병원 홈페이지의 병원장 메시지를 통한 경영전략 분석: 텍스트 마이닝 기법을 활용하여 = Analysis of Management Strategies through the Message of the Hospital Director on the Hospital Website: Using Text Mining Techniques

다국어 초록 (Multilingual Abstract)

· Research topic: This study presented meaningful information on hospital management using text mining techniques for hospital management information contained in the message of the hospital director, which is unstructured text data.
· Research background: On most hospital websites, the hospital director mentions the vision or value of the hospital through messages. In this study, we focused on the hospital director's message among the data disclosed on the hospital website and tried to derive meaningful qualitative information on hospital management through text mining techniques on the vision, strategy, goals, and values of the hospital.
· Differences from prior research: The differences between this paper and previous studies can be summarized as follows. First, this paper presented the research results so that hospitals can grasp their management strategies at a glance by extracting information on the vision or goals of hospital management through text data on the website. Second, in the field of strategic research, few studies have objectively analyzed CEO messages published on the website through text mining techniques. This paper provides more objectively useful information by analyzing texts from various angles using TF-IDF analysis, topic modeling analysis, network analysis, and word-to-back analysis among text mining techniques.
· Research Method: The sample period of this study is as of December 31, 2022, and the sample target is 65 hospitals corresponding to general hospitals and university hospitals among hospitals in Korea. For this study, the hospital director's message posted on each hospital's website was crawled, and the analysis of the hospital director's text message, which is unstructured text data, used Rver 3.6.3, an open source data analysis tool. Specifically, TF-IDF analysis, topic modeling analysis, network analysis, and word-to-back analysis were used.
· Research results: The summary of the research results of this paper is as follows. First, the results of the TF-IDF analysis are as follows. Words such as "hospital," "medical," "regional," "medical," "patient," "service," "center," "disease," "health," and "effort" were found to have high TF-IDF values. Second, the topic modeling results are as follows. The main keywords of Topic 1 are "health," "insurance," "environment," "harmony," "domyo," "creation," and "consideration," which can be inferred as "health and welfare-related topics." In addition, the main keywords of Topic 2 are derived from 'advanced', 'system', 'specialization', 'promotion', 'medicine', 'overseas', 'activation', and 'medical personnel', which can be inferred as 'topics related to advanced medical systems'. Finally, the main keywords of Topic 3 were derived as "residents," "nursing," "university hospitals," "free," "visit," "hold," "health checkups," and "neighbors," which can be inferred as "topics related to local residents support projects." Third, the keyword network analysis results are as follows. "Patient," "care," "region," "service," and "center" are words that mean "regional treatment centers," and keyword network analysis showed that they are related to each other. In addition, "hospital," "medical," "effort," "development," and "best" are words that mean "hospital effort and development," and the keyword network analysis found that they are interrelated. Fourth, the results of the correlation analysis between keywords using Word2Vec are as follows. Based on the results of topic modeling, the relevance was identified based on the words 'health welfare', 'advanced', and 'support'. Regarding "health welfare," it was found to be highly related in the order of "social welfare," "best," "improvement," "ebaji," "contribution," "people," "promotion," "health," "domyo," and "citizen." In addition, it was found that "advanced" was highly related in the order of "latest", "secured", "introduced", "excellent", "infrastructure", "implementation", "investment", "state...

국문 초록 (Abstract)

