Ⅰ. 들어가며
문화콘텐츠학은 2000년대 초반에 등장한 신생학문임에도 빠르게 성장해 왔다. 특히 양적 측면에서 눈에 띠게 성장하였다. 문화콘텐츠 관련 학술논문 수가 2000년에 100편에 불과했지만 2019년에 누적 논문 수가 24,935편을 넘어섰다. 관련 학술지 수도 크게 증가해 2019년 한해에만 문화콘텐츠 관련 논문을 게재한 학술지는 100여 종에 달했다.1) 이러한 성장세는 앞으로 이어질 것으로 보인다. 문화콘텐츠가 4차 산업혁명의 성장 동력 중 하나로 꼽히면서 관련 정책과 연구가 계속되고 있기 때문이다(파이낸셜뉴스, 2019.9.17; 문화체육관광부 2020년 업무계획). 또한 이 분야 전문가와 연구 인력이 지속적으로 배출되고 있기 때문이다. 한국콘텐츠진흥원의 ｢콘텐츠 교육기관 및 인력 수요 현황 조사(2017)｣에 따르면 콘텐츠 관련 고등교육기관의 학과 수가 2004년에 484개에서 2017년에 1,608개까지 증가한 것으로 나타났다.
하지만 이러한 발전에도 불구하고, ‘문화콘텐츠를 독자적인 학문으로 인정할 수 있는가’라는 문제에 대해 논란이 계속되고 있다.2) 일찍이 이 문제를 연구한 박상천(2007b)은 사라세빅(Tefko Saracevic)과 리이즈(Alan M. Rees)의 이론을 바탕으로 문화콘텐츠학은 독자적인 학문으로 성립할 수 있는 당위성을 충분이 갖추고 있지만, 독자적인 학문으로 인식되지 못한 까닭은 고유한 연구대상과 연구방법을 확립하지 못했기 때문이라고 지적했다.3)임대근(2015)은 문화콘텐츠학 위상에 대한 논란은 학문적 체계를 구축하는 일을 소홀히 했기 때문에 생겨난 것이라고 주장했다. 다시 말해 문화콘텐츠가 산업적·기술적·정책적 필요에 따라 등장했기 때문에 학문적 체계에 관한 일을 중요하게 여기지 않았다고 지적했다.
이러한 배경 아래 연구자들은 문화콘텐츠학의 학문적 체계를 세우기 위한 노력을 해왔다. 그중에서 류준호·윤승금·이영주(2010)와 윤홍근(2011)은 메타분석방법을 이용해 문화콘텐츠학의 연구대상과 연구방법 등을 파악하고자 했다. 메타분석이란 문헌에서 얻은 정보를 기호로 코딩하고, 이것을 기술통계기법을 이용해 분석하는 방법을 말한다(네이버지식백과사전). 선행연구들은 기존의 정성적 분석에서 벗어나 메타분석이라는 통계적 방법을 이용해 문화콘텐츠 연구의 특징을 분석했다는 점에서 의의가 있다. 그럼에도 다음과 같은 점에서 한계가 지적된다. 일반적으로 메타분석을 하기 위해서 연구자는 논문내용을 일별하고, 정해진 분석항목에 따라 분류해야 한다. 이러한 방식 때문에 많은 시간과 노동력이 요구되고, 연구자의 능력에 따라 연구 편차가 발생할 수 있다. 그래서 선행연구에서는 논문 수를 100편 내외로 선별하였고, 이 과정에서 상당수의 논문이 누락되었다. 또한 메타분석은 빈도분석을 통해 특정 대상이 얼마나 자주 등장하는지를 분석할 수 있지만, 그것이 어떤 맥락에 있는지를 파악하기 어렵다.
이에 본 논문에서는 선행연구의 한계를 극복하기 위해 ‘토픽모델링(topic modeling)’과 ‘텍스트네트워크분석(text network analysis)’을 이용해 연구대상에 접근하고자 한다. 이 방법들은 대표적인 빅데이터 분석기법으로, 대규모 비정형 데이터에서 텍스트가 가진 주요한 의미를 분석, 추출해준다. 토픽모델링은 텍스트 집합에서 토픽을 발굴하고, 토픽에 따라 문서를 요약, 분류해 주는 기계학습 알고리즘이다(윤효준·박재현·윤지운, 2019). 텍스트네트워크분석은 텍스트에서 단어들을 추출하고, 단어들의 관계를 계량적으로 분석하여 텍스트의 맥락과 의미구조를 나타내준다(한국정보화진흥원, 2015). 최근에 다양한 분야에서 토픽모델링과 텍스트네트워크분석을 이용한 연구가 증가하는 추세지만, 문화콘텐츠 분야에서는 관련 사례를 찾아보기 어렵다.
본 논문의 연구목적은 빅데이터 분석기법을 활용해 문화콘텐츠 분야의 연구동향 및 지식구조를 분석하는 데 있다. 나아가 연구결과를 바탕으로 문화콘텐츠 분야의 미래 방향을 제시하고, 학문적 체계를 정립하는 일에 기여하고자 한다. 이러한 목적을 이루기 위해 본 논문에서는 문화콘텐츠 관련 연구가 등장하기 시작한 2000년부터 2020년 최근까지 약 20년 동안 발간된 관련 논문의 초록과 서지정보 등을 총망라하여 수집하고, 토픽모델링과 텍스트네트워크분석을 이용해 분석할 것이다. 그리고 구체적인 연구결과를 얻기 위해서 다음과 같은 연구문제를 가지고 연구를 진행할 것이다.
연구문제 1: 문화콘텐츠학 주요 연구대상 및 연구분야 관련
1-1. 2000년부터 2020년 최근까지 문화콘텐츠 분야 주요 연구대상은 무엇인가?
1-2. 2000년부터 2020년 최근까지 발간된 문화콘텐츠 관련 학술논문들의 주요 주제는 무엇인가?
1-3. 위 결과를 바탕으로 문화콘텐츠학의 주요 연구분야와 주제는 어떻게 분류되는가?
1-4. 위 결과를 지식지도 형태로 시각화 하면 어떤 특징이 나타나는가?
연구문제 2: 문화콘텐츠학 연구동향 관련
2-1. 2000년부터 2020년 최근까지 시기별로 문화콘텐츠 분야 주요 연구대상 등은 어떻게 변화, 발전했는가?
2-2. 위 결과를 지식지도 형태로 시각화 하면 어떤 특징이 나타나는가?
