AbstractPurpose The purpose of this study was to investigate the research trends of papers published in ‘Audiology and Speech Research’ and to obtain implications for the direction of research.
Methods Data were collected from 2005 to 2022 articles research information sharing service (RISS) which is provided by Korea education and Korea Citation Index (KCI). After extracting and cleansing keywords, the frequency, centrality, and visualization data analysis for keywords were performed using KrKwic & NodeXL programs.
Results According to the results of keyword frequency analysis, ‘hearing aid’ showed the highest frequency, followed by ‘hearing loss’, ‘noise’, and ‘cochlear implant’, etc. As a result of the keyword centrality analysis, it was found that the centrality was particularly high in ‘hearing aid’, ‘hearing loss’, ‘word recognition’, ‘cochlear implant’, ‘sensorineural hearing loss’, ‘auditory training’, ‘aural rehabilitaion’.
INTRODUCTION최근 사회의 고령화와 산업화의 결과로 노인 인구의 증가, 소음노출, 각종 질병 등이 발생하여 난청 인구가 지속적인 증가 추세를 보임에 따라 난청인에 대한 상담 및 청력 평가, 보장구 적합, 청능 훈련 및 사후 관리 등의 전문 분야를 다루는 연구가 활발하게 진행되고 있다(Lee et al., 2017). 이와 관련하여 한국청각언어재활학회는 2005년에 전문학술지인 『청능재활(Audiology)』을 창간하여 청각학의 학문적 발전, 청각·언어장애 분야의 교육과 연구, 국제적 협력 등을 통하여 국민의 복지와 건강에 기여하고 있다. 『청능재활(Auiology)』 학술지는 2010년에 한국연구재단의 학술지평가에서 등재후보학술지로 선정되었고, 2013년에 등재학술지로 승격되어 학술적 가치와 전문성을 인정받았다. 2016년에는 학술지명이 『청능재활(Auiology)』에서 영문명인 『Audiology and Speech Research(이하 ASR)』로 변경되었고 2019년 SCOPUS 등재지로 선정되어 국제전문학술지로서의 영향력을 높여가고 있으며, 2022년 10월까지 총 475편의 논문이 발간되어 우리나라 청각학 및 청각·언어장애와 관련된 연구 분야에서 중요한 역할을 담당하고 있다.
연구동향 분석은 연구자가 연구 주제, 연구 영역, 연구 대상, 자료 수집 및 분석 방법 등의 측면에서 범주를 구분하고, 해당 범주를 기반으로 기존의 선행 연구를 고찰 및 분석함으로써 향후 연구 방향이나 연구 과제와 관련된 기본적인 자료를 제공할뿐만 아니라, 다양한 연구 활동을 촉진한다는 점에서 학문적인 기여도가 높은 연구 방법이다(Heeks & Balur, 2007; Kim et al., 2015; Yang, 2019). 또한 연구 대상이나 개념의 변화 양상을 거시적으로 확인할 수 있어서 다양한 연구의 기초자료가 될 수 있다(Lee, 2005). 특히 학술지 게재 논문들에 대한 연구동향 분석은 그동안 축적된 다양한 연구의 성과를 체계적으로 고찰하는 과정을 통하여 학계의 학문적 발전과 향후 연구 방향 및 학술지의 정체성을 수립하는 데 많은 도움을 제공할 수 있고, 체계적인 연구 활동을 위한 기본 토대가 된다는 점에서 중요하다(Cho, 2011; Yi & Kim, 2017). 따라서 학술지에 대한 연구동향 분석은 주기적이고, 지속적으로 진행되어야 한다(Yang, 2019).
기존의 연구동향 분석 연구는 연구자가 의미 있는 주제를 설정하고 그 주제에 따라 논문을 범주화하여 그 내용을 고찰하는 방법인 내용 분석(content analysis)을 주로 활용하였다. 이 방법은 서적, 학회지, 광고 메시지, 문서, 신문사설, 뉴스, 월간지, 노래 등의 다양한 커뮤니케이션 매체들을 통해서 나타나는 내용들을 일정한 준거를 통해 객관적이고 체계적으로 분석하는 연구기법으로 연구자의 심도 있는 해석과 고찰을 토대로 연구 분야의 특정한 현상에 대한 지식과 이해를 증진하는 데 유용하다(Downe-Wamboldt, 1992; Ko & Yang, 2016). 하지만 연구자의 관점과 수준에 따라 해석이나 고찰 내용이 달라질 수 있으므로 연구자의 주관성 통제에 어려움이 있다(Ahn & Yang, 2020). 또한 기존 분류 중심의 내용 분석은 정량적인 자료를 분석함으로써 비정형화된 자료 분석 방법으로 얻을 수 있는 주제어 간의 상호작용인 연구 주제나 연구 내용 간의 관계성 등과 같은 다양한 의미들을 간과할 수 있는 제한점이 있다(Cho & Cho, 2017). 이에 최근에는 일반 교육학이나 사회과학 분야 등 다양한 영역에서 연구의 객관성을 높이기 위한 목적으로 키워드 네트워크 분석(keyword network analysis)을 많이 사용하고 있다(Park, 2018).
