3월 24일 아침 8시 전장연 활동가들은 23번째 출근길 지하철 시위를 진행하였다.
이에 한 정치인은 비문명적인 방식으로 시위를 벌인다, 서울 시민의 아침을 볼모로 잡는다는 등의 내용으로 강하게 비판하였다.
국민들의 목소리를 대신 해주어야 하는 정치인으로서 과연 국민들의 목소리를 대변해주었는지 장애인 시위 관련 연상의 댓글을 분석하여 여론 분석을 해보았다. 추가적으로 시위가 정치적 쟁점이 되어 버리면서 장애인들의 시위에 대한 이유, 복지 현황 등은 주목 받지 못한 점이 아쉬워 이를 같이 정리해보았다.
장애인 지하철 시위 여론을 분석하기 위해 장애인 지하철 시위 검색어의 상위 조회수 4개의 동영상을 샘플링 하였다. 특정 정치인과의 토론, 인터뷰 및 장애인 이동권 불편함을 담은 영상은 분석 목적에 어긋나기에 샘플링에서 제외되었다.
.
.
<명사 단어 빈도 분석>
명사에서 가장 많이 등장한 단어는 생각(1,253회)이었으며, 그 다음으로는 피해(1,242회), 시민(847회), 권리(665회), 이해(664회), 출근길(555회), 관심(527회), 방법(480회), 이동권(458회), 시간(426회) 순으로 높았다.
<형용사 단어 빈도 분석>
형용사에서 가장 많이 등장한 단어는 불편하다(968회), 좋다(784회), 많다(508회), 안되다(385회), 힘들다(291회), 안타깝다(248회), 당연하다(241회), 어떻다(232회), 편하다(170회), 아프다(142회) 순으로 높았다.
명사에서의 피해, 출근길 단어와 형용사에서의 불편하다, 힘들다, 짜증나다 등의 단어를 통해 시위로 출근길에 불편함을 느끼고 피해를 입음으로써 힘들고 짜증을 느낀 시민들이 많음을 유추할 수 있다. 반대로 명사에서의 관심, 이동권, 이해 단어와 형용사에서의 안타깝다, 오죽하다 등의 단어를 통해 시위에 관심을 가지게 되거나 이런 시위로 관심을 끌 수 밖에 없는 현실을 이해하고, 안타깝게 생각하는 시민들도 많음을 유추할 수 있다.
그렇다면 댓글들의 토픽 유형은 어떻게 되는지 살펴보고 각 토픽에서 사용되는 단어들을 통해 토픽을 이해해보겠다.
<토픽모델링>
첫번째 44%를 차지한 토픽을 '장애인 시위 내용엔 공감, 시위 방법엔 불만'이다.
장애인, 시위, 관심, 이해, 공감, 권리 등의 단어 비중이 높은 것으로 보아 장애인 시위 내용에 대해 공강을 하는 내용으로 보여지지만 사람, 피해, 불편, 방법, 문제 등의 단어 비중이 높은 것으로 보아 시위 방법에 대해서는 불만을 표현하고 있다. 이로써 사람들의 관심을 이끌어내고 권리를 찾기 위해서 시위를 하는 것에는 공감을 하지만 비장애인들에게 피해를 주는 식의 시위 방법에는 불만을 표현하고 있다.
두번째 23.4%를 차지한 토픽은 '장애인 이동권 보장 요구' 이다.
장애, 이동권, 버스, 저상버스, 택시, 시설, 보장, 인권, 중요 등의 단어의 비중이 높은 것으로 보아 장애인의 여러가지 이동권들의 시설 개선이 중요하며 장애인 인권에 대해 보장해줄 필요가 있음을 표현하고 있다.
세번째 15.5%를 차지한 토픽은 '장애인 시위로 인한 불편함 호소'이다.
출근, 시간, 출퇴근, 민폐, 지각 등의 단어 비중이 높은 것으로 보아 장애인 시위로 인한 불편함을 언급하며 시위가 민폐임을 지적하고 있다. 또한 할머니, 임종, 버스 등의 단어가 사용된 것으로 보아 시위 중 할머니 임종을 지키러 가야한다는 청년에 버스를 타고 가라 했던 장애인 시위자에 대해 비난을 하고 있다.
네번째 9.6%를 차지한 토픽은 '시위에 대한 강도높은 비판'과 다섯번째 7.6%를 차지한 토픽은 '시위의 정치적 개입 비판'이다.
네번째 토픽에서는 전장연, 불법, 테러, 혐오 등의 단어 비중이 높은 것으로 보아 장애인 시위가 불법임을 언급하며 강도 높은 비판을 하고 있으며 다섯번째 토픽에서는 미군, 철수, 민주당, 정권 등과 같은 단어가 비중이 높은 것으로 보아 과거 전장연의 미군 철수 시위 참여와 정권교체가 되자마자 강도높은 시위를 벌이는 것에 대하여 정치적 개입 목적이 있는 것은 아닌지 비판하고 있다.
<감정분석>
세부적인 감정 분류에서는 혐오 29%, 중립 24.5%, 분노 13.1%, 슬픔 11.8% 등의 수치를 보였다. 혐오, 분노 수준의 부정적 여론이 형성되어 있음을 알 수 있다.