연구문제 3: 문화콘텐츠 분야 연구자 공동연구협력체계 관련
이러한 목적 아래 연구가 진행된다면 다음과 같은 효과를 기대할 수 있을 것이다. 첫째, 본 논문의 연구방법론을 통해 문화콘텐츠 분야에서 빅데이터의 활용이 활성화되는 데 기여할 것이다. 둘째, 문화콘텐츠 분야의 연구대상 및 연구분야를 지식지도 형태로 나타냄으로써 추상적인 내용에 대한 직관적 해석이 가능하게 될 것이다. 셋째, 빅데이터 분석을 통해 도출된 내용은 문화콘텐츠의 학문적 체계를 정립하는 일에 기여할 것이다.
Ⅱ. 이론적 배경
지금까지 텍스트를 분석하기 위해서 정성적 분석과 메타분석방법 등이 주로 사용되었다. 전술한 바와 같이 메타분석은 연구자의 수준에 따라 코딩 결과가 다를 수 있고, 데이터양이 많아지면 시간과 비용이 소요될 수 있는 단점이 있다(이수상, 2014). 이러한 단점 때문에 최근에 연구자들 사이에서 빅데이터 분석기법을 기반으로 한 토픽모델링과 텍스트네트워크분석이 선호되고 있다. 특히 미래학 분야에서 이 두 방법을 결합하여 미래 이슈들의 상호연관성이나 시간상 변화과정을 추적하는 연구까지 활용되고 있어 새로운 연구방법으로 각광받고 있다(한국정보화진흥원, 2015).
텍스트네트워크분석은 텍스트에서 단어들을 추출하고, 단어들의 관계를 계량적으로 분석하여 텍스트의 의미구조와 맥락 등을 나타내는 방법이다. 이 방법은 사회학의 소셜 네트워크 이론을 바탕으로 빅데이터 분석기술의 발달과 함께 발전하였다(한국정보화진흥원, 2015). 텍스트네트워크분석의 주요 지표에는 밀도, 빈도, 중심성 등이 있는데, <표 1>은 본 논문에서 주로 활용한 지표에 대한 설명내용이다. 텍스트네트워크분석의 가장 큰 장점은 텍스트 개념들의 관계 구조를 공간적으로 나타내 줌으로써 텍스트에 대한 새로운 해석 가능성을 열어준다는 것이다(박치성·정지원, 2013).
토픽모델링이란 여러 문서들로 이루어진 텍스트 집합에서 특정 문서에 자주 등장하는 단어들을 묶어 토픽으로 추출해 주는 확률적 알고리즘이다. 연구자들은 단어묶음으로 이루어진 토픽을 통해 문서가 다루고 있는 내용을 유추할 수 있다. 토픽모델링은 인공지능 기계학습 원리로 이루어진다. 예를 들어 김치에 관한 글에서는 배추, 한국, 맛 등과 같은 단어가 자주 나올 가능성이 크다. 인공지능이 여러 문서들을 학습해서 배추, 한국, 맛과 같은 단어들을 하나의 단어묶음으로 제시하면 연구자는 이를 보고 김치에 관한 문서임을 유추할 수 있다. 토픽모델링은 사람이 직접 읽어도 되는 규모의 문서라면 필요가 없겠지만 사람이 감당하기 어려운 규모의 문서에서 무슨 내용이 다뤄졌는지를 알아보는 데 유용하다(윤효준·박재현·윤지운, 2019; 권오성, 2019.08.16).
토픽모델링과 텍스트네트워크분석을 하기 위해서는 가장 먼저 ‘데이터 전처리’를 해줘야 한다. 데이터 전처리는 자연어 알고리즘을 이용해 비정형 데이터를 컴퓨터 분석 가능한 정형화된 구조로 만드는 것을 말한다. 논문 초록과 서지정보 등은 일종의 비정형 데이터이다. 비정형 데이터는 유형이 불규칙하고, 의미하는 바가 명확하지 않기 때문에 컴퓨터 분석이 어렵다. 그래서 형태소 분석기 등 자연어 알고리즘을 이용해 비정형 텍스트를 해체하여 정형화된 구조로 만들어 줘야 한다. 연구자는 이 과정에서 유의어, 지정어, 제외어 등 시소러스 사전을 만들어 데이터를 정제할 수 있다. 유의어 사전은 뜻이 비슷한 말을 하나로 통일해 주는 기능이다. 지정어 사전은 분석에 반드시 포함되어야 할 단어나 고유명사를 형태소 분절 없이 그대로 추출해 주는 기능이다. 제외어 사전은 점, 앞, 후 등 의미를 파악하기 어려운 1글자 단어와 본고, 목적, 결과 등 논문 초록에 일반적으로 사용하는 단어를 제거해 주는 기능이다(오정심, 2020; 김세현, 2018).
문화콘텐츠학을 둘러싼 논란을 해결하기 위해 관련 텍스트 자료를 수집, 분석해 문화콘텐츠학의 특징을 밝힌 선행연구로는 류준호·윤승금·이영주(2010) 연구 등 4편이 있다. <표 2>는 선행연구 현황을 정리한 것이다. 앞서 살펴 것을 제외하고 나머지 연구들을 살펴보자. 황동열·황고은 연구(2016)와 황서이·박정배·김문기 연구(2020)에서는 최근 활발히 사용되고 있는 토픽모델링과 의미연결망분석을 이용하여 인문콘텐츠학회지 논문 초록을 분석하였다. 텍스트네트워크분석은 의미연결망분석 또는 언어네트워크분석으로 불리기도 한다. 의미연결망분석은 텍스트에 내재된 의미론적 속성 분석을 강조하는 표현이라 할 수 있다(이수상, 2014).
황동열·황고은(2016)은 인문콘텐츠학회지의 의미 구성체계를 파악하기 위해 2003년부터 2015년까지 학회지에 게재된 논문 510편의 초록을 대상으로 R프로그램 패키지를 이용해 의미연결망분석을 하였다. 황서이·박정배·김문기(2020)도 같은 프로그램을 이용해 인문콘텐츠학회지 논문 622편의 초록을 수집해 분석했다. 앞선 연구와 다른 점이 있다면 수집 기간을 2003년부터 2018년까지 설정하여 최근 자료에 대한 분석이 이뤄졌고, 토픽모델링 기법을 추가했다는 것이다. 최근 들어 빅데이터 분석방법이 최적화된 분석기법을 여러 가지 사용하여 분석결과에 대한 신뢰도를 높이는 쪽으로 발전하고 있다(오정심, 2020; 한국정보화진흥원, 2015). 그래서 최적화된 방법을 여러 가지 함께 사용하는 것이 필요하다.
