백록학술상 가작 - 제주대미디어

언어 빅데이터를 활용한 코로나 19 전후 제주 관광 인식 비교 연구

-소셜 네트워크 분석을 중심으로-

고 성 빈․ 김 영 서․ 부 다 은․

요 약：

본 연구는 언어 빅데이터를 활용한 소셜 네트워크 분석을 통하여 코로나19 전후 제주관광에 대한 인식을 비교 분석하는 것을 목적으로 수행되었다. ‘제주휴가’ 및 ‘제주체험’ 키워드를 본 연구의 키워드로 선정한 후, 코로나 19 전후 19년도와 20년도의 소셜미디어 데이터를 각각 수집하여, TEXTOM 프로그램으로 소셜 네트워크 분석을 위한 데이터 마이닝과 선정 키워드의 빈도 분석을 진행하였으며, Ucinet data set 프로그램으로 연결 중심성 분석, 매개 중심성 분석, 그리고 Concor 분석을 실시하였다. 분석된 결과를 바탕으로 Netdraw 프로그램을 이용하여 전체적인 구조 파악을 위한 네트워크 시각화를 진행하였다. ‘제주휴가’ 키워드 빈도 분석 결과, 코로나19 이후 ‘코로나’ 키워드가 새로 등장하였으며, 의미 연결망 분석에서 ‘여름휴가’ 관련 키워드들의 빈도가 높아진 것으로 나타났다. ‘제주체험’ 키워드 빈도 분석과 연결 중심성 분석 결과, 코로나19 이전 실내외 체험 요소들이 상위 키워드에 등장하였으나, 코로나19 이후 실내체험 관련 요소가 상위 키워드에서 사라져, 아웃도어형 체험 요소의 중요성이 커진 것으로 나타났다, 분석 결과를 통하여 해외관광의 대체지로 제주도가 관심을 얻으며, 제주관광이 코로나19로부터 빠르게 회복하고 있다는 점과 코로나19 이후 여름 관련 키워드들이 등장한 점, 그리고 아웃도어형 체험 요소와 자연친화형 활동에 대한 관광객들의 관심이 증가한 것을 분석하였다. 주 된 시사점으로서 코로나 19로 제주관광이 현재 겪고 있는 위기는 새로운 성장의 기회로도 볼 수 있으며, 제주관광의 양적인 성장을 넘어서 질적인 성장의 중요성을 강조하였다.

핵심용어：제주관광, 관광위기, 코로나19, 소셜 네트워크 분석

Ⅰ. 서론

관광산업은 21세기의 굴뚝 없는 산업이자 외화 획득, 국제적인 친선, 문화교류, 국위 선양 등의 고부가가치를 지닌 황금산업으로 주목받아왔으며, 기술의 발전과 수요의 증가에 따라 순조롭게 성장해왔다. 하지만 아이러니하게도, 오늘 날 관광산업은 국가 간 인적 교류 확대, 해외여행의 증가로 인해 코로나19 바이러스 감염증(COVID-19)의 전염 매개체로서 책망의 대상이 되었다(김영남 & 홍성화, 2020). 또한, 코로나19 억제책은 대부분 대면접촉 및 이동을 금지하는 형태이기 때문에 필연적으로 전 세계 관광산업은 심각한 타격을 입었다(김형종, 2020). 전부터 전염병의 확산은 관광산업의 최대 장애물로 꼽혀왔지만 이번 코로나19 사태는 조류인플루엔자(AI), 사스(SARS), 메르스(MERS) 등의 지난 전염병 사태에서는 볼 수 없었던, 말 그대로 유례없는 영향력을 보이고 있다(고계성, 2010; Gössling et al., 2020).

코로나19 사태의 장기화로 인해 신체적·정신적 건강에 대한 관심과 관광 활동에서의 안전에 대한 욕구는 그 어느 때보다 증가했다. 따라서 국민의 심리적 불안, 스트레스와 같은 심리상태를 방역할 수 있는 웰니스 관광, 힐링 관광, 휴양관광 등의 건강지향형 관광수요는 확대될 것으로 보인다(최경은 & 김형종, 2020). 이렇듯 모든 위기에는 위험적 요소와 함께 기회적 요소가 포함된다(Fink, 1986). 따라서 위기를 예측하고 대비할 수 있는 위기관리 전략이 필요하며, 현 위기상황에서도 관광산업이 양적 위축뿐만 아니라 질적인 특성도 변화할 것으로 예상되기 때문에, 포스트 코로나 시대를 대비하여 관광시장의 변화를 다각도로 이해할 필요가 있다(유지윤, 2013; 최경은 & 김형종, 2020). 이에 본 연구는 언어 빅데이터를 활용한 소셜네트워크 분석을 통하여 코로나 전후의 제주관광에 대한 인식을 알아보려 한다.

소셜 미디어 상에서는 코로나19 확진자가 누적 증가함과 동시에 코로나에 대한 언급횟수가 증가하며, 이에 따라 다양한 이슈들이 공유되고 외부활동 자제, 마스크 판매량 급증 및 사재기, 개학연기, 오프라인 매출 감소 등 다양한 파급효과를 불러오는 현상이 있었다(오미애 & 전진아, 2020). 즉, 포스트 코로나 시대에서의 제주관광을 소셜 미디어 상의 인식을 통해서 바라볼 필요가 있다. 소셜 네트워크 분석은 분석 데이터가 가진 다양성, 대용량 및 실시간성 등의 장점으로 인해 선호도나 인식조사와 같은 다양한 연구들에서 많이 활용되어 왔다(이수진 & 전유나, 2016). 특히 스마트폰과 인터넷의 사용 증가와 SNS의 성장으로 관광과 관련된 감정, 의견, 관심 내용 등이 비정형데이터의 형태로 끊임없이 생산, 저장, 축적되고 있기 때문에 관광 분야에서의 선행 연구들은 소셜 네트워크 분석을 통해 관광에 대한 국민들의 인식변화에 대해 유의미한 결과를 도출해왔다(김해원 & 전채남, 2014; 박근화, 2016).

본 연구의 목적을 달성하기 위해 코로나 발생 전후인 19년도와 20년도의 제주관광 인식과 관련된 소셜미디어 데이터를 각각 수집하였고, 수집 키워드 선정, 데이터 정제, 매트릭스 생성, 빈도분석, 네트워크 분석, 구조적 등위성(CONCOR) 분석을 진행하였다. 코로나 19의 종식과 회복은 우리의 기대보다 더 긴 시간을 인내해야 할 것으로 보인다. 이러한 상황에서 본 연구는 포스트 코로나 시대에 제주 관광에 대한 인식을 다각도에서 바라보고 더 나아가 대비책 마련 및 정책제언을 통해 포스트 코로나 시대에 제주관광이 걸어갈 새로운 길의 시작점이 될 수 있을 것으로 기대한다.

Ⅱ. 이론적 배경

1. 제주관광

제주도는 1960년대 제주도가 관광지로 개발된 이후 Burtler의 관광목적지 수명주기 모델과 같이 수 십년 간 도입기를 거쳤다. 1980년대 국내시장이 성장하며 제주관광이 성장기에 접어들고, 내국인의 해외여행 수요가 증가하며 제주관광은 1996년 성숙기를 맞이했다(최병길, 2000). 이후 제주도는 2008년까지 쇠퇴기 없는 지속적인 성장세를 보였고, 2009년부터는 다시 재성장하는 제2의 수명주기를 보여주었다. 섬이라는 지형적 특성상 타 지역에 비해 교통수단이 제한적일 수밖에 없음에도 불구하고, 제2의 생명주기를 보여준 것을 특이한 사례에 해당한다(최병길, 2016).

