텍스트 마이닝 기법을 활용한 젠트리피케이션 현상의 속도 분석 연구 : 서울시 종로구 익선동 젠트리피케이션 현상을 중심으로 :A study of speed of gentrification process by using text-miming[i.e. text-mining] analysis : focused on Ik-Seon Dong gentrification in Jong-ro, Seoul

강현우

추천

검색

자료유형: 학위논문

저자정보: 강현우 (서울시립대학교, 서울시립대학교 대학원)

지도교수: 이희정

발행연도: 2019

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수65

이 논문의 연구 히스토리 (2)

2019

텍스트 마이닝 기법을 활용한 젠트리피케이션 현상의 속도 분석 연구 : 서울시 종로구 익선동 젠트리피케이션 현상을 중심으로

강현우 도시공학과 2019.01 학위논문

2018

텍스트 마이닝(Text-mining)기법을 활용한 젠트리피케이션 (Gentrification) 현상의 속도 분석 연구 -종로구 익선동 젠트리피케이션 현상을 중심으로

강현우 , 이희정 도시정책연구 2018.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

젠트리피케이션(Gentrification)은 2018년이 끝나가는 현시점에도 상당한 화두로 남아있는 연구주제이다. 다양한 선행연구들과 문헌은 젠트리피케이션의 다각적인 접근을 통한 해결방안을 제시하고 있지만 명확한 해결방안은 제시되었다고 보기 어렵다. 특히 젠트리피케이션의 해결이 어려운 이유는 다양한 원인이 있을 수 있지만 특히 최근의 젠트리피케이션 현상에서는 진행속도가 매우 빠름에 따라 시기별로 적절한 해결책을 내놓을 수 없다는 부분이 해결의 어려움으로 나타나고 있다.
실제로 본 연구의 대상지인 익선동은 2014년 최초의 카페가 입점하기 전까지 주거지역으로서 사람들의 인식 속에서 상업화된 익선동의 모습은 찾아보기 어려웠으나 단지 5~6년 사이에 국내 최고의 핫플레이스로 등극하며 급격한 젠트리피케이션 현상이 나타나는 등 매우 빠른 속도의 젠트리피케이션 진행을 보이고 있다.
이처럼 젠트리피케이션 진행속도에 대한 부분은 다양한 선행연구, 문헌에서도 지적되었던 부분이나 진행속도가 빨라진 원인이 무엇일지에 대한 연구는 사실상 부족했다고 볼 수 있다.
본 연구에서는 선행연구를 근거로 젠트리피케이션 진행속도 증가의 원인 중 하나로 정보기술의 발전에 따라 이루어진 SNS나 뉴스, 미디어와 같은 장소에 대한 유통경로인 접근 채널(Channel)의 발달을 도출하였으며, 텍스트 마이닝(Text-mining)을 통해 이를 분석하였다.
본 연구에서는 빅데이터 분석 방법 중 하나인 텍스트 마이닝 분석방법 중 연관어 분석(Connected text analysis)과 중심성 분석(Centrality analysis)를 사용하였으며 ‘익선동’ 텍스트에 대한 2012년~2018년 시기의 ‘장소성(Placeness)’ 텍스트를 도출하여 이를 검증하고자 하였다.
이에 대한 결과로 연관어 분석에서는 상위 48개의 텍스트를 대상으로 분석을 진행하였으며 상위 48개의 텍스트 중 장소성 텍스트는 2012년 0개, 2013년 4개, 2014년 3개, 2015년 15개, 2016년 24개, 2017년 33개, 2018년 33개의 텍스트가 도출되었다. 이를 48개의 텍스트 중의 비율로 환산하면 2012년 0%, 2013년 8.3%, 2014년 6.3%, 2015년 31.3%, 2016년 50%, 2017년 68.8%, 2018년 68.8%로 빠른 속도로 증가하였음을 확인할 수 있다.
다음으로 중심성 분석에서는 이에 대한 결과로 상위 25개의 텍스트를 대상으로 분석하였을 때 2016년을 기점으로 장소성 텍스트의 중심성이 급격히 상승하였음을 확인하였다. 이는 2015년까지 익선동에 대한 사람들의 인식은 장소성 텍스트는 증가하였지만 텍스트 하나하나에 대한 의미는 크지 않았던 것으로 예상되나 본격적으로 핫플레이스로 대두되기 시작한 2016년부터 장소성 텍스트의 의미의 강도가 강화되었음을 확인할 수 있다.
특히 해당 결과는 익선동 내부에서 이루어진 부동산 거래건수 및 가격의 변화나 일반음식점 인허가 자료 등을 바탕으로 보았을 때 익선동 젠트리피케이션이 빨라진 시점과 일치하며 특히 장소성 텍스트가 높은 중심성을 보여주었음에 따라 채널의 발달이 익선동 젠트리피케이션의 진행속도를 증가와 높은 영향관계에 있음을 확인하였다.

