Fire Sci. Eng. Search

CLOSE


Fire Sci. Eng. > Volume 37(4); 2023 > Article
등하교 안전사고 경향 분석: 텍스트네트워크 분석 및 토픽모델링 기반

요 약

본 연구는 서울특별시 소재 학교에서 통지한 학교 안전사고 rawDATA (2016년∼2021년)를 바탕으로, 텍스트 마이닝 분석기법을 사용하여 학교급별 등하교 안전사고 요인을 비교분석 하였다. 연구 결과, 유치원은 하원 시간에 사고가 많았으며, 계단, 차량, 버스 등의 물리적 위험요인, 머리, 얼굴 등의 주요 손상 부위가 확인되었고, 하교-준비-귀가, 등교-계단 등의 키워드가 연결됨을 확인하였다. 초등학교는 하교 시간에 사고가 많았으며, 계단 등의 물리적 위험요인, 앞니, 이마 등의 주요 손상 부위가 확인되었고, 하교-계단, 하교-운동장, 방과 후-수업-하교 등의 키워드가 연결됨을 확인했다. 중학교의 경우, 하교 시간에 사고가 많았으며, 계단, 자전거 등의 주요 물리적 위험요인, 발목, 무릎, 인대, 다리가 주요 손상 부위로 확인되었고, 등교-자전거, 하교-운동장-친구-축구 키워드가 연결됨을 확인했다. 고등학교의 경우 등교 시간에 사고가 많았으며, 계단, 자전거, 버스 등의 주요 물리적 위험요인, 발목, 무릎이 주요 손상부위임이 확인되었고, 자전거-등교, 자전거-얼굴, 자전거-내리막길, 버스-발목의 키워드가 연결됨을 확인했다. 본 연구 결과를 통해 학교급별 등하교 안전사고 요인을 분석함으로써 학교급별 등하교 안전사고 특성을 이해하고, 이에 맞는 데이터 기반 안전교육 및 안전관리 대책의 방향성을 제시하고자 한다.

ABSTRACT

In this study, the risk factors that lead to accidents when students commute to and from school was analyzed and compared using raw DATA, a collection of data notified by various levels of schools in Seoul between 2016 and 2021. A text-mining technique was employed for this analysis. The results suggest that kindergarteners experience accidents most often on their way home. The physical risk factors that cause accidents include stairs and vehicles which primarily damage the head and face. Keywords such as returning home, preparing to go home, and commuting to school-stairs were extracted in the text analysis. Similarly, elementary school students also experience accidents when returning home. Physical risk factors, such as stairs, are the primary cause of damage to the front teeth and forehead. Keywords such as returning home-stairs, returning home-playground, and returning home after school were identified. Middle school students also experience accidents, on their way home, and significant physical risk factors include stairs and bicycles, which cause injuries to the ankles, knees, ligaments, and legs. Keywords such as commuting to school-bicycle and returning home-play ground-friend-soccer were retrieved through text mining. High school students experience accidents on their way to school. Major physical risk factors, such as stairs, bicycles, and buses, have been found to cause damage to the ankles and knees. The keywords bicycle-commuting to school, bicycle-face, bicycle-steep downhill, and buses-ankle were detected. This study attempted to analyze the factors that lead to accidents when different grades of students commute to and from school to understand the characteristics of safety accidents at different school levels and to provide a policy direction for data-based safety education and safety management measures.

1. 서 론

1.1 연구 필요성

2021년 어린이 교통사고는 2005년 대비 49.3% 감소한 반면, 어린이보호구역 사고는 49.8% 증가하였다(1). 최근에는 특히 등하교 시간 어린이보호구역 교통사고로 인한 사망 사례가 지속적으로 발생하고 있다. 한 초등학교 후문 인근 어린이보호구역에서 3학년 학생이 방과 후 수업을 마치고 하교하던 중 음주운전 차에 치여 사망한 사고, 등굣길에 지게차에서 떨어진 원통형 화물이 빠른 속도로 가파른 내리막길을 가다가 안전 펜스를 부수고 학생을 덮친 사고 등 발생해서는 안 될 아찔한 사고가 연이어 이어지고 있다(2,3).
등하교 안전사고 유형은 비단 교통사고만이 아니다. 초등학교 2학년 학생은 형을 따라 등교하다가 학교 2층 계단에 설치된 방화셔터 오작동으로 등에 메고 있던 가방이 셔터에 끼어 목 부위를 크게 다쳤다(4). 이로 인해 학생은 현재까지도 의식을 회복하지 못한 채 병상에 누워있다. 그 외에도 친구들과 실내화 주머니로 장난을 치다 눈을 맞아 실명한 사고, 하교 중 친구가 던진 반원형 각도기를 맞아 실명한 사고 등 학교 현장에서 발생하는 등하교 안전사고 유형과 원인은 다양하다(5,6).
정부는 세월호 사고를 겪은 이후, 학교 안전교육 7대 표준안을 수립, 학생은 연간 51차시, 교직원은 3년간 15차시 안전교육 시행을 의무화하였고, 교육청 내 안전부서를 신설하도록 하여 안전관리 시스템을 강화하였다(7).
그러나 이러한 노력에도 불구하고, 학교 안전사고와 등하교 안전사고는 오히려 증가하였으며, 그 추세는 Figure 1과 같다. 등하교 안전사고는 2020년 코로나-19의 영향으로 교육활동이 위축되면서 전년 대비 59.4% 감소하였지만, 2021년 교육활동이 재개되면서 전년 대비 98.0% 증가하였고, 연이어 2022년 38.4% 증가하여 7,466건을 기록했다(8,9). 이는 역대 등하교 안전사고 최고치이다.
Figure 1
Status of school safety accidents and school commuting accidents (2016∼2022).
kifse-37-4-60-g001.jpg
등하교 안전사고 예방을 위한 정책을 입안하거나, 교육 콘텐츠를 공급하기 위해서는 먼저 학교급별 등하교시간 안전사고의 주요 유형과 위험요인, 사고 발생 패턴 등을 파악해 학생을 포함한 학교 구성원이 이를 예방할 수 있는 정보, 지식 공급 방안을 마련해야 할 것이다.
그간 정부 차원에서 등하교 안전사고 경향을 분석할 때 주로 사용한 계량적 연구 방법은 사고시간, 장소, 부위, 형태 등에 대해 단순 빈도 분석을 하거나 교차 분석하는 방법이었다(10).
한편, 최근에는 논문들의 주제 또는 관심 개념들에 대하여 맥락과 관계를 파악할 수 있는 계량적 방법으로서 텍스트 네트워크 분석이 이루어지고 있다(11).
텍스트 네트워크 분석은 단순히 특정한 키워드가 얼마나 많이 등장하였는지에 그치는 것이 아닌 전체 텍스트에서 가장 영향력이 큰 키워드가 무엇인지, 그리고 그 키워드가 다른 키워드와는 어느 정도로 상호작용하는지 등의 구조적 분석을 시행할 수 있게 하였다. 그리고 이를 시각화하여 유의미한 인사이트를 쉽게 얻을 수 있도록 하여 직관적인 의사결정 지원을 할 수 있도록 하는 것이 특징이다(12).
토픽모델링 분석 또한 다방면에서 이루어지고 있는데 이는 방대한 문서와 키워드를 바탕으로 일정한 패턴을 찾아내고 주제를 발견하고 추론하는 방법이다(13). 집적된 방대한 안전사고 텍스트와 관련해 토픽모델링을 활용한다면 어떤 사고의 유형이 주로 발생하는지 식별할 수 있게 해준다.
본 연구에서는 텍스트 네트워크 분석을 통해 등하교 안전사고에서 영향력을 차지하는 키워드가 어떤 것들이 있는지, 그리고 그 키워드들은 수치상으로 어느 정도까지 상호작용하는지 분석하고, 토픽모델링을 통해 주요 등하교 사고 주제와 사고 주제별 점유 정도를 추출하고자 한다. 이를 통해 데이터 기반 안전교육 및 안전관리 대책의 방향성을 제시하고자 하였다.