2009년 제주관광의 성장 배경은 중국인 관광객의 증가, 제주올레 사업의 등장, 저비용항공사의 시장진입으로 보여진다(최병길, 2016). 2009년부터 제주 방문 관광객 수가 연평균 10% 이상 성장하며 2016년 15,852,980명까지 성장하는 대기록을 보여주었다. 2017년과 2018년에 한국과 중국의 ‘THAAD(사드)’ 문제로 제주 관광객이 각각 약 6.9%, 3.0%가 하락해 주춤하는 모습을 보여주었지만, 2019년에 다시 제주관광의 성장세를 보여주었다. 특히 20대, 50대 이상 내국인 관광객 성장세가 두드러지며 제주 관광이 전 세대, 지역, 업종에 지대한 영향을 미치고 있다(제주관광공사, 2020).

제주도 관광은 내국인 관광객은 수요가 안정적인 수준으로 성장하는 반면, 외국인 관광객은 그 수요가 불안정하고 그 편차가 매우 큰 것으로 나타났다. 외국인 관광객은 2012년 전년도 대비 60.8%가 상승했지만 2015년 MERS(메르스)가 퍼지면서 전년도 대비 21.2%가 감소하고, 2017년 한중 사드 보복 문제로 전년도 대비 65.8%가 감소하였다(송운강 & 이혜진 2018). 2020년 2월에 외국인 관광객이 급격한 감소세를 보이면서, 2020년 8월까지 평균적으로 82.5%가 감소하였다. 외국인 관광객 소비도 함께 급감하여 90%까지 하락 후 침체가 지속되고 있다(제주관광공사, 2020). 또한 제주도가 중국 ‘THAAD(사드)’ 문제로 인해 중국인 관광객 감소에 지역경제가 잠깐 흔들렸던 것을 양적 성장 위주의 개발로 인한 취약점으로 들 수 있다(송운강 & 이혜진 2018).

제주도가 양적성장 위주의 정책을 펼친 결과로 제주 방문 관광객 1,500만 명의 수치를 달성하였지만, 그 이면에는 자연환경 파괴, 생태계 훼손, 지역문화 훼손, 관광자원 파괴 등 제주관광이 관광객의 수용능력을 초과하고 있다는 관련 견해들이 나오고 있다(최광웅 외, 2019).

제주도는 환경자원을 기반으로 성장한 관광지로 관광수요의 급격한 증가는 환경 훼손과 난개발 등 사회적 갈등을 유발하고, 장기적으로 관광매력도 감소의 악순환을 유발한다(송운강 & 이혜진 2018). 일부 제주 지역주민들은 관광객 지속 증가로 인해 생활의 불편함을 느끼고 있음을 밝혔다(제주관광공사, 2019). 이에 따라 제주 관광의 양적 성장에 대한 지속적인 비판과 관광 수용력 개념 도입을 강조하며, 제주도 내에선 질적 성장에 대한 강한 요구가 일어났다(송운강 & 이혜진 2018).

2. 관광위기

1) 관광위기란

위기에 대한 정의는 학계에서 이미 여러 차례 논쟁이 된 바가 있다. 위기를 특정 조직의 의사결정 과정의 목표에 도달하는 것에 위협을 안겨주고, 절박성, 돌발성, 의외성 등 3가지 본질적 특성을 가진 우연적 사고라고 정의하기도 하고(Hermann, 1969), 위기 속에는 전쟁과 테러, 대규모의 정치사건, 대공항 등 사회에 심각한 영향을 미치는 사건들이 위기 속에 포함된다고 본다(Mitroff, 1988). 이와 반대로 위기란 개선되거나 악화되기 시작하는 전환점이라고 주장하며(Fink, 1986), 앞선 주장과는 다른 관점으로 위기를 바라보고 있다.

관광위기란 관광산업 체계 전반에 외부적·내부적인 요인으로 인해 부정적인 영향을 미치는 종합적인 위기 상황을 의미하는 것으로, 그 범위는 관광자, 관광산업, 관광정부, 관광지에 이를 만큼 광범위하다(오은비, 2018). 또, 관광목적지에 대한 관광자의 신뢰와 욕구, 그리고 정상적인 관광활동을 방해하고 억제하는 일련의 사건으로 관광위기를 정의하고 있고(세계관광기구, 1998), 관광산업 위기관리 가이드라인에서 관광위기를 관광 목적지에 대한 관광자의 신뢰와 관광지의 운영에 영향을 주는 예측 불가능한 사건이라고 발표하였다(세계관광기구, 2003). 다른 학자는 관광위기를 관광사업자들의 정상적인 운영을 방해하는 사건으로 규정하였다(Laws & Prideaux, 2006).

관광위기의 유형은 크게 영향의 접근성에 따라 직접적인 영향과 간접적인 영향으로 구분된다. 직접적인 위기는 관광객, 관광목적지, 관광산업체에게 발생되고, 간접적 위기는 환경적인 요인으로 발생되며, 위기가 관광 주체를 거쳐 2차적으로 영향을 미치는 것으로 정치, 보건, 기술 등의 분야가 이에 속한다. 세부 위기 유형으로는 기업경영의 위기, 관광자 안전 위기, 관광지 자연재해 위기, 전쟁 및 테러 위기, 질병 및 전염병의 위기, 경제의 위기, 기술사고의 위기 등 총 7가지로 구분된다(유지윤, 2011).

2) 전염병 발병에 따른 국내외 관광객 수 변화

정치적 분쟁과 테러, 자연재해, 공중보건 비상사태 등 각종 직·간접적인 관광위기로 관광업을 넘어 산업 전반에 약영향을 주는 와중에, 급격히 증가한 관광객 수로 관광산업은 재난과 위기에 끊임없이 위협을 받고 있는 상황이다(홍민정, 오문향, 2020).

한국은 지난 20년 동안 전염병 확산 사례를 보면 안전지대 국가라고 규정하기 어렵다. 2009년 신종인플루엔자 이전의 바이러스 대유행의 방역조치와는 다르게, 2015년 MERS(메르스)의 확산은 대한민국 전역에 걷잡을 수 없는 사태를 맞이했다(권혁민, 2017). 최근 2019년 COVID-19(코로나19)는 어느 전염병 확산과 견줄 수 없을 정도로 전 세계는 심각한 국면을 맞이 했다.

전 세계적으로 유행했던 SARS(사스), 조류 인플루엔자, 신종플루, MERS(메르스) 등 이런 전염병 확산은 관광객의 관광 활동을 억제하면서, 관광산업에 경제적 타격을 가져다주는 사실은 선행 연구를 통해 입증돼왔고(Kuo et al, 2008; Monterrubio, 2010; Yang & Chen, 2009), 2003년도에 발생한 SARS(사스)의 경우 국내 관광객은 기존 대비 절반 정도 감소하여 종식 이후에도 빠르게 회복된 국제관광 수요에 비해 실제 연간 관광객 수는 저년 대비 9.0%로 감소한 것으로 나타났다(한국문화관광연구원, 2020). 최초 발생한 중국 광둥 지역뿐만 아니라 홍콩, 마카오, 한국, 일본, 호주 등 전 세계적으로 2002년 4월의 관광객 수의 최소 10%부터 70% 이상으로 감소하였다(이정충. 2003.).

