Big Data Analysis on Consumer Perception of Pressure Injuries: Text Mining and Semantic Network Analysis
Article information
Abstract
Background
With the ultimate goal of developing chatbot content to address consumer inquiries about pressure injuries (PIs), this study analyzed consumer perceptions of PI using big data.
Methods
This study collected text data, with PI as the central word, from three search engines (Naver, Daum, Google) from January 2019 through December 2022, using Textom version 4.5. The words were refined through text mining, keyword analysis, and TF-IDF (term frequency-inverse document frequency) analysis. N-gram analysis and centrality visualization were conducted using Ucinet 6.0. The keywords and frequencies were clustered based on the frequency of words used in CONCOR (convergence of iteration correlation) analysis.
Results
Consumers for PI showed a high perception of common sites for PI, concept of PI, healthcare facility for PI, PI products, PI care, PI-related life, and PI-related disease.
Conclusion
Development of chatbot content customized to consumers’ needs, based on seven clusters associated with consumers’ perception of PI obtained through extensive data analysis with PI as the central word, is expected to make a significant contribution to improving consumers’ understanding of PI and enhancing the quality of PI management.
서론
욕창(pressure injury)은 움직임이 제한된 환자에서 주로 발생하며, 의료기관에서 발생하는 가장 심각한 환자 안전 문제이다[1]. 미국의 경우 매년 3백만 명 이상, 우리나라는 의료기관 전체 입원 환자의 3.2%에서 발생하며[2], 욕창 치료에 소요되는 비용은 연간 미국이 116억 달러[3], 국내는 761억 원으로[4], 막대한 경제적인 손실 또한 초래한다. 욕창은 특성상 만성화되어 재발하기 쉽고 감염으로 악화되어 중증으로 진행되면 의료비 지출과 입원 기간의 증가로 이어져 환자와 보호자는 물론 의료시스템과 사회 전체에도 큰 부담으로 작용한다[5,6]. 이러한 상황에서 욕창환자를 주로 돌보는 간호사의 욕창 단계에 대한 시각적 감별능력이 54.9%에 불과하고[7], 종합병원 욕창 진단에 단계를 명시하지 않은 사례가 45.7%임을 고려할 때[2], 의료인도 욕창 지식의 부족과 욕창 단계의 평가에 어려움이 있는 것으로 파악할 수 있다. 또한 욕창 단계별 판단에 따른 효율적인 환자 이송 시스템 부재로 욕창 환자가 2차 병원에 집중하는 현상이 발생하여 욕창의 지속적인 관리를 위한 1, 2, 3차 병원 간의 협업 관계의 공백도 해결되어야 할 과제이며, 욕창 전문가도 부족한 상태이다[6]. 그런 만큼 욕창 관리에 대한 관심은 물론 교육과 정보제공이 모든 의료진과 돌봄 제공자(가족, 요양보호사 등 간병인)에게 필요한 실정이며[6], 따라서 장소와 시간에 관계없이 욕창 예방과 관리에 대한 교육과 정보가 제공되어야 한다.
최근 코로나바이러스감염증(코로나-19)을 겪으면서 비대면이 일상화되었고 일상 전반의 다양한 분야에 디지털 전환(digital transformation)과 인공지능(artificial intelligence, AI)의 도입이 활성화되었다[8]. 이에 따라 챗봇을 활용한 교육과 정보 제공에 대한 수요가 급격히 증가하여 대화형 AI 시장이 매년 평균 21.9%씩 성장하고 있고[9], 가상현실(virtual reality) 등을 활용한 비대면 교육 방법과 챗GPT (generative pre-training transformer)를 활용한 프로그램 등이 다양한 분야에서 시도되고 있다. 그러나 욕창과 관련해서는 인공지능의 활용이 전반적으로 아직은 초보적이고 제한적인 수준에 머물러 있다. 그러므로 욕창에 대한 지식 확산과 관리의 대중화를 구현할 수 있는 챗봇을 개발하기 위해 욕창 소비자들에게 맞는 챗봇 콘텐츠를 파악해 볼 필요가 있겠으나, 욕창 소비자들이 가지고 있는 인식이나 관심사 등을 규명한 기초자료가 부족한 현실이다. 따라서, 본 연구에서는 정형화된 자료부터 현대 사회에서 생성되는 비정형화된 자료까지 모두 수집 가능한 포털사이트의 빅데이터를 활용하여 욕창에 대한 소비자들의 인식을 파악하고자 한다.