1.2 연구 목적

본 연구는 유, 초, 중, 고별 등하교 안전사고의 주요 유형과 위험요인, 원인 등을 도출하기 위하여 2016년부터 2021년 사이에 발생한 서울특별시 학교급별 등하교 안전사고 통지 데이터를 기반으로 텍스트네트워크 및 토픽모델링 분석 등을 실시하고, 그 결과를 활용하여 실효성 있는 등하교 안전 정책 방향을 제시하고자 한다.

2. 연구방법

2.1 연구절차 및 방법

서울특별시 소재 학교에서 통지한 학교 안전사고 중 등교 시간, 하교 시간 안전사고의 내용을 자료 범위로 설정하고, 키워드 동시 출현 관계를 파악하였다. 1) 데이터의 수집, 2) 데이터 전처리 및 모델링, 3) 네트워크 통계 분석 및 시각화 등 순으로 Table 1과 같이 진행하였다.
Table 1
Experimental Measuring Instrument
Research Procedures Step Research Methodology
Idea of Diagnostic Items Step 1 • Number of raw data of school safety accidents notified by kindergarten, elementary, middle, and high schools in seoul metropolitan government
Step 2 • Extraction of safety accidents that occur when going to school and leaving school and classification by school level
Pre-processing and Modeling of Safety Accident Data that Occurs when Going to School and Going Home in Seoul Step 3 • Removal of dependent morphemes through preprocessing
Step 4 • Refining and normalizing unstructured text
Step 5 • Token unstructured text with KONLP
Step 6 • Selecting and predicting the optimal number of topics using LDA
Data Analysis and Visualization Step 7 • Word frequency analysis and word cloud analysis for 150 topics
Step 8 • Simultaneous network analysis for 150 topics
Step 9 • Visualization analysis of keywords by topic modeling
Policy Recommendations Step 10 • Providing the direction of safety education and safety management measures by school level

2.2 데이터의 수집

학교장은 교육활동 중 학교 안전사고가 발생하는 경우, 관할 시⋅도 학교안전공제회에 지체 없이 통지해야 한다(「학교안전사고 예방 및 보상에 관한 법률」 제44조 제2항).
본 연구는 위 통지 절차에 따라 2016년부터 2021년까지 서울특별시학교안전공제회에 접수된 103,966건의 학교 안전사고 통지 관련 rawDATA를 수집하여 사고개요상의 키워드를 분석하였다.

2.3 데이터 전처리

수집한 위 학교 안전사고 rawDATA 중 등교, 하교 시간 사고만을 추출한 5,825건을 학교급별로 구분하였고, 텍스트를 분석하기 위해 일상적으로 사용하는 자연어로 구성된 책, SNS, 뉴스 기사, 논문, 보고서 등 다양한 형태의 비정형 데이터에서 자연어 처리 기술(natural language processing, NLP)을 사용하여 전처리 작업을 실시하였다. 추출된 키워드 전처리를 위해 KoNLP, readr, dplyr, stringr, textclean 등의 패키지를 활용하였다. 이어 텍스트 데이터를 가져온 뒤 조사, 어미, 어간, 접사와 다른 형태소와 결합하여 사용되는 의존 형태소 등을 제거하였다. 해당 작업 후에는 정제 과정을 거쳤다. 노이즈 데이터인 “서울특별시”, “초등학교”, “중학교”, “고등학교”, “이번”, “시간” 등을 제거하였다. 이후 정규화 작업을 거쳐 최종 토큰화를 위해 customized konlpy 패키지를 활용하였다.

2.4 네트워크 통계 분석 및 시각화

전처리과정을 거친 뒤 키워드 빈도분석을 실시하였고, 빈도가 높은 키워드 중 상위 30개 단어를 추출하여 이를 시각화하였다. 시각화는 ggplot2 패키지의 geom_col (), top30을 이용하였다. 이 상위 30위 내 위치한 단어들은 저마다 성격이 달라 빈도 순위에 따른 우위를 구별하기 어려웠다. 이러한 사정을 고려하여 인적 환경 요인, 시간적 요인, 장소적 요인, 물리적 요인, 활동 요인, 손상부위 6가지로 속성을 구분하여 다빈도순으로 서열화하였다.
키워드 빈도분석 결과는 word cloud를 사용해 시각화하였다. 본 연구에서는 ggwordcloud 패키지를 이용해 word cloud를 생성하였고, ggplot2 패키지 함수 등을 이용해 그래프를 수정하였다.
다음으로 텍스트 네트워크 분석을 실시하였다. 텍스트 네트워크 분석이란, 텍스트에서 의미를 가지는 단어들을 추출하고, 그 중 핵심적인 역할을 하는 단어인 키워드를 도출 및 그들의 연결 관계를 분석한 네트워크 생성을 통해 텍스트의 다양한 특성을 분석하는 작업을 말한다(14). 즉, 텍스트 출현 빈도와 더불어 특정 키워드와 동시 출현하는 키워드 간의 관계성을 파악하고, 의미와 패턴까지 분석할 수 있는 것이 특징이다(15).
네트워크 구조를 파악하기 위한 분석기법은 중심성 분석을 통해 구체적으로 확인할 수 있다. 중심성 분석의 경우, 보편적으로 연결 중심성(degree centrality), 근접 중심성(closeness centrality), 매개 중심성(betweenness centrality) 분석이 활용되는데 본 연구도 위 세 개의 중심성 분석을 진행하였다.
마지막으로 토픽모델링 분석을 실시하였다. 토픽모델링은 방대한 텍스트 데이터에서 키워드 분포를 통해 토픽(주제)을 파악하는 알고리즘이다(16). 여러 토픽모델링 알고리즘 중 본 연구에서는 결과해석이 용이하고, 과적합 문제 해결을 위해 보편적으로 사용되는 latent dirichlet allocation (LDA) 모델을 사용하였다(17).
토픽모델링 분석에 들어가기 전 최적의 토픽 수를 지정하기 위해 하이퍼파라미터 튜닝을 실시하여 도출된 결과 값 및 학교급별 동일한 수준의 토픽을 추출해 비교해 보기 위해 토픽 수를 8개로 각각 지정해 분석하였다. 마지막으로 토픽별 키워드의 가중치를 확인하기 위해 TF-IDF 기법을 활용, 이를 시각화하였다(18).