<표1> 2015년 월별 제주도 관광객입도현황과 전년 동기 대비 성장률

구분	2014년		2015년
	관광객 수	성장률	관광객 수	성장률
	798,756	22.2	928,344	16.2
1월
	792,298	17.2	937,603	18.3
2월
	892,056	24.2	1,000,223	12.1
3월
	1,132,542	12.2	1,260,006	11.3
4월
	1,010,858	-1.2	1,319,789	30.6
5월
	1,068,106	12.4	937,400	-12.2
6월
	1,155,181	9.3	1,078,060	-6.7
7월
	1,247,474	5.9	1,328,896	6.5
8월
	1,091,564	12.8	1,224,625	12.2
9월
	1,222,459	20.9	1,402,965	14.8
10월
	986,234	16.6	1,163,028	16.7
11월
12월	876,389	15.0	1,083,456	21.7
	12,273,917	13.1	13,664,395	11.1
합계/평균

출처 제주관광협회

‘COVID-19(코로나)’는 2019년 중국 우한에서 처음 발병하여 현재 전 세계적인 전염으로 골머리를 앓고 있다. 코로나19 사태는 앞서 말한 SARS나 MERS보다 파급력이 커서 방한 관광수요과 국민 해외여행 수요 회복이 당장은 불가능하다는 전망이 있다. 실제로 국내로 방한한 외래관광객 수는 코로나19가 본격적으로 확산하기 시작한 2020년 2월 기준 전년도 대비 약 43%가 감소하고, ‘팬데믹’ 선언이 이뤄진 3월에는 약 94% 감소했다. 국내 해외관광객도 마찬가지로 2월, 3월 기준으로 전년도보다 각각 약 60%, 약 93.9% 감소하였다(정대영, 이수진. 2020.).

3) 전염병 사태 속 제주 관광의 현황

전 세계적으로, 전국적으로 전염병 확산으로 관광경제가 침체되는 가운데 제주관광은 다소 상이한 행보를 보이고 있다. 2015년 발생한 메르스의 경우에는 발병 전인 5월에 1,319,789명의 관광객이 제주도를 방문했고, 발병 이후 6월에 937,400명으로 약 28.9%가 감소하였다. 6월의 제주 방문객 수도 전년 동기에 비해 약 12.2%가 감소하는 수치를 보였다. 7월까지 마이너스 성장률을 보이다가 8월에는 관광객이 증가하는 추세로 전환되고, 9월부터는 전년도 대비 성장률이 플러스로 바뀌었다. 결론적으로 메르스 발병 당시는 수치가 급격하게 하락했지만 2개월 만에 성장세를 회복했다는 것을 알 수 있다. 메르스 사태를 겪음에도 불구하고 전년도 12,273,917명에서 총 관광객 수는 2015년 13,664,395명으로 약 11.1%를 성장했다. 하지만 외래관광객 수치는 방문객 수의 결과와는 정반대로 2014년 3,328,316명에서 2015년 2,624,260명으로 약 21.2%가 감소하였다(오정준, 2017).

<표2> 2020년도 월별 제주도 관광객입도현황과 전년 동기 대비 성장률

구분	2019 관광객 수	2020 관광객 수	2020년 전년 동기 성장률	전월 대비 성장률
				2019	2020
1월	1,024,130	1,104,438	7.8	-	-3.4
2월	998,890	599,575	-40.0	-2.4	-45.7
3월	1,038,223	477,176	-54.0	3.9	-20.4
4월	1,158,666	541,099	-53.3	11.6	13.3
5월	1,176,059	765,616	-34.9	1.5	41.4
6월	1,155,020	860,528	-25.5	-1.7	12.3
7월	1,157,447	988,094	-14.6	0.2	14.8
8월	1,243,132	1,127,097	-9.3	7.4	14.0
합계/평균	8,951,567	6,463,623	-27.8

출처: 제주관광협회

코로나19도 메르스와 비슷한 행보를 보이고 있다. 코로나가 국내에 본격적으로 퍼지기 시작한 2020년 2월 전에는 전년도 대비 7.8%의 플러스 성장률을 보인 반면에, 2020년 2월 19일 대구 신천지예수교회를 통한 감염 대량 발생(중앙일보, 2020.) 이후인 2월에 무려 전년 동기보다 399,315명이 줄어들어 약 40%의 마이너스 성장률을 보였다. 이후 현재까지 전년도보다 낮은 성장률이지만, 제주에 입도하는 관광객 수는 상반된 수치를 보여주고 있다. 2월부터 전년 동기 성장률을 보면 4월까지 50%가 넘는 마이너스 성장률을 보이는 가운데, 그 이후부터 지속적으로 마이너스 비율이 줄기 시작했고, 이는 2020년도 관광객 수에서도 확인할 수 있다. 관광객 방문 수가 증가하기 시작한 4월을 기점으로 관광객 수는 전월 대비 성장률은 2019년보다 훨씬 높은 수치를 보인다. 이는 제주 관광이 코로나 사태에 대응 회복 중이란 반증이다. 당국의 견고한 방역 시스템과 국민의 훌륭한 방역지침 이행으로 국내 관광객이 바이러스의 위협에 대한 심리적인 안정을 되찾게 되고, 추후 백신의 개발과 지속적인 치료는 제주 관광의 회복을 가속화하고 있다.

3. 소셜 네트워크 분석

1) 언어 빅데이터 분석

빅데이터 분석은 최근 소비자들의 시장 동향파악, 트렌드 및 인식 규명 등을 위해 접목되고 있는데 이 중에서 SNS를 통해 수집되는 문자들을 모아 연구하는 소셜 미디어 빅데이터 연구들이 많이 이루어지고 있다(박태수, 2020). 소셜미디어에서 추출되는 자료들은 형식이나 내용 같은 면에서 접근성이 높고, 노이즈가 상대적으로 적게 발생하며, 사회의 주요 현상과 개인이 가지고 있는 가치관을 반영한다는 점에서 의미가 있다(Park, 2013; 설진아, 2009). 소셜 미디어 빅데이터 연구들 중 대부분이 연구하고자 하는 주제에서 나타나는 키워드를 수집하고 출현빈도를 통해 빈도분석을 주로 진행한다. 빈도분석은 단어나 문장 속에서 각각의 어휘의 빈출 경향의 정도를 분석하는 것으로 수집되고 선정된 키워드의 빈도분석을 통해 소비자들의 해당 주제에 대한 인식을 규명하기도 한다. 최근 소비자들의 인식을 보다 더 자세하고 구체적이게 분석하기 위하여 구조적 등위성 분석 중에 가장 보편적으로 사용되는 분석 방법인(김해원 & 전채남, 2014) CONCOR 분석을 적용하여 연구를 더 확장하고 있다(박태수, 2020).

본 연구에서는 여러 선행연구에서 적용되었던 소셜 미디어 빅데이터 기반의 키워드를 바탕으로 코로나 전후 제주관광 인식을 비교해보고자 한다. 관광객들의 인식을 세부적으로 규명하기 위하여 빈도분석, CONCOR(클러스터) 분석을 적용하고 중심성 분석은 발췌하여 적용하여 키워드의 군집형태를 통한 의미를 심층적으로 규명하고, 향후 제주관광에 대한 코로나 전후 차이점을 알아보고자 한다.