지금까지 살펴본 선행연구들은 본 논문에서 활용한 토픽모델링과 텍스트네트워크분석을 사용했기 때문에 본 논문에 시사한 바가 있다. 그리고 인문콘텐츠학회지는 문화콘텐츠학이 등장하기 시작한 시점에 발간되어 문화콘텐츠 개념이 정립되는 데 중요한 영향을 끼쳤다. 그래서 선행연구의 연구결과는 본 연구에서 분석결과를 해석할 때 중요한 참고자료가 될 수 있다. 그럼에도 이 연구들은 다음과 같은 점에서 한계가 지적된다. 첫째, 분석결과를 종합하여 인문콘텐츠학회지의 주요 연구분야와 주제를 도출하는 데까지 연구를 발전시킬 수 있었지만, 분석결과를 제시하는 수준으로 연구가 그치고 말았다. 둘째, 토픽모델링을 텍스트 문맥과 복잡한 단어 표현 등을 고려해 분석하는 알고리즘 LDA, Wordvec 등으로 하지 않아 분석결과에 한계가 있다. 셋째, R프로그램 패키지는 오픈 소스 프로그램이지만 기본적으로 기술통계를 모르는 사람들은 프로그램을 다루기가 어렵고, 심도 깊은 분석까지 하기가 힘들다. 이에 본 논문에서는 선행연구 결과를 보완, 발전시켜 다음과 같이 연구를 하였다.
Ⅲ. 연구 대상 및 방법
본 논문의 목적은 토픽모델링과 텍스트네트워크분석을 이용해 문화콘텐츠 분야의 연구동향 및 지식구조를 분석하고, 나아가 문화콘텐츠학의 학문적 체계를 정립하는 일에 기여하는 데 있다. 이러한 목적 아래 관련 데이터는 한국학술지인용색인4)에서 수집하였다. 데이터 검색어는 “문화콘텐츠”5)로 선정하였다. 데이터 수집기간은 문화콘텐츠학이 등장하기 시작한 2000년부터 2020년 4월 최근까지 설정하였다. 이렇게 해서 1차로 검색된 자료들 중에서 국문초록이 없는 것, 발표문, 서평 등을 제외하여 총 3,685편을 최종 연구대상으로 선정하였다.6)
| 구분 | 데이터 수집 조건 |
|---|---|
| 검색어 | “문화콘텐츠” |
| 수집처 | 한국학술지인용색인(www.kci.go.kr) |
| 수집기간 | 2000년~2020년 4월 최근 |
| 필터링 | KCI학술지논문, 초록 없는 것·단순발표문·보고서·서평 등 제외 |
| ▼ | |
| 최종 연구대상 | “문화콘텐츠” 관련 KCI학술논문 초록 및 서지정보 관련 논문: 총 3,685편 / 관련 논문 게재 KCI학술지: 총 516종 /추출 단어: 18,027개 |
연구는 크게 ‘데이터 수집’, ‘데이터 전처리’, ‘데이터 분석’, ‘종합 및 해석’ 4단계로 진행하였다. [그림 1]은 연구 단계 및 내용을 그림으로 나타낸 것이다. 데이터 수집과 분석은 넷마이너(NetMiner 4.4.3.b, Topic Modeling Plug-In)를 이용해 하였다. 이 프로그램은 국내에서 개발된 네트워크분석 전문 소프트웨어이다. 대용량 데이터에 최적화된 알고리즘이 구현되어 있고, 분석결과를 시각화할 수 있는 여러 가지 툴을 제공하고 있다. [그림 1] 연구 단계 및 내용 본격적인 분석에 앞서 가장 먼저 ‘데이터 전처리’ 작업을 하였다. 수집된 논문 초록 및 서지정보 등은 비정형 데이터이기 때문에 컴퓨터 분석이 가능하도록 정형화된 구조로 만든 것이다. 본 논문에서는 넷마이너에 탑재된 한국어 형태소 분석기를 이용해 비정형 텍스트를 형태소 단위로 분해하고 명사형 단어를 추출하였다. 그리고 추출된 단어들을 대상으로 오탈자, 띄어쓰기 등 교정 작업을 하였다. 이어서 유의어, 지정어, 제외어 시소러스 사전을 개발, 적용하여 데이터 정제를 하였다. <표 4>는 본 논문에서 적용한 시소러스 사전의 예를 제시한 것이다.
| 유의어 사전 | 지정어 사전 | 제외어 사전 |
|---|---|---|
| 콘텐츠, 컨텐츠 | 문화콘텐츠 | 연구 |
| 박물관, 뮤지엄 | 4차산업혁명 | 제시 |
| CT, 문화기술 | 스토리텔링 | 탐색 |
| K-POP, 케이팝 | 다문화 | 소고 |
| 한스타일, 韓스타일 | Glocalization | 때, 점, 전, 후 등 1글자 단어 |
문화콘텐츠 관련 학술논문 3,685편의 초록 및 서지정보 데이터를 전처리 작업을 한 결과, 18,027개 명사형 단어가 추출되었다. 이 단어들을 대상으로 텍스트네트워크분석과 토픽모델링을 차례대로 하였다. 텍스트네트워크분석의 지표로 ‘밀도(density)’, ‘빈도(frequency)’, ‘연결중심성(degree centrality)’, ‘위세중심성(eigenvector centrality)’으로 선정하였다. 밀도는 네트워크 내에서 연결 가능한 총 링크 수와 실제로 맺어진 링크 수의 비율로 측정된다. 네트워크 내에서 노드 간 연결이 많을수록 밀도가 높게 나타난다. 밀도가 높다는 것은 텍스트 단어들 사이의 연관성이 높다는 것을 의미한다. 그리고 빈도는 노드들의 동시 출현 횟수를 계산한 값이다. 빈도가 높은 단어일수록 다수의 논문에 동시 등장한 핵심어로 볼 수 있다. 또는 특정한 시기에 저자들이 공통적으로 중요하게 생각했던 연구대상으로 해석할 수 있다. 마지막으로 중심성은 노드가 네트워크의 중심구조에 위치하는 정도를 나타내는 값으로 연결중심성, 위세중심성 등이 있다. 연결중심성은 연결되어 있는 이웃노드들의 총 개수로 측정된다. 연결중심성이 높은 단어일수록 연구 논의에 중심이 되는 대상일 가능성이 크다. 그리고 이 값이 크게 나온 노드는 연결된 대상들이 많기 때문에 이 노드를 제거하면 연구내용의 구성이 어렵게 된다. 위세중심성은 노드의 연결성과 영향력까지 고려한 값이다. 위세중심성이 큰 단어일수록 연구내용 구성에 중요한 영향력을 끼쳤다고 볼 수 있다(Freeman, 2004; 박준석·김창식·곽기영, 2016; 오정심, 2017).
