인천은 무엇을 원하는가: 국민 신문고 민원 데이터를 활용한 시민 의견 분석
What Incheon Wants: Analysis of Citizens’ Opinions Using Civil Petitions Data from e-People
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구는 인천광역시의 민원 데이터를 활용하여 인천 시민의 공적 관심사를 분석, 시민들이 인천시에 요구하는 시정 운영 사항들을 심도 있게 분석하고자 하였다. 이를 위해 국민신문고에서 민원 데이터를 수집하여 워드 임베딩과 K-평균 군집화를 사용해 민원 텍스트를 분석하고 정서 분석을 수행하였다. K-평균 군집화를 통해 전체 민원은 민원 주제에 따라 10개의 군집으로 분류되었다. 분류된 군집별로 정서 분석을 시행한 결과, 군집 내 민원의 주제에 따라 주요 정서가 다르게 나타났다. 이러한 분석을 바탕으로 인천 시민들이 인천시에 바라는 바를 확인할 수 있었다. 나아가 실제 현장에서 업무 효율을 개선할 수 있는 방안인 도배성 민원 방지와 정서 노동 예방 등을 제언하였다. 본 연구는 텍스트 분석 기법을 이용하여 민원 데이터를 분석할 수 있다는 것을 잘 보여주고 있다. 그러나 민원의 본문을 수집하지 못해 제목만으로 분석했다는 한계가 있었다. 따라서 후속 연구에서는 민원 제목뿐 아니라 본문까지 분석에 포함할 수 있다면 이러한 한계를 극복할 수 있을 것이다.
Abstract
This study performed in-depth analyses of civil petition data of Incheon City to investigate Incheon citizens’ public concerns and demands in the city. Civil petition data were electronically collected from e-People and analyzed using machine learning and deep learning techniques such as word embedding, K-means clustering, and emotional analysis. Entire civil petitions were classified into 10 clusters using K-means clustering according to the complaint topic. As a result of the emotional analysis for each classified cluster, the main emotions were found to be different according to the topic of civil complaints within the cluster. Based on these analyses, it was possible to confirm what Incheon citizens wanted from Incheon City. Furthermore, we suggested policies to improve work efficiency in the field, a method to prevent spams, and emotional labor. Our study demonstrates how text analysis techniques can be applied to investigate citizens’ opinions and emotions about the city government. Although the study has the limitation of using only the title information of the text, it still provides rich information about people’s petitions.
참고문헌 (42)
- 김나랑, "CNN과 Bidirectional LSTM을 활용한 부산시 민원 자동 분류 연구", 전산회계연구, 17(2), pp.81~98 (2019), 한국전산회계학회[DOI]
- 지능정보기술을 활용한 지방자치단체의 민원·복지서비스 혁신 방안, "김정숙", 한국지방행정연구원, ~ (2020)
- 김주영, "잠재 디리클레 할당을 활용한 교통민원 분석", 대한교통학회 학술대회지, pp.106~111 (2018)
- 김현성, "온라인 시민참여와 전자민주주의의 관계에 대한 비판적 고찰 - 대응성과 협업의 비교를 중심으로 -", 사회과학연구, 22(1), pp.91~120 (2006), 사회과학연구소
- 김현종, "민원 분석을 위한 텍스트 마이닝 기법 연구: 계층적 연관성 분석", 한국산업정보학회논문지, 23(3), pp.13~24 (2018), 한국산업정보학회[DOI]
- 노규성, "사례분석을 통한 지방행정의 빅데이터 활용 전략", 디지털융복합연구, 12(1), pp.89~97 (2014), 한국디지털정책학회[DOI]
- 라휘문, "민원행정서비스의 질적 제고를 위한 민원제도분석 및 발전방향", 정책분석평가학회보, 16(3), pp.241~263 (2006), 한국정책분석평가학회[DOI]
- 민병익, "전자정부에서 시민참여의 특성: 기초자치단체 웹사이트 온라인 주민참여를 중심으로", 사회과학연구, 25(4), pp.155~175 (2009), 사회과학연구소
- 박주섭, "Big Data Analysis of Busan Civil Affairs Using the LDA Topic Modeling Technique", 정보화정책, 27(2), pp.66~83 (2020), 한국지능정보사회진흥원[DOI]