2.5 결과 해석 및 논의

위 데이터 분석 결과를 바탕으로, 학교급별 등하교 안전사고 경향과 정책 개선점을 제안하였다. 이를 통해 실효적인 안전 정책 및 안전교육 대책을 수립하는 데 도움이 될 수 있도록 하였다.

3. 연구결과

3.1 유치원 등하교 안전사고 분석

3.1.1 유치원 등하교 안전사고 키워드 빈도분석

유치원 등⋅하원 안전사고 관련 키워드 분석 결과, 하원(159)이 가장 높은 빈도로 나타났으며, 그다음으로 등원(114), 계단(106), 유치원(88), 친구(84), 교실(82), 귀가(69), 바닥(68), 유아(63), 차량(50) 순이었다.
이를 속성별로 분류해 서열화해 보면 인적 환경 요인은 유아(63), 교사(49), 어린이(38) 순, 시간적 요인은 하원(159), 등원(114) 순, 장소적 요인은 계단(106), 복도(49), 현관(33), 병원(28) 순, 물리적 요인은 차량(50), 가방(41), 책상(26), 버스(26) 순, 활동 요인은 귀가(69), 부딪힘(40), 정리(29), 놀이(24) 순, 손상 부위는 이마(44), 손가락(34), 얼굴(32), 머리(25) 순으로 나타났다. 유치원 등하원 안전사고 워드 클라우드는 Figure 2와 같다.
Figure 2
Word cloud analysis of kindergarten commuting accidents.
kifse-37-4-60-g002.jpg

3.1.2 유치원 등하교 안전사고 네트워크 연결구조 및 토픽모델링 분석

유치원 등하교 안전사고 네트워크 연결구조를 하기에 앞서 타 학교급 네트워크 분석과 비교를 용이하게 하기 위해 등원을 등교로, 하원을 하교로 변경하였다. 해당 분석 결과, 키워드 간 링크 2회 이상의 단어 총 1,123개 및 12,606개의 링크로 구성된 네트워크 연결구조를 분석하였다. 네트워크의 밀도는 0.02000943, 평균 연결 정도는 22.45057881, 평균 연결 거리는 2.43468로 확인되었다.
동시출현 빈도 횟수는 다빈도순으로 등교-계단(40), 발생-등교(32), 등교-교실(30), 친구-귀가(30), 이마-등교(28), 하교-준비(28), 발생-바닥(26), 하교-교사(26) 순으로 확인되었다. 이와 관련한 네트워크 그래프는 Figure 3과 같다.
Figure 3
Network analysis of kindergarten commuting accidents.
kifse-37-4-60-g003.jpg
그래프상에서는 하교-준비-귀가 키워드 간 동시출현 빈도가 높은 것이 확인되었다. 예컨대, 복도에서 귀가 준비 중이던 다른 원아에 의해 입을 부딪쳐 치아에 출혈이 발생한 사고, 수업을 마치고 귀가 준비를 위해 계단을 내려오다가 어린이가 발을 헛딛어 계단에서 엉덩방아를 찧은 사고 등이 있었다.
등교-계단의 경우, 키워드 동시출현 빈도 횟수가 가장 높았다. 예를 들면 등원 중 계단에서 발을 헛딛어 넘어지면서 이마를 부딪친 사고, 등원 중 계단 모서리에 부딪혀 입술 옆이 찢어지는 사고 등이 있었다.
등교-정리의 경우, 등교-계단에 이어 동시출현 빈도가 두 번째로 높았다. 예를 들면, 등원 후 가방 정리를 하다가 옆 친구에 부딪혀 눈을 다치는 사고, 아침에 등원하여 가방 정리를 하다가, 넘어져 가방에 있는 열쇠고리에 긁힌 사고, 원아가 등원하고 가방 정리를 하지 않고 엎드려 있어 교사가 일으키던 중 원아가 휘청하며 몸무게가 반대 방향으로 쏠려 오른팔이 탈골이 된 사고 등이 있었다.
버스-차량의 경우, 동시출현 빈도 횟수가 22회, 13순위로 비교적 높은 순위에 해당한다. 구체적으로 예를 들면, 통학버스로 하원 중 옆 차선의 탑차 백미러와 유치원 버스 스포일러가 접촉되는 사고가 발생해 원아들이 다친 사고 같은 교통사고부터, 통학버스 차량에 탑승 중 계단을 올라가다 발을 헛디뎌 앞으로 넘어져 턱을 다친 사고, 통학버스 안에서 다른 원아 모자에 눈이 찔러 눈동자에 피가 난 사고 등이 있었다.
유치원 등⋅하원 안전사고에 대한 LDA topic모델링 분석을 실시한 결과는 Figure 4와 같다.
Figure 4
Topic modeling (LDA) analysis of kindergarten commuting accidents.
kifse-37-4-60-g004.jpg

3.2 초등학교 등하교 안전사고 분석

3.2.1 초등학교 등하교 안전사고 키워드 빈도분석

초등학교 등하교 안전사고 키워드 분석 결과, 하교(1,821)가 가장 높은 빈도로 나타났으며, 그다음으로 계단(1,655), 수업(802), 등교(760), 친구(749), 발생(606), 운동장(570), 교실(541), 바닥(532), 방과 후(440), 복도(422)로 나타났다.
속성별로 분류해 서열화해 보면 인적 환경 요인은 친구(749), 시간적 요인은 하교(1,821), 등교(760), 방과 후(440), 아침(276) 순, 장소적 요인은 계단(1,655), 운동장(570), 교실(541), 복도(422), 교문(232) 순, 활동 요인은 보행(335), 장난(181) 순, 손상 부위는 발목(416), 앞니(286), 이마(283), 치아(260), 얼굴(247), 다리(245), 무릎(225) 순으로 나타났다. 초등학교 등하교 안전사고의 워드 클라우드는 Figure 5와 같다.
Figure 5
Word cloud analysis of elementary school commuting accidents.
kifse-37-4-60-g005.jpg