방법
데이터 수집
욕창과 관련된 단어를 파악하고자 욕창을 중심단어(central word)로 설정하고 수집 범위는 선행연구를 바탕으로[10], 검색엔진 세 곳(네이버, 다음, 구글)에서 수집된 웹문서 그리고 검색채널(뉴스, 카페, 블로그, 지식인, 학술정보, 페이스북)로 정하였다. 수집은 2019년 1월부터 2022년 12월까지, 4년 동안 누적된 108,476건의 한국어 텍스트 원문 데이터만을 Textom 4.5 version을 이용하였다(Table 1). 윤리적 고려를 위해, 본 연구에서 활용한 분석데이터는 개인 정보를 식별할 수 없기 때문에 수원대학교의 기관윤리심의위원회에서 심의면제(IRB No. 2407-045-01)를 받은 후 연구를 진행하였다.
Number of data collections for pressure injury
데이터 분석
수집된 데이터는 전처리 과정을 거쳐 핵심단어 빈도 분석, 단어빈도와 문서빈도의 역수 분석(term frequency-inverse document frequency, TF-IDF), 연결강도(N-gram network) 분석, 연결중심성(connection centrality) 분석, 그리고 구조등위성(convergence of iteration correlation, CONCOR) 분석을 다음과 같이 진행하였다(Fig. 1). 수집된 비구조화된 텍스트에서 통계적으로 의미가 있는 개념이나 특성을 추출하고 이것들 간의 패턴이나 추세 등과 같은 고품질의 정보를 추출하는 텍스트 마이닝(text mining) 과정을 통해[10], 연구 주제어와 관련성이 없는 불필요한 단어, 관사, 접속사, 부사 등을 정제하는 데이터 전처리 과정을 거쳤다. 그리고 의미있는 핵심단어들(keywords)을 발견하기 위하여 수집된 텍스트에서 언급되는 정도를 단순하게 파악한 핵심단어 빈도 분석과, 특정 핵심단어가 포함된 데이터들 간에 단어빈도와 문서빈도의 역수를 곱한 값으로 가중치를 주어 실제 핵심단어를 파악하는 TF-IDF 분석을 통해[11], 욕창과 관련된 단어 100개를 도출하였다(Table 2). 의미연결망 분석에서는 연결강도 분석과 연결중심성 분석을 통해 핵심단어들 간의 관계를 보다 심층적으로 분석하였다(Table 3, Figs. 2, 3). 연결강도 분석은 두 핵심단어가 함께 등장하는 횟수를 측정하여 핵심단어 간의 어떤 특성이 있는지 정량적으로 분석하는 방법이다. 연결중심성 분석은 네트워크상에서 단어가 다른 단어들과 연결되어 있는 정도를 파악하는 것으로, 통계값은 0에서 1의 수치를 갖고 1에 가까울수록 연결된 단어가 많아 연결중심성이 높아져 다른 단어에 미치는 영향이 크다는 것을 의미한다[11]. 이 분석은 UCINET 6.0 프로그램을 이용하여 연결강도와 연결중심성을 도출하였고 핵심단어들 간의 연결관계를 시각화하였다(Fig. 3). 그 후 핵심단어들이 의미하는 주제들을 쉽게 파악하여 여론에 대한 분석 등이 필요한 경우에 유용하게 사용할 수 있는 구조등위성 분석을 통해, 의미연결망에서 유사한 특성을 가지는 단어들의 군집(cluster)을 도출하였다(Table 4, Fig. 4).
Pressure injury big data analysis procedure. TF-IDF, term frequency-inverse document frequency; CONCOR, convergence of iteration correlation.