토픽모델링은 기계학습 잠재디리클레할당(Latent Dirichlet Allocation, LDA) 알고리즘을 적용하여 분석하였다.7) 토픽모델링을 하기 위해서 가장 먼저 토픽 수를 정해야 한다. 토픽 수에 따라 분석결과가 다를 수 있기 때문이다. 토픽 수를 결정하는 방법에는 혼잡도(perplexity), 일관성(coherence score) 등 여러 가지가 있지만, 본 논문에서는 토픽 수별로 결과를 추출하고, 해석 용이성과 타당도를 기준으로 내용을 판별하여 토픽 수를 결정하는 방식으로 하였다. 이는 최근에 토픽 수를 결정하는 이상적 모델은 사실상 존재하지 않는다는 주장이 설득적이기 때문이다. 이 주장에 따르면 토픽모델링은 분류되지 않은 문서 집합에서 소수의 토픽에 분류시킴으로써 나머지 토픽들을 좀 더 해석 가능한 것으로 만들어 주기 때문에 전체 토픽을 대상으로 평가하여 최적의 모델을 선택하는 것은 사실상 무의미하다는 것이다(윤효준 외, 2019). 마지막으로 분석결과를 직관적으로 파악하기 위해 스프링형 네트워크맵(spring map), 워드 클라우드(word cloud) 등 형태로 시각화하여 검토하였다.
Ⅳ. 연구결과
2000년부터 2020년 최근까지 문화콘텐츠 관련 학술논문 3,685편의 국문초록과 서지정보 데이터를 전처리 작업 한 결과, 18,027개 형태소가 추출되었다. 이 단어들과 문서들의 연결 관계를 이원모드 네트워크(2-mode network)로 형성한 후에 TF-IDF 분석을 하였다. TF-IDF(term frequency-inverse document frequency)는 특정 단어의 문서 내 중요도를 측정한 값이다.8) 관용적으로 쓰는 단어는 이 수치가 낮게 나타나고, 핵심어는 이 수치가 높게 나타난다. 분석결과, TF-IDF가 가장 낮게 나온 단어는 문화(0.1), 콘텐츠(0.19), 문화콘텐츠(0.19)로 나타났다. 이는 검색어를 “문화콘텐츠”로 설정했기 때문에 문화콘텐츠 키워드가 반드시 포함된 논문들만 수집, 분석해서 나타난 결과로 보인다.
다음으로 문서 동시 등장 빈도수를 분석하였다. 이 값은 특정 단어가 일정한 범위에서 동시에 얼마나 자주 등장했는지를 계산한 것이다. 분석결과, 18,027개 단어들 중에서 검색어인 문화콘텐츠를 제외하고 빈도수가 가장 높게 나타난 단어는 활용(1,470회)이었다. 이어서 한국(1,077회), 사회(1,068회), 가치(1,042회), 산업(1,028회) 순으로 나타났다. ‘활용’, ‘가치’, ‘산업’, ‘한국사회’ 등은 문화콘텐츠 관련 다수의 논문들에 가장 많이 기술된 핵심연구대상으로 볼 수 있다. [그림2]는 빈도수 분석결과를 워드 클라우드(word cloud)로 그린 것이다.
이어서 연결중심성과 위세중심성 분석을 하였다. 연결중심성이 높은 단어일수록 연구논의에 중심이 되는 대상으로 볼 수 있다. 그리고 위세중심성은 연결성에 영향력까지 고려한 것으로 위세중심성이 높은 단어일수록 연구 내용에 중요한 영향력을 끼친 대상으로 볼 수 있다. 따라서 빈도수가 높으면서 연결중심성과 위세중심성까지 높은 노드는 해당 학문 분야에서 연구내용 구성에 중요한 영향을 끼친 대상이라 할 수 있다. 다시 말해 해당 학문 분야를 논할 때 필수불가결한 영역이라 할 수 있다.
연결중심성 분석결과, 검색어인 문화콘텐츠를 제외하고 활용(0.1338)이 가장 높게 나타났다. 그 다음으로 가치(0.1203), 사회(0.1202), 한국(0.1182), 산업(0.1156) 순으로 나타났다. 위세중심성 분석결과도 이와 비슷하게 나타났다. 활용(0.0936)이 가장 높게 나타났고, 이어서 가치(0.0847), 사회(0.0830), 산업(0.0818) 순으로 나타났다. 요컨대 문화콘텐츠 ‘활용’, ‘가치’, ‘사회’, ‘산업’은 빈도수와 중심성 분석에서 모두 높게 나타나 문화콘텐츠 관련 논의에 중심이 되는 연구대상이었으며, 문화콘텐츠학을 구성하는 필수 영역이라 할 수 있다.
다음으로 ‘문화콘텐츠를 어떤 측면에서 바라볼 것인가’에 대한 문제 해결의 실마리를 찾기 위해 관련 키워드를 찾아 빈도수·연결중심성·위세중심성 분석결과를 비교하였다. <표 5>에서 보듯이 연구자들은 산업적 측면(산업·경제·시장·상품)에서 문화콘텐츠를 가장 많이 다룬 것으로 분석됐다. 그 다음으로 인문학적 측면(역사·사람·전통), 기술적 측면(기술·제작·디지털·정보·미디어) 순으로 나타났다. 반면, 정책 및 제도적 측면과 관련한 노드들의 빈도수·중심성 값이 낮게 나타나, 이와 관련한 연구는 적었던 것으로 분석됐다. 그리고 문화콘텐츠 장르 중에서는 영화와 관련한 연구가 가장 많았던 것으로 나타났다.
※순위: 분석결과에 대한 직관적 파악을 위해 단어별로 1위부터 18,027위까지 측정값 순위를 부여하였다. 70위권까지 핵심 연구대상으로 해석할 수 있다.
마지막으로 문화콘텐츠학의 주요 연구분야 및 연구주제를 알아보기 위해 핵심어 연결망을 그렸다. 18,027개 단어들 중에서 논문 300편 이상에 동시 등장한 핵심어 110개를 추출하였고, 이를 스프링형 네트워크 맵(PFNet9) spring map)으로 그렸다.10) 그림을 보면서 중심성 값이 큰 단어들과 직접적으로 연결되어 있으면서 연결선 굵기가 굵은 노드들을 배열하면 문화콘텐츠학의 주요 연구분야를 파악할 수 있다.
[그림 3]에서 보듯이 문화콘텐츠 연구분야는 크게 ‘문화콘텐츠 활용’, ‘문화콘텐츠 산업’, ‘한국사회와 문화콘텐츠’로 구분할 수 있다. 각 분야의 연구주제는 ‘문화콘텐츠 활용’ 분야에 지역 활성화와 문화콘텐츠 활용, 지역관광자원 활용, 디지털(융복합)기술 활용, 스토리텔링 활용, 교육과 문화콘텐츠 활용, 문화콘텐츠 가치 활용 등이 있다. ‘문화콘텐츠 산업’ 분야에 문화콘텐츠 산업 지원정책, 문화콘텐츠 산업과 국내 시장, 문화콘텐츠 산업의 지속적 발전, 문화콘텐츠 산업과 가치 창출 등이 있다. ‘한국사회와 문화콘텐츠’ 분야에 세계화와 한국사회, 시대 및 사회 변화와 영향, 현대 및 전통 사회와 콘텐츠, 사회적 존재 사람, 시대 변화와 문화콘텐츠 가치 등이 있다.
