소셜 빅데이터 분석을 통한 우리나라 인터넷 중독의 위험 요인 예측 및 관련 법·제도의 정합성 제고 방안 연구 doc_id PCY_201411131006425171_2

인터넷 중독으로 인한 사회경제적 비용은 여성가족부(이해국 외, 2011)에서는 5조 4천억원으로 예측하고 있으며, 교육과학기술부(2010)에서는 개인과 가족의 학습ㆍ소득 ㆍ시간손실ㆍ상담비 등을 포함한 인터넷 중독의 사회경제적 비용이 연 7조 8천억～10조 1천억으로 추정하고 있다. 정부에서는 인터넷 중독을 예방하기 위하여 이용시간 제한을 통한 인터넷 게임의 규제(셧다운제)를 실시하고 있다. 경기도는 방송통신위원회와 함께 청소년의 스마트폰 중독과 인터넷 유해정보 노출을 예방하는 ‘사이버안심존’을 운영하고 있다. 그리고 보건복지부에서는 알코올, 도박, 약물, 인터넷 중독에 대한 예방 및 치료 전반에 걸친 통합관리 방안으로 ‘중독ㆍ예방 관리 및 치료를 위한 법률안’을 발의(2013. 04)한 바 있다. 인터넷 중독의 원인과 관련 요인을 규명하기 위하여 기존에 실시하던 횡단적 조사나 종단적 조사 등을 대상으로 한 연구는 정해진 변인들에 대한 개인과 집단의 관계를 보는데는 유용하나 사이버 상에서 언급된 개인별 문서(버즈: buzz)에서 논의된 관련 정보 상호간의 연관관계를 밝히고 원인을 파악하는 데는 한계가 있다. 또한 기존의 설문조사는 제한된 문항과 표본추출을 통해 정보를 얻어냄으로써 분석 데이터의 신뢰도나 타당도에 대해 여러 관점에서 검증해야하는 어려움이 있다. 이에 반해 소셜 빅데이터는 훨씬 방대한 양의 데이터를 활용하여 다양한 참여자의 의견과 생각을 확인할 수 있기 때문에 기존의 오프라인 조사와 함께 활용하면 인터넷 중독의 위험을 보다 정확히 예측할 수 있다. 따라서 본 연구는 우리나라 온라인 뉴스사이트, 블로그, 카페, SNS, 게시판 등에서 수집한 소셜 빅데이터를 바탕으로 우리나라의 인터넷 중독 위험 요인을 예측하고자 한다. 소셜미디어에서 정보를 뽑아내고 분석하는 방법은 크게 3가지로 나눌 수 있다. 첫째, 주제분석(Text Mining)은 인간이 언어로 쓰인 비정형 텍스트에서 자연어처리기술을 이용하여 유용한 정보를 추출하거나, 연계성을 파악, 분류 혹은 군집화, 요약 등 빅데이터의 숨겨진 의미 있는 정보를 발견하는 것이다. 둘째, 오피니언마이닝(Opinion Mining)은 소셜미디어의 텍스트 문장을 대상으로 자연어처리기술과 감성분석기술을 적용하여 사용자의 의견을 분석하는 것으로 마케팅에서는 버즈(Buzz; 입소문)분석이라고도 한다. 셋째, 네트워크분석(Network Analytics)은 네트워크 연결구조와 연결강도를 분석하여 어떤 메시지가 어떤 경로를 통해 전파가 되는지, 누구에게 영향을 미칠 수 있는지를 파악하는 것이다. 소셜 빅데이터의 수집은 일반적인 웹환경(HTTP, RSS)에서 수집가능 정보들을 웹 크롤러를 통하여 수집하고, 연계정보는 각 출처에서 제공하는 Open API를 이용하여 필요정보를 수집한다. 수집데이터는 데이터의 중복성 및 품질을 검사하여 유의미한 정보만을 선별한 후 분석과정에서 쉽게 처리하기 위해 다양한 수집형식을 고려하여 일관된 방식을 저장 및 관리를 해야 한다(권정은ㆍ정지선, 2012). 본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석 기법을 적용하여 분석함으로써 우리나라의 인터넷 중독 관련 위험에 대한 예측모형을 개발하고자 하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 인터넷 중독의 위험은 9.5%(2011년: 11.5%, 2012년: 10.0%, 2013년: 8.5%)로 나타났다. 