Frequency and TF-IDF to rank 100 keywords
N-gram network and connection centrality ranking of the top 20 keywords
Two-gram network of the keywords. PI, pressure injury; LTCH, long-term care hospital. Original Korean notation for the English text in the figure can be found in Supplementary Material.
Connection centrality network visualization. LTCH, long-term care hospital. Original Korean notation for the English text in the figure can be found in Supplementary Material.
Clustering and naming
CONCOR (convergence of iteration correlation) analysis for clustering and naming. LTCH, long-term care hospital; COVID-19, coronavirus disease; ICU, intensive care unit. Original Korean notation for the English text in the figure can be found in Supplementary Material.
결과
데이터 수집
욕창을 중심단어로 분석하였을 때 2019년부터 2022년까지 각각 18,174건(16.8%), 21,066건(19.4%), 27,721건(25.6%), 41,515건(38.3%)으로 욕창관련 게시가 점차 증가하였다. 구체적으로 살펴보면, 검색엔진(네이버, 다음, 구글)에서 나타난 총 데이터 건수에서 웹문서(31.3%)를 통해서 가장 많이 게시되었고, 그 다음으로는 검색채널인 뉴스(25.3%)와 카페(18.9%), 블로그(13.8%), 지식인(7.6%)과 학술정보(3.1%) 순으로 욕창관련 정보를 많이 게시하는 것으로 나타났다(Table 1).
데이터 분석
핵심단어 빈도 분석과 TF-IDF 분석
본 연구에서 욕창과 관련된 수집된 데이터를 텍스트 마이닝하여 781개의 단어가 수집되었다. 자주 출현하는 상위 100개의 핵심단어를 추출하여 출현 빈도를 정리하였다. 요양병원(long-term care hospital)이라는 핵심단어가 5,297회로 가장 많이 도출되었으며, 이외에 2,000회 이상의 출현 빈도는 예방(prevention) 3,375회, 치료(treatment) 3,297회, 환자(patient) 3,200회, 매트리스(mattress) 2,079회로 이들 5개 단어의 누적 백분율은 25.4%였다. 추가로 분석한 TF-IDF 빈도 분석은 특정 문서에서 핵심적인 의미가 어느 정도 인지를 알 수 있는 지수로, 본 연구에서는 요양병원이 26,774.71로 가장 높은 수치를 나타났다. 그 다음은 환자, 치료, 예방, 방지 순으로 핵심단어 빈도 분석으로 도출된 결과와 거의 동일한 순위를 보였다(Table 2).
의미연결망 분석
1) 연결강도 분석
네트워크를 구성하는 두 개의 핵심단어 간 연결관계를 도출하기 위하여[11], 2-gram Network 분석을 실시하고 상위 20개 연결강도를 시각적으로 도출하였다(Table 3, Fig. 2). 분석 결과 욕창-치료(1,845회), 욕창-요양병원(1,715회), 욕창-환자(1,681회), 환자-요양병원(1,664회), 매트리스-예방(1,612회) 순으로 나타났다. 특히 욕창 외에 매트리스에 관련된 단어 간 연결성이 20위 안에 많이 나타났는데, 매트리스-예방(1,612회), 매트리스-관리(1,432회), 예방-매트리스(1,398회), 사용-매트리스(1,374회), 매트리스-피부(1,245회) 등이 이에 해당하였다. 또한 예방과 관련된 단어들도 10위 안에 많이 나타났다(Table 3, Fig. 2).
2) 연결중심성 분석
모든 단어 중에서 연결중심성 강도가 가장 크게 나타난 중심단어는 욕창(0.724)으로, 그 다음은 환자(0.501), 요양병원(0.428), 예방(0.315), 관리(0.301) 순으로 나타났다(Table 3). 반면 주요 중심단어 이외에 연결성 강도가 가장 낮은 외곽단어(external word)로는 엉덩이(0.210), 국내(0.205), 꼬리뼈(0.195), 코로나-19(0.192), 쿠션(0.190)과 같은 단어들이 확인되었다. 연결중심성 강도에서 중심단어 욕창(0.724)을 기준으로 잡았을 때, 욕창과 가까운 핵심단어로는 대상(0.715), 합병증(0.695), 감염(0.681), 자세(0.678), 교육(0.671), 장기간(0.670)과 같은 소비자들이 생각하는 욕창에 대한 단어들이 함께 나타났으며, 연고(0.654), 위치(0.653), 요인(0.651)과 같이 욕창을 예방하거나 치료하기 위한 단어들도 함께 중점적으로 나타났다(Fig. 3).