지금까지 텍스트네트워크분석을 통해 문화콘텐츠학의 주요 연구대상과 연구분야를 살펴보았다. 주지하듯이 텍스트네트워크분석은 핵심어들의 연결 관계를 시각화하는 데 장점이 있지만, 전체 문서 내용을 파악하는 데는 한계가 있다. 그래서 문화콘텐츠 관련 논문 3,685편의 주요 내용을 파악하기 위해 토픽모델링을 하였다.
문화콘텐츠 관련 학술논문 3,685편에서 데이터 전처리 작업을 통해 도출된 18,027개 단어들을 대상으로 LDA 토픽모델링을 하였다. 분석결과, 40개 토픽이 추출되었다. 3,685편 논문의 내용을 40개 토픽으로 요약, 분류한 것이다. 토픽 첫 번째 부분에서 단어묶음이 ‘지역, 활성, 문화콘텐츠, 연계, 자원’으로 나타나 토픽명을 ‘지역 활성화와 문화콘텐츠(지역자원 연계 콘텐츠)’로 하였다. 관련 논문 수는 전체 논문의 5.6%인 205편이었다. 두 번째 부분에서 단어묶음이 ‘산업, 성장, 발전, 경제, 방향’으로 나타나 토픽명을 ‘콘텐츠산업 성장과 경제발전 방향’으로 하였으며, 관련 논문 수는 155편(4.2%)이었다. 세 번째 부분에서 단어묶음이 ‘작품, 문학, 창작, 소재, 시대’으로 나타나 토픽명을 ‘문학작품 창작 소재화’로 하였고, 관련 논문 수는 153편(4.2%)이었다. 네 번째 부분에서 단어묶음이 ‘스토리텔링, 서사, 구조, 확장, 현재’으로 나타나 토픽명을 ‘스토리텔링과 이야기 서사구조’로 하였다. 관련 논문은 전체 논문의 4%인 147편이었다. 다섯 번째 부분에서 단어묶음이 ‘콘텐츠, 정보, 활용, 영향, 구성’으로 나타나 토픽명을 ‘정보콘텐츠 활용’으로 하였으며, 관련 논문은 137편(3.7%)이었다. 이런 식으로 토픽명을 정해 <표 6>과 같이 정리하였다.11)
지금까지 문화콘텐츠 관련 학술논문 3,685편의 초록 및 서지정보에 대한 텍스트네트워크분석과 토픽모델링 결과를 살펴보았다. <표 7>은 분석결과를 종합, 정리하여 ‘문화콘텐츠학 주요 연구분야 및 연구주제 분류 방안’을 제시한 것이다. 주요 연구분야는 텍스트네트워크분석의 중심성 분석결과와 네트워크맵(그림 3)을 바탕으로 정리한 것이다. 그리고 연구주제는 토픽모델링으로 도출된 40개 토픽을 연구분야에 맞게 분류한 것이다. 이때 비슷한 내용은 통합하였다.
| 연구분야 | 연구주제 예시12) | 관련 논문 수(비율) |
|---|---|---|
| 문화콘텐츠 활용 | 지역활성화와 문화콘텐츠(지역문화관광자원 연계 콘텐츠) | 1,084 (29.4%) |
| 문학작품 창작 소재화 | ||
| 스토리텔링과 이야기 구성방법 | ||
| 정보콘텐츠 활용과 영향 | ||
| 콘텐츠 연계 교육 방향 | ||
| 다양한 문화프로그램 활용 | ||
| 다양한 주제 인물 활용 | ||
| 문화콘텐츠 산업 | 콘텐츠산업 성장과 경제 발전 방향 | 593 (16.1%) |
| 국내 시장 평가 | ||
| 문화적·경제적 가치 창조 | ||
| 사용자 환경(사용자 강화 전략) | ||
| 문화경제 발전 | ||
| 문화정책과 사업 활성화 | ||
| 문화콘텐츠 시대 문화상품 생산 | ||
| 한국사회와 문화콘텐츠 | 한국·세계·인식·사람 다양성 | 441 (11.9%) |
| 시대 및 사회 변화와 콘텐츠 | ||
| 사회적·소통적 존재 사람의 삶 | ||
| 전통 및 현대 문화콘텐츠 | ||
| 사회발전과 문화정체성 지속 | ||
| 문화콘텐츠 장르 | 영화 세계 | 640 (17.4%) |
| 게임 이론과 구성요소 | ||
| 역사적 사실 배경 콘텐츠 | ||
| 융복합 예술 | ||
| 캐릭터 세계 | ||
| 공간 콘텐츠 | ||
| 문화콘텐츠 기술 | 영상 기능과 영역 | 291 (7.9%) |
| 디지털 콘텐츠 기술과 영역 | ||
| 시각 표현 매체 확장 | ||
| 이미지 인식 기술 | ||
| 문화콘텐츠 이론 및 체계 | 콘텐츠 경험이론(경험 영향 및 관계) | 636 (17.3%) |
| 미디어 개념 및 유형 확장 | ||
| 문화콘텐츠 이론 및 역할 | ||
| 디지털 시대 이해와 활용 | ||
| 대중 장르 수용과 인식 | ||
| 콘텐츠 기획 체계 | ||
| 콘텐츠 성공사례와 제작방향 | ||
| 다양한 활용 체계 |
<표 7>에서 보는 바와 같이 문화콘텐츠학의 주요 연구분야는 크게 ‘문화콘텐츠 활용’, ‘문화콘텐츠 산업’, ‘한국사회와 문화콘텐츠’, ‘문화콘텐츠 장르’, ‘문화콘텐츠 기술’, ‘문화콘텐츠 이론 및 체계’ 등 6개로 분류할 수 있다. 연구분야별로 관련 논문의 비율을 살펴보면 ‘문화콘텐츠 활용’과 관련한 연구가 29.4%로 가장 많았다. 그 다음으로 ‘문화콘텐츠 장르(17.4%)’, ‘문화콘텐츠 이론 및 체계(17.3%)’, ‘문화콘텐츠 산업(16.1%)’ 순으로 나타났다.
그동안 문화콘텐츠학의 고유 연구방법론 중 하나로 스토리텔링을 꼽았지만 본 논문에서는 분석결과를 바탕으로 ‘문화화콘텐츠 활용방법’을 문화콘텐츠학의 연구방법으로 제안하고자 한다. <표 7>에서 보듯이 문화콘텐츠 활용방법에는 스토리텔링을 포함하여 문학작품의 창작 소재화, 지역문화관광자원 활용, 정보콘텐츠 활용, 문화프로그램 활용, 교육 분야 콘텐츠 활용 등이 있다.