키워드 네트워크 분석은 특정 학문 분야에 대한 연구동향을 분석하고자 할 때 일반적으로 적용되고 있는 키워드에 대한 네트워크 분석을 의미한다(Lim & Yi, 2021). 이 때 네트워크란 노드(node)와 링크(link)의 구조화된 연결 관계를 의미하며, 연구동향 분석 연구에서 노드는 키워드를, 링크는 키워드와 키워드 사이의 관계를 나타내는 연결선을 의미한다(Park, 2018). 키워드 네트워크 분석은 키워드의 ‘위치’, ‘연결 관계’ 및 ‘구조’를 네트워크로 시각화해서 제시하기 때문에 키워드 간의 상호관련성, 유사성 및 공동의미 구성 등을 파악하여 연구 분야의 핵심 연구주제나 학문적 흐름을 거시적 관점에서 파악하는 데 유용하다고 볼 수 있다. 시각화와 더불어 중요한 개념이 중심성(centrality)으로 이는 한 노드가 전체 네트워크에서 중심에 위한 정도를 표현하는 지표로써, 어떤 노드가 주목을 받는지 그리고 각 노드들이 그 ‘중심’에 얼마나 접근하고 있는지를 나타낸다(Lee, 2014). 중심성 지표의 종류에는 연결 중심성(degree centrality), 매개 중심성(betweenness centrality), 근접 중심성(closeness centrality), 고유벡터 중심성(eigenvector centrality)이 있다(Lim et al., 2020). 첫째, 연결 중심성은 키워드 간의 연결된 정도로 한 키워드에 연결된 다른 키워드가 얼마나 되는지를 알려주는 지표를 나타내며, 값이 클수록 네트워크에서 핵심적인 키워드로서의 중요성을 가진다. 둘째, 매개 중심성은 특정 키워드가 다른 키워드 사이에서 어느 정도의 매개 역할을 담당하는지 그 정도를 의미하며, 값이 클수록 서로 다른 주제어들 간의 연결 관계에서 매개 역할을 하는 정도가 높다는 것을 의미한다. 셋째, 근접 중심성은 키워드 간의 최단거리의 합으로 키워드가 얼마나 중앙에 위치하고 있는지 그 정도로 값이 크다는 것은 다른 키워드보다 해당 연구 분야에서 가장 핵심의 위치에 놓일 수 있다는 것을 의미한다. 마지막으로 고유벡터 중심성은 해당 키워드가 연결된 다른 키워드의 연결 관계까지를 고려한 지표로 연결된 키워드가 얼마나 중요한지 다른 노드의 중심성을 반영해서 계산한다(Cho & Cho, 2017). 또한 연결 중심성이 동일한 키워드라도 연결되어 있는 다른 키워드의 2차 연결 정도에 따라 고유벡터 중심성은 다른 값을 나타내게 된다(Ju & Lee, 2019).
키워드 네트워크 분석을 활용하여 특정 전문 학술지에 대한 연구동향을 분석한 선행 연구에는 ‘상담학 연구’(Cho & Cho, 2017), ‘언어치료연구’(Park, 2018), ‘지적장애연구’(Yi & Kim, 2017), ‘열린유아교육연구’(Yang, 2019), ‘특수교육연구’(Yi & Park, 2019), ‘정서·행동장애연구’(Yang & Lee, 2021), ‘한국청각·언어장애교육연구’(Kim, 2021), ‘한국사회복지학(Kim & Chung, 2022) 등이 있다. 그 외 특정 학문 분야나 주제에 대한 연구동향 분석에 키워드 네트워크를 활용한 선행 연구에는 문헌정보학(Cho, 2011), 교육학(Cho & Kim, 2016), 지적장애(Yi & Cha, 2018), 유아문학교육(Ju, 2020), 작업치료(Oh et al., 2021), 예술심리치료(Moon & Nam, 2022) 등이 있다. 그중 청각장애와 관련된 연구동향 분석 중 키워드 네트워크 분석을 활용한 연구를 살펴보면, Park(2018)은 2007~2016년까지 발간된 청각장애 분야 학술지에서 제시된 주제어를 대상으로 빈도 분석 및 키워드 네트워크 분석 연구를 진행한 바 있고, 동일한 연구자인 Park(2021)은 키워드 네트워크 분석과 문헌 분석을 통해 2011~2018년까지 시행된 국내의 인공와우이식 관련 연구동향을 분석하였다. 또한 Lim & Yi(2021)는 2000~2019년까지 국내외 학술지에 게재된 청각장애 관련 음악연구 논문을 대상으로 언어 네트워크 분석을 진행한 바 있다.
이에 올해로 창간 17주년을 맞는 ASR 학술지에 대한 연구동향 분석은 향후 관련 분야의 교육과 연구 방향 및 학술지의 정체성에 대한 시사점을 제공하는 데 꼭 필요한 연구라고 생각하지만, 학술지 자체에 대한 연구동향 분석은 아직 이루어지지 않았다. 그러므로 본 연구에서는 한국청각언어재활학회가 2005년부터 2022년 10월까지 발간한 ASR 학술지에 게재된 논문의 주요 키워드 간의 관계를 분석하여 향후 연구방향과 과제에 대한 기초자료와 시사점을 제공하고자 한다. 이를 위한 본 연구 문제는 다음과 같다. 첫째, ASR 학술지에 게재된 연구들의 주요 키워드는 무엇인가? 둘째, ASR 학술지에 게재된 연구들의 키워드 네트워크의 구조적 형태와 특성은 어떠한가?