- 유승의, "텍스트 네트워크 분석을 통한 부산시 버스민원 패턴분석", 전산회계연구, 16(2), pp.19~43 (2018), 한국전산회계학회[DOI]
- 원태홍, "텍스트마이닝에 의한 지자체 민원청구 패턴 분석", 한국측량학회지, 34(3), pp.319~327 (2016), 한국측량학회[DOI]
- 원태홍, "진주시 주차관련 전자민원의 공간패턴분석 및 추이분석", 지적과 국토정보, 47(1), pp.5~14 (2017), 한국국토정보공사[DOI]
- 이준호, "자연어 처리에서 코퍼스의 크기와 문맥이 과제 정확도에 미치는영향", 석사, pp.2020
- 이왕기, "민원사례로 살펴본 인천 정비사업의 민원유형과 특성", 도시행정학보, 26(1), pp.241~265 (2013), 한국도시행정학회
- 민원 분석 결과 보고서, "인천광역시", ~ (2016)
- 전일욱, "소셜 네트워크 분석(Social Network Analysis)기법을 활용한 지방자치단체의 민원 특징 분석 : 천안시 전자민원게시판(올소 365)을 중심으로", 지역사회연구, 25(2), pp.117~141 (2017), 한국지역사회학회[DOI]
- 정하영, "공공서비스의 수요대응성 향상을 위한전자민원 코퍼스분석: 부산시 사례를 중심으로", 지방정부연구, 21(1), pp.423~436 (2017), 한국지방정부학회[DOI]
- 조현수, "FastText를 적용한 한국어 단어 임베딩", 한국정보과학회 학술발표논문집, pp.705~707 (2017)
- 진영빈, "전자정부의 민원행정서비스 개선 방안에 관한 연구: 부산광역시 이용자들의 인식을 중심으로", 한국지역정보화학회지, 11(1), pp.73~97 (2008), 한국지역정보화학회[DOI]
- 빅데이터 활용 사례 분석을 통한 민·관 융합 빅데이터 활용 전략 연구, "최창우", 한국지역정보개발원, ~ (2014)
- 최해옥, "환경·위생분야 민원분석을 통한 정책우선순위 결정에관한 연구", 환경정책, 24(2), pp.45~57 (2016), 한국환경정책학회[DOI]
- 빅데이터 기반 민원분석업무 발전 방안 연구, "㈜피오피컨설팅", 국민권익위원회, ~ (2015)
- Bojanowski, P., "Enriching word vectors with subword information", Transactions of the Association for Computational Linguistics, 5, pp.135~146 (2017)
- Cowen, A., "Mapping the passions : Toward a high-dimensional taxonomy of emotional experience and expression", Psychological Science in the Public Interest, 20(1), pp.69~90 (2019)
- Demszky, D., "Goemotions: A dataset of fine-grained emotions", arXiv preprint arXiv :2005.00547, ~ (2020)
- Jones, K. S, "A statistical interpretation of term specificity and its application in retrieval", Journal of documentation, 28(1), pp.11~21 (1972)
- Kenter, T., "Siamese cbow:Optimizing word embeddings for sentence representations", arXiv preprint arXiv :1606.04640, ~ (2016)
- MacQueen, J, "Some methods for classification and analysis of multivariate observations", Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, pp.281~297 (1967), University of California Press
- Mikolov, T., "Efficient estimation of word representations in vector space", arXiv preprint arXiv :1301.3781, ~ (2013)
- Pham, D. T., "Selection of K in K-means clustering", Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 219(1), pp.103~119 (2005)
- Van der Maaten, L., "Visualizing data using t-SNE", Journal of machine learning research, 9(11), pp.2579~2605 (2008)
- "‘40건→1만2천건’ 민원 폭증…국민신문고 마비시킨 ‘매크로’" (2021)[URL]
- "L H , 시흥 은계지구 민원 ‘폭 주’...6월에만 8만건 넘어" (2019)[URL]
- "GoEmotions-Korean" (2020)[URL]
- "빅데이터로 야간ㆍ휴일 민원인 만족도 높인다: 경기도 광주시 5년간 발생한 취약시간 민원 분석해 당직운영 개선에 활용" (2017)[URL]
- "수원에 떨어진 ‘민원폭탄’ 서버폭주 업무마비" (2021)[URL]
- "주민등록 인구통계" (2021)[URL]
- "표준대국어사전" (2008)[URL]
- "해수부 ·환경부, 송도갯벌 관통 제2순환선 재검토 의견 재차 밝혀" (2021)[URL]
- "응답소"[URL]
- "부산민원120"[URL]
- "한눈에 보는 민원 빅데이터"[URL]