문화콘텐츠학의 연구동향을 살펴보기에 앞서 수집된 학술논문 3,685편에 대한 연도별 발표현황을 살펴보았다. [그림 4]에서 보듯이 문화콘텐츠 관련 KCI학술지 게재 논문 수는 2006년까지 100편 미만이었지만 2007년에 100편을 넘어섰고, 2009년까지 100편 이상씩 발표되었다. 2010년에 이르러 200편을 넘어섰는데, 문화콘텐츠 연구가 등장하기 시작한 2000년대 초와 비교해 보면 양적으로 크게 성장한 것이다. 2014년에 처음으로 300편을 넘어섰고, 그로부터 해마다 300편 이상씩 꾸준히 발표되고 있다.
다음으로 학술지 현황을 살펴보았다. 문화콘텐츠 학술논문 3,685편이 게재된 KCI학술지는 총 516종으로 조사되었다. 이중에서 관련 논문 10편 이상을 게재한 학술지 40종을 추려서 <표 8>과 같이 정리하였다.
문화콘텐츠 관련 논문이 가장 많이 게재된 KCI학술지는 인문콘텐츠(586편)이었다. 그 다음으로 한국콘텐츠학회논문지(484편), 글로벌문화콘텐츠(363편), 다문화콘텐츠(208편), 영상문화콘텐츠(193편) 순으로 나타났다. 학문분야로 살펴보면 문화콘텐츠 관련 논문이 가장 많이 발표된 학문분야는 인문학(46.7%)이었다. 이어서 복합학(24.8%), 예술체육학(18.2%), 사회과학(9.8%), 공학(0.44%) 순으로 나타났다.
문화콘텐츠학 연구동향을 살펴보기 위해 시기별로 논문을 분류하였다. 대통령 임기에 따라 시기를 1시기(2003~2007), 2시기(2008~2012), 3시기(2013~2016), 4시기(2017~2020)로 구분하였다.13) 이는 문화콘텐츠가 산업적·정책적 필요에 따라 등장한 개념이고 정부 주도 하에 성장했기 때문에 정부정책에 따라 관련 이슈도 달라졌을 것이라 판단했기 때문이다. <표 9>는 시기별로 논문을 분류하고, 데이터 전처리 작업을 통해 각각 추출된 단어들의 개수를 정리한 것이다. 이렇게 분류한 데이터를 토픽모델링과 텍스트네트워크분석을 각각 하였고, 주요 내용을 추려 <표 10>과 같이 제시하였다.14)
| 구분 | 1시기(2003~2007) | 2시기(2008~2012) | 3시기(2013~2016) | 4시기(2017~2020) |
|---|---|---|---|---|
| 발표 논문 수 | 248 | 1,048 | 1,240 | 1,149 |
| 추출 단어 수 | 3,429 | 8,822 | 10,731 | 10,503 |
분석결과, 전 시기에 걸쳐 ‘활용’의 빈도수와 중심성 분석값 모두 높게 나타났다. 활용은 시기와 상관없이 전 시기에 걸쳐 문화콘텐츠 연구내용 구성에 중요한 영향을 끼쳤던 것으로 파악됐다. 그리고 시기별로 빈도수와 중심성 분석 값이 높게 나타난 단어로는 1시기에 산업, 활용, 디지털, 2시기에 활용, 산업, 가치, 3시기에 활용, 가치, 한국, 그리고 4시기에 활용, 사회, 가치가 나타났다. 이러한 결과가 어떠한 맥락적 의미를 갖는지 살펴보기 위해 스프링형 네트워크 맵(PFNet spring map)을 그려서 비교하였다(그림 5).
빈도수와 중심성 분석에서 값이 크게 나온 단어들과 연결되어 있는 단어를 배열하면 주요 연구분야를 파악할 수 있다. 검토결과, 1시기(2003~2007) 주요 연구분야는 ‘문화콘텐츠 활용’, ‘문화콘텐츠 산업’으로 나타났다. 각 분야의 주요 연구주제를 살펴보면 ‘문화콘텐츠 활용’ 분야에 문화원형 소재 활용, 교육과 콘텐츠 활용, 지역 역사·인물·스토리 활용, 시대 및 환경 변화와 활용 등이 있다. ‘문화콘텐츠 산업’ 분야에 문화콘텐츠 산업과 국가 경쟁력, 문화콘텐츠 산업 전략과 기초모델, 문화콘텐츠 산업 지원정책, 디지털정보기술 서비스 산업, 문화콘텐츠 산업 발전방향 등이 있다. 1시기에서 주목할 만한 점은 다른 시기에서 볼 수 없었던 ‘문화원형 소재 활용’이 나타났다는 것이다. 이는 이 기간에 한국콘텐츠진흥원(舊한국문화콘텐츠진흥원)의 문화원형사업이 본격적으로 추진되었고, 이와 관련한 연구가 활발하게 이루어져 분석결과에 나타난 것으로 보인다. 문화원형사업은 콘텐츠 개발에 필요한 소재를 한국의 역사와 문화에서 발굴, 제공하여 문화콘텐츠 산업의 경쟁력을 확보한다는 취지로 2002년부터 2010년까지 추진되었다(그림 6).
2시기(2008~2012) 주요 연구분야는 ‘문화콘텐츠 활용’과 ‘문화콘텐츠 산업’, 그리고 새롭게 나타난 ‘한국사회와 문화콘텐츠’로 분류되었다. 각 분야의 주제를 1시기와 비교해서 살펴보자. ‘문화콘텐츠 활용’ 분야에 지역 역사·자원 활용, 교육과 콘텐츠 활용이 1시기에 이어 계속 나타났으며, 스토리텔링, 디지털 융복합 기술 활용, 가치 활용 등이 새롭게 나타났다. ‘문화콘텐츠 산업’ 분야에서 문화콘텐츠산업 지원정책이 1시기에 이어 계속 나타났으며, 문화콘텐츠 산업과 가치 창출, 국내시장 확대, 산업영역 확장, 문화콘텐츠 상품 등이 새롭게 나타났다. 1시기에는 산업 체계를 구상하고 발전방향을 모색하는 연구가 주를 이루었다면 2시기에는 산업의 영역을 확대, 활성화하는 연구가 이루어졌음을 알 수 있다. 새롭게 나타난 ‘한국사회와 문화콘텐츠’ 분야의 주제로는 세계와 한국사회, 한국사회 인식 및 영향 등이 있다.