2) 관광산업 분야에서 소셜 네트워크 분석을 활용한 연구

빅데이터를 활용한 연구는 최근 관광산업 분야에서도 많은 연구자들의 주목을 받아 활발히 연구되고 있다(오흥철, 2018). 관광산업 분야 연구에서는 정량적 데이터인 빅데이터 여행객의 위치, 소비 등과 질적 데이터인 감정의 결과물, 경험, 경험에서 표현되는 인식 등을 수집하고 분석하게 된다. 그 후, 이를 바탕으로 관광지의 수요를 예측가능하게 되고 인식조사를 통해 여행객 유형별 특성과 선호를 고려해 고객에 알맞은 서비스를 제공하는데 활용하기도 한다(오익근 외, 2015). 이렇게 빅데이터 분석은 관광산업 분야에서는 물론 다양한 분야의 기업, 학계, 정부 등 각종기관에서 활발하게 진행되어지고 있으며, 새로운 가치(Insight)를 창출하는데 아주 효과적이다(KoreaDatabaseAgency, 2014).

<표 3> 관광 분야 관련 소셜 네트워크 분석을 활용한 선행연구

저자	선행연구
박태수(2020)	소셜 빅데이터 분석을 통해 살펴본 울산관광에 대한 인식과 향후 발전방안 모색에 관한 연구 – CONCOR 분석 방법론을 중심으로
임종훈·김영현(2020)	소셜미디어 빅데이터 분석을 활용한 익산 관광 인식에 관한 연구
강소영·왕학(2019)	소셜미디어 빅데이터 분석을 활용한 농촌체험관광 실태와 인식변화
최홍열·박은경(2019)	소셜 미디어 빅데이터 분석을 이용한 나홀로 여행 트렌드 분석: 제주도를 중심으로
윤영일(2018)	소셜미디어 빅데이터 분석을 통한 호텔카지노 인식 변화 연구
윤영일·최정자(2018)	소셜 빅데이터를 활용한 영화촬영지의 관광목적지로서의 매력성 지속요인 분석
이미경(2018)	소셜 빅데이터를 이용한 한국인의 여행트렌드 분석 - '가족여행'과 '나홀로여행'을 중심으로 -

출처 : 선행 연구를 토대로 연구자 재작성

Ⅲ. 연구방법

1. 분석 대상 및 자료 수집

본 연구는 코로나19 전후 제주관광의 관광객 인식 변화를 비교하기 위해 코로나 전후인 2019년도와 2020년도의 제주관광 인식과 관련된 소셜미디어 데이터를 수집하였다. 구체적인 수집기간은 코로나19 이전은 2019년 2월 17일부터 8월 16일까지, 코로나19 이후는 2020년 2월 17일부터 8월 16일까지로 각각 6개월간이다. 이 기간은 국내 확진자 수가 대대적으로 급증했던 31번 확진자의 확진일을 기준으로 한다. 데이터 수집에 이용된 포털사이트는 한국에서 많이 이용되고 있는 ‘네이버, 다음’을 선정하였다. 이는 코로나 전후 제주관광 인식 변화와 관련한 데이터를 대량으로 수집할 수 있기 때문이다.

소셜 네트워크 분석을 위해서는 우선 데이터 수집 키워드 선정이 중요한데(이태숙 외, 2017), 그 이유는 수집되는 데이터가 키워드 선정에 따라 달라질 수 있기 때문이다. 이에 본 연구에서는 ‘제주관광’을 기준으로 포털사이트에서 상위 연관검색어에서 나타나는 상위키워드 ‘제주여행, 제주휴가’와 하위키워드 ‘제주 + 박물관, 레저, 서귀포, 흑돼지, 명소, 오름, 코스, 렌트카, 쇼핑, 숙박, 맛집, 도민 맛집, 체험, 항공권, 카페, 축제, 추천’ 중에서 ‘제주휴가’, ‘제주체험’을 추출하여 최종 키워드로 선정하였다. 상위키워드인 ‘제주여행’을 선택하지 않은 이유는 이와 관련된 광고문구, 광고성 게시글이 너무 많았기 때문이다. 그리고 하위키워드인 ‘제주체험’을 선정한 이유는 코로나19 전후 체험적 요소에서 변화가 많을 것으로 예상되었기 때문이다.

[그림 1] 데이터 수집 키워드 선정

2. 분석 절차 및 방법

분석 절차는 [그림 2]와 같이 4단계로 구분하여 진행하였다. 1단계에서는 데이터 수집 키워드를 선정하였고, 2단계에서는 코로나19 전후 ‘네이버, 다음’에 나타난 제주관광 키워드별 동시 출현 단어들을 수집하였다. 3단계에서는 데이터 정제 후 의미 연결망 분석을 할 수 있는 매트릭스(matrix)를 생성하였다. 이러한 데이터 정제와 매트릭스 생성은 분석 데이터 생성 솔루션 및 빅데이터 큐레이션인 TEXTOM(텍스톰)을 활용하였다. TEXTOM이란 네덜란드 암스테르담 대학교의 Loet Leydesdorff 교수가 개발한 Full Text 소프트 웨어를 한국어 환경에 맞게 개발된 빅데이터 솔루션이다(김봉제, 2018). TEXTOM은 소셜네트워크 서비스와 포털 사이트 등에서 주제어를 기반으로 텍스트 데이터를 수집하는 기능과 수집한 데이터를 정제하는 서비스를 제공하고 있다(권호천, 2017). 이 서비스를 이용하여 불필요한 조사나 단어는 제외하고, 형태소 분석은 의미가 있는 명사를 중심으로 실시하였다. 4단계는 단어×단어로 형성된 one-mode 매트릭스를 기반으로 의미 연결망 분석을 진행하였으며, UCINET DATA SET 프로그램을 사용하였다. 분석 결과 시각화는 Netdraw를 활용하였다.

[그림 2] 분석 절차 및 방법

의미 연결망 분석에서는 주요 키워드 중심성 분석(centrality analysis)과 군집화 형태를 파악하기 위하여 구조적 등위성 분석(CONCOR)을 수행하였다. 본 연구에서는 네트워크 내에서 어떤 단어가 가장 핵심적이고 중점적인 역할을 하는지에 대한 연결 중심성 분석(권호천, 2017)과 다른 단어들을 연결해주는 역할을 수행하면서 영향력을 발휘하는 단어는 어떤 단어인지 파악하기 위해 매개 중심성 분석을 활용하였다. 그리고 분석단어들 간의 서로 상관관계를 반복하며 군집을 구분해주는 CONCOR 분석을 (이태숙 외, 2017; 권호천, 2017) 통해 코로나19 전후 제주관광 인식에 대한 군집 변화를 비교하였다.

Ⅳ. 분석결과

1. 키워드 빈도 분석

<표 4>는 코로나19 전후 제주도 관광 키워드(제주휴가, 제주체험)별 빈도분석 결과 top 10을 나타냈다. 코로나19 이전 ‘제주휴가’ 키워드 빈도 분석 결과 상위 10개는 ‘여름휴가’, ‘제주’, ‘여행’, ‘맛집’, ‘숙소’, ‘예약’, ‘추천’, ‘호텔’, ‘계획’, ‘바다’로 나타났고, 코로나19 이후에는 ‘제주’, ‘여름휴가’, ‘여행’, ‘맛집’, ‘여름’, ‘8월’, ‘코로나’, ‘예약’, ‘7월’, ‘호텔’ 으로 나타났다.