<단어 의미연결망 분석>
시위를 중심으로 사람, 생각, 장애, 지하철, 불편, 피해, 시민, 이해, 불법 단어들 과의 연결성이 짙다. '시위'와 불편, 피해의 연결성보다 '이해'의 연결성이 더 옅은 것으로 보아 장애인 지하철 시위를 이해하기 보다는 불편을 느끼고 피해라 생각하는 댓글이 더욱 많은 것을 알 수 있다.
'불편' 노드를 기준으로 연결성을 확인해 보았을 때 시위, 사람, 장애 등의 단어들과 연결성이 짙으며 이해, 피해, 지하철, 방법 등의 단어들과 연결된 것으로 보아 이해는 되지만 피해를 주는 시위 방법으로 불편을 느꼈다는 의견이 있음을 알 수 있다. 반대로 휠체어, 이동, 엘리베이터, 관심, 개선 등의 단어들과 연결된 것으로 보아 장애인들의 이동권 불편함에 관심을 가지게 되었고 개선이 필요하다는 의견이 있음을 알 수 있다.
이렇게 시위에 대해 부정적인 의견과 긍정적인 의견이 함께 보여지고 있는데 부정 댓글로 분류된 의미 연결망과 긍정 댓글로 분류된 의미 연결망은 어떤 단어들로 연결성을 보이는지 살펴보겠다.
<부정 단어 의미 연결망>
<긍정 단어 의미 연결망>
긍, 부정 의미연결망에서 노드나 연결성에서 큰 차이를 보이지 않았다.
<부정 단어 의미 연결망>
<긍정 단어 의미 연결망>
필터링을 통해 degree를 더욱 높여본 결과 부정 댓글은 전장연의 시위 방법이 시민, 사람들에게 피해를 주고 불편을 끼쳤다는 맥락을 보였지만 긍정 댓글에서는 시위로 인해서 장애인의 불편을 생각하고 이해하게 되었으며 사회차원에서 권리를 보장해줄 필요가 있음의 맥락을 보였다.
사회적인 합의가 무엇보다 필요한 시위 내용에서 여론은 상당히 중요한 부분이다. 하지만 시위 감정 분석 결과 60% 이상이 부정적인 감정을 드러냈으며 감정 추이도 지속적으로 유지되었다. 단어 빈도수 분석에서도 불편, 피해 등의 단어가 상위 단어로 나타나며 시위에 대해 좋지 않은 여론이 형성되어 있다. 시위의 여론이 좋지 않음에도 불구하고 시위로 알리고자 하는 내용과 더욱 더 강도높은 시위를 지속하는 이유는 무엇일까?
우리나라 장애인 복지지출 규모를 보면 OECD 평균에 한참 못 미치는 0.6%이다. 장애인 관련 예산만이 아닌 공공사회복지 지출 규모 또한 OECD 평균보다 낮은 11.1%이다. 기획재정부는 GDP대비 사회복지 지출 비중이 낮지 않다고 강조했으며 19년 이하 한국의 장애인 복지 지출은 꾸준히 늘고 있는 추세이긴 하다.
하지만 2004년까지 지하철 엘리베이터를 100% 설치하겠다는 약속이 2024년까지로 미루어져 왔으며 또 다른 교통편인 저상버스 도입률이 28%이다. 이 마저도 일부 신형 차종을 제외하고는 발판이 내려오는 속도가 매우 느리고 고장도 잦은 편으로 아직 미비한 현실이다. 또한 이동에 불편을 느끼는 교통약자의 이동을 지원해주는 장애인 콜택시는 일반 콜택시보다 배차간격이 길어 대기시간만 40분 ~ 1시간인 상황이다.
토픽모델링에서도 보았듯이 이와 같은 시위 내용에 대해선 많은 시민들이 공감을 하지만 시위 방식에 부정적이며 이로 인해 시위 전체에 대한 부정적 여론으로 이어졌다. 보다 긍정적 여론을 이끌어 내기 위해서 시위 강도를 낮추어 진행하면 되는 것 아닌가 하는 의문과 왜 하필 출근길에 지하철에서 시위를 하는가에 대해 비판이 많지만 그렇게 하지 않으면 상황을 알리기 어려운 상황인 것이 현실이다. 실제로 전장연은 20년도에 기획재정부 소유 건물에서 87일간 농성을 벌였지만 이에 대한 관심은 매우 작았다. 시위 강도를 낮추어 진행하면 관심 또한 낮아지는 딜레마 상황인 것이다.
시위로 인해 요구하는 바를 들어보는 관심이 아닌 부정적인 관심만이 높아진다면 이는 좋은 방안이 아닐 것이다. 앞서 말했듯 사회적 합의가 더욱 필요한 사안에 대해서 관심과 여론, 두 마리 토끼를 다 잡기 위해서 그저 강도높은 시위만이 아닌 새로운 방안 모색이 필요한 상황이다. 시민들 또한 시위 방식에만 초점을 두어 부정적인 인식 고취에 그치는 것이 아닌 왜 시위를 하는가에 대해 초점을 두는 것이 바람직하다. 장애인, 비장애인의 인식 변화가 이루어지고, 여러 이해관계가 해소됨으로써 원만한 합의점이 찾아 지기를 소망한다.
'python' 카테고리의 다른 글
| 유튜브 트렌드 비교 분석 - 데이터 분석편 (2) | 2023.01.08 |
|---|---|
| 유튜브 트렌드 비교 분석 - 데이터 수집편 (1) | 2023.01.07 |
| HR데이터를 활용한 퇴직자 예측 모델 (1) | 2023.01.06 |