MATERIALS AND METHODS연구 대상본 연구의 분석 대상은 한국청각언어재활학회에서 현재 연 4회 발간하는 ASR 학술지이다. 분석 대상 연구 논문은 한국학술지인용색인(KCI)과 한국연구정보서비스(RISS)를 활용하여 ASR 학술지를 검색하였으며, 누락 및 중복된 논문을 다시 확인한 후 총 475편의 연구 논문을 분석 대상으로 하였다. 분석 대상의 연도별로 발행된 연구 논문의 현황은 다음 Table 1과 같다.
연구 절차본 연구는 네트워크 분석을 활용하여 연구동향을 분석한 선행 연구(Cho & Cho, 2017; Kim & Chung, 2022; Kim, 2021; Lee et al., 2017; Moon & Nam, 2022; Park, 2017; Yang, 2019; Yang & Lee, 2021)를 참고하여 연구 논문에 제시된 초록의 키워드를 중심으로 키워드 네트워크 분석을 실시하였다. 키워드 네트워크 분석은 분석 대상인 키워드 추출과 추출한 키워드의 정제 과정이 중요한데, 특히 키워드 간의 관계를 분석하기 위해 객관적인 키워드 추출, 일관성 유지 및 키워드 정제 과정이 반드시 이루어져야 한다.
본 연구에서는 ASR 논문의 대부분이 한글로 작성되었으므로 키워드의 의미 전달을 명확하게 하기 위하여 한글 키워드를 중심으로 추출하였으며, 영어 키워드만 제시된 경우 각 논문의 내용을 대조하고 Lee et al.(2014)의 ‘청각학 용어집’에 근거해서 한글로 번역하는 과정을 거쳤다. 또한 한글로 번역이 어렵거나 고유명사의 영어 키워드인 경우에는 그대로 원어를 사용하여 키워드 추출 과정에서 객관성과 일관성을 확보하고, 연구자의 주관성을 최소화하기 위해 노력하였다(Lee, 2014). 키워드 정제 과정에서는 분석 프로그램에서 인식할 수 있도록 키워드의 띄어쓰기는 붙여쓰기로 변환하였고, 동의어와 유사어를 통합하는 등 3차례에 걸쳐 키워드를 정리하였으며 이 과정에서 청각학 전공 박사학위자의 자문을 거쳤다. 정제된 키워드 내용은 Appendix 1에 제시하였다.
이후 KrKwic 프로그램(Park, 2005; Park & Leydesdorff, 2004)에서 Krwords.exe를 실행하여 최종 정제된 키워드를 추출하고 출현 빈도를 산출하였다. 추출된 단어들의 네트워크 분석을 위해서는 행렬(matrix)을 생성해야 하는데, 이때 유의미한 네트워크 분석을 위해 3회 이상 출현한 키워드만 선택해서 1-mode 네트워크 행렬을 생성한 후 NodeXL 프로그램(Social Media Research Foundation, Redwood City, CA, USA)을 통해 중심성 분석 및 네크워크 시각화 작업을 진행하였다(Cho & Cho, 2017).
자료 분석ASR 학술지의 키워드 네트워크 분석을 위해 사용된 분석 도구는 KrKwic (Korean key words in context) 프로그램과 NodeXL 프로그램이었다(Park & Leydesdorff, 2004; Park, 2017; NodeXL Korea, 2015). KrKwic 프로그램은 언어 네트워크 분석 도구로서 텍스트에 출현한 단어들의 빈도 분석 및 단어들 간의 관계를 행렬로 나타내어 중심성 분석을 할 수 있도록 해준다. 또한 NodeXL 프로그램은 텍스트를 분석한 행렬 매트릭스 결과를 시각화하고 주요 지표와 통계값을 산출해 주는 네트워크 분석 도구로 주요 지표인 연결 중심성, 근접 중심성, 매개 중심성, 고유벡터 중심성의 값을 산출해 주며, 각 노드 간 인접 및 연결되어 있거나 같은 경로를 갖는 노드를 그룹핑해 주는 Wakita-Tsurumi 알고리즘 클러스터링 분석이 가능하다.
RESULTS키워드 빈도 분석2005년부터 2022년까지 ASR 학술지에 게재된 연구 논문의 초록에서 추출한 키워드는 총 1,986개였으며, 이를 토대로 정제 작업을 거쳐 1,100개의 주요 키워드를 추출하였다. 이 중 3회 이상 출현한 키워드는 총 111개로 Table 2에 제시하였다. 가장 높은 출현 빈도를 보인 키워드는 ‘보청기’로 59회였으며, ‘난청’, ‘소음’, ‘인공와우’가 각각 33회, ‘청능훈련’ 29회, ‘이명’ 28회, ‘청능재활’ 26회, ‘단어인지’와 ‘이음향방사’는 각 19회 등의 순으로 주요 키워드가 나타났다. 이외 2회 이하로 출현한 키워드는 Appendix 2에 제시하였다.