‘제주휴가’의 1순위부터 4순위까지의 키워드는 코로나 19 전후 빈도 분석 순위 변화가 크지 않았으며, 코로나 19 이후에는 7순위 ‘코로나’ 단어가 새롭게 상위로 나타난 것으로 보아, ‘코로나’ 가 ‘제주휴가’에 영향을 준 것으로 보인다.

코로나19 이전 ‘제주체험’ 키워드 빈도 분석 결과 상위 10개는 ‘제주’, ‘승마체험’, ‘여행’, ‘추천’, ‘체험’, ‘전시’, ‘전통’, ‘유채꽃’, ‘전시관’, ‘숲’ 으로 나타났고, 코로나19 이후에는 ‘제주’, ‘제주여행’, ‘체험’, ‘바다’, ‘사진’, ‘카페’, ‘서귀포’, ‘추억’, ‘예약’, ‘감귤체험’ 으로 나타났다. ‘제주’ 키워드는 코로나 19 전후 빈도값 변화가 크지 않았으며, 코로나 19 이전에는 ‘승마체험’, ‘체험’, ‘전시’, ‘전시관’ 단어가 상위로 나타났지만, 코로나 19 이후에는 ‘전시’와 ‘전시장’ 키워드가 상위에서 사라지고, ‘바다’, ‘사진’, ‘감귤체험’처럼 실외체험과 관련된 키워드가 새롭게 등장한 것으로 보아 코로나19로 인해 실내 체험에 대한 관심이 실외체험에 비해 상대적으로 줄어든 것으로 보인다.

<표 4> 코로나19 전후 제주도 관광 키워드 별 빈도분석 top 10

순위	코로나19 이전 제주휴가		순위	코로나19 이후 제주휴가
순위	단어	빈도	순위	단어	빈도
1	여름휴가	478	1	제주	598
2	제주	369	2	여름휴가	493
3	여행	256	3	여행	337
4	맛집	163	4	맛집	220
5	숙소	120	5	여름	162
6	예약	114	6	8월	153
7	추천	107	7	코로나	145
8	호텔	100	8	예약	134
9	계획	89	9	7월	134
10	바다	88	10	호텔	127
순위	코로나19 이전 제주체험		순위	코로나19 이후 제주체험
순위	단어	빈도	순위	단어	빈도
1	제주	851	1	제주	861
2	승마체험	315	2	제주여행	323
3	여행	291	3	체험	220
4	추천	188	4	바다	194
5	체험	174	5	사진	189
6	전시	172	6	카페	163
7	전통	166	7	서귀포	159
8	유채꽃	161	8	추억	152
9	전시관	157	9	예약	152
10	숲	155	10	감귤체험	145

2. 주요 키워드 중심성 분석

주요 키워드 중심성 분석은 검색 키워드(제주휴가, 제주체험)를 구분하여 중심성을 분석을 하는 것을 말한다. 검색 키워드 제주휴가와 제주체험 모두 동일하게 50개 및 50개 단어*단어 matrix를 이용해 분석하였다. <표 5>는 코로나 19 전후 ‘제주휴가’ 의 연결 중심성과 매개 중심성 top 10을 분석하여 나타냈다. 코로나 19 전후로 ‘제주휴가’ 키워드 연결 중심성 비교 결과 1위부터 4위까지 ‘여름휴가’, ‘제주 ’, ‘여행’, ‘맛집’ 으로 키워드 구성이 동일했다. 연결 중심성 분석은 특정 단어의 값이 훨씬 높더라도 단어의 중심성이 떨어지면 순위가 더 낮게 나오는 경우도 빈번한 것으로 나타났다. <표 5>의 코로나 19 전후 연결 중심성을 기반으로 의미 연결망 분석 결과 중 빈도가 50 이상 키워드들을 [그림 3]에 나타냈다. [그림 3]과 같은 소시오그램은 네트워크 안에서 노드 역할 및 중요도를 크기 및 연결 굵기로 나타내어 전체 구조를 파악할 수 있도록 도와준다. 코로나 19 전후 ‘제주휴가’ 의미 연결망 비교에서 변화가 나타났다. 코로나 19 이전에는 ‘제주휴가’의 연결중심성 상위 키워드인 ‘여행’, ‘여름휴가’, ‘제주’ 간의 연결 강도가 강하고 이외 단어끼리는 빈번하게 연결된 것으로 나타났다. 코로나 19 이후에 ‘일본’,‘올림픽’,‘사태’,‘취소’ 등 특정 단어 간의 연결강도는 강하지만, 중심성은 떨어졌고, 이외 ‘여름휴가’,‘8월’,‘7월’,‘장마’,‘여행’ 과 같은 여름 관련 단어들이 연결강도가 강한 것으로 나타났다.

[그림 3] 코로나 19 전후 ‘제주휴가’ 의미 연결망

<표 5> 코로나 19 전 후 ‘제주휴가’ 네트워크 중심성 비교

순위	연결 중심성				매개 중심성
	2019		2020		2019		2020
	단어	값	단어	값	단어	값	단어	값
1	여름휴가	851.000	제주	824.000	여름휴가	39.259	여름휴가	65.043
2	제주	595.000	여름휴가	916.000	제주	39.259	7월	33.620
3	여행	480.000	여행	624.000	여행	33.410	8월	31.897
4	맛집	256.000	맛집	299.000	생각	26.313	가족	31.717
5	숙소	231.000	여름	264.000	추천	21.972	제주	30.551
6	예약	225.000	8월	217.000	숙소	21.330	코로나	28.109
7	추천	205.000	코로나	244.000	맛집	21.194	예약	19.949
8	호텔	223.000	예약	257.000	계획	18.772	여행	18.776
9	계획	182.000	7월	188.000	여름	18.626	주말	18.714
10	바다	159.000	호텔	256.000	비행기	17.943	뉴스	18.102

코로나 19 이전에는 ‘제주’, ‘전시’,‘전시관’,‘전통’,‘공예품’ 등의 단어들끼리 굵은 연결 강도를 보여주었지만 다른 키워드에 비해 중심성이 떨어졌다. 코로나 19 이후에는 ‘제주’, ‘바다’, ‘제주여행’ ‘도보’,‘체험’ 등 다양한 의미의 단어들과 굵은 연결 강도를 보여주었다. 코로나19 전후를 비교해보면 코로나 19 이전에는 실내외 체험 단어가 상위 10위 이내에 존재하지만, 코로나 19 이후에는 실내 체험에 대한 키워드는 비교적 줄어들고 실외 체험의 중요성이 큰 것으로 나타났다.

<표 6>의 연결 중심성을 기반으로 의미 연결망 분석 결과 중 빈도가 50 이상인 것을 [그림 4]에 나타냈다. 코로나 19 전후 ‘제주체험’ 의미 연결망 비교에서 변화가 나타났다. 코로나 19 이전에는 ‘제주체험’ 키워드의 연결 중심성 상위 키워드 ‘전시’,‘전통’,‘전시관’이 연결 강도가 매우 강하지만, 단어 중심성이 떨어져, 1300 이상이라는 높은 수치에 비해 낮은 순위가 매겨졌다. 코로나 19 후에는 ‘제주’ 단어를 중심으로 체험과 관련된 단어들이 전체적으로 비슷한 연결 강도를 보여주었다.

