인구와사회협동연구소

패싯분석을 활용한 지방의회 공적토론에 대한 자동분석 방법의 시론적 연구/ 이태헌·홍순구·정하영/ 2020/ 한국정책학회/ 29(1)/ 47-69. 

<초록>

본 연구의 목적은 패싯분석(facet analysis) 기법을 활용하여 부산진구의회 의사결정과정에 나타난 발언목적, 논증성격, 갈등원인을 분석하여 지방의회 의사결정과정의 개선을 위한 정책적 함의를 제시하는데 있다. 이를 위해 제7대 부산진구 기초의회 회의록(298건)에 기록된 발언(115,017건)을 대상으로 발언목적, 논증성격, 갈등원인을 파악하기 위한 패싯 프레임워크를 작성하고 LSTM(Long Short Term Memory) 알고리즘을 활용하여 분석하였다. 분석결과 발언의 48%가 사회적 기능에 대한 것으로 정책의 사회적 기능을 행정적 기능과 경제적 기능 보다 중요하게 다루고 있었다. 그 과정에서 측정 불가능한 증거기반(24%) 발언이 측정 가능한 증거기반 발언(11%)에 비해 13% 많이 나타났다. 갈등을 나타내는 발언은 규칙에 관한 논쟁이 23%, 원리적인 논쟁이 4%로 나타났다. 지역사회 중요문제 측정과 우선 순위 결정을 위한 지역사회담론 형성의 중요과정인 원리적 논쟁의 부족은 의회의 담론형성기능이 약화되었다는 점을 시사한다. 본 연구는 의회와 시민사회 간의 의사소통을 원활하게 하고 의회참여자가 논의과정의 파악을 수월하게 패싯분석 프레임워크를 제시함으로써 공적토론의 질적 속성을 다양한 측면에서 분석할 수 있는 가능성을 제시하고 있다.

The purpose of this study is to propose a methodology for automatically analyzing the nature of remark contents to easily identify the process of public debate such as minutes of local assembly meetings by utilizing a facet analysis. For this purpose, a facet framework was first proposed to analyze the three attributes―i.e., the purpose of remark, the nature of argumentation, and the cause of conflict―on 115,017 remarks recorded in 298 minutes of the 7th local basic assembly of Busanjin-gu of Korea. Then, this study randomly extracted 33 minutes to construct a training set for learning, and drew the results through data preprocessing and machine learning. The results of a facet analysis, which utilized an LSTM (Long Short Term Memory) algorithm, were as follows. First, the three attributes such as the purpose of remark were identified with around 62% accuracy, as a result of machine learning conducted 100 times. Second, the facet framework proposed in this study showed the possibility of analyzing the qualitative attributes of public debate in various aspects. The contribution of this study is to induce further research by suggesting a facet analysis framework that can automatically analyze the attributes of remark contents.