3시기(2013~2016) 주요 연구분야는 ‘문화콘텐츠 활용’과 ‘문화콘텐츠 산업’, ‘한국사회와 문화콘텐츠’, 그리고 새롭게 나타난 ‘문화콘텐츠 가치’로 구분되었다. 2시기에서 일부 주제였던 ‘가치 활용’은 3시기에 주요 연구분야까지 확장되었다. 이 분야의 주제로는 가치 융복합, 경제가치 창출, 문화콘텐츠 산업과 가치 등이 있다. 그리고 ‘문화 콘텐츠 활용’ 분야에는 지역 역사·관광·자원 활용, 교육과 콘텐츠 활용, 스토리텔링과 활용이 1, 2시기에 이어 계속 나타났고, 한류 활용, 시각 이미지 활용 등이 새롭게 나타났다. 1, 2시기와 비교하여 지역의 역사공간 활용, 지역관광체험 활용, 지역정체성 등 문화콘텐츠 활용 분야의 연구주제가 다양하게 발전했다는 점을 3시기 특징으로 꼽을 수 있겠다(그림 7).
마지막으로 4시기(2017~2020) 주요 연구분야는 ‘문화콘텐츠 활용’, ‘문화콘텐츠 산업’, ‘한국사회와 문화콘텐츠’로 구분되었다. 3시기에서 연구분야로까지 확장되었던 ‘문화콘텐츠 가치’는 4시기에서는 나타나지 않았다. 각 분야의 연구주제를 살펴보면 ‘문화콘텐츠 활용’ 분야에 융복합 활용, 대중시대와 콘텐츠 활용, 경험요소 활용 등이 새롭게 나타났고, 지역 관광, 지역 활성화, 교육과 콘텐츠 활용, 스토리텔링 활용은 이전 시기에 이어 계속해서 나타났다. 이를 통해 ‘지역자원 활용’, ‘교육분야 콘텐츠 활용’, ‘스토리텔링 활용’은 시기와 상관없이 꾸준하게 다뤄졌던 주제였음을 알 수 있다. 그리고 ‘문화콘텐츠 산업’ 분야에서 문화콘텐츠산업 지원정책이 이전 시기에 이어 계속 나타났 으며, 시장과 성장, 생산과 소비 등이 새롭게 나타났다. 그리고 ‘한국사회와 문화콘텐츠’ 분야의 연구주제에 한국사회와 세계, 한국사회와 중국, 국가별 정책 확대 등이 새롭게 나타났다. 이를 통해 한류의 세계 확산 등 변화하는 세계질서 가운데 한국의 발전방향을 모색하는 연구가 활발하게 이루어졌음을 알 수 있다(그림 8).
마지막으로 문화콘텐츠 분야 연구자들의 공동연구협력체계를 분석하였다. 그동안 학계에서는 문화콘텐츠 연구 및 교육방법에 대해 학제간 접근을 강조해왔다. 이에 본 논문에서는 공저자네트워크분석을 통해 문화콘텐츠 분야의 공동연구 및 학제간연구 현황을 살펴보았다. 공저자네트워크란 연구자들이 공동연구방법을 사용해 논문 등을 저술했을 경우 그들의 관계를 네트워크로 표현한 것이다. 공저자네트워크에서 노드는 저자이며, 링크는 공동연구라는 사회적 친분 관계를 말한다(이수상, 2010).
먼저 분석을 위해 문화콘텐츠 관련 논문 10편 이상을 게재한 학술지 40종의 논문 2,498편에서 2,199명의 저자정보를 추출하였다. 이를 논문·저자 연결리스트(linked list)로 만들었고, 넷마이너 프로그램을 활용해 공저자네트워크분석을 하였다. 먼저 공저 횟수가 2회 이상인 저자들을 대상으로 저자·저자 일원모드 네트워크(1-mode Network)로 변환한 후에 중심성 분석을 하였다. <표 11>은 중심성 분석결과를 정리한 것이다.
연결중심성 분석결과, 유재수(0.21459), 복경수(0.0157), 권지혁(0.0143) 순으로 분석값이 크게 나타났다. 연결중심성 값이 큰 사람일수록 연결망에서 큰 영향력과 권력을 가졌다고 해석한다. 이어 매개중심성 분석을 하였다. 매개중심성이 큰 사람일수록 공동연구에서 중개자 역할을 하고, 구성원들의 연대활동을 촉진시키는 역할을 한다고 해석한다. 분석결과, 유재수(0.000037), 권혁인(0.000020), 김은정(0.000020) 순으로 값이 크게 나타났다.
다음으로 학제간연구 현황을 살펴보기 위해 공저 횟수가 2회 이상인 저자들의 저자·저자 일원모드 네트워크 리스트를 확인해 저자들의 학문분야를 검토하였다(그림 9). 검토결과, 서로 다른 학문분야에서 활동하는 저자들이 만나 연구한 사례는 57%로 나타났고, 그렇지 않은 비율은 43%로 나타났다. 즉, 문화콘텐츠 연구분야 학제간연구 비율은 57%로 나타났으며, 그렇지 않은 비율보다 14% 높게 나타났다. 학제간연구방법을 통해 연구한 사례에는 ｢초기 개발자를 통해 본 RFID 디지털 보드게임 개발의 문제점 및 전망(이경미·이경옥, 2010)｣, ｢자동차 윈도우를 활용한 감성 영상콘텐츠 적용 방안(정수영·최종훈, 2014)｣, ｢영화 <프라미스드 랜드>의 심층생태주의 텍스트로서의 의미(안영순·신현철, 2017)｣ 등이 있다(표 12).
마지막으로 문화콘텐츠 분야에 형성된 하위 연구집단을 찾기 위해 컴포넌트(component) 분석을 하였다. 이것은 응집력을 기준으로 노드를 분류해 주는 방법 중 하나로, 연결 고리가 끊기지 않고 서로 연결되어 있는 노드들을 그룹으로 분류해 준다. 분석결과, 14개 컴포넌트 그룹이 나타났다. 14개 그룹들 중에서 밀도가 1인 그룹은 C6, C10, C14로 나타났다. 밀도가 1이라는 것은 그룹 내 구성원들 서로가 하나로 연결되어 있으며 친밀도가 아주 높다는 뜻이다. 이중에서 C6과 C10 그룹은 학제간 연구방법을 사용한 그룹이라 할 수 있다. C6 그룹의 주요 논문으로｢스마트폰 기반 캐쥬얼게임 개발 사례를 통한 캐릭터 수익모델 개발 연구-크레이지 몽키 개발사례 분석(2013)｣등이 있다. C10 그룹의 주요 논문으로｢가상현실 기술을 활용한 교육콘텐츠가 치아발치에 관한 지식, 수행능력 및 실습만족도에 미치는 효과(2019)｣ 등이 있다.