Gentrification is a topic that remains a significant topic at the end of 2018. Various prior studies and literature suggest a solution through a multifaceted approach to gentrification, but it is difficult to say that a clear solution has been suggested. Especially, there are various reasons why it is difficult to solve the problem of gentrification. However, it is difficult to solve the problem that the gentrification phenomenon in recent years is so fast that it can not provide appropriate solutions in each period.
In fact, it was difficult to find a commercialized Ik-seon dong as a residential area until the first cafe in 2014, but it was the best hot place in Korea in 5 ~ 6 years. And the gentry picking phenomenon appears.
As a result, it can be said that the study on the speed of process of the gentrification is actually lacking in the researches that have been pointed out in various previous researches and literature,

In this study, the development of access channel, which is a distribution channel for SNS, news, and media, which is made up of information technology, is one of the causes of the increase in speed of gentrification process based on previous research.
In this research, for analyze Ik-seon dong gentrification process, using Text-mining process including Connected text analyze and Centrality analyze on years of 2012~2018 period annually, also focused on finding ‘Placeness’ text in social bigdata, and finding reason of rapid gentrification process speed.
As a result, we analyzed the top 48 texts in the related word analysis. In 2012, no placeness text was drawn in Ik-seon dong social big data, but the text having been grown to 2013 4texts, 2014 3texts, 2015 15texts, 2016 24texts, 2017 33texts, 2018 33texts. especially in 2015 to 2016, lots of placeness texts was rapidly drawn.
Secondly, when analyzing the top 25 texts as a result of the centrality analysis, texts related to the place names appeared to have a high degree of centrality, as in the analysis of related words in the period of 2012 ~ 2015. However, from 2016 centrality texts was grown than last years. In case of degree centrality, there was no placeness text in 2012, but in 2013 2texts, 2014 1text, 2015 5texts, 2016 15texts, 2017 19texts, 2018 18texts. if the results is wrote as percentages in 25texts, in 2012 0%, 2013 8%, 2014 4%, 2015 20%, 2016 60%, 2017 76%, 2018 72%, the percentages also rapidly grown from 2016.

제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 범위 및 방법 4
1. 연구의 대상 및 범위 4
2. 연구의 방법 및 흐름 4
제2장 이론 및 선행연구 검토 7
제1절 젠트리피케이션(Gentrification) 7
1. 젠트리피케이션(Gentrification)의 정의와 연구동향 7
2. 상업 젠트리피케이션과 진행 과정 10
3. 상업 젠트리피케이션 진행속도 단축의 원인 13
제2절 장소(Place)와 장소성(Placeness) 16
1. 공간(Space)과 장소(Place) 16
2. 장소성(Placeness)의 정의와 형성요소 18
제3절 빅데이터(Bigdata) 23
1. 빅데이터(Bigdata)의 정의 23
2. 빅데이터(Bigdata)의 처리 프로세스 26
3. 빅데이터(Bigdata)의 분석방법 29
제4절 텍스트 마이닝(Text-mining) 31
1. 텍스트 마이닝(Text-mining)의 정의와 연구동향 31
2. 연관어 분석(Connected text analysis) 34
3. 중심성 분석(Centrality analysis) 35
제3장 익선동 현황분석 및 연구의 틀 38
제1절 익선동의 현황분석 38
1. 익선동의 개요 38
2. 익선동 현황분석 39
제2절 익선동의 변화과정 45
1. 젠트리피케이션 발생 이전(~2013) 46
2. 젠트리피케이션 발생(2014~2015) 47
3. 핫플레이스의 발생 및 젠트리피케이션의 심화(2016~) 48
제3절 연구의 틀 49
1. 분석의 목적 및 방향 49
2. 분석의 틀 50
제4장 ‘익선동’ 텍스트 마이닝 및 젠트리피케이션 속도 분석 52
제1절 ;‘익선동’의 연관어 분석(Connected text analysis) 52
1. 2012년 ~ 2013년 52
2. 2014년 ~ 2015년 56
3. 2016년 ~ 2018년 58
제2절 ‘익선동’의 중심성 분석(Centrality analysis) 66
1. 2012년 ~ 2013년 66
2. 2014년 ~ 2015년 70
3. 2016년 ~ 2018년 74
제3절 소결 80
1. ‘익선동’ 연관어 분석 결과 80
2. ‘익선동’ 중심성 분석 결과 81
제5장 결론 83
제1절 연구의 시사점 83
제2절 연구의 한계점 85
참고문헌 86
ABSTRACT 93

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)