키워드 중심성 분석ASR 학술지의 연구 논문 초록에서 제시한 키워드 간의 관계 분석을 위해 네트워크 분석을 실시하고, 중심성 분석과 네트워크 시각화를 실시하였다. 키워드 중심성 분석 결과는 Table 3과 같다.
키워드 중 연결 중심성, 매개 중심성, 근접 중심성, 고유벡터 중심성이 가장 높은 키워드는 ‘보청기’로 ASR 학술지에서 가장 주요하게 다루어진 키워드라고 할 수 있다. 이외에 중심성 분석 결과를 상위 10개 키워드 내외로 살펴보면, 연결 중심성이 높은 키워드는 ‘난청’, ‘단어인지’, ‘인공와우’, ‘감각신경성난청’의 순으로 나타났으며, ‘신호대잡음비’와 ‘아동’, ‘청능훈련’과 ‘청능재활’, ‘소음’과 ‘문장인지’와 ‘이명’은 각각 동일한 수준이었다. 매개 중심성이 높은 키워드는 ‘난청’, ‘인공와우’, ‘단어인지’, ‘아동’, ‘이명’, ‘청각장애’, ‘청능훈련’, ‘청능재활’, ‘감각신경성난청’ 등의 순으로 나타났다. 근접 중심성이 높은 키워드는 ‘난청’과 ‘인공와우’는 동일한 수준이었으며, ‘청능재활’, ‘단어인지’, ‘아동’, ‘신호대잡음비’, ‘청능훈련’, ‘소음’, ‘감각신경성난청’ 등의 순으로 나타났다. 고유벡터 중심성이 높은 키워드는 ‘신호대잡음비’, ‘단어인지’, ‘난청’, ‘감각신경성난청’, ‘인공와우’, ‘청능훈련’, ‘소음’, ‘청능재활’, ‘노인성난청’ 등의 순으로 나타났다.
이상의 111개의 키워드를 중심으로 행렬을 구한 뒤 연결 중심성을 기준으로 NodeXL을 활용하여 네트워크 시각화를 실시한 결과는 다음 Figure 1과 같다. 시각화한 자료를 보면, 중심성 분석 결과와 같이 ‘보청기’와 ‘난청’ 키워드가 가장 중심부에 위치하고 있고, ‘단어인지’, ‘인공와우’, ‘감각신경성난청’ 등의 키워드가 비슷한 위치에 있는 것으로 나타났다.
키워드 네트워크 시각화 자료를 Wakita-Tsurumi 알고리즘 클러스터 방식으로 그룹화하여 분석하면, 다음 Figure 2와 같이 나타났으며 총 12개의 그룹으로 구성되었다. 그룹 간에 연결되어 있는 선은 두꺼울수록 연결된 그룹의 연결 정도가 높다는 것을 의미한다. G1은 ‘보청기’를 중심으로 ‘감각신경성난청’, ‘압축역치’, ‘보청기적합’ 등과 같은 키워드를 공유하고 있었으며, G2, G3, G5, G7, G8, G9와 연결성을 많이 가지고 있었다. G2는 ‘인공와우’를 중심으로 ‘아동’, ‘청능재활’, ‘말지각’ 등 같은 키워드를 공유하고 있었으며, G1, G3, G4, G5, G6, G7, G8, G9와 연결성을 많이 가지고 있었다. G3은 ‘단어인지’를 중심으로 ‘문장인지’, ‘어음인지역치’, ‘어음청각검사’ 등과 같은 키워드를 공유하고 있었으며, G1, G2, G5, G7, G8, G9와 연결성을 많이 가지고 있었다. G4는 ‘이명’을 중심으로 ‘소리치료’, ‘이명장애지수’, ‘이명재활’ 등과 같은 키워드를 공유하고 있었으며, G1, G2, G5, G7과 연결성을 많이 가지고 있었다. G5는 ‘청능훈련’을 중심으로 ‘노인성난청’, ‘작업기억’, ‘청각학’ 등과 같은 키워드가 공유되고 있었으며, G1, G2, G3, G4, G6, G7과 연결성을 많이 가지고 있었다. G6은 ‘노인’을 중심으로 ‘인지’, ‘노화’, 의사소통‘, ‘집행기능’, ‘알츠하이머병’ 등과 같은 키워드를 공유하고 있었으며, G2, G5, G7과 연결성을 많이 가지고 있었다. G7은 ‘난청’을 중심으로 ‘소음’, ‘소음성난청’, ‘소음노출’, ‘군(軍)’ 등의 키워드를 공유하고 있었으며, G1, G2, G3, G4, G5, G6, G8, G9와 연결성을 많이 가지고 있었다. G8은 ‘어음인지’를 중심으로 ‘역동범위’, ‘주파수중요함수’, ‘어음명료지수’, ‘음량증가’ 등과 같은 키워드를 공유하고 있었으며, G1, G2, G3, G7과 연결성이 높았다. G9는 ‘신호대잡음비’를 중심으로 ‘자모음비’, ‘무의미음절’ 등과 같은 키워드를 공유하고 있었으며, G1, G2, G3, G7과 연결성을 많이 가지고 있었다. G10은 ‘검사-재검사신뢰도’, G11은 ‘표준’, G12는 ‘한국어단음절숫자’ 키워드가 단독으로 위치하고 있었다.