이는 우리나라의 미래창조과학부와 한국정보화진흥원이 매년 실시하는 인터넷과 스마트폰 중독률 조사결과(2011년: 8.1%, 2012년: 9.2%, 2013년: 9.4%)와 비슷한 것으로 나타났다(미래창조과학부ㆍ한국정보화진흥원, 2014). 둘째, 인터넷 중독관련 폐해와 영향으로는 이혼, 불안, 폭력, 정신건강, 창의력, 학업, 친구관계, 의사소통 등으로 나타나, 기존 연구에서의 인터넷 중독의 원인과 비슷한 것으로 나타났다. 연결정도(Degree)는 한 노드가 연결되어 있는 이웃노드 수(링크 수)를 의미하여 내부연결정도(in-degree)는 내부 노드에서 외부노드의 연결정도를 나타내고 외부연결정도(out-degree)는 외부노드에서 내부노드의 연결정도를 나타낸다. 근접중심성(Closeness Centrality)은 평균적으로 다른 노드들과의 거리가 짧은 노드의 중심성이 높은 경우로, 근접중심성이 높은 노드는 확률적으로 가장 빨리 다른 노드에 영향을 주거나 받을 수 있다. 따라서 정부기관과 인터넷 중독 법ㆍ제도 간의 외부 근접중심성(out closeness Centrality)을 살펴보면 청와대는 셧다운제, 게임중독법, 쿨링오프제와 밀접하게 연결되어 있으며, 국회는 셧다운제, 쿨링오프제, 게임중독법, 중독법과 밀접하게 연결되어 있는 것으로 나타났다. 셋째, 네트워크 분석의 외부 근접중심성 분석결과 인터넷 중독과 관련된 다양한 법ㆍ제도가 여러 부처에 밀접하게 연결된 것으로 나타났다. 이는 현재 인터넷 중독에 대해 이미 여성가족부는 셧다운제, 문화체육관광부는 게임시간 선택제를 실시하고 있고, 보건복지부는 게임중독법에 대한 발의가 진행 중에 있어 부처 간 제도의 중복과 비정합성으로 인한 제도의 실효성이 축소될 우려가 있다. 따라서 법령 및 정책의 정합성 제고를 위한 일원화 방안의 검토와 함께, 각 부처에서 시행하는 정책과 사업의 중복성과 연계성을 해결하기 위한 범 정부차원의 거버넌스 구축이 필요할 것으로 본다. 마지막으로 본 연구에서 인터넷 중독 영향요인의 위험 예측에 ‘정신건강요인’이 가장 큰 영향을 주는 것으로 나타나, 우울수준이 높을수록 인터넷 중독에 빠질 위험이 높다는 연구(Young & Rodsers, 1998; Lam et al., 2009; Yen et al., 2009: 남영옥ㆍ이상준, 2005)를 지지하는 것으로 나타났다. 따라서 인터넷 중독의 효과적인 치료를 위해서는 보건복지부 정신건강증진센터와의 연계가 필요할 것으로 본다. 본 연구는 개개인의 특성을 가지고 분석한 것이 아니고 그 구성원이 속한 전체 집단의 자료를 대상으로 분석하였기 때문에 이를 개인에게 적용하였을 경우 생태학적 오류(ecological fallacy)가 발생할 수 있다(Song et al., 2014) 또한 본 연구에서 정의된 인터넷 관련 요인(용어)은 버즈 내에서 발생된 단어의 빈도로 정의되었기 때문에 기존의 조사 등을 통한 이론적 모형에서의 의미와 다를 수 있어 후속 연구에서의 검증이 필요할 것으로 본다. 그리고 본 연구에서 사용된 주요요인들에 대한 이론적 근거를 충분히 제시하지 못하였으며 요인간의 인과관계를 제시하지 못한 부분이 있다. 이는 이분형 자료로 수집된 소셜 텍스트 빅데이터의 해당 요인들을 일자별 문서로 합산하여 연속형 자료로 변환하여 분석한다면 요인간 인과관계를 밝힐 수 있을 것으로 본다.