토픽 모델링을 이용한 열차 사고 관련 뉴스 동향 분석 = Analysis of Trends in Train Accident-Related News Using Topic Modeling

다국어 초록 (Multilingual Abstract)

Train accidents cause significant human casualties and property damage, and various accidents continue to occur despite technological advancements. The media reports these accidents, contributing to public safety awareness and policy changes. This paper aims to analyze news articles related to train accidents over a decade, from 2014 to 2023, to develop prevention and response strategies. By analyzing the social discourse and media coverage trends of train accidents through news articles, this study comprehensively examines not only the accidents but also changes in societal perception and policy responses. Using LDA topic modeling, we derived five optimal topics: (1) train accidents in South Korea, (2) major international train accidents, (3) screen door accidents, (4) train-related disasters and corresponding measures, and (5) safety measures for preventing train accidents. This research provides a comprehensive perspective on train safety through news article analysis, examining not only the accidents themselves but also changes in social perception and policy responses by analyzing media reporting trends. We expect this study to contribute to the development of train safety policies and guidance for media reporting directions.

국문 초록 (Abstract)

열차 사고는 큰 인명 피해와 물적 손실을 초래하며, 기술 발전에도 불구하고 다양한 사고가 발생한다. 언론은 이러한 사고를 보도하여 대중의 안전 의식과 정책 변화에 기여한다. 본 논문은 2014년부터 2023년까지 10년간의 열차 사고 관련 뉴스 기사를 분석하여 사고 예방 및 대응 방안을 마련하는 것을 목적으로 한다. 뉴스 기사를 통해 열차 사고에 대한 사회적 담론과 미디어 보도 경향을 분석하여 사고뿐만 아니라 사회의 인식 변화와 정책적 대응을 포괄적으로 고찰하였다. LDA 토픽 모형화를 통해 5개의 최적 토픽을 도출하였다. 이를 통해 (1) 대한민국에서 발생한 열차 사고, (2) 국제적인 대형 열차 사고, (3) 스크린도어 사고, (4) 열차 관련 참사와 그에 대한 대책, (5) 열차 사고 방지를 위한 안전 대책 등의 주제가 확인되었다. 또한, 퍼지 군집 분석을 실시하여 연도별 토픽 비율을 군집화하였으며, 이를 통해 국내외 열차 사고 뉴스의 비율이 군집 형성에 유의미한 영향을 미치고 있음을 확인하였다. 본 연구는 뉴스 기사 분석을 통해 열차 안전에 대한 종합적인 시각을 제공하며, 사회적 담론과 미디어 보도 경향을 분석하여 사고뿐만 아니라 사회의 인식 변화와 정책적 대응을 포괄적으로 고찰하고자 하였다. 이를 통해 열차 안전 정책 수립 및 언론 보도의 방향성 제시에 기여할 수 있을 것으로 기대된다.

참고문헌 (Reference)

• 1 Ferraro, M. B., "fclust: an R package for fuzzy clustering" 1-18, 2019
• 2 곽상록, "Setting up railway safety target : based on international railway accident trend" 23 (23): 924-933, 2020
• 3 곽상록, "Risk estimation study on railway track worker hit by train" 35 (35): 72-78, 2020
• 4 Blei, D. M., "Probabilistic topic models" 55 (55): 77-84, 2012
• 5 Hofmann, T., "Probabilistic latent semantic analysis" 99 : 289-296, 1999
• 6 Cohen, B. C, "Press and foreign policy, 2321" Princeton university press 2015
• 7 Nikita, M, "Package ‘ldatuning’"
• 8 Arun, R., "On finding the natural number of topics with latent dirichlet allocation: Some observations" Springer Berlin Heidelberg 391-402, 2010
• 9 Blei, D. M., "Latent dirichlet allocation" 3 : 993-1022, 2003
• 10 Jelodar, H., "Latent Dirichlet allocation(LDA)and topic modeling : models, applications, a survey" 78 : 15169-15211, 2019
• 11 임연수, "Issue analysis using topic modeling : focusing on hatred articles in national daily newspapers" 25 (25): 431-443, 2023
• 12 김재환 ; 정성봉 ; 심지섭, "Improvement plan for railway operation and regulations according to the results and implications of reviewing major issues in Tongbok tunnel catenary power outage accident" 31 (31): 1-20, 2024
• 13 Griffiths, T. L., "Finding scientific topics" 101 (101): 5228-5235, 2004
• 14 Huang, X., "Examining temporality in document classification" 694-699, 2018
• 15 이승원 ; 우관제 ; 정찬묵, "Cause analysis of the electric train derailment occurred in turnout on a sharp curves" 6 (6): 411-416, 2018
• 16 진형종 ; 주아림 ; 이대국 ; 전수영, "Autonomous driving research trend analysis using topic modeling" 25 (25): 1671-1682, 2023
• 17 문보경 ; 이재은, "Analyzing the risk management of urban railway crowd accident" 20 (20): 35-52, 2024
• 18 이광재 ; 김명종 ; 장승엽 ; 송병대 ; 방명석, "Analysis of railway accident status and perception of railway safety management workers for improvement of railway safety management system" 25 (25): 71-80, 2022
• 19 김용래, "Analysis of factors affecting the damage cost of accidents at railroad crossings" 31 (31): 1-17, 2024
• 20 Liu, X., "Analysis of causes of major train derailment and their effect on accident rates" 2289 (2289): 154-163, 2012
• 21 이수지 ; 정호현, "Analysis of Korea and global monopoly research trends using topic modeling and time-series analysis" 25 (25): 1683-1699, 2023
• 22 Landauer, T. K., "An introduction to latent semantic analysis" 25 (25): 259-284, 1998
• 23 Kruse, R., "Advances in fuzzy clustering and its applications" 3-30, 2007
• 24 Deveaud, R., "Accurate and effective latent concept modeling for ad hoc information retrieval" 17 (17): 61-84, 2014
• 25 정미숙 ; 최보영, "A study on the trend of traffic psychology using text mining : applying topic modeling" 26 (26): 725-741, 2024
• 26 김호연 ; 노학래, "A study on the system of rail traffic control regulations : on accident cases" 10 (10): 1391-1388, 2022
• 27 Jeon, Y., "A study on the development of train operation method application scenarios based on train accident analysis" 23 (23): 53-64, 2016
• 28 전영석 ; 김충기, "A study on scenario development applied to train operation methods based on train accidents analysis" 23 (23): 53-64, 2016
• 29 이우진 ; 임태성, "A review of media framing on the discourse of safety accidents occurring during outdoor educational activities : focusing on the press release example of marine corp camp" 16 (16): 726-738, 2016
• 30 Zhao, W., "A heuristic approach to determine an appropriate number of topics in topic modeling" BioMed Central 16 : 1-10, 2015
• 31 Cao, J., "A density-based method for adaptive LDA model selection" 72 (72): 1775-1781, 2009