DISCUSSIONS본 연구는 ASR 학술지의 연구 논문 초록에서 제시한 주요 키워드 간의 관계를 분석하여 향후 연구 방향과 과제에 대한 기초자료와 시사점을 제공하고자 하였다. 이를 위해 2005년부터 2022년까지 발간된 475편의 연구 논문의 주요 키워드를 중심으로 키워드 네트워크 분석을 실시하였으며, 주요 연구 결과를 중심으로 논의하면 다음과 같다.
첫째, ASR 학술지의 키워드에 대한 출현 빈도를 분석한 결과, 본 연구에서 2005년부터 2022년까지 ASR 학술지에 게재된 연구 논문에서 추출한 키워드는 총 1,986개였으며, 이를 토대로 정제 과정을 거쳐 1,100개의 주요 키워드를 추출하였다. 그 결과, 3회 이상의 주요 출현 빈도를 보인 키워드는 111개였으며, 상위 10위에 해당하는 키워드는 보청기(59회), 난청(33회), 소음(33회), 인공와우(33회), 청능훈련(29회), 이명(28회), 청능재활(26회), 단어인지(19회), 이음향방사(19회), 신호대잡음비(18회), 아동(17회) 순으로 분석되어 대부분 청각학이나 청각장애와 관련된 것으로 나타났다. 이는 2007년부터 2016년까지 국내 청각장애 관련 연구 동향 분석(Park, 2018)에서 제시한 청각장애, 인공와우이식, 농, 학생, 수어, 아동, 난청, 의사소통, 대학생, 보청기 등의 상위 10위에 해당하는 키워드와 일부 유사하다고 볼 수 있다. 특히 본 연구에서는 청능재활과 청능훈련의 중요성을 감안하여 이 두 개의 키워드를 나누어 분석하였지만, 유사어로 함께 분석해 본다면 출현 빈도가 가장 높은 키워드는 보청기(59회)이고, 그 다음이 바로 청능훈련의 개념을 포함하는 ‘청능재활(55회)’로 나타나 청각학 분야에서 중요한 연구주제라고 볼 수 있다. 다만, 출현 빈도가 2회 이하인 키워드는 약 989개(89.9%)로 높은 비율을 차지하였는데, 이는 ASR 학술지의 연구 주제가 다양한 분야에 분포하고 있음을 의미하며, 이와 같은 출현 빈도가 낮은 키워드 주제에 대한 심도 있는 고찰을 통해 새로운 연구 방향을 모색해 볼 필요가 있다.
둘째, 중심성 분석은 한 분야의 연구동향과 타 학문과의 통섭을 위한 연구 주제나 내용을 파악하는 데 매우 유용한데(Kho et al., 2013), ASR 학술지의 키워드에 대한 중심성 분석 결과를 지표별로 세분화해서 살펴보면 다음과 같다. 먼저 연결 중심성은 하나의 키워드와 직접 연결된 다른 키워드와의 연결 정도를 의미하며, 다른 키워드들과 같이 많이 사용될수록 연결 중심성 값이 높게 도출되는 특성을 보인다. 즉 키워드와 키워드 간의 조합은 연구 주제가 되며, 연결 중심성이 높은 키워드의 경우 논문 내에서 다른 키워드와 함께 많이 사용된다는 것을 의미한다(Kho, 2014). 따라서 연결 중심성이 높은 단어는 당시 최신 연구동향을 파악하는 척도로 볼 수 있다(Kho et al., 2013). 본 연구에서 연결 중심성이 가장 높은 키워드는 ‘보청기’였고, 그 다음이 ‘난청’, ‘단어인지’, ‘인공와우’, ‘감각신경성난청’의 순이었다. 그 외 ‘신호대잡음비’와 ‘아동’, ‘청능훈련’과 ‘청능재활’, ‘소음’, ‘문장인지’와 ‘이명’은 각각 동일한 수준으로 이러한 키워드들은 ASR 학술지 논문에서 많이 사용되고 있는 연구 주제라고 볼 수 있다. 매개 중심성이 가장 높은 키워드 역시 ‘보청기’였으며, 그 다음이 ‘인공와우’, ‘단어인지’, ‘아동’, ‘이명’ 순이었고, 그 외 ‘청각장애’, ‘청능훈련’, ‘청능재활’, ‘감각신경성난청’ 등도 매개 중심성이 높은 키워드에 해당된다. 이런 매개 중심성이 높은 키워드는 상이한 연구 주제 간의 관계를 연결해주는 역할을 많이 하며, 다양한 연구 주제를 통합하거나 다학제적 접근을 통한 융·복합 연구를 적용할 때 유용하게 사용될 수 있다(Kang et al., 2018). 근접 중심성의 경우, 그 수치가 높으면 키워드가 네트워크의 중간에 위치하게 되고, 지금까지 연구가 활발히 진행된 주제를 의미하며 전반적인 연구 흐름을 파악하는 데 유용한 지표로 활용될 수 있다(Park, 2018). 본 연구에서 근접 중심성이 가장 높은 키워드는 ‘보청기’였으며, ‘난청’과 ‘인공와우’는 동일한 수준으로 높았다. 그 외 ‘청능재활’, ‘단어인지’, ‘아동’, ‘신호대잡음비’, ‘청능훈련’, ‘소음’, ‘감각신경성난청’ 등의 순으로 나타났으며, 이러한 키워드들은 지금까지 ASR 학술지 논문에서 중요한 연구 주제로 인식되었다고 볼 수 있다. 