3.2.2 초등학교 등하교 안전사고 네트워크 연결구조 및 토픽모델링 분석

해당 분석 결과, 키워드 간 링크 2회 이상의 단어 총 4,760개 및 89,076개의 링크로 구성된 네트워크 연결구조를 분석하였다. 네트워크의 밀도는 0.007864444, 평균 연결 정도는 37.42689076, 평균 연결 거리는 2.348353으로 확인하였다.
동시출현 빈도 횟수는 다빈도순으로 하교-계단(670), 하교-수업(397), 하교-친구(305), 발목-계단(286), 하교-발목(283), 등교-계단(280), 하교-발생(271), 하교-운동장(258), 수업-계단(240) 순이었다. 이와 관련한 네트워크 그래프는 Figure 6과 같다.
Figure 6
Network analysis of elementary school commuting accidents.
kifse-37-4-60-g006.jpg
네트워크 그래프를 살펴보면 하교-계단-보행 키워드 간 동시출현 빈도가 높은 것이 그래프상 확인되었다. 예컨대, 하교 시간 계단 여러개를 한꺼번에 넘어가다 발을 헛디뎌 얼굴에 찰과상을 입은 사고, 하교하던 중 친구와 장난을 치며 뛰어 내려가다가 넘어져 다리를 다친 사고 등이 있었다.
운동장-친구-발생 키워드 간 동시출현 빈도가 높은 것도 그래프상 확인되었다. 방과후 학교 운동장에서 놀다가 다른 학생과 부딪혀 넘어지면서 놀이시설 나무 부분에 2차 충돌로 인하여 넘어지면서 갈비뼈가 부러진 사고, 하굣길에 친구와 장난으로 밀치다가 넘어져 운동장 바닥 흙에 얼굴에 찰과상을 입은 사고 등이 있었다.
방과 후-수업-하교 키워드 간 동시출현 빈도가 높은 것도 확인되었다. 방과 후 수업이 끝나고 다른 방과 후 수업으로 신속하게 이동 중 엘리베이터에 부딪혀 입술이 찢어진 사고, 하교 지도를 받은 후 방과 후 수업 시작을 기다리며 놀이터에 있는 구름사다리를 타던 중 손이 미끄러지면서 땅에 떨어져 팔꿈치 부상을 입은 사고 등이 있었다.
하교-친구의 경우, 동시출현 빈도 305개로 세 번째로 동시출현 빈도가 높았다. 친구와 장난하면서 교문을 지나 하교하다가 아스팔트와 보도블록에 턱이 있어 넘어져 얼굴 찰과상과 위 앞니 1/2이 부러진 사고, 하교 중 복도에서 친구와 장난을 치며 걸어가다가 미끄러져 급식차에 머리를 부딪힌 사고 등이 있었다. 하교-운동장의 경우 동시출현 빈도 258개로 여덟 번째로 높았다. 하교 후 방과후 학교 참석을 위해 운동장 모래사장 운동기구에서 놀이를 하던 중 부주의로 가지고 놀던 나뭇가지에 눈 상단부가 찔린 사고, 방과 후 집으로 바로 하교하지 않고 친구들과 운동장에서 축구를 하다가 넘어지면서 손을 짚어 손목이 부러진 사고 등이 있었다.
초등학교 등하교 안전사고에 대한 LDA topic모델링 분석을 실시한 결과는 Figure 7과 같다.
Figure 7
Topic modeling (LDA) analysis of elementary school commuting accidents.
kifse-37-4-60-g007.jpg

3.3 중학교 등하교 안전사고 분석

3.3.1 중학교 등하교 안전사고 키워드 빈도분석

중학교 등하교 안전사고 키워드 분석 결과, 계단(428)이 가장 높은 빈도로 나타났으며, 그다음으로 등교(415), 하교(375), 발목(285), 자전거(254), 친구(201), 발생(196), 운동장(169), 종례(169), 바닥(147)으로 나타났다.
속성별로 분류해 서열화해 보면 인적 환경 요인은 친구(201), 본인(73) 순, 시간적 요인은 등교(415), 하교(375), 종례(169) 순, 장소적 요인은 계단(428), 운동장(169), 복도(123), 교실(94), 교문(83) 순, 물리적 환경 요인은 자전거(254), 교문(83) 순, 활동 요인은 보행(110), 축구(83), 귀가(77) 순, 손상 부위는 발목(285), 무릎(131), 인대(94), 다리(93), 얼굴(73) 순으로 나타났다. 중학교 등하교 안전사고의 워드 클라우드는 Figure 8과 같다.
Figure 8
Word cloud analysis of middle school commuting accidents.
kifse-37-4-60-g008.jpg

3.3.2 중학교 등하교 안전사고 네트워크 연결구조 및 토픽모델링 분석

해당 분석 결과, 키워드 간 링크 2회 이상의 단어 총 2,649개 및 42,528개의 링크로 구성된 네트워크 연결구조를 분석하였다. 네트워크의 밀도는 0.01212565, 평균 연결 정도는 32.10872027, 평균 연결 거리는 2.407474로 확인되었다.
동시출현 빈도 횟수는 다빈도순으로 하교-계단(153), 발목-계단(126), 하교-발목(112), 오른쪽-등교(88), 종례-발목(86), 하교-운동장(84), 아침-등교(82), 자전거-등교(81), 오른쪽-발목(76), 하교-복도(76) 순이었다. 이와 관련한 네트워크 그래프는 Figure 9와 같다.
Figure 9
Network analysis of middle school commuting accidents.
kifse-37-4-60-g009.jpg
하교-운동장-친구-축구 키워드 간 동시출현 빈도가 높은 것도 확인되었다. 방과후 학교 운동장에서 축구를 하다가 다른 반 학생과 충돌하여 안경이 부러진 사고, 방과 후 운동장에서 친구와 축구를 하다가 운동장 계단 아래쪽 시멘트 구조물을 세게 차는 바람에 발을 다친 사고 등이 있었다.
등교-자전거-발생 키워드 간 동시출현 빈도가 높은 것도 확인되었다. 등교 중 아파트 단지에서 자전거를 타고 등교를 하다가 자전거 앞바퀴에 손가방이 걸려 넘어진 사고, 자전거를 타고 등교하다가 비둘기 떼를 피하려다가 넘어진 사고, 자물쇠에 걸려 넘어진 사고, 비탈진 길을 발견하고 내려오다가 넘어진 사고, 아스팔트가 훼손된 길에서 넘어진 사고 등이 있었다.
중학교 등하교 안전사고의 중심성 분석에서 네트워크 연결 중심성은 평균 0.000378이었고, 집중도는 0.3428592%이었다. 매개 중심성의 평균은 0.000532이었고, 집중도는 0.1069953%이었다. 네트워크 근접 중심성의 평균은 0.419091이었고, 집중도는 0.3761523%이었다.
중학교 등하교 안전사고에 대한 LDA topic모델링 분석을 실시한 결과는 Figure 10과 같다.
Figure 10
Topic modeling (LDA) analysis of middle school commuting accidents.
kifse-37-4-60-g010.jpg

3.4 고등학교 등하교 안전사고 분석

3.4.1 고등학교 등하교 안전사고 키워드 빈도분석

고등학교 등하교 안전사고 관련 키워드 분석 결과, 계단(524)이 가장 높은 빈도로 나타났으며, 그다음으로 등교(517), 발목(373), 하교(317), 자전거(209), 발생(207), 무릎(178), 병원(171), 버스(148), 바닥(146)으로 나타났다.
속성별로 분류해 서열화해 보면 인적 환경 요인은 친구(130), 시간적 요인은 등교(517), 하교(317), 종례(103) 순, 장소적 요인은 계단(524), 운동장(109), 정문(73) 순, 물리적 환경 요인은 자전거(209), 버스(148), 교문(83) 순, 활동 요인은 보행(138), 손상 부위는 발목(373), 무릎(178), 인대(136), 다리(97), 얼굴(72) 순으로 나타났다. 고등학교 등하교 안전사고의 워드 클라우드는 Figure 11과 같다.
Figure 11
Word cloud analysis of high school commuting accidents.
kifse-37-4-60-g011.jpg

