한국의 공중 보건 위기 초기 대응에서 나타난 특징과 그 함의: 메르스와 코로나19 초기 언론 보도에 대한 토픽 모델링

국문 초록 (Abstract)

이 연구는 메르스와 코로나19 초기 한국 주요 미디어의 보도를 분석함으로써, 한국사회의 감염병 위기 대응에서 나타난 특징과 함의를 탐구한다. 이 연구는 한국에서 메르스 환자 발생 초기와 (2015년 5월 20일 – 6월 23일) 코로나19 환자 발생 초기의 미디어 보도를 (2020년 1월 20일 – 2월 23일) 수집하여 Structural Topic Model 등의 방법을 적용하여 분석하였다. 주요 결과는 다음과 같다. 1) 정치적 입장이 감염병 위기에 대응하는 태도와 관점에 영향을 미치는 것으로 추정된다. 주요 신문들의 감염병 보도량과 주제의 구성이, 해당 매체와 당시 정부의 정치적 성향이 유사한지 아니면 차이나는지에 따라 달라지는 것으로 나타났다. 2) 코로나19에서는 감염병을 최초 발견 지역과 연계하여 설명하는 서사가 메르스에 비해 더 많이 관찰되었다. 한국 사회가 현재, 그리고 향후 감염병 대응에서 부작용을 최소화하며 지혜롭게 대응하기 위해서는, 이런 특징을 참조할 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study explores the characteristics and implications of Korean society"s response to the infectious disease crisis by analyzing reports from major Korean media in the early days of MERS and COVID-19. This study collected media reports from the early stages of the MERS crisis (May 20, 2015–June 23, 2015) and from the early stages of the COVID-19 crisis (January 20, 2020–February 23, 2020). Mainly, this study utilized Structural Topic Model to analyze the data. The main results are as follows: 1) It is estimated that the political stance affects the attitude and perspective of responding to the crisis of infectious diseases. Themes and frames that each media expresses when political parties with similar perspectives to the media run the government are different from those that each media expresses when otherwise. 2) There were more narratives to connect infectious disease to the area where the disease was first detected in COVID-19 than in MERS. For Korean society to respond wisely and minimize side effects in its current and future response to contagious diseases, it is necessary to refer to these features.

목차 (Table of Contents)

• Ⅰ. 서론
• Ⅱ. 자료와 분석 방법
• Ⅲ. 결과
• Ⅳ. 논의와 결론
• 참고문헌
• ABSTRACT

참고문헌 (Reference)

1 질병관리청, "｢2020년 전국 예방접종률 현황｣ 승인통계 발표"

2 이새미, "텍스트 마이닝을 활용한 매스 미디어와 소셜 미디어 의제 분석 : ‘마스크 5부제’를 중심으로" 한국콘텐츠학회 20 (20): 460-469, 2020

3 이선민, "세월호, 국가, 미디어<조선일보>와 <한겨레>의 세월호 의견기사에 나타난 ‘국가 담론’ 분석" 사단법인 언론과 사회 23 (23): 5-66, 2015

4 Berman, J. M., "백신 거부자들 : 잘못된 정보는 어떻게 백신 공포를 만들어내는가" 이상북스 2021

5 임미영, "박근혜에 대한 보도 프레임 분석: 조선일보와 한겨레를 중심으로" 한국지역언론학회 10 (10): 457-498, 2010

6 박한선, "감염병 인류 : 균은 어떻게 인류를 변화시켜왔나" 창비 2021

7 Silge, J., "tidytext: Text Mining and Analysis Using Tidy Data Principles in R" 1 (1): 37-, 2016

8 Roberts, M. E., "stm: R package for structural topic models" 10 (10): 1-40, 2014

9 Hornik, K, "slam: Sparse Lightweight Arrays and Matrices (Version R package version 0.1-47)"

10 Hadley Wickham, "readxl: Read Excel Files"

11 Wilke, C. O, "cowplot: Streamlined Plot Theme and Plot Annotations for ‘ggplot2’"

12 Wickham, H., "Welcome to the tidyverse" 4 (4): 1686-, 2019

13 Boin, A., "The politics of crisis management: Public leadership under pressure" Cambridge University Press 2016

14 Csardi, G., "The igraph software package for complex network research" 1695-, 2006

15 Kozlowski, A. C., "The Geometry of Culture: Analyzing the Meanings of Class through Word Embeddings" 84 (84): 905-949, 2019

16 Blei, D. M., "Text mining: classification, clustering, and applications" Chapman and Hall/CRC 101-124, 2009

17 Kwartler, T., "Text mining in practice with R" John Wiley & Sons 2017

18 Roberts, M. E., "Structural Topic Models for Open-Ended Survey Responses" 58 (58): 1064-1082, 2014

19 Blei, D. M., "Probabilistic topic models" 55 (55): 77-84, 2012

20 Jo, W., "Political Consequences of COVID-19 and Media Framing in South Korea" 8 (8): 2020

21 Jo, W., "Online Information Exchange and Anxiety Spread in the Early Stage of the Novel Coronavirus (COVID-19) Outbreak in South Korea: Structural Topic Model and Network Analysis" 22 (22): e19455-, 2020

22 Jo, W., "News media’s framing of health policy and its implications for government communication: A text mining analysis of news coverage on a policy to expand health insurance coverage in South Korea" 123 (123): 1116-1124, 2019

23 Feng, S., "Integrating online and offline data for crisis management : Online geolocalized emotion, policy response, and local mobility during the COVID crisis" 11 (11): 1-14, 2021

24 Wright, J, "Get Well Soon: History's Worst Plagues and the Heroes who Fought Them" Henry Holt 2017

25 Snowden, F. M., "Epidemics and society" Yale University Press 2019

26 Curtis, V., "Disgust as an adaptive system for disease avoidance behaviour" 366 (366): 389-401, 2011

27 Oaten, M., "Disease avoidance as a functional basis for stigmatization" 366 (366): 3433-3452, 2011

28 Navarrete, C. D., "Disease avoidance and ethnocentrism: the effects of disease vulnerability and disgust sensitivity on intergroup attitudes" 27 (27): 270-282, 2006

29 Grolemund, G., "Dates and times made easy with lubridate" 40 (40): 1-25, 2011

30 Fortunato, S., "Community detection in networks : A user guide" 659 : 1-44, 2016

31 Fortunato, S., "Community detection in graphs" 486 (486): 75-174, 2010

32 Scott, J. C., "Against the grain" Yale University Press 2017

33 Roberts, M. E., "A model of text for experimentation in the social sciences" 111 (111): 988-1003, 2016