3) 구조등위성(CONCOR) 분석
본 연구에서 핵심단어들을 군집화하기 위한 CONCOR 분석은 문서 내에서 동시에 출현하는 단어빈도수 계수를 이용해서 단어들 간의 관계를 군집화하는 방법으로[12], 의미연결망을 바탕으로 분석하였다(Fig. 4). 최종 7개의 군집이 형성되었으며 각각의 군집은 욕창 호발 부위, 욕창 개념, 욕창 의료기관, 욕창 제품, 욕창 간호, 욕창관련 생활, 욕창관련 합병증으로 명명하였다.
군집 1은 압력, 신체, 꼬리뼈, 엉덩이, 부위, 부분, 자세, 체위변경과 같이 욕창관련 호발 부위에 대한 단어들이 주를 이루고 있으면서 노인, 낙상, 요구 등의 단어가 함께 나타나 군집 명칭을 ‘욕창 호발부위’로 명명하였다. 군집 2는 순환, 원인, 조직(tissue), 요인, 치료, 단계, 위험, 사망과 같이 욕창 발생요인과 욕창 단계를 나타내는 단어들이 군집되어 있었다. 가족, 사람, 재활과 같이 욕창을 간호하는 보호자들에 대한 단어들이 확인되고 초기, 예측, 의료와 같이 욕창을 대비하는 단어들이 나타난 것을 고려하였을 때, ‘욕창 개념’으로 군집명을 명명하였다. 군집 3은 요양병원, 센터, 중환자실, 입원, 환자와 같이 욕창 대상자의 입원과 관련된 단어들이 나타났다. 또한 요양, 진료, 치료제, 수술, 진단, 전문가, 의사, 국내, 코로나-19, 실시(implement)와 같이 욕창을 치료하기 위한 단어들이 주를 이루고 있어 ‘욕창 의료기관’으로 군집명을 명명하였다. 군집 4는 제품, 구매, 매트리스, 드레싱, 항생제, 연고, 쿠션, 기저귀, 휠체어, 예방, 소독, 추천, 관리, 효과, 판매, 평가, 모델, 침대, 도움과 같은 욕창을 예방하고 관리하기 위한 제품들로 구성되어 ‘욕창 제품’으로 명명하였다. 군집 5는 간호, 간호사, 교육, 연구, 질문, 피부, 개발, 복지용구, 적용, 사용, 성분과 같은 단어들이 대부분이었다. 원문 데이터에서 “간호대를 들어가려고 하는데 욕창관련 교육은 많이 듣나요?”와 “요양병원 욕창 전문 간호사는 다른 전문 간호사보다 페이가 많은가요?”와 같은 데이터를 확인하여 군집 5는 ‘욕창 간호’로 명명하였다. 군집 6은 생활, 해결, 건강, 지침, 보험, 대상과 같이 욕창에 대한 보험과 보장에 대한 단어들이 주를 이루므로 ‘욕창관련 생활’로 명명하였다. 군집 7은 합병증, 질병, 손상, 상처, 궤양, 괴사, 감염, 골절, 폐렴, 치매, 증상, 통증, 혈액, 장애, 장기간(long term), 사고, 개선과 같은 단어들이 나타났다. 원문 데이터에서 “아버지가 욕창에 걸리셨는데 폐렴기가 있으시네요. 욕창이 생기면 폐렴도 같이 오나요?”와 같이 욕창환자 보호자들에 대한 원문 데이터가 많은 것을 확인하여 군집 7은 ‘욕창관련 합병증’으로 명명하였다.
고찰
본 연구에서 욕창관련 정보와 교육 챗봇을 개발하기 위한 기초자료로써 소비자들의 욕창에 대한 전반적인 인식을 파악하고자 주요 포털사이트를 대상으로 빅데이터를 수집하여 분석한 결과 도출된 결론은 다음과 같다.