3.4.2 고등학교 등하교 안전사고 네트워크 연결구조 및 토픽모델링 분석

분석 결과, 키워드 간 링크 2회 이상의 단어 총 2,925개 및 55,634개의 링크로 구성된 네트워크 연결구조를 분석하였다. 네트워크의 밀도는 0.01300969, 평균 연결 정도는 38.04034188, 평균 연결 거리는 2.359561임을 확인하였다.
동시출현 빈도 횟수는 다빈도순으로 발목-계단(166), 하교-계단(140), 등교-계단(128), 하교-발목(118), 발목-등교(113), 통증-등교(98), 무릎-등교(86), 인대-발목(83), 발생-발목(82), 하교-친구(78) 순이었다. 이와 관련한 네트워크 그래프는 Figure 12와 같다.
Figure 12
Network analysis of high school commuting accidents.
kifse-37-4-60-g012.jpg
네트워크 그래프를 살펴보면 하교-계단-발목, 등교-자전거-얼굴, 등교-계단-무릎 키워드 간 동시출현 빈도가 높은 것이 그래프상 확인되었다.
하교-계단의 경우, 동시출현 빈도 140회로 2번째로 동시출현 빈도가 높았고, 등교-계단은 동시출현 빈도 128회로 3번째로 동시출현 빈도가 높았다. 결국 계단은 등교, 하교를 막론하고 가장 동시출현 빈도가 높은 안전사고 요인이었다.
자전거와 관련한 키워드 동시출현 빈도의 경우, 자전거-등교(74), 자전거-얼굴(48), 자전거-찰과상(28), 자전거-무릎(26), 자전거-내리막길(24), 자전거-골절(22) 자전거-충돌(18), 하교-자전거(17), 자전거-자동차(16), 자전거-급브레이크(10), 자전거-쇄골(10), 자전거-신호(10), 자전거-아파트(9)였다.
자전거-내리막길의 동시출현 빈도가 24회로 많았는데, 내리막길을 자전거를 타고 내려오다가 브레이크가 말을 듣지 않거나, 작동 미숙으로 인해 경계석 등에 부딪혀 안면부에 큰 창상을 입는 사고들이 다수 발견되었다.
버스-발목은 동시출현 빈도가 40회, 오전-버스는 36회로 확인되었다. 통학버스의 신호위반으로 인해 다른 차량과 부딪히면서 12명의 학생이 다치고 그중 남학생 1명이 사망하는 사고도 확인되었다.
고등학교 등하교 안전사고에 대한 LDA topic모델링 분석을 실시한 결과는 Figure 13과 같다.
Figure 13
Topic modeling (LDA) analysis of high school commuting accidents.
kifse-37-4-60-g013.jpg