반대로 근접 중심성의 수치가 낮으면, 연구가 비교적 덜 진행이 되었다는 의미로 앞으로 연구가 더 필요한 주제라고 생각할 수 있다(Kwon, 2016). 본 연구 결과에서 근접 중심성이 낮은 키워드 중 시대적인 연구 상황을 고려한다면, 향후 ‘중추청각처리검사’, ‘시간정보처리능력’, ‘이명재활’, ‘소리치료’, ‘이명장애지수’, ‘지적장애’ 등의 키워드를 중심으로 한 다양한 연구를 더 진행할 필요가 있겠다. 마지막으로 고유벡터 중심성은 한 키워드에 연결된 다른 키워드의 개수뿐만 아니라, 그 키워드가 얼마나 중요한지도 함께 고려한 지표로 연결 중심성의 개념을 확장한 것이다(Choi & Kim, 2015). 그러므로 고유벡터 중심성이 높은 키워드일수록 영향력 있는 다른 키워드들과 긴밀하게 연관되어 있음을 나타내고 있다. 본 연구 결과에서 고유벡터 중심성이 가장 높은 키워드는 연결 중심성과 마찬가지로 ‘보청기’였으며, 그 다음이 ‘신호대잡음비’, ‘단어인지’, ‘난청’, ‘감각신경성난청’, ‘인공와우’, ‘청능훈련’, ‘소음’, ‘청능재활’, ‘노인성난청’의 순으로 나타났다. 이 중 ‘신호대잡음비’는 연결 중심성 순위는 6위였지만, 고유벡터 중심성은 2위로 나타나 영향력이 높은 다른 키워드들과의 연관성이 높다고 볼 수 있다.
이상의 중심성 분석 결과를 종합해서 살펴보면, 키워드 중 ‘보청기’, ‘난청’, ‘단어인지’, ‘인공와우’, ‘감각신경성난청’, ‘청능훈련’, ‘청능재활’은 연결 중심성, 매개 중심성, 근접 중심성, 고유벡터 중심성 모두 상위 10위 이내에 위치하고 있으며, 출현 빈도 역시 높게 나타났다. 그러므로 이러한 키워드 주제는 ASR 학술지 논문에서 중요한 분야로 이슈화되었으며, 관련된 다양한 연구를 통해서 많은 연구 성과가 나타났다고 볼 수 있다.
키워드의 연결 중심성을 기준으로 네트워크 시각화를 실시한 결과, 중심성 분석 결과와 같이 ‘보청기’와 ‘난청’ 키워드가 가장 중심부에 위치하고 있으며, 노드의 크기가 크고 진하게 보이고 있다. 그 외 ‘단어인지’, ‘인공와우’, ‘감각신경성난청’ 등의 키워드도 비슷하게 중심부에 분포되어 있는 것으로 나타났다. 이와 같이 시각화 자료에서 키워드와 키워드 간의 연결선이 두껍고 진할수록 동시 출현 빈도가 높고 이는 자주 함께 연구되는 키워드라는 것을 의미한다(Lee, 2014).
네트워크를 시각화해서 클러스터 방식으로 그룹화한 결과, 12개(G1~G12)의 그룹으로 유목화되었는데, G10~G12는 다른 그룹과의 연결성이 없이 단독으로 위치하고 있으므로 ASR 학술지의 경우 9가지 핵심 연구 주제로 연구가 진행되었음을 알 수 있다. 이와 같이 네트워크 시각화 자료에서 그룹 내 키워드는 키워드 간에 어느 정도의 유사성을 보이며, 연구 논문에서 주로 함께 사용한 키워드들로 연구 주제의 연결성을 나타내기 때문에 연구 동향을 파악하는 데 유용할 뿐만 아니라, 관련 분야 연구자들이 연구 주제를 어떻게 파악하는지를 나타내는 지식 구조를 반영한다고 볼 수 있다(Cho & Cho, 2017). 예를 들면 G1은 ‘보청기’를 중심으로 감각신경성난청, 압축역치, 이득, 보청기적합공식 등과 같은 키워드를 같이 공유하고 있어서 서로 관련성을 나타내고 있다고 볼 수 있다. 그룹 간 비교에서는 연결되어 있는 선이 두꺼울수록 그룹 간의 연결 정도가 높다는 것을 의미하는데, 예를 들면, G1(‘보청기’를 중심으로 ‘감각신경성난청’, ‘압축역치’, ‘보청기적합’ 등과 같은 키워드를 공유)과 G9(‘신호대잡음비’를 중심으로 ‘자모음비’, ‘무의미음절’ 등의 키워드를 공유)는 연결선이 두껍게 나타나 연결 정도가 높다는 것을 알 수 있다. 이는 연결된 두 그룹 간의 키워드들이 서로 함께 사용되어 하나의 연구 주제로 많이 활용되었음을 의미한다. 반면에 G4(‘이명’을 중심으로 ‘소리치료’, ‘이명장애지수’, ‘이명재활’ 등의 키워드 공유)는 G8(‘어음인지’를 중심으로 ‘역동범위’, ‘주파수중요함수’, ‘어음명료지수’ 등의 키워드 공유)과의 연결선이 얇게 나타나 연결 정도가 상대적으로 약하다는 것을 알 수 있으며, 이는 지금까지 두 그룹에 해당하는 키워드들을 서로 연계해서 진행한 연구가 많이 없었다는 의미이므로 향후 이와 같은 연결 정도가 약한 그룹에 해당하는 키워드들을 서로 연계해서 새로운 연구 주제로 활용해보는 것도 의미가 있다.