첫째, 욕창 중심단어의 게시물이 2019년부터 2022년까지의 점차 증가하는 것을 감안할 때 정보를 습득하는 방법이 오프라인에서 온라인으로 변화하고 있고[13], 모바일과 인터넷이 발달함에 따라서 욕창관련 정보도 증가하고 있다. 또한 자료 수집 기간이 코로나-19가 이슈가 되는 시기였으므로 비대면 건강정보 습득을 위해 온라인의 역할이 더 확장되었고[11], 욕창 통원치료 및 요양병원 입원 제한 등의 상황 때문에 재택간호의 기회가 많아지면서 온라인을 통해 욕창에 대한 문의 및 응답에 대한 게시 건수가 폭증한 것으로 볼 수 있다. 더욱이 2024년 기준 노인 인구가 19.2%를 차지하는 등 고령사회로 빠르게 진입하면서, 노화 과정으로 인해 욕창 발생에 매우 취약한 노인환자의 증가로 인해 욕창에 대한 문의가 증가한 것으로 보인다[14,15].
둘째, 웹문서가 욕창관련 정보를 제일 많이 탑재하는 것으로 나타났고, 특정 채널에서는 뉴스(25.3%)에서도 많이 다루었다. 이것은 욕창이 의료기관의 민감한 질 지표이고[16], 분쟁의 소지가 되는 건강문제이기 때문으로 보인다. 욕창은 전문적인 의료지식이므로 페이스북처럼 개인적인 내용을 업로드하는 검색채널보다는 지식과 정보를 공유하는 카페(18.9%), 블로그(13.8%), 지식인(7.6%)과 같은 정리된 형태의 검색채널을 통해 욕창관련 정보와 지식을 공유하는 것으로 판단된다.
셋째, 데이터 분석 중 욕창에 대한 소비자의 인식과 관련되어 나타난 핵심단어 1위는 요양병원이었다. 국내외 욕창환자의 유병률이 장기요양병원에서는 8.2%에서 47.4%로, 급성기병원의 유병률인 1.7%에서 14.9%에 비해 매우 높은 수준이고[17], 대표적인 만성질환인 욕창 환자가 주로 장기요양병원에 입원하므로 소비자의 입장에서는 욕창을 질환으로 인식하고 욕창관리를 전문적으로 하는 병원 등 의료기관에 대한 관심이 많은 것을 알수 있었다. 특히 병원에 관한 정보는 오프라인 정보보다 접근성이 좋고 시공간을 초월하여 정보가 실시간으로 업데이트가 되는 온라인 네트워크를 통해 확인하는 것으로 파악된다. 또한 예방, 치료, 관리, 피부, 방지, 단계, 위험 등도 상위 핵심단어들이었는데, 이는 욕창 관리를 위한 실제적인 욕창 평가와 욕창 관리 방법을 탐색하는 것으로 볼 수 있다. 특히 의료인인 간호사들도 욕창 단계에 대한 감별능력이 높은 수준이 아니거나[18], 교육 후에도 시각적 감별능력 항목에서 여전히 낮은 정답률을 보이고, 3단계 욕창(48.2%), 미분류 욕창(37.3%), 심부조직 욕창(37%)에 대한 정답률이 평균보다 낮다[7]. 비교적 감별능력이 높은 외국 간호사들도 56%만이 욕창을 정확하게 구별할 수 있기에[19], 일반인은 욕창 단계에 대한 평가가 더욱 어려워 문의하는 게시가 많은 것으로 보인다.
또한 의료인들이 간과하기 쉽고 교육이 미흡한 매트리스와 쿠션도 상위 핵심단어로 나타났다. 매트리스와 쿠션은 신체의 한 부위에 집중하는 압력을 분산할 수 있는 지지면(support surface)의 종류로, 국제욕창지침에도 욕창 예방을 위해 높은 근거 수준으로 지지면의 적용을 권고하고 있다[3]. 그러나 제품군이 다양하고 고가인 경우도 많은 만큼 의료진도 이에 대한 관심과 정보가 부족하다. 그러므로 소비자들이 의료진으로부터 지지면 선택에 대한 적절한 교육을 받거나 정보를 얻지 못해 소비자들이 지지면의 선택에 매우 어려움을 겪고 있는 것이 현실이며 이에 대한 교육과 정보제공이 시급하다고 볼 수 있다. 이외에도 제품, 드레싱, 연고와 같은 핵심단어들은 욕창을 치료하기 위한 방법에 관심이 많은 것으로 파악된다.
