, 2014). 이때X₁, X₂, X₃, X₄ 등은 이슈주기의 흐름에 있어 급작스럽게 변화하는 시점으로서 변곡점(spline knot)을 의미한다. 이러한 변곡점들은 운형함수의 회귀분석에 있어 독립변수의 수를 결정해 주는데(Park, 2014) 이 연구에서는 주차별 보도량의 차이를 근거로 변곡점을 설정하였다. 구체적으로 지난주보다 보도량이 증가하였다면 어떤 사건이 발생한 것으로 간주하였으며 보도량의 증가 기준은 20개로 설정하였다. 대부분의 사전연구(Kim, 2017; Park, 2005; Park, 2014)에서는 변곡점을 선정할 때 연구자의 주관에 의해 선정하지만, 이 연구에서는 연구자의 주관을 배제하려는 노력의 일환으로 변곡점 수를 고려하여 보도량 증가 기준을 20개로 설정하였음을 사전에 밝힌다.

사회적 관심도 증가원인을 파악하기 위해서 이 연구에서는 텍스트마이닝을 활용하였다. 구체적으로 변곡점 기간의 언론기사를 활용하여 빈도수 기반으로 주요 키워드를 산출하였으며, 이때, 키워드는 한국언론진흥재단 언른 DB(빅카인즈)에서 제공하는 언론기사의 키워드를 사용하였다. 그리고 이 연구에서 검색 키워드로 사용된 ‘체육’, ‘스포츠’, ‘성폭력’, ‘성폭행’ 단어들은 분석에서 제외하였으며, ‘문화체육관광부’와 ‘문체부’와 같이 같은 의미이지만 다르게 표현된 단어들은 하나의 단어로 통합하였다. 산출된 주요 키워드의 유사단어를 확인하고자 유사단어 분석을 실시하였다. 유사단어를 확인하는 방법은 다양하지만, 워드 클라우드(Word cloud)와 TF-IDF (Term Frequency-Inverse Document Frequency) 가중치 방법은 단어 간에 얼마나 자주 연관이 되는지의 빈도만을 고려하기 때문에 직관적으로 주제 및 관심 분야를 찾을 수 있지만, 데이터에 존재하는 대중들의 심리 등을 심층적으로 발취하는데 한계점이 존재한다(Lee et al., 2017). 따라서 이 연구에서 주요 키워드의 유사단어를 확인하기 위해 Word2vec 분석을 실시하였다. Word2vec는 Mikolov 등(2013)에 의해 처음 제안된 방법으로 인공 신경망을 통해 문장들을 학습하고 문장에 속한 단어들을 파악하여 의미적으로 비슷한 단어끼리 가까운 벡터공간에 표현해주는 모델이다. 즉, 단어의 순서가 근접하여 자주 출현할수록 단어들은 유사한 벡터값을 가질 수 있다(Kim et al., 2016).

자료정리를 위해 MS-Excel을 활용하였으며, 운형함수모형과 텍스트마이닝을 위해 Python 3을 활용하였다.

언론 보도량 변화추이

다음 <Fig 2>는 언론 보도량의 변화추이를 나타낸 것이다. 그 결과 2019년 1월 2주차에 언론 보도량 529건으로 가장 높게 나타났으며, 2019년 1월 1주차에는 419건으로 두 번째로 높게 나타났다. 2019년 1월 3주차에는 357건으로 세 번째로 높게 나타났다.

View original

Fig. 2.

Trends in the number of press articles

운형함수모형의 독립변수로 활용되는 변곡점은 생애주기의 흐름에 있어 급작스럽게 변화는 시점을 의미한다. 이 연구에서는 변곡점을 설정하기 위해 전 주차의 보도량보다 해당 주차의 보도량이 20개 이상 보도되었을 때 어떠한 사건이 발생한 것으로 판단하여 변곡점의 시기를 나누었다. 그 결과 7개의 변곡점이 나타났으며 다음 <Table 1>과 같다.

운형함수를 적용한 이슈생존주기 분석

운형함수를 적용하여 체육계 성폭력 사례의 회귀방정식을 만들고 함수 계수들과 설명량을 도출한 결과 다음 <Table 2>와 같다.

운형함수 회귀분석결과 모형의 적합도는 F=10.91, p<.001 수준에서 유의한 것으로 나타났으며, 모형의 설명력은 38.8%로 나타났다. 회귀분석을 위해 설정한 7개의 변곡점 중 다음 5개의 변곡점에서 통계적으로 유의한 것으로 나타났다. 다음 <Fig 3>는 운형함수 회귀방정식의 추정치에 근거해 도출된 체육계 성폭력 사례의 이슈생존주기이다. 이는 Park(2000)이 주장한 이슈생존주기 유형 중 속보형의 형태를 나타냈었다.