· 연구 주제: 본 연구는 비정형 텍스트 자료인 병원장의 메시지에 내포된 병원 경영정보에 대해서 텍스트 마이닝 기법을 활용하여 병원경영에 관한 의미 있는 정보를 제시하였다.
· 연구 배경: 대부분의 병원 홈페이지에서는 병원장이 메시지를 통해 병원의 비전이나 가치 등에 대해서 언급하고 있다. 본 연구에서는 병원 홈페이지에서 공시하는 자료 중 병원장 메시지에 초점을 두고 병원의 비전, 전략, 목표, 가치 등에 대해서 텍스트 마이닝 기법을 통해 병원경영에 의미 있는 정성적 정보를 도출하고자 하였다.
· 선행연구와의 차이점: 본 논문과 선행연구와 차이점은 다음과 같이 요약할 수 있다. 첫째, 본 논문은 병원경영의 비전이나 목표 등에 관한 정보를 홈페이지의 텍스트 자료를 통해 추출함으로써 병원들의 경영전략에 대해서 한 눈에 파악할 수 있도록 연구결과를 제시하였다. 둘째, 기존에 전략 연구 분야에서 홈페이지에 공시한 CEO 메시지를 텍스트마이닝 기법을 통해 객관적으로 분석한 연구는 거의 없었다. 본 논문에서는 텍스트 마이닝 기법 중 TF-IDF 분석, 토픽모델링 분석, 네트워크 분석, 그리고 워즈투백 분석을 사용하여 다양한 각도에서 텍스트들을 분석함으로써 보다 객관적으로 유용한 정보를 제공하였다.
· 연구방법: 본 연구의 표본 기간은 2022년 12월 31일을 기준이며, 표본대상은 우리나라 병원 중 종합병원 및 대학병원에 해당하는 65개의 병원이다. 본 연구를 위해 각 병원 홈페이지에 게시된 병원장 메시지를 크롤링(crawling)하였고, 비정형 텍스트 데이터인 병원장 텍스트 메세지의 분석은 오픈 소스 데이터 분석 도구인 R ver 3.6.3을 활용하였다. 구체적으로 TF-IDF 분석, 토픽모델링 분석, 네트워크 분석, 그리고 워즈투백 분석을 사용하였다.
· 연구결과: 본 논문의 연구결과를 요약하여 제시하면 다음과 같다. 첫째, TF-IDF 분석 결과는 다음과 같다. ‘병원’, ‘의료’, ‘지역’ ‘진료’, ‘환자’, ‘서비스’, ‘센터’, ‘질환’, ‘건강’, ‘노력’ 등의 단어들이 TF-IDF값이 높은 것으로 나타났다. 둘째, 토픽 모델링 결과는 다음과 같다. Topic 1의 주요 키워드가 ‘보건’, ‘보험’, ‘환경’, ‘화합’, ‘도모’, ‘조성’, ‘배려’ 등으로 나타난 것으로 보아 ‘보건 및 복지 관련 토픽’으로 유추할 수 있다. 그리고 Topic 2의 주요 키워드는 ‘첨단’, ‘시스템’, ‘전문화’, ‘추진’, ‘의학’, ‘해외’, ‘활성화’, ‘의료인’ 등으로 도출된 것으로 보아 ‘첨단 의학 시스템 관련 토픽’으로 유추할 수 있다. 마지막으로 Topic 3의 주요 키워드가 ‘주민’, ‘간호’, ‘대학병원’, ‘무료’, ‘방문’, ‘보유’, ‘건강검진’, ‘이웃’ 등으로 도출된 것으로 보아 ‘지역 주민 지원 사업 관련 토픽’으로 유추할 수 있다. 셋째, 키워드 네트워크 분석 결과는 다음과 같다. ‘환자', ‘진료', ‘지역', ‘서비스’, ‘센터’는 “지역별 진료 센터”를 의미하는 단어들로 키워드 네트워크 분석 결과 서로 연관성이 있는 것으로 나타났다. 그리고 ‘병원’, ‘의료’, ‘노력’, ‘발전’, ‘최고’는 “병원의 노력과 발전”을 의미하는 단어들로 키워드 네트워크 분석결과 상호 연관성이 있는 것으로 도출되었다. 넷째, Word2Vec을 이용한 키워드 간 연관성 분석결과는 다음과 같다. 토픽모델링 결과에 기반으로 하여 ‘보건복지’, ‘첨단’, ‘지원’이라는 단어를 기준 ...

참고문헌 (Reference)