[그림 4] 코로나 19 전후 ‘제주체험’ 의미 연결망

<표 6> 코로나 19 전후 ‘제주체험’ 네트워크 중심성 비교

순위	연결 중심성				매개 중심성
	2019		2020		2019		2020
	단어	값	단어	값	단어	값	단어	값
1	제주	2938.000	제주	1384.000	제주	118.133	제주	80.371
2	승마체험	1584.000	제주여행	564.000	승마체험	64.407	제주여행	52.148
3	여행	373.000	체험	343.000	박물관	46.203	체험	38.985
4	추천	267.000	바다	390.000	여행	36.397	예약	37.610
5	체험	288.000	사진	126.000	체험	36.362	카페	30.694
6	전시	1372.000	카페	210.000	추천	23.606	사진	29.222
7	전통	1354.000	서귀포	259.000	서귀포시	21.248	서귀포	24.571
8	유채꽃	750.000	추억	355.000	말	19.149	숙소	22.107
9	전시관	1352.000	예약	269.000	시간	17.629	바다	21.810
10	숲	277.000	감귤체험	221.000	사진	16.443	추억	19.792

3. Concor 분석

CONCOR는 구조적 등위성 분석에서 가장 일반적으로 사용되는 분석 방법으로, 적정한 수준의 유사한 집단을 파악하기 위해 반복적으로 단어 간 상관관계 분석을 수행하는 방법이다(김용학․김영진, 2016; 이태숙․김철원․안덕수, 2017). concor 분석 시각화 자료에서 표본 수가 적은 단어 집단은 군집으로 설정하지 않았다. [그림 5]는 검색 키워드‘ 제주휴가’의 CONCOR 분석을 수행하여 시각화하였다. 코로나19 전후 각각 3개의 군집이 생성되었고, 코로나 19 이전 중심 군집을 ‘제주 휴가 속성’군집으로, 주변 군집을 ‘렌터카’와 ‘숙박’ 군집으로 명명하였다. 코로나 19 이후 중심 군집은 2개로 각각 ‘여름 휴가 요소’ 군집과 ‘제주 휴가 요소’ 군집으로 명명하였고, 주변 군집은 ‘해외 코로나’ 군집으로 명명하였다.

코로나 19 이후 Concor 분석 결과, 중심 군집 간의 연결 강도는 매우 강하지만 ‘해외 코로나’ 군집과의 연결 강도는 약한 것으로 나타났다. 코로나 19 이전 대비 코로나 19 이후는 제주 휴가 속성과 여름 휴가 요소 간 연결력이 강해진 것으로 보아, 여름 휴가에 대한 관심이 코로나19 이전보다 크게 증가한 것으로 나타났다.

[그림 5] 코로나 19 전후 ‘제주휴가’ 검색 키워드 Concor 분석결과

[그림 6]는 ‘제주체험’ 검색 키워드 CONCOR 분석을 수행하여 시각화하였다. 코로나 19 이전 3개의 군집이 생성됐고, 코로나 19 이후 2개의 군집이 생성됐다. 코로나 19 이전 중심 군집을 ‘제주 체험 속성’ 군집으로, 주변 군집을 ‘실내외 체험 요소1’ 군집과 ‘실내외 체험요소2’ 군집으로 명명하였다. 코로나 19 이후 중심 군집을 ‘제주체험 속성’ 군집으로 명명하였고, 주변 군집을 ‘체험 요소’ 군집으로 명명하였다.

코로나 19 전후 ‘제주체험 ’키워드에서 군집 구성에 큰 차이는 없으나, 코로나 19 이후 실내 체험 요소들이 줄어든 것으로 보아 코로나19가 제주체험에 영향을 미친 것으로 나타났다.

[그림 6] 코로나 19 전후 ‘제주체험’ 검색 키워드 Concor 분석 결과

Ⅴ. 결 론

본 연구는 언어 빅데이터를 활용한 소셜 네트워크 분석을 통하여 코로나19 대유행과 이에 따른 제주 관광에 대한 인식 변화를 파악하는 것을 목적으로 수행되었다. 위 목적을 달성하기 위해 국내 코로나 확진자가 급증한 시기인 2020년 2월을 기점으로 6개월, 그리고 2019년 같은 기간을 비교 대상 기간으로 설정하였다. ‘제주 체험’과 ‘제주 휴가’를 최종 키워드로 선정하여, 텍스톰(TEXTOM)을 통해 데이터 마이닝 및 연관 키워드의 빈도 분석을 하고, UCINET을 활용하여 연결 중심성, 매개 중심성, CONCOR 분석을 수행하였으며, Netdraw를 통해서 네트워크 시각화를 실시하였다. 연구의 결과와 이에 따른 시사점을 이하와 같이 정리하였다.

첫 번째, 제주 관광이 전염병으로 입은 피해를 빠르게 회복하는 양상을 보였다. 코로나19로 인한 제주 관광객 월별 입도 추이를 봤을 때, 전염병이 발생한 시점인 1월에는 관광객 수가 급격히 하락했지만, 5월부터 관광객 수가 점차 성장하기 시작했고, 7월과 8월에는 전년도 동월에 약 80% 가량 회복하였다. 본 연구에서 데이터 마이닝을 실시하고, 빈도분석을 한 결과, 2019년 및 2020년의 분석결과에서는 ‘코로나’, ‘걱정’ 등 전염병에 대한 키워드를 제외하고 큰 변화를 보이지 않았다. 이는 초기 코로나가 발생한 시점에는 안전에 대한 위험을 느껴, 제주로 휴가 및 체험에 대해 심리적인 우려를 표출하였지만, 확진 수가 안정화된 시점에서는 심리적 불안감이 줄어듦과 동시에 관광객 입도 수가 전월에 비해 큰 성장폭을 보였음을 의미한다. 결과적으로, 전염병 사태가 초기에는 제주 관광 전반에 큰 악영향을 끼쳤지만, 이후 빠르게 회복하고 있다는 것으로 미루어보면, 코로나19가 제주 관광에 주는 영향력이 제한적인 것을 알 수 있다.

두 번째, 코로나19 전후 ‘제주 체험’ 빈도 분석과 연결 중심성 분석결과 관광 활동에 있어 아웃도어형 또는 자연친화형 활동에 대한 관심이 그 어느 때보다 더욱 커졌다. 2019년에는 ‘전시’, ‘전통’, ‘공예품’, ‘바다’ 등 체험 양상 키워드가 실내외를 가리지 않고 등장하였다. 반면에, 2020년에는 유독 ‘바다’라는 키워드의 연결 중심성이 증가했고, 이외에도 야외 관광 활동과 관련된 키워드인 ‘캠핑’과 자연과 관련된 관광지 ‘쇠소깍’, ‘광치기해변’ 등의 빈도가 작년에 비해 증가했다. 반면에, ‘박물관’, ‘전통’, ‘공예품’ 등 실내 관광 체험 활동에 관한 키워드의 빈도가 낮아졌다. 이는 코로나19 이전 제주 잠재관광객들이 선호하는 관광 체험 활동은 실내외 전반적으로 이뤄졌으나, 코로나19 이후에는 동향이 야외 체험으로 기울어졌음을 보여주었다.

세 번째, 전염병의 위협에도 불구하고, 제주에서의 ‘여름’에 대한 언급 횟수가 증가했다는 점이다. 코로나19 전후 ‘제주 휴가’ 빈도 분석결과, 2019년과 달리 2020년에는 ‘여름’, ‘7월’, ‘8월’ 등 여름 관련된 키워드의 빈도 수가 증가했다. 이와 동시에 ‘제주 휴가’의 매개 중심성 분석 결과, ‘여름휴가’, ‘여름’ 키워드의 중심성 수치도 증가했다. 제주 관광객 입도 현황과 국내 코로나 확산 추이를 살펴보면 5월부터 코로나 안정화 시기에 접어들었고, 이때 제주에 방문하는 관광객 수가 빠르게 상승하였다. 결론적으로, 코로나 안정화 시기와 제주 관광의 성수기 시기가 일치한 결과로 제주를 방문한 관광객 수가 빠르게 증가하였고, 제주 관광이 회복하는 추세로 접어들게 된 계기가 되었다.