View original

Fig. 3

Estimation of spline function

변곡점별 텍스트마이닝

운형함수모형에서 통계적으로 유의하게 나타난 변곡점별 뉴스 기사를 대상을 텍스트마이닝을 실시하였다. 우선 빈도수를 기반으로 변곡점별 주요 키워드를 산출하였다. 다음 <Table 3>은 변곡점별 주요 키워드 상위 10개를 나타낸 것이며, <Table 4>는 변곡점별 주요 키워드의 연관단어분석(Word2vec)을 실시한 결과이다. 그 결과 Z4(2018년 2월 3주차)에서는 ‘신고’, ‘문체부’, ‘예술’, ‘ 분야’, ‘피해’단어들이 주요 키워드로 산출되었으며, ‘신고’는 ‘창구’, ‘상담센터’, ‘센터’, ‘영화인신문고’, ‘신설’의 단어와 연관성이 높은 것으로 나타났다. ‘문체부’는 ‘영화’, ‘분야’, ‘범위’, ‘확대’, ‘신설’의 단어와 연관성이 높은 것으로 나타났으며, ‘예술’은 ‘문화’, ‘대응’, ‘문체부’, ‘정부’, ‘운영’의 단어와 연관성이 높은 것으로 나타났다. 이는 문화예술계에서 시작된 미투 운동이 주요 내용으로 체육계 성폭력 사례는 잠복의 시기를 거쳐 문화예술계로 시작된 미투 운동을 계기로 수면으로 떠오는 시점이라 할 수 있다.

Z5(2019년 1월 1주차)는 ‘선수’, ‘코치’, ‘심OO’, ‘폭력’, ‘국가대표’단어들이 주요 키워드로 산출되었으며, ‘선수’는 ‘코치’, ‘심OO’, ‘국가대표’, ‘피해’, ‘증언’단어와 연관성이 높은 것으로 나타났다. ‘코치’는 ‘심OO’, ‘시절’, ‘선수’, ‘국가대표’, ‘혐의’단어와 연관성이 높은 것으로 나타났으며, ‘심OO’는 ‘코치’, ‘조OO’, ‘국가대표’, ‘쇼트트랙’, ‘상습’의 단어와 연관성이 높은 것으로 나타났다. 이는 ’쇼트트랙 국가대표 심OO 선수의 폭로‘가 주요 내용으로 체육계 성폭력 사례는 심OO 선수로 폭로로 인해 사회적 관심도는 급격히 상승하였다.

Z6(2019년 1월 2주차)는 ‘선수’, ‘폭력’, ‘조사’, ‘코치’, ‘KOC(대한체육회)’ 단어들이 주요 키워드로 산출되었으며, ‘선수’는 ‘국가대표’, ‘코치’, ‘폭로’, ‘선수생활’, ‘현직’ 단어와 연관성이 높은 것으로 나타났다. ‘폭력’단어는 ‘대책’, ‘구조적’, ‘국가대표’, ‘파악’, ‘선수’ 단어와 연관성이 높은 것으로 나타났으며, ‘조사’는 ‘전수조사’, ‘방법’, ‘포함’, ‘실태조사’, ‘수사’단어와 연관성이 높은 것으로 나타났다. 이는 심OO 선수의 폭로를 계기로 KOC 회장의 책임론과 더불어 체육계의 구조적 문제 제기, 체육계 성폭력 사례의 전수조사 및 실태조사의 필요성이 제기되는 단계이다.

Z7(2019년 2월 2주차)은 ‘선수’, ‘KOC’, ‘국가대표’, ‘정부’, ‘인권’단어들이 주요 키워드로 산출되었으며, ‘선수’ 단어는 ‘약속’, ‘선수촌’, ‘사과’, ‘매진’, ‘남자’ 단어와 연관성이 높은 것으로 나타났다. ‘KOC’는 ‘대한올림픽위원회’, ‘분리’, ‘총회’, ‘대의원’, ‘불참’ 단어와 연관성이 높은 것으로 나타났으며, ‘국가대표’는 ‘충북’, ‘개시식’, ‘훈련’, ‘남자’, ‘체조’ 단어와 연관성이 높은 것으로 나타났다. 이는 고위관계자들의 사과와 더불어 선수 인권을 위해 특별조사단 구성, 인권교육, 전문가 및 상담자 배치 등의 조치가 이루어지는 단계이다.

‘Z8(2019년 3월 3주차)은 ‘교육부’, ‘교수’, ‘감사’, ‘학생’, ‘한국체대’ 단어들이 주요 키워드로 산출되었으며, ‘교육부’는 ‘감사’, ‘결과’, ‘종합’, ‘한국체대’, ‘비위’ 단어와 연관성이 높은 것으로 나타났다. ‘교수’ 단어는 ‘한국체대’, ‘전OO’, ‘조OO’, ‘종용’, ‘수사의뢰’ 단어와 연관성이 높은 것으로 나타났으며, ‘감사’는 ‘결과’, ‘종합’, ‘교육부’, ‘특별감사’, ‘한국체대’ 단어와 연관성이 높은 것으로 나타났다. 이는 교육부에서의 한국체육대학교와 전OO 특별감사를 통해 체육계 성폭력 사례의 전수조사가 이루어진 단계이다.