Ⅳ. 나가며
본 논문의 목적은 문화콘텐츠 분야에 쌓여있는 학술 빅데이터를 토픽모델링과 텍스트네트워크분석을 이용해 분석하여 문화콘텐츠학의 연구동향과 지식구조를 밝히는 데 있다. 나아가 연구결과를 바탕으로 문화콘텐츠학의 학문적 체계와 위상을 정립하는 일에 기여하는 데 있다. 이러한 목적 아래 본 논문에서는 문화콘텐츠 관련 연구가 등장하기 시작한 2000년부터 2020년 최근까지 약 20년 동안 발간된 KCI학술지 논문 중에서 “문화콘텐츠”로 검색되는 논문 3,685편의 초록과 서지정보를 수집해 넷마이너 프로그램을 통해 텍스트네트워크분석과 토픽모델링을 하였다.
텍스트네트워크분석은 텍스트에서 단어들을 추출하고, 그 단어들의 관계를 계량적으로 분석하여 텍스트의 의미구조와 맥락 등을 나타내 주는 방법이다. 토픽모델링은 문서집합에서 특정 문서에 자주 등장하는 단어들을 하나로 묶어 토픽으로 추출해 주는 기계학습 알고리즘이다. 최근에 빅데이터 분석방법이 최적화된 여러 기법을 함께 사용하여 연구결과의 신뢰도를 높이는 쪽으로 발전하고 있기 때문에 본 논문에서도 두 가지 방법을 사용해 데이터를 분석하였다.
본 연구를 통해 도출된 주요 연구결과를 요약하면 다음과 같다. 첫째, 문화콘텐츠 관련 학술논문 3,685편의 초록 및 서지정보에서 추출한 단어 18,027개와 링크 389,715개를 대상으로 텍스트네트워크분석을 하였다. 빈도수와 중심성 분석결과 ‘활용’, ‘가치’, ‘사회’, ‘산업’의 측정값이 높게 나타났다. ‘문화콘텐츠 활용’, ‘문화콘텐츠 가치’, ‘한국사회와 문화콘텐츠’, ‘문화콘텐츠 산업’은 문화콘텐츠학을 구성하는 필수 영역으로 나타난 것이다.
둘째, 문화콘텐츠 관련 학술논문 3,685편의 주요 내용을 파악하기 위해 LDA토픽모델링을 하였다. 분석결과, 40개의 토픽이 도출되었다. 논문 3,685편을 40개의 주제로 요약, 분류한 것이다.
셋째, 텍스트네트워크분석 결과로 나타난 주요 연구분야와 토픽모델링으로 분류된 토픽을 바탕으로 문화콘텐츠학 주요 연구분야 및 연구주제 분류방안을 제시하였다. 주요 연구분야는 크게 ‘문화콘텐츠 활용’, ‘문화콘텐츠 산업’, ‘한국사회와 문화콘텐츠’, ‘문화콘텐츠 장르’, ‘문화콘텐츠 기술’, ‘문화콘텐츠 이론 및 체계’ 등 6개로 구분하였다. 그리고 40개 토픽을 각 분야에 맞게 분류하였다. 또한 문화콘텐츠학의 고유한 연구방법론으로 ‘문화콘텐츠 활용방법’을 제시하였다. 문화콘텐츠 활용방법에는 스토리텔링, 문학작품의 창작소재화, 지역문화관광자원 활용, 정보콘텐츠 활용, 교육분야 콘텐츠 등이 있다. 그동안 학계에서 문화콘텐츠학의 고유한 연구방법으로 스토리텔링을 꼽았었는데, 본 논문에서 연구결과를 바탕으로 ‘문화콘텐츠 활용방법’을 제안한 것이다.
넷째, 문화콘텐츠 관련 논문을 1시기(2003~2007), 2시기(2008~2012), 3시기(2013~2016), 4시기(2017~2020)으로 구분해 텍스트네트워크분석과 토픽모델링을 하였다. 분석결과, 1시기에는 다른 시기에서 볼 수 없었던 ‘문화원형 소재 활용’이 나타났다. 그리고 문화콘텐츠 산업의 발전방향을 모색하는 연구가 주로 이뤄졌던 것으로 분석됐다. 산업과 관련한 연구는 2시기에 보다 발전하여 문화콘텐츠 산업의 영역을 확대하고 활성화하는 연구가 이뤄졌던 것으로 파악됐다. 그리고 2시기에 ‘한국사회와 문화콘텐츠’라는 연구분야가 새롭게 나타났다. 3시기에는 2시기에서 일부분으로 있었던 ‘가치 활용’ 주제가 주요 연구분야까지 확대되었다. 그리고 이전 시기와 비교하여 3시기에 문화콘텐츠 활용 분야 연구주제가 다양하게 발전하였다. 4시기에는 한국사회와 문화콘텐츠 분야에 ‘한국사회와 세계’, ‘국가별 정책 확대’ 등과 같은 주제가 새롭게 나타났다. 4시기에는 한류의 세계 확산 등 변화하는 세계질서 속에서 한국 문화콘텐츠의 발전방향을 모색하는 연구가 활발하게 이뤄졌던 것으로 분석됐다. 주목할 만한 점으로 전 시기에 걸쳐 문화콘텐츠 활용 분야에 ‘지역자원 활용’, ‘교육분야 콘텐츠 활용’, ‘스토리텔링 활용’이 나타났다는 것이다. 이 주제들은 시기와 상관없이 문화콘텐츠학 분야에서 꾸준하게 다뤄졌던 것으로 분석됐다.
다섯째, 문화콘텐츠 관련 논문에서 추출한 2,199명의 저자정보를 활용해 공저자네트워크분석을 하였다. 분석결과, 문화콘텐츠 분야 학제간연구 비율은 57%로, 그렇지 않은 비율보다 14% 높은 것으로 나타났다. 그리고 컴포넌트 분석결과, 문화콘텐츠 분야에 14개 연구집단이 있는 것으로 나타났다. 이중에서 구성원들 서로가 하나로 완벽하게 연결된 친밀도가 가장 높은 그룹은 3개가 있는 것으로 분석됐다.
본 논문은 약 20년 동안 문화콘텐츠 학술 분야에 축적되어 있었던 빅데이터를 분석하여 문화콘텐츠 분야의 주요 연구대상, 연구방법, 지식구조 등을 도출함으로써 문화콘텐츠학의 학문적 체계와 위상을 정립하는 일의 토대를 제공했다는 점에서 연구의의를 찾을 수 있다. 그리고 문화콘텐츠의 주요 연구대상 및 영역에 대한 직관적 파악이 가능하도록 지식지도를 제공했다는 점에서 연구의미가 있다. 본 논문의 연구방법론은 향후 관련 분야에서 빅데이터 분석, 이슈 및 트렌드 파악 등과 같은 연구에 활용될 수 있다. 그리고 본 연구결과는 문화콘텐츠 관련 정책을 만드는 데 기초자료로 활용될 수 있다.
