본 연구는 노인요양시설에 거주하는 노인들의 사회적 네트워크가 어떠한 형태로 유형화되는지 규명하고, 각 유형의 특징을 탐색적 수준에서 분석하였다. 본 연구에서의 사회적 네트워크는 주로 노인요양시설 외부의 네트워크를 의미한다. 연구 대상은 노인요양시설에 거주하는 60세 이상 노인 중 인지건강 수준이 중증으로 설문에 응답하기 어려운 노인과 요양시설에 입소한지 6개월 미만인 노인은 제외하였으며, 시설거주노인 230명의 자료가 최종분석에 포함되었다. 시설거주노인의 사회적 네트워크 유형을 확인하기 위해 잠재집단분석(Latent Class Analysis: LCA)을 사용하였으며, 잠재집단을 통해 도출된 사회적 네트워크 유형별 특성은 X 분석, t-test, ANOVA 등을 통해 분석하였다. 우리나라 시설거주노인의 사회적 네트워크는 자녀의존형(68.3%), 고립형(13.9%), 제한적 다연결형(17.8%) 등의 세 개의 유형으로 나타났다. 자녀의존형은 자녀수와 자녀연락 빈도수는 평균 이상이지만, 종교참여나 친구와의 교류는 거의 없는 것을 볼 수 있다. 고립형은 자녀, 친구, 친척과의 연락도 거의 없고, 종교행사참여도 상대적으로 낮은 수준으로 분석되었다. 제한적 다연결형은 자녀, 친척, 친구 등과의 연락이 유지되고, 종교행사참여도 높게 나타났다. 그러나 시설거주노인의 인구사회학적 특성이나 건강특성 등은 사회적 네트워크 유형에 관계없이 매우 동질적임을 발견할 수 있었다. 본 연구결과를 토대로 시설거주노인의 사회적 네트워크 유형에 관한 학문적 및 실천적 함의와 후속연구의 방향에 대해 논의하였다.;The purpose of this research was to derive social network types, connected with outside the facilities, among older adults who reside in nursing homes and to probe the characteristics of each type of social network at the exploratory level. Data were obtained from 230 older residents in 30 nursing homes located at a metropolitan city in Korea. Eligibility criteria of this study required that the participants had cognitive abilities to respond to the questions and had lived in nursing facilities at least 6 months. A series of statistical methods such as latent class analysis, chi-square analysis, t-test and ANOVA were conducted to investigate social network types of nursing home residents. The results revealed that the nursing home residents had three distinct network types: child dependent type (68.3%), non-kin relation type (13.9%), and limited diverse type (17.8%). The older adults with kin and family intensive type showed that the number of children and the frequency of contact with children were above the means, but they rarely involved in religious activities and interaction with friends. Those with non-kin relation type rarely involved in interaction with children, friends and kin, and they were less likely to participate in religious activities. The elderly with limited diverse type had frequent contacts with children, friends and kin, and also were more likely to go to religious activities. However, there were significant relationship between social network type and their socio-demographic characteristic or health status. Based on the results of this research, implications for research, practice and policy as well as directions for future studies were discussed.
본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 한국의 인터넷 중독(internet addiction disorder)관련 위험에 대한 예측모형을 개발하고자 하였다. 주제분석(text mining)과 요인분석(factor analysis)에서 인터넷 중독 감정은 일반과 중독으로 분류되어 소셜 빅데이터 문서에서 인터넷 중독여부의 의사결정이 가능한 것으로 나타났다. 인터넷 중독 폐해요인의 위험예측에 가장 영향력이 높은 요인은 ‘불안요인’이 높고 ‘유해요인’이 높은 요인으로 나타났으며, 인터넷 중독 영향요인의 위험예측에 가장 영향력이 높은 요인은 ‘정신건강요인’이 높고 ‘친구관계요인’이 높은 조합으로 나타났다. 본 연구는 소셜 빅데이터에서 수집된 인터넷 관련 문서에 대한 네트워크 분석과 데이터마이닝 분석을 통하여 우리나라의 인터넷 중독 위험에 대한 예측모형을 제시한 점에서 정책적·분석방법론적으로 의의가 있다. 또한, 실제적인 내용을 빠르게 효과적으로 파악하여 사회조사가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 소셜 빅데이터의 가치를 확인하였다는 점에서 조사방법론적 의의를 가진다고 할 수 있다.;The purpose of this study is to develop a prediction model about risk factors related to Korean Internet Addiction Disorder, by applying network analysis and decision making-tree analysis to the social big data that are collected from online news sites, blogs, internet cafes, social network service, and internet message boards. The Big Data Document made possible to figure out the decision-making process of Internet Addiction classification through text Mining and factor analysis, which are classified into two categories as ‘general’ and ‘addiction’. A Combination of highest ‘anxiety factor’ and high ‘harmful factor’ had the most influence on Internet addiction. Also, both highest ‘mental health factors’ and high ‘relationship with friends factors’ influenced the most when it comes to Internet addiction. Based on the study, data mining analysis and network analysis of Internet Social Big Data was presented as a prediction model for Internet addiction risk factor, which was considered significant in both policy and analysis methodology.