4. 결론 및 정책 제언

4.1 결론

본 연구는 서울특별시 소재 학교에서 통지한 사고통지 데이터(2016년∼2021년)를 바탕으로 텍스트네트워크 분석 및 토픽모델링을 통해 학교급별 등하교 안전사고의 경향을 제시하였으며, 향후 데이터 기반 등하교 안전 정책 수립, 안전교육 콘텐츠 공급에 기여하고자 하였다.
해당 연구를 수행하기 위해 등하교 안전사고 통지문상의 사고개요 키워드를 중심으로 rawDATA를 수집하였으며, 데이터 전처리를 마친 데이터들 중심으로 키워드 빈도분석, 네트워크 분석, 토픽모델링 분석을 실시하였다. 본 연구 결과를 요약하면 바탕으로 논의하면 다음과 같다(Tables 24).
Table 2
Analysis of School Commuting Accidents Using Network Analysis Method
Classification School Level
Kindergarten Elementary School Middle School High School
Key Word Frequency Analysis Results Human Factors 1. Child (63) 1. Friend (749) 1. Friend (201) 1. Friend (130)
2. Teacher (49) - 2. Self (73) -
3. Children (38) - - -
Time Factors 1. Returning Home (159) 1. Returning Home (1821) 1. Going to School (415) 1. Going to School (517)
2. Going to School (114) 2. Going to School (760) 2. Returning Home (375) 2. Returning Home (317)
- 3. After School (440) 3. Wrap Up (169) 3. Wrap Up (103)
Physical Factors 1. Vehicle (50) 1. School Gate (232) 1. Bicycle (254) 1. Bicycle (209)
2. Bag (41) - 2. School Gate (83) 2. Bus (148)
3. Desk (26) / Bus (26) - - 3. School Gate (83)
Place Factors 1. Stairs (106) 1. Stairs (1655) 1. Stairs (428) 1. Stairs (524)
2. Hallway (49) 2. Playground (570) 2. Playground (169) 2. Playground (109)
3. Entrance (33) 3. Classroom (541) 3. Hallway (123) 3. Main Gate (73)
Activities at the Time of the Accident 1. Going Home (69) 1. Walk (335) 1. Walk (110) 1. Walk (138)
2. Object Strike (40) 2. Prank (181) 2. Soccer (83) -
3. Preparation (29) - 3. Going Home (77) -
Wounds & Injuries 1. Forehead (44) 1. Ankle (416) 1. Ankle (285) 1. Ankle (373)
2. Finger (34) 2. Front Tooth (286) 2. Knee (131) 2. Knee (178)
3. Face (32) 3. Forehead (283) 3. Ligament (94) 3. Ligament (136)
Main Connective Words in Text Network Analysis Going to School-Stairs Returning Home- Stairs-Walking Returning Home- Precedent-Stairs-Ankle Returning Home- Stairs-Ankle
Going to School-Organize Returning Home- Playground-Friend Going to School- Bicycle-Face Going to School- Bicycle-Face
Returning Home- Preparation-Homecoming Returning Home-Class Returning Home- Playground-Soccer Morning-Bus-Ankle
Five Major Topics in Topic Modeling Abrasions on the Forehead Caused by a Fall on Stairs by a Friend (s) During School Hours Accident that Caused Injury to the Front Teeth at the School Entrance. Falling that Caused Bruises while Passing through the School Gate During School Hours Ankle Injury or Ligament Rupture on the Stairs on the Way Home
Bruises Caused by a Fall while Playing with a Friend (s) while Preparing for Class During School Hours Going to School Accident Caused by Accidental Fall on the Bathroom Floor while Going to and from School Fracture Due to a Slip and Fall in the Hallway in the Morning Finger Injury while Playing Basketball with a Friend After School
Head Injury while Playing with a Friend (s) on the School Bus Forehead or Eyebrow Injury Caused by the Corner of the Stairs Due to a Fall on the Stairs while Going to School. Ligament Rupture or Sprain Caused by Falling Down the Stairs while Leaving School Knee Injury Caused by an Accident in an Apartment Complex or on a Downhill Road while Riding a Bicycle to School in the Morning
Face Injury Caused by Falling while Riding the Bus when Returning Home Injury while Changing Shoes in the Hallway or Classroom or Using the Shoe Closet while Leaving School Front Teeth Injury Due to a Fall at an Apartment Complex or School Gate while Riding a Bicycle on the Way to School in the Morning Bruises or Abrasions Caused by a Fall while Trying to Board a Bus in the Morning
Finger Injury Caused by Being Caught in a School Bus Door on the Way Home Wrist Injury while Playing with Friends in the Playground Before and After After-School Activities. Fracture Caused by a Fall while Playing Soccer with a Friend (s) in the Playground After School Fracture or Sprain Caused by a Fall on the Stairs while Walking Home from School
Table 3
Implications for School Commuting Safety Accident By School Level
Classification Summary
Kindergarten In the case of kindergarteners, the most frequent accidents occurred when ‘returning home’ and on ‘Stairs.’ In particular, ‘Stairs’ showed a high frequency of co-appearance with ‘going to school.’
The keyword ‘packing’ frequently co-appeared with the keyword ‘going to school’. It is revealed that children were prone to injury and accidents when packing their bags on the way to school.
For the injured areas, ‘head injury’, including ‘head’ and ‘face’, was commonly identified. It seems that this is due to the physical characteristics of early childhood or lack of self-control, which resulted in a lack of recognition and an inability to cope with situations.
Vehicles and buses were identified as major physical factors. Such factors can cause a life-threatening or severe injury accident. Education authorities should conduct customized safety education for kindergarteners, school staff, parents, and bus drivers to prevent traffic accidents when commuting to and from school.
The topic modeling estimated that bodily injuries mainly occurred, including head injuries, teeth damage, and bruises caused by a fall when getting on or off the vehicle or school bus.
Elementary School In elementary schools, the keyword ‘returning home’ appeared 239.9% higher than the keyword ‘going to school’. While the commuting time for students’ ‘going to school’ is constant, there seems to be a reason for the wider temporal spectrum due to after-school activities and nursing services. Policies for expansion of school safety culture, including hiring of school safety management personnels are needed.
‘Stairs’ was the highest locational or physical risk factor, and the frequency of co-occurrence with returning home and going to school was high.
The keywords ‘Returning home’-‘Playground’-‘Friend’ appeared simultaneously at a high rate. It can be summarized that injuries and accidents whiling playing in the playground after school account for a large proportion of accidents.
For elementary school students, injuries to the ‘teeth’ were identified to be the most injured part. In case of an injury to the permanent tooth caused by an accident, children may suffer severe damage that requires a lifetime prosthesis or implant, so it is necessary to prepare related safety education and countermeasures.
Middle School ‘Returning home’, ‘Stairs’, ‘Playground’, ‘Hallway’ and ‘Bicycle’ were idenfied as risk factors.
The keyword ‘bicycle’ showed a high frequency of co-occurrence with ‘going to school’. As the topic modeling analysis suggests, it was revealed that injuries and accidents occured in apartments, at school gates, and on roads while riding bicycles to school.
The keyword ‘Playground’ was also appeared frequently in various analysis indicators. In particular, ‘Playground’ frequently co-appeared with the keywords ‘returning home’ and ‘soccer’.