넷째, 의미연결망 분석 중 두 개 핵심단어 간 연결강도(2-gram Network) 분석을 통해 확인한 욕창이란 단어와 함께 등장하는 횟수가 많은 핵심단어는 치료, 요양병원, 환자 등으로 핵심단어 분석과 유사한 결과였다. 또한 핵심단어 분석에서 언급한 바와 같이 매트리스와 강력하게 연결된 핵심단어가 20위 안에 많이 나타났다. 이는 매트리스나 쿠션 등의 지지면이 압력과 전단력을 최소화할 뿐아니라 피부의 습기를 조절할 수 있는[20], 기본적인 욕창 관리 기구이기 때문이며 지지면에 대한 교육과 정보제공이 필요함을 알 수 있다.
다섯째, 연결중심성 분석에서는 욕창, 환자, 요양병원, 예방, 관리 등의 핵심단어가 네트워크 내에서도 중요한 역할을 하는 것을 확인한 바, 앞선 분석 결과와 같이 욕창의 예방과 관리, 그리고 치료가 가능한 의료기관에 대한 정보가 필요함을 재확인하였다.
마지막으로, 구조등위성 분석을 통해 궁극적으로 욕창에 대한 소비자들의 인식은 욕창 호발부위, 욕창 개념, 욕창 의료기관, 욕창 제품, 욕창 간호, 욕창관련 생활, 욕창관련 합병증을 중요하게 생각하고 있음을 파악할 수 있다. 기존의 욕창관련 책자나 교육 내용에 욕창 호발부위, 욕창 개념, 욕창 제품, 욕창 간호, 욕창관련 생활, 욕창 합병증 등의 내용은 포함하고 있지만, 욕창 의료기관에 대한 정보와 교육은 찾아볼 수 없다. 욕창이 주로 일차적인 기저질환이 있는 대상자에게 이차적으로 발생하고 예방이 가능한 질환임을 감안하면, 대부분의 의료기관에서는 욕창관리에 일차적으로 관심을 둘 수 없으므로 욕창만을 치료하는 의료기관이 거의 없기 때문으로 보인다. 그러나 증등도 이상의 욕창은 의료인에 의해 전문적으로 관리되어야 하는 만성 질환이므로, 소비자 입장에서는 욕창을 중점적으로 치료할 수 있고 욕창 치료를 위해 장기적으로 입원을 할 수 있는 의료기관에 대한 정보를 탐색한 것으로 사료되어 이에 대한 정보 제공이 필요하다.
이렇듯 본 연구를 통해, 욕창에 대한 소비자의 인식을 파악하였고 욕창에 대한 지식 확산과 관리의 대중화를 구현하기 위해 챗봇에 포함할 콘텐츠를 파악할 수 있었다.
본 연구의 시사점은 다음과 같다. 첫째, 처음으로 빅데이터를 활용하여 욕창관련 소비자의 인식을 파악함으로써 욕창관련 교육과 정보의 실무적인 콘텐츠를 확인하였다. 욕창이 주로 노인들에게 발생하는 것을 고려할 때, 추후 고령사회로 진입한 시점에 의료인은 물론 간병인 등 욕창관련 업무 종사자도 증가할 것으로 보인다. 그러나 이들이 오프라인 교육을 받기에는 시간과 장소, 비용 등 제약이 많으므로 다양한 정보기술을 활용한 방법 중에서도 즉각적으로 소비자의 개별 요구에 반응할 수 있는 챗봇을 활용하는 것이 비용효과적 일수 있다. 그러므로 본 연구에서 파악된 소비자들의 욕창관련 인식에 초점을 두고 챗봇 등의 콘텐츠를 개발한다면 소비자들이 원하는 광범위한 교육 및 정보를 제공할 수 있을 것으로 보인다.