네 번째, 코로나 확산 시기에 해외여행에 대한 우려가 증가했다는 점이다. 제주관광공사에서 주관한 향후 1년 제주 여행에 관한 설문조사 결과에 따르면, 제주로 관광을 오는 이유로 ‘해외여행 대체지’가 약 51.9%를 차지하였다. 이처럼 전염병 여파로 해외여행에 대한 불안감, 정부 차원에서 권고 사항 등으로 해외여행을 갈 수 없게 되자 관광지로 해외 대신 제주를 찾는 현상이 나타났다. 이는 코로나19 전후 ‘제주 휴가’의 CONCOR 분석결과에서도 확인할 수 있다. 2020년도의 ‘제주 휴가’에서 형성된 군집으로 제주 관광 영향 요소 군집과 제주 관광 컨텐츠 군집, 전염병 군집, 해외여행 군집으로 나타났다. 해외여행 군집에 나타난 키워드로 해외여행에 대한 기대가 아닌 걱정, 우려와 같은 부정적인 심리를 파악할 수 있었으며, 이런 잠재관광객의 심리적 불안감이 제주 관광객 입도 수 증가에 영향을 줬을 것이라 추측된다.

포스트 코로나 시대에서 제주 관광은 여타 관광지와는 다른 행보를 걷고 있다. 코로나의 여파로 국내 관광은 큰 타격을 입었지만, 최근 제주 관광의 현황을 보면 최초 코로나 발생 시기 이후 피해를 빠르게 회복하는 모습을 보여주었고, 해외여행이 사실상 불가능하여 제주를 찾는 관광객이 많아진 시점은 제주 관광에 있어서 위기이자 질적 성장의 기회로 볼 수 있다. 현재 전국적으로 퍼지고 있는 ‘코로나 블루’ 현상으로 신체적·심리적 건강이 중요하게 강조되고 있고, 이를 위해서 국내 관광지들은 자신들만의 차별화 정책을 제시하고 있다. 이에 제주는 빠른 회복세와 지리적, 지형적 차별성을 바탕으로 경쟁력 있는 관광 정책을 수립하여야 한다. 코로나 사태 속에서 국내 관광객은 안전 보장과 관광 욕구를 동시에 해결할 수 있는 국내 관광지를 원하고 있으며, 자연 관광지로 유명하고 해외여행을 대체할 수 있는 제주를 전염병 사태 속에서 상대적으로 안전한 관광지로 인식하고 있다. 이런 관광객의 인식을 이용한다면 정책 수립 시 유리한 고지를 차지할 수 있을 것으로 생각된다. 경쟁력 있는 정책이라 하면, 제주에서 즐길 수 있는 자연 관광 코스의 개발, 제주전통식에 대한 홍보, ‘캠핑’, ‘차박’과 같은 웰니스 관광 프로모션 등 다양한 기획으로 전염병이 유발한 관광위기를 제주 관광의 회복 가속화를 위한 기회의 발판으로 삼을 수 있을 것으로 기대된다. 이처럼 제주가 펼치는 다양한 시도들은 기존에 양적 성장에 치중되었던 제주 관광의 판도를 바꾸고 질적인 성장을 도모할 수 있을 것이다.

본 연구의 한계점으로서 6개월이라는 비교적 짧은 데이터 수집기간들 간의 비교분석이었기에 이를 통해서 도출 해낼 수 있는 인식 변화가 제한적인 점을 들 수 있다. 이에 추후 연구에서는 코로나 19처럼 장기간으로 이어지는 전염병 사태의 경우, 짧은 수집 기간의 데이터 비교분석보다는 상대적으로 긴 기간을 데이터 수집기간으로 설정한다면 더욱 의미 있는 결과를 도출할 수 있을 것이다. 또한, 더 많고 다양한 키워드의 설정과 비교분석은 제주관광 인식의 변화에 대한 포괄적인 이해를 도울 것이다.

참고문헌

강소영, & 왕학. (2019). 소셜미디어 빅데이터 분석을 활용한 농촌체험관광 실태와 인식변화. 여가관광연구, 31, 71-88.

계성(2010). 전염병 위협에 따른 관광산업 위기관리 전략에 관한 탐색적 연구. 관광경영연구, 14(1): 1-17.

구진경. (2020). 포스트 코로나 19 관광산업 회복을 위한 정책 방향. 한국관광정책, (80), 60-64.

권혁민·김태형·최말례·김병조·김형욱·송옥선·은헌정(2017). 메르스사태에 따른 병원종사자와 일반인의 스트레스 정도가 사회심리적 건강에 미치는 영향과 회복탄력성의 매개효과. 정신신체의학, 25(2):

권호천(2017). 사드(THADD)관련 신문기사의 의미 네트워크 분석. 『언론정보연구』, 54(2), 114-15111-119.

김남순. (2020). 코로나바이러스감염증-19 현황과 과제. 보건· 복지 Issue & Focus, 373, 1-13.

김봉제 (2018). Big Data 분석을 통한 한국사회의 도덕·윤리 용어 사용 특성 연구.『도덕윤리과교육』, 58, 27-58

김영남, & 홍성화. (2020). 뉴노멀 (New Normal) 2.0 시대의 관광: 코로나 19 유행 기간 제주 방문 관광객 IPA 결과를 중심으로. MICE 관광연구, 20(2), 143-161.

김용학·김영진(2016). 『사회연결망 분석』. 박영사.

김재걸 (2015). 메르스 발생에 따른 관광분야의 대응과 시사점. 『한국관광정책』, 61, 18-25.

김정숙(2012). “빅데이터 활용과 관련기술 고찰”. 『한국콘텐츠학회』. 10(1). pp.34-40.

김준환(2016). “소셜미디어를 활용한 리더십 브랜드가 기업명성 및 브랜드 태도에 미치는 영향”. 『경영교육연구』. 13(5). pp.285-304

김해원·전채남(2014). 빅데이터를 활용한 콘텐츠 제작방안에 관한 탐색적 연구: TV 홈쇼핑을 중심으로. 사이버커뮤니케이션학보, 31(3): 5-51.

김형종. (2020). 코로나19가 한국 관광시장에 미친 영향 [Beamer slides]. 제7차 한중 국제관광 온라인세미나, 서울, 대한민국

바이오&헬스. 2009.6.24.

박경열, 한혜림, & 최승담. (2019). 빅데이터를 활용한 사드 배치 전후 중국관광객의 한국관광 인식 변화 비교: 의미 연결망 분석을 중심으로. 관광레저연구, 31(2), 25-43.

박근화. (2016). 관광분야에서의 빅데이터 활용 성공사례와 고려사항. 한국관광정책, (64), 77-83.

박득희・이계희(2014), 패키지 관광 상품에 포함된 관광목적지들 간의 사회 네트워크 분석, 한국산학기술학회논문지, 15(4),1414-1423.

박태수. (2020). 소셜 빅데이터 분석을 통해 살펴본 울산관광에 대한 인식과 향후 발전방안 모색에 관한 연구-CONCOR 분석 방법론을 중심으로. 동북아관광연구, 16(3), 109-126.