In relation to injured areas of middle school commuting safety accidents, unlike kindergartners and elementary school students, it was confirmed that the lower extremities, such as feet, calves, and ankles, were injured the most.
High School In high schools, unlike kindergartens, elementary and middle schools, accidents occurred most on the way to school. Among the physical factors, ‘Going to school’ frequently appeared with the keywords such as ‘bicycles’ and ‘buses’.
‘Stairway’ frequently appeared with the keyword ‘Wrap up’ in addition to the keyword ‘Returning home’. It is necessary to expand safety culture, such as campaigns for safety accidents on the stairs on the way home, where can draw high school students’ attention and alert.
In high schools, the co-occurence of bicycle downhill crashes and facial parts was high. In order to prevent such types of accidents, it is necessary to develop bicycle safety education or safety education contents.
It was revealed that the frequency of co-occurrence of the keywords ‘Morning’ and ‘Bus’ was relatively high. There are often cases in which an ankle is injured while getting off the bus in a hurry to get to school in time in the morning.
Table 4
Research Findings and Policy Suggestions
Classification Summary
Research Findings Time Factors Kindergartners, elementary school students, and middle school students were most likely to be injured on the way home from school, whereas high school students were most likely on the way to school.
For elementary schoolers, the frequency of the keyword ‘returning home’ was too high, implying safety education and safety measures are needed when elementary school-aged children are released from school and project development is needed to spread safety culture led by students.
For high schoolers, the frequency of the keyword ‘going to school’ was high, implying that it is necessary to study relevant safety measures.
Place Factors Stairs were identified as the biggest place factor for all levels of students.
For kindergarteners, the highest frequency of co-appearance was stairs - going to school, For elementary-, middle- and high schoolers, the highest frequency of co-apperance was stairs - returning home.
Blind spots were identified, such as cases of injuries in play facilities for elementary schoolers and soccer activities in middle schoolers after school → Compensation Gap → Possibility of Disputes → Compensation Policy needs to be improved
Physical Factors During commuting to and from school, kindergartners were more likely to be injured when using school buses, middle-schoolers were injured on bicycles, and high-schoolers were injured on bikes or buses.
In the case of kindergarten school bus accidents, there were many cases of stab wounds to the eyes caused by friends and bruises other than traffic accidents.
For high school students, the frequency of co-occurrence of bicycle-going to school (74), bicycle-face (48), and bicycle-downhill (24) was high.
For high school students, the frequency of co-appearance of Morning-Bus was high (40)
Wounds & Injuries There were many head injuries among kindergartners, head and lower limb injuries among elementary school students, and lower limb injuries among middle and high school students.
In the case of kindergarteners, more dedicated safety education and safety measures are needed as head injuries frequently occurred.
In the case of middle and high school students, most of their injuries were related to lower extremity injuries, and ligament and fracture keywords co-occured.
Policy Suggestions Investigation & Research Need for data analysis and research on school commuting safety accidents based on the severity of accidents.
Need to add severe injury codes in the school safety accident data code and need to conduct separate case studies.
Administrative Policy In case of traffic accidents, mandatory notification is required to the Office of Education (School Safety Mutual Aid Association)
Safety Education Production of safety education contents based on accident data ex) Production of content related to school buses for kindergarteners, school and stairs for elementary schoolers, and bicycles for middle and high schoolers
Promotion of policies to spread school safety culture, such as school safety YouTube contest based on accident data
Safety Related Organization Although there is a dedicated school safety department within the Office of Education, it is managed regardless of school level → Since the traits and propensity of safety accidents are different by school level, it is necessary to subdivide the management by school level
등하교 안전사고 관련 시간적 관점에서 접근해보면, 유치원, 초등학교, 중학교의 경우, 하교의 키워드 비중이 높았으며, 고등학교는 등교의 키워드 비중이 높았다. 특히 초등학교의 경우, ‘하교’ 키워드가 ‘등교’ 키워드보다 출현 빈도가 239.9%나 높았다. 초등학교 하교 시간의 경우 방과 후, 돌봄교실 등으로 인해 시간적 스펙트럼이 넓은 이유도 있을 것으로 보인다.
장소적 관점에서 접근해 보면, 계단이 모든 학교급에서 가장 큰 위험요인이었다. 동시출현 빈도로 보면 유치원은 계단-등교가 1순위, 초⋅중학교는 계단-하교가 1순위로 고등학교는 하교-계단이 2순위, 등교-계단이 3순위였다. 초⋅중⋅고는 계단과 하교가 결합한 사고가 계단과 등교가 결합한 사고에 비해 상대적으로 많았고, 유치원은 그 반대였음을 알 수 있었다.
계단 외에 초등학교는 운동장, 놀이터, 중학교는 운동장 키워드가 많이 검출되었다. 특히 해당 키워드들은 ‘하교’와 동시출현 빈도가 높았다. 이러한 유형은 수업이 끝나고 곧바로 하교하지 않고 친구와 놀거나 축구 활동을 하다가 사고가 발생한 사례들이다. 이러한 사고는 정규 교육활동 중 사고가 아닌 개별활동 사고로 볼 여지가 있어 학교 안전 공제 보상 대상에서 벗어날 수 있다. 이로 인해 학교와 학부모 간의 보상을 둘러싼 분쟁을 유발할 가능성도 있으므로, 이에 대한 대안 마련이 필요해 보인다.
교통수단 관점에서 접근해 보면, 유치원은 통학버스, 중학교는 자전거, 고등학교는 자전거, 버스 키워드가 많이 검출되었다. 특히 고등학교 자전거 키워드의 경우, ‘내리막길’ 키워드와 동시출현 빈도가 높았으며, ‘안면부’와도 동시출현 빈도가 높았다.
자전거 내리막길 사고나, 안면부 사고는 치명적 사고로 이어질 가능성이 높아 향후 학업이나 자신의 삶에 큰 영향을 미칠 수 있으므로, 이러한 유형의 안전사고를 예방할 수 있는 다양한 콘텐츠 개발이 필요하겠다.
손상부위 관점에서 접근해보면 유치원생의 경우, ‘머리’, ‘얼굴’ 등 두부 손상이 많은 것이 확인되었다. 초등학교에서는 두부 손상 비율이 유치원보다 줄어들고, 중, 고등학교의 경우, 발목, 종아리, 발 등 하지를 주로 다치는 것이 확인되었다.
이와 같이 데이터마이닝을 통해 학교급별 등하교 안전사고 경향성과 위험요인을 파악할 수 있었고, 이에 대한 대안을 구상할 수 있었다.
학교 안전관리 정책을 설계하거나 업무를 수행하는 데 있어 데이터에만 의존하는 것은 모든 사고 예방에 있어서 한계를 가져올 수 있다는 의견에도 동의한다. 학교 안전사고가 지난날 역사 또는 데이터를 토대로 작용하였다면, 세월호, 씨랜드사고 등의 대형 안전사고들은 발생하지 않았을 것이다. 학교 안전사고는 안전 법규, 교육부(청)의 안전정책과 학교의 교육 활동별 안전관리 계획과 실천, 각 교육활동 시간이 가지는 활동적 특수성, 학교장, 교직원, 교육활동 수탁업체, 학생 등이 보유한 안전관리 역량, 안전의식, 교육시설의 하자 또는 내재 위험성, 통학로, 계단, 복도, 운동장 등 교육 장소마다 가지는 개별적 특성이나 위험성 등 다양한 변수가 결합해 복합적으로 발생한다. 그렇기에 단순히 기존 사고 데이터를 기반으로 안전사고의 미래를 예측하는 것은 불가능에 가깝다.
그러나 교육 활동별 학교 안전사고 경향성을 파악하지 않은 상태에서 담당자의 경험, 직관에 기반해 안전 정책이나 교육콘텐츠를 개발⋅공급하는 것은 사고 빈도를 줄이기 위한 과학적 접근방법은 아니다. 집적된 안전사고 데이터 분석을 통해 안전사고 경향성을 파악하고, 동시출현 빈도가 높은 키워드 및 토픽을 선별해 해당 사고유형을 줄이기 위한 예방기법을 안전 정책이나 교육콘텐츠에 반영하는 작업이 필요하다. 예를 들면, Figure 14와 같이 초등학교의 경우 하교-계단-보행의 키워드 동시출현 빈도가 높은 것이 확인되었으니 교육 당국 또는 학교 차원에서 하교 시 계단안전사고 방지를 위한 캠페인이나 YouTube shorts 등 콘텐츠 개발, 안전표지 설치, 학생 주도 공모전을 추진하는 방법이 있을 수 있다.
Figure 14
Safety accident reduction policy through data mining analysis.
kifse-37-4-60-g014.jpg
이처럼 교육활동 별 안전사고 경향성을 파악해 안전 정책이나 교육과정에 적용하는 프로세스는 각 학교급의 교육 활동별 주요 안전사고의 빈도를 줄일 수 있는 대안 중 하나라 본다.