둘째, 본 연구는 포털사이트 내에서 자연스럽게 축적된 빅데이터를 이용하여 전통적인 연구 조사방법으로 확인하기 어려운 소비자의 욕창관련 인식과 욕창의 속성을 객관적으로 분석하고 규명하였다. 특히, 기존 연구에서는 제시되지 않았던 요양병원과 매트리스 등 욕창 요양기관과 욕창 기구에 대한 정보를 온라인 콘텐츠로 고려해야 함을 알 수 있었다.
셋째, 본 연구는 단기간이 아니라 2019년부터 2022년까지의 축적된 데이터를 분석함으로써 소비자들의 인식과 요구를 보다 깊이 있고 정확하게 살펴볼 수 있었다. 마지막으로, 코로나-19, 비대면 등 시의성이 반영된 최신 욕창관련 동향을 확인함으로써 추후 욕창관련 연구의 방향과 범위를 확장하는데 기여한 것으로 사료된다.
본 연구의 제한점은 다음과 같다. 첫째, 본 연구는 포털사이트 중 네이버와 다음, 구글 세 곳으로 한정하여 데이터를 수집하였다. 추후 연구에서는 포털사이트 채널 이외에도 다양한 소셜네트워크서비스(Social Network Service, SNS)상의 데이터까지 수집하고 분석하면 더욱 폭넓은 연구결과를 얻을 수 있을 것이다. 둘째, 본 연구는 포털사이트에서 수집된 데이터를 대상으로 삼았으므로, 인터넷 사용이 활발한 연령대나 특정 사회 계층의 의견만 반영되었을 수 있어 연구 결과를 일반화하는데 주의가 필요하다. 셋째, 본 연구는 한국어 텍스트만을 분석하였기 때문에 연구 결과는 거의 국내에 국한된 내용이므로 결과를 해석할 때 이 점이 고려되어야 할 것으로 보인다.
마지막으로, 본 연구는 빅데이터를 통해 수집된 데이터에 포함된 주요 핵심단어의 출현 빈도를 중심으로 분석하였기 때문에, 데이터에 포함된 소비자의 긍정적이거나 부정적인 인식까지 파악하지 못하였다. 따라서 향후에는 소비자가 사용한 어휘의 긍정이나 부정의 감성을 고려한 감성분석기법과 전통적 연구 조사방법인 설문조사 등을 병행하여 소비자의 만족도까지 파악한다면 더욱 다양한 시사점을 얻을 수 있을 것으로 기대된다.
본 연구에서는 욕창 챗봇 시스템 구현의 기초자료로 삼고자, 빅데이터로 욕창을 중심단어로 설정하고 소비자의 욕창관련 인식을 파악하였다. 궁국적으로 소비자들은 욕창 호발부위, 욕창 개념, 욕창 의료기관, 욕창 제품, 욕창 간호, 욕창관련 생활, 욕창관련 합병증에 관한 정보과 교육에 관심이 높은 것으로 나타났다. 따라서 본 연구를 통해 파악된 욕창 소비자들의 인식과 관련된 일곱가지 군집을 바탕으로 소비자의 요구에 맞는 챗봇 콘텐츠를 개발함으로써 욕창관련 정보 보급과 욕창관리의 질 향상에 크게 기여할 수 있을 것으로 본다.
Notes
본 연구는 한국연구재단(NRF)의 지원을 받아 과학기술통신부(MSIT)에서 지원했습니다(No. 2022R1F1A1060641). 또한, 박경희는 이 저널의 편집 위원이지만 이 연구의 심사자 선정, 평가 또는 결정 과정에는 관여하지 않았습니다. 이 논문과 관련된 다른 잠재적 이해 상충은 보고되지 않았음을 선언합니다.
Supplementary material
Supplementary Material. Original Korean notation for English text in the figures. Supplemental data can be found at: https://doi.org/10.22467/jwmr.2024.03069.
Korean notation for English text in the figures