- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 도서관 상주작가 지원사업 문화프로그램 운영현황을 파악하고 프로그램에 대한 이용자의 인식과 선호, 사서의 인식을 조사하여 도서관 상주작가 문화프로그램의 운영개선 및 활성화 방안을 제시하는데 있다. 이를 위한 연구방법은 이론적 연구와 상주작가 문화프로그램 운영 현황조사, 도서관 이용자의 인식 및 선호에 대한 설문조사, 사서의 인식에 대한 인터뷰조사를 통한 실증적 연구를 병행하였다. 현황조사․설문조사․인터뷰조사는 2021년 5월부터 11월까지의 상주작가 지원사업 문화프로그램을 실시하고 있는 도서관을 대상으로 하였다. 문화프로그램의 어려움은 상주작가의 역량과 코로나로 인한 휴․재개관의 반복과 비대면 수업으로 나타났다. 프로그램 개선방안으로 상주작가와 다른 분야의 문인 초청과 문학프로그램 운영, 온라인 홍보에서 오프라인 홍보의 강화, 문화프로그램 운영의 사전교육, 사업 시작 시기 조정, 작가의 특성을 위한 교육, 이용자 연령을 고려한 진행방식, 이용자 선호 프로그램, 프로그램 운영시간, 정기문화프로그램 운영, 지역특성과 프로그램의 다양성 등을 고려해야 할 것이다.
Abstract
This article aims to improve the cultural program for the resident writers in libraries by identifying the current status of the resident writer support project, examining users’ perceptions and preferences, and investigating librarians’ perceptions of the program. The research methods included an investigation (survey) of the program operation status, user perception and preference surveys, and interviews with librarians about their perceptions of the program. Data were collected from libraries with the cultural program for resident writers between May and November 2021. Findings showed there were challenges in operating the library cultural program due to the lack of resident writers’ quality, frequent changes in the program formats (online or offline), and library closures during the COVID-19 pandemic. For the program improvement, suggestions were made, including inviting good-quality resident writers and writers from other fields to the program, training resident writers, advertising the programs using online and offline media, training staff, and developing programs considering user ages and preferences and diversity in local communities.
초록
국내를 비롯하여 전 세계적으로 우울증 환자 수가 매년 증가하는 추세이다. 그러나 대다수의 정신질환 환자들은 자신이 질병을 앓고 있다는 사실을 인식하지 못해서 적절한 치료가 이루어지지 않고 있다. 우울 증상이 방치되면 자살과 불안, 기타 심리적인 문제로 발전될 수 있기에 우울증의 조기 발견과 치료는 정신건강 증진에 있어 매우 중요하다. 이러한 문제점을 개선하기 위해 본 연구에서는 한국어 소셜 미디어 텍스트를 활용한 딥러닝 기반의 우울 경향 모델을 제시하였다. 네이버 지식인, 네이버 블로그, 하이닥, 트위터에서 데이터 수집을 한 뒤 DSM-5 주요 우울 장애 진단 기준을 활용하여 우울 증상 개수에 따라 클래스를 구분하여 주석을 달았다. 이후 구축한 말뭉치의 클래스 별 특성을 살펴보고자 TF-IDF 분석과 동시 출현 단어 분석을 실시하였다. 또한, 다양한 텍스트 특징을 활용하여 우울 경향 분류 모델을 생성하기 위해 단어 임베딩과 사전 기반 감성 분석, LDA 토픽 모델링을 수행하였다. 이를 통해 문헌 별로 임베딩된 텍스트와 감성 점수, 토픽 번호를 산출하여 텍스트 특징으로 사용하였다. 그 결과 임베딩된 텍스트에 문서의 감성 점수와 토픽을 모두 결합하여 KorBERT 알고리즘을 기반으로 우울 경향을 분류하였을 때 가장 높은 정확률인 83.28%를 달성하는 것을 확인하였다. 본 연구는 다양한 텍스트 특징을 활용하여 보다 성능이 개선된 한국어 우울 경향 분류 모델을 구축함에 따라, 한국 온라인 커뮤니티 이용자 중 잠재적인 우울증 환자를 조기에 발견해 빠른 치료 및 예방이 가능하도록 하여 한국 사회의 정신건강 증진에 도움을 줄 수 있는 기반을 마련했다는 점에서 의의를 지닌다.
Abstract
The number of depressed patients in Korea and around the world is rapidly increasing every year. However, most of the mentally ill patients are not aware that they are suffering from the disease, so adequate treatment is not being performed. If depressive symptoms are neglected, it can lead to suicide, anxiety, and other psychological problems. Therefore, early detection and treatment of depression are very important in improving mental health. To improve this problem, this study presented a deep learning-based depression tendency model using Korean social media text. After collecting data from Naver KonwledgeiN, Naver Blog, Hidoc, and Twitter, DSM-5 major depressive disorder diagnosis criteria were used to classify and annotate classes according to the number of depressive symptoms. Afterwards, TF-IDF analysis and simultaneous word analysis were performed to examine the characteristics of each class of the corpus constructed. In addition, word embedding, dictionary-based sentiment analysis, and LDA topic modeling were performed to generate a depression tendency classification model using various text features. Through this, the embedded text, sentiment score, and topic number for each document were calculated and used as text features. As a result, it was confirmed that the highest accuracy rate of 83.28% was achieved when the depression tendency was classified based on the KorBERT algorithm by combining both the emotional score and the topic of the document with the embedded text. This study establishes a classification model for Korean depression trends with improved performance using various text features, and detects potential depressive patients early among Korean online community users, enabling rapid treatment and prevention, thereby enabling the mental health of Korean society. It is significant in that it can help in promotion.