4.2 정책 제언

본 연구 결과 및 논의를 바탕으로 다음과 같이 정책을 제언한다.
첫째, 본 연구는 학교 안전사고 통지 내용을 바탕으로 등하교 안전사고 요인을 분석함으로써 안전 정책 및 안전교육의 기초자료의 하나로 제공될 수 있다는 점에서 의의가 있었지만, 등하교 안전사고 중 사고 심도에 방점을 둔 연구는 아직 미흡한 실정이다. 향후 생명 위급사고, 중상해 사고를 중심으로 한 별도의 분석 연구가 필요해 보인다. 학교 안전사고 데이터 관리 차원에서도 학교 안전사고 코드상의 중상해 사고유형을 추가 부기하도록 하여 별도의 데이터 관리가 필요해 보인다.
둘째, 등하교시간 교통사고를 심도 있게 분석하는데 있어서는 한계가 있었다. 그간 학교 안전사고 통지가 학교 안전 공제급여 수급을 위한 일종의 보험금 청구의 사전 단계로 여겨지는 측면이 있고, 교통사고의 보상은 자동차 보험으로 처리되는 관계로 학교에서는 교통사고가 발생했음에도 별도로 학교안전공제회에 사고통지를 하지 않았기 때문이다. 보상관계에서 제외되는 사고일지라도 등하교를 포함한 학교 교육활동 중 발생하는 모든 사고는 일차적으로 학교안전공제회 통지 대상이 되어, 학교 안전사고 예방 정책연구 기초자료로써 활용되어야 할 것이다. 학교장은 학교안전법 제44조 제2항에 따라 학교 안전사고가 발생하면 지체 없이 통지해야 한다. 이 학교 안전사고는 교육활동 중 발생하는 모든 학교 안전사고를 말하며, 사고자의 신분, 안전사고의 유형에 대한 별도의 제한은 없으므로, 법적 기반은 이미 갖추어져 있는 상태다.
셋째, 등하교 안전사고 데이터 기반 사고 예방정책 구현이 필요하다. 일례로 동시출현 빈도가 높은 키워드와 토픽 주제를 중심으로 한 사고 사례 및 예방방안에 대한 콘텐츠 제작이 있을 수 있다. 콘텐츠 형태는 1분 내 숏폼 영상인 YouTube shorts부터 1차시분의 교육 영상까지 다양할 것이다. 데이터에 기반하면서도, 흥미와 안전사고 저감 효과 이 둘을 담보할 수 있는 안전교육 콘텐츠를 제작, 보급하여 교직원의 업무 경감은 물론, 학생과 교직원의 안전 지식과 의식은 제고할 수 있도록 유도함이 필요하다.
장기적으로는 메타버스 기반 학교 안전교육 환경을 구축할 필요가 있다. 데이터에 기반해 주요 사고 유형을 추출하고, 디테일한 스토리를 입혀 이를 시나리오화한다. 그리고 시뮬레이션 교육을 진행한다. 가상현실이지만 체험 기반의 경험을 바탕으로 교육대상자 개인의 안전 역량 및 안전의식을 고취시킨다. 이와 같은 학교 안전교육과 관리 방법은 더욱 과학적, 체계적이면서도 학생 안전의식 향상에 실질적으로 기여할 것이라 본다.
넷째, 교육부 및 교육청 내 안전 조직 시스템 재구축 및 세분화가 필요하다. 교육감은 시도교육청에 학교 안전사고 예방 및 대책을 담당하는 전담부서를 설치, 운영하여야 한다(「학교안전사고 예방 및 보상에 관한 법률」 제8조의 3). 교육청별 안전부서는 유, 초, 중, 고를 통합관리, 운영하고 있는데 본 연구에서 살펴본 바와 같이, 학교급별 사고 경향이 달라서 각 학교급별 담당팀은 학교급별 특성에 맞게 접근해야 할 부분이 있다. 교육청 내 안전부서 내에서도 안전총괄부서, 유치원, 초등학교, 중학교, 고등학교 안전부서를 각각 조직화하여 안전 계획 수립, 안전교육, 안전 문화확산 등의 사업을 구분하여 추진할 필요성이 있다.

References

1. Traffic Accident Analysis System. “Major Traffic Accidents Statistics”, https://taas.koroad.or.kr/web/shp/sbm/initTfcacdStats.do?menuId=WEB_KMP_OVT_MVT (2022).

2. Y. S. Yeom, “A Man in His 30s who Drove Drunk in a Hit-and-run Death Accident of an Elementary School Student in the School Zone was Arrested and Charged”, Available From: https://www.munhwa.com/news/view.html?no=2022122701039921178001, accessed December 27, 2022.

3. NEWSIS. “1.5t Cylindrical Cargo that Hit Hwang Ye-seo...A Disaster Caused by Insensitivity to Safety”, Available From: https://newsis.com/view/?id=NISX20230601_0002323811&cID=10601&pID=10600, accessed June 1, 2023.

4. S. M. Kang, J. Y. Kang and Y. J. Ahn, “Elementary School Student who Suffered Brain Damage due to School Fire Shutters...School Principal Not Guilty, Administrative Chief Fined”, Available From: https://www.ytn.co.kr/_ln/0134_202201290800199123, accessed January 29, 2022.

5. Supreme Court Decision 2016다235077 on September 23, 2016.

6. Cheongju District Court Decision 2011나3801 on January 13, 2012.

7. B. J. Seo and H. J. Choi, “Announcement of the Standard Plan for Seven Areas of School Safety Education by Kindergarten, Elementary, Middle, and High School Development Stage”, MOE 2015-02-26, Ministry of Education, (2015).

8. E. B. Gong, “Statistical Analysis of School Safety Accidents in 2021”, SSIF 2022-14, School Safety and Insurance Federation, (2022).

9. School Safety Mutual Aid Association (Accident and Compensation Statistics in 2022). “School Safety and Insurance Federation”, Available From: https://www.ssif.or.kr/reference/analist/view/3873, accessed May 9, 2023.

10. School Safety Mutual Aid Association (Accident and Compensation Statistics in 2021). “School Safety and Insurance Federation”, Available From: https://www.ssif.or.kr/reference/analist/view/2593, accessed April 6, 2022.

11. S. K. Lee, S. Jeong, H. G. Kim and Y. H. Yom, “A Social Network Analysis of Research Topics in Korean Nursing Science”, Journal of Korean Academy of Nursing, Vol. 41, No. 5, pp. 623-632 (2011), https://doi.org/10.4040/jkan.2011.41.5.623.
crossref pmid
12. J. Y. Hwang and C. W. Kim, “Semantic Network Analysis on the Convention Research Domain”, Korea Academic Society of Tourism Management, Vol. 30, No. 6, pp. 1-25 (2015).

13. H. Jelodar, Y. Wang, C. Yuan, X. Feng, X. Jiang, Y. Li and L. Zhao, “Latent Dirichlet Allocation (LDA) and Topic Modeling:Models, Applications, a Survey”, Multimedia Tools and Applications, Vol. 78, No. 11, pp. 15169-15211 (2019), https://doi.org/10.48550/arXiv.1711.04305.
crossref
14. S. S. Lee, “A Content Analysis of Journal Articles Using the Language Network Analysis Methods”, Korea Society for Information Management, Vol. 31, No. 4, pp. 49-68 (2014), https://doi.org/10.3743/KOSIM.2014.31.4.049.
crossref
15. J. H. Lee, J. M. Lee, W. K. Kim and H. G. Kim, “A Study on Perception of Swimsuit Using Big Data Text-Mining Analysis”, Korea Institute of Sport Science, Vol. 28, No. 1, pp. 104-116 (2017).
crossref
16. D. M. Blei, “Probabilistic Topic Models”, Communications of the ACM, Vol. 55, No. 4, pp. 77-84 (2012), https://doi.org/10.1145/2133806.2133826.
crossref
17. T. L. Griffiths and M. Steyvers, “Finding Scientific Topics”, Proceedings of the National Academy of Sciences, Vol. 101, No. 1, pp. 5228-5235 (2004), https://doi.org/10.1073/pnas.0307752101.
crossref pmid pmc
18. Y. W. Kim, “Do It!Easy-to-learn R Data Analysis”, EasysPublishing, (2017).

TOOLS
Share :
Facebook Twitter Linked In Google+ Line it
METRICS Graph View
  • 0 Crossref
  •    
  • 1,065 View
  • 31 Download
Related articles in Fire Sci. Eng.


ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
AUTHOR INFORMATION
Editorial Office
Room 906, The Korea Science Technology Center The first building, 22, Teheran-ro 7 Gil, Gangnam-gu, Seoul, Republic of Korea
Tel: +82-2-555-2450/+82-2-555-2452    Fax: +82-2-3453-5855    E-mail: kifse@hanmail.net                

Copyright © 2024 by Korean Institute of Fire Science and Engineering.

Developed in M2PI

Close layer
prev next