키워드 네트워크 분석은 연구자가 연구 목적과 내용이 잘 드러날 수 있도록 제시한 키워드를 사용하기 때문에 연구 분야의 핵심 주제를 파악하는 데 유리하고, 키워드를 추출하고 의미 간의 관계망을 확인하는 과정에서 연구자의 주관적 개입 가능성을 최대한 줄일 수 있다(Oh et al., 2021). 이러한 관점에서 본 연구는 2005~2022년 동안 발간된 ASR 학술지 논문의 키워드를 대상으로 키워드 네트워크 분석을 실시하여 객관적이고 거시적인 관점에서 연구동향을 분석했다는 점과 새로운 연구 방법을 적용했다는 점에서 의의가 있다. 다만, ASR 학술지 논문에 사용된 키워드가 동일한 의미를 가지고 있지만, 서로 다른 키워드로 사용된 경우가 많았기 때문에 키워드 정제 과정에서 어려움이 있었고, 이러한 부분이 분석 결과에 영향을 미칠 가능성도 배제할 수 없으므로 결과 해석 시 참고할 필요가 있다. 이에 관련 분야에서 사용되는 주요 용어에 대한 정확한 의미 규정이 필요할 것으로 생각한다. 마지막으로 키워드 네트워크 분석은 핵심 주제어의 빈도를 분석하는 일종의 양적 연구이므로 ASR 학술지의 연구 내용에 대한 동향을 구체적으로 살펴보기에는 한계가 있다. 그러므로 향후 연구에서는 키워드 네트워크 분석과 함께 기존의 내용 분석에 근거한 질적 연구를 병행하여 심도 있는 고찰이 이루어져야 할 것으로 생각한다.
NotesAuthor Contributions Conceptualization: Soo Jin Cho, Tae-Gang Kim. Data collection: Soo Jin Cho, Tae-Gang Kim. Formal analysis: Soo Jin Cho, Tae-Gang Kim. Writing—original draft: Soo Jin Cho, TaeGang Kim. Writing—review & editing: Soo Jin Cho, Tae-Gang Kim. Approval of final manuscript: Soo Jin Cho, Tae-Gang Kim. Table 1.
Table 2.Table 3.REFERENCESAhn, H. A. & Yang, K. S. (2020). Research trends on the evaluation of lifelong education in Korea: Using both content analysis and network analysis for the recent 20 years. Journal of Lifelong Learning Society, 16(4), 171-199.
Cho, J. (2011). A study for research area of library and information science by network text analysis. Journal of the Korean Society for Information Management, 28(4), 65-83.
Cho, K. L. & Kim, C. H. (2016). A study on the features and characteristics of knowledge structure of the Korean educational technology community: Focused on the comparison between the journal of educational technology and the journal of educational information and media through network text analysis. Journal of Educational Technology, 32(3), 571-609.
Cho, N. O. & Cho, K. L. (2017). A study on research trend and knowledge structure on Korean journal of counseling through keyword network text analysis. Korea Journal of Counseling, 18(2), 1-19.
Choi, M. J. & Kim, M. S. (2015). The characteristic analysis of researches network for journal of the korean neuropsychiatric association. Journal of the Korean Neuropsychiatric Association, 54(4), 418-426.
Downe‐Wamboldt, B. (1992). Content analysis: method, applications, and issues. Health care for Women International, 13(3), 313-321.
Heeks, R. & Bailur, S. (2007). Analyzing e-government research: Perspectives, philosophies, theories, methods, and practice. Government Information Quarterly, 24(2), 243-265.
Ju, H. J. (2020). A keyword network analysis on research in literature for early childhood. The Journal of Learner-Centered Curriculum and Instruction, 20(18), 411-441.
Ju, S. H. & Lee, K. E. (2019). The perception of schizophrenia using big dat. Mental Health & Social Work, 47(4), 34-53.
Kang, Y. J., Yoon, S. J., & Moon, K. H. (2018). Analysis of journal of dental hygiene science research trends using keyword network analysis. Journal of Dental Hygiene Science, 18(6), 380-388.
Kim, S. H. & Chung, S. D. (2022). Exploring research trends in social welfare using the keyword network analysis: Focused on the KJSW during 2010~2019. Korean Journal of Social Welfare, 74(2), 291-316.