• 1 장재영, "텍스트 마이닝을 위한 그래프 기반 텍스트 표현 모델의 연구 동향" 한국인터넷방송통신학회 13 (13): 37-47, 2013
• 2 김현미, "의미연결망 분석(Semantic Network Analysis)을 통한 우리나라 음악교육의 연구 경향 분석 - ‘음악교육연구’를 중심으로 -" 한국음악교육학회 44 (44): 49-68, 2015
• 3 이오준 ; 박승보 ; 정다울 ; 유은순, "소셜 빅데이터를 이용한 영화 흥행 요인 분석" 한국콘텐츠학회 14 (14): 527-538, 2014
• 4 한관종, "사회과학 방법론으로서의 연결망 분석기법 적용의 의의와 연구과제: 의미와 연결망 분석 (semantic network analysis) 을 중심으로" 10 : 219-235, 2003
• 5 김해원 ; 전채남, "빅데이터를 활용한 콘텐츠 제작방안에 관한 탐색적 연구 : TV홈쇼핑을 중심으로" 사이버커뮤니케이션학회 31 (31): 5-51, 2014
• 6 이진우 ; 안상윤, "병원 홈페이지 콘텐츠 분석을 통한 홍보활성화방안 연구" 보건의료산업학회 6 (6): 13-27, 2012
• 7 이현숙, "내 · 외부고객의 병원선택요인이 병원이미지에 미치는 영향" 한국보건행정학회 23 (23): 281-288, 2013
• 8 차민경, "국내 언론에 나타난 ‘예술경영’ 관련 이슈의 의미연결망 분석 - 1990년부터 2014년까지 국내 일간지 기사 분석을 중심으로 -" 한국문화관광연구원 29 (29): 168-201, 2015
• 9 Goldberg, Y., "Word2vec Explained: deriving Mikolov et al.'s negative-sampling word-embedding method"
• 10 Church, K. W., "Word2Vec" 23 (23): 155-162, 2017
• 11 Quigley, J. V., "Vision: How leaders develop it, share it, and sustain it" 37 : 37-41, 1994
• 12 Gulati, R., "Vision statement quality and organizational performance in US Hospitals" 61 (61): 335-350, 2016
• 13 Ma, L., "Using Word2Vec to process big text data" IEEE 2895-2897, 2015
• 14 Berson, Y., "The relationship between vision strength, leadership style, and context" 12 (12): 53-73, 2001
• 15 Kantabutra, S., "The power of vision : Statements that resonate" 31 (31): 37-45, 2010
• 16 Raynor, M. E., "That vision thing : Do we need it?" 31 (31): 368-376, 1998
• 17 Zhou, X., "Text mining for traditional Chinese medical knowledge discovery : A survey" 43 (43): 650-660, 2010
• 18 Kocbek, S., "Text mining electronic hospital re cords to automatically classify admissions against disease : Measuring the impact of linking data sources" 64 : 158-167, 2016
• 19 Lucini, F. R., "Text mining approach to predict hospital admissions using early medical records from the emergency department" 100 : 1-8, 2017
• 20 Bhandari, A., "Specialty care systems : a pioneering vision for global health" 27 (27): 964-976, 2008
• 21 Wasserman, S., "Social network analysis: Methods and applications" Cambridge University Press 1994
• 22 Calheiros, A. C., "Sentiment classification of consumer-generated online reviews using topic modeling" 26 (26): 675-693, 2017
• 23 Styawati, S., "Sentiment Analysis on Online Transportation Reviews Using Word2Vec Text Embedding Model Feature Extraction and Support Vector Machine (SVM) Algorithm" IEEE 163-167, 2022
• 24 Jin, L. X., "Robotic surgery claims on United States hospital websites" 33 (33): 48-52, 2011
• 25 Ayyadevara, V. K., "Pro Machine Learning Algorithms: A Hands-On Approach to Implementing Algorithms in Python and R. Apress"
• 26 Kao, A., "Natural language processing and text mining" Springer Science & Business Media 2007
• 27 Lau, K. N., "Mining the web for business intelligence: Homepage analysis in the internet era" 12 : 32-54, 2004
• 28 Wang, J., "LogUAD : log unsupervised anomaly detection based on Word2Vec" 41 (41): 1207-, 2022
• 29 Jelodar, H., "Latent Dirichlet Allocation(LDA)and Topic modeling : models, applications, a survey" 78 (78): 15169-15211, 2018
• 30 Jelodar, H., "Latent Dirichlet"
• 31 Feldman, R., "Knowledge Discovery in Textual Databases (KDT)" 112-117, 1995
• 32 Jing, L. P., "Improved feature selection approach TFIDF in text mining" IEEE 2 : 944-946, 2002
• 33 김정태, "ECOsight 기반의 미래기술전망-기술. 인문. 사회통합적 기술 예측" 한국전자통신연구원 13-12, 2013
• 34 Hahn, U., "Creating knowledge repositories from biomedical reports: The MEDSYNDIKATE text mining system" 338-349, 2002
• 35 Kim, T. S., "Contents and operational situation of internet homepage in general hospital" 4 (4): 192-218, 1999
• 36 Maier, D., "Applying LDA topic modeling in communication research: Toward a valid and reliable methodology"
• 37 Lucas, J. R., "Anatomy of a vision statement" 87 : 22-27, 1998
• 38 Westerlund, M., "A topic modelling analysis of living Labs research" 8 (8): 2018
• 39 Yang, H., "A text mining approach to the prediction of disease status from clinical discharge summaries" 16 (16): 596-600, 2009