Kim, T. G. (2021). Analysis on research trends of 『The Study of Education for Hearing-Language Impairments』 using keyword network analysis. The Study of Education for Hearing-Language Impairments, 12(3), 87-103.
Kim, Y. H., Jeong, J. H., Kang, D. B., Park, K. M., & Kim, S. M. (2015). Trend analysis of research topics in 『Journal of Lifelong Learning Society』: Using network text analysis. Journal of Lifelong Learning Society, 11(1), 291-315.
Kho, J. C. (2014). A study on research trend in management of technology using keywords network analysis (doctoral dissertation). Seoul, Sungkyunkwan University.
Kho, J. C., Cho, K. T., & Cho, Y. H. (2013). A study on recent research trend in management of technology using keywords network analysis. Journal of Intelligence and Information Systems, 19(2), 101-123.
Ko, M. Y. & Yang, S. S. (2016). Content analysis of welfare tourism research trend in KCI journals. Northeast Asia Tourism Research, 12(4), 181-201.
Kwon, H. B. (2016). An analysis of meaning of education and research domain in educational research by using semantic network analysis. Journal of Educational Innovation Research, 26(1), 125-148.
Lee, H. S. (2005). Analysison on academic study trend in Korea in inclusive physical education. The Korean Journal of Physical Education, 44(1), 161-171.
Lee, J. H., Lee, J. Y., Cho, S. J., Park, S. I., Kim, J. D., Park, M. H., et al. (2017). A survey of educational environment for the accreditation of audiology and hearing sciences education. Audiology and Speech Research, 13(3), 193-208.
Lee, J. H., Lee, K. W., Lee, J. H., & Bang, J. H. (2014). Glossary of Audiology (pp. 7-217). Seoul: Hakjisa.
Lee, S. S. (2014). A content analysis of journal articles using the language network analysis methods. Journal of the Korean Society for Information Management, 31(4), 49-68.
Lim, Y. K. & Yi, S. Y. (2021). Analysis of research trends through semantic network analysis method of domestic and overseas research on music and hearing impairment. The Journal of LearnerCentered Curriculum and Instruction, 21(2), 639-663.
Lim, S. M., Yoon, H. J., & Bang, D. M. (2020). Research trend analysis in 『Korean Journal of General Education』 using semantic network analysis. Korean Journal of General Education, 14(1), 11-32.
Moon, S. I. & Nam, H. W. (2022). An analysis on the research trends in arts-psychotherapy before and after COVID-19 using keyword network analysis. Culture and Convergence, 44(2), 209-234.
NodeXL Korea. (2015). Catch Up with NodeXL (pp. 82-151). Seoul: Paradigmbook.
Oh, J. S., Jeon, B. J., & Son, S. M. (2021). Research trend analysis of occupational therapy using keyword network analysis: Focusing on the Korean journal of occupational therapy. Korean Journal of Occupational Therapy, 29(2), 65-77.
Park, H. J. (2018). Analysis of research trends on hearing impairment through the keyword network analysis: 2007~2016. Journal of Speech-Language & Hearing Disorders, 27(4), 127-135.
Park, H. J. (2021). Research trends in cochlear implant using keyword network analysis and literature analysis from 2011 to 2018. Journal of Speech-Language & Hearing Disorders, 30(1), 103-113.
Park, H. W. (2005, July 6). KrKwic Program. Dr. Han Woo Park’s homepage. Retrieved from http://www.hanpark.net/index2.asp.
Park, H. W. & Leydesdorff, L. (2004). Understanding the KrKwic: A computer program for the analysis of Korean text. Journal of the Korean Data Analysis Society, 6(5), 1377-1387.
Park, J. S. (2017). A study on the domestic research trends related with education for persons with disabilities through a keyword network analysis. Journal of Special Education & Rehabilitation Science, 56(2), 107-126.
Yang, J. H. (2019). Analysis of research trends on ‘The Journal of Korea Open Association for Early Childhood Education’ using the language network analysis methods. The Journal of Korea Open Association for Early Childhood Education, 24(1), 221-246.
Yang, K. S. & Lee, S. H. (2021). Analyzing the research trends on emotional & behavioral disorders: Focusing on 「Journal of Emotional & Behavioral Disorders」. Journal of Emotional & Behavioral Disorders, 37(1), 355-376.
Yi, S. Y. & Cha, J. K. (2018). The analysis on the trend of domestic researches related to Autism Spectrum Disorder (ASD) through keyword network analysis: Focusing on the researches in 2008~2017. The Journal of the Korean Association on Developmental Disabilities, 22(4), 207-222.
Yi, S. Y. & Kim, J. H. (2017). A study on research trends of the journal of intellectual disabilities using the keyword network analysis. Journal of Intellectual Disabilities, 19(1), 1-19.
Yi, S. Y. & Park, S. Y. (2019). Research trends in the journal of special education using the keyword network analysis. Journal of Special Education, 26(1), 24-40.
APPENDICESAppendix 1.키워드 정제 목록Appendix 2.ASR 학술지의 2회 이하로 출현한 연구주제 키워드 |
|