산업연구원(2020), 코로나19가 서비스업에 미치는 영향과 대응방안, KIET산업경제

설진아.(2009_ 소셜미디어의 진화양상과 사회적 영향 , 한국언론정보학회 가을철 정기학술대회 특별세션, 2009, 35-57쪽.

송운강, & 이혜진. (2018). 제주도 관광수요 특성과 예측. Tourism Research, 43(4), 111-124.

안광훈․임병훈(2016). 『SPSS를 활용한 사회과학조사방법론』. 서울. 학현사

안동 ( An Dong ) , 유효강 ( Liu Xiaogang ). 2020. 코로나19의 발생이 중국관광산업에 미치는 영향 및 대응책. Tourism Research, 45(2) : 309-325

오미애, & 전진아. (2020). 코로나바이러스감염증-19 소셜 빅데이터 기반 주요 이슈 분석. 보건· 복지 Issue & Focus, 376, 1-12.

오은비(2018). 자연재해에 대한 관광위기관리정책의 정책변동과정 분석: Birkl& 의 사건관련 정책변동이론의 적용. 한양대학교 대학원 박사학위논문

오익근·이태숙·전채남(2015). 빅데이터 분석을 통한 한국관광 인식에 관한 연구. 관광학연구 , 39(10), 107-126.

오정준. (2017). 메르스 사태와 제주관광. 한국사진지리학회지, 27(4), 33-53.

오흥철. (2018). TripAdvisor 빅데이터를 활용한 서울지역 비즈니스호텔 외래방문객들의 영문리뷰 의미연결망 분석. 동북아관광연구, 14(1), 143-166.

유지윤 ( Ji Yun Yu ). 2011. 정성적(定性的) 연구(硏究) : 관광위기 유형화에 따른 위기관리 전략에 관한 연구. 관광학연구, 35(10) : 161-178

유지윤. (2013). 위기의 시대, 관광 위기의 전략적 관리가 필요하다. 한국관광정책, (51), 32-41.

윤영일. (2018). 소셜미디어 빅데이터 분석을 통한 호텔카지노 인식 변화 연구. 관광경영연구, 22(3), 917-937.

윤영일, & 오익근. (2017). 소셜 네트워크 분석을 통한 국민의 관광에 대한인식 변화 연구. 관광경영연구, 21(6), 189-210.

윤영일, & 최정자. (2018). 소셜 빅데이터를 활용한 영화촬영지의 관광목적지로서의 매력성 지속요인 분석. 관광학연구, 42(6), 63-79.

이미경. (2018). 소셜 빅데이터를 이용한 한국인의 여행트렌드 분석-‘가족여행’과 ‘나홀로여행’을 중심으로. 관광학연구, 42(10), 111-134.

이수진ㆍ전유나(2016). “소셜미디어 빅데이터 분석을 통한 관광 인식 조사: 경기도 지역을 중심으로”. 『GRI연구논총』. 8(1). pp83-109

이시환, & 이훈영. (2017). 데이터 마이닝과 소셜 네트워크 분석을 적용한 외래 개별관광객의 관광행동에 대한 이해: 서울 관광지를 대상으로. 대한경영학회 학술발표대회 발표논문집, 321-334.

이정충(2003). 관광객의 안전인식에 관한 연구. 석사학위논문. 제주대학교 대학원.

이태숙·김철원·안덕수 (2017). 중국 개별자유여행객(FIT)이 인식한 한국관광에 대한 연구: SNS 빅데이터 분석을 중심으로. 『관광레저연구』, 29(7), 91-113

이태식, & 김금영. (2020). 신종 코로나바이러스 19 로 인한 관광· MICE 산업의 영향과 향후 대응방안: 부산광역시 관광· MICE 산업을 중심으로. 관광레저연구, 32(6), 433-448.

임은순 (2009). 위생적 요인이 관광수요에 미치는 영향. 한국관광정책(36), 26-31

임종훈, & 김영현. (2020). 소셜미디어 빅데이터 분석을 활용한 익산 관광 인식에 관한 연구. Tourism Research, 45(3), 427-441.

장미화·윤영일(2016). “소셜 미디어 빅데이터 분석을 통한 캠핑에 대한 정부 정책과 국민들의 인식 변화 연구”. 『관광연구』. 31(1). pp.91-112

장사랑, & 손애리. (2020). 언어 네트워크 분석을 이용한 코로나 19 위험인식과 예방행위에 관한 이해. 보건교육건강증진학회지, 37(4), 41-58.

전진아, & 이지혜. (2020). 코로나바이러스감염증-19 마음건강 돌봄 현황 및 과제. 보건· 복지 Issue & Focus, 375, 1-8.

정대영, & 이수진. (2020). 코로나 19, 여행의 미래를 바꾸다. 이슈 & 진단, 1-25.

제주관광공사, (2019) 󰡔제주관광 수용력 관리방안 연구󰡕.

제주관광공사, (2020) 󰡔2019년 기준 제주 관광동향에 관한 연차보고서 󰡕.

제주관광공사, (2020) 󰡔20년 상반기 제주도 소비 영향 분석󰡕.

제주관광공사. (2020). “코로나19로 지친 14만명 몰린 제주…웰니스관광 15선 선정” 보도자료.

중앙일보 (2020.02.19.). 『코로나 확진 15명 쏟아진 신천지...‘위장카페’ 선교 불안하다』. 보도자료

질병관리본부(2007). "전염병 감시 및 보고 지침". pp.1-10.

최경은, & 김형종. (2020). 코로나 19 에 따른 관광시장 전망. 한국관광정책, (80), 30-38.

최나실. (2020. 3. 12). “팬데믹 선언 나오자마자... 각국 봉쇄ㆍ폐쇄 초강경 조치 쏟아져.”. 보도자료.

최병길(2000). 제주관광의 정체성변화. 제주대학교 관광산업연구소,『산경논집』, 14: 149-162.

최병길. (2016). 관광목적지 수명주기에 따른 제주관광의 공급변화. 관광연구, 31(4), 131-150.

최홍열, & 박은경. (2019). 소셜 미디어 빅데이터 분석을 이용한 나홀로 여행 트렌드 분석: 제주도를 중심으로. 관광경영연구, 23(1), 45-64.

하경희. (2020). 포스트코로나 시대 섬관광의 치유가치 증진 방안. 해양관광연구, 13, 9-28.

하정우, & 김창수. (2020). 바이러스 관광위기 극복을 위한 재난회복탄력성 탐색적 연구:'코로나 19'(COVID-19) 재난을 중심으로. Tourism Research, 45(2), 499-517.

한국문화관광연구원(2012). 『미래 관광환경 변화 전망과 新관광정책 방향』. 한국문화관광연구원.

한국문화관광연구원(2020) 전염병 확산에 따른 관광수요 변화와 대응방안 : 사스와 메르스 사례를 중심으로. 투어고 인사이트, 22, 1-6

홍민정(Hong, Minjung), 오문향(Oh, Munhyang). (2020). 코로나19 확산에 대한 국내 잠재 관광객의 감정 반응 연구. 관광연구, 35(3): 47-65

Allen, L. R., Long, P. T., Perdue, R. R. and Kieselbach, S(1988). The impact of tourism development on residents` perceptions of community life. Journal of Travel Research. 27(1). pp.16-21.

Elston, D, M(2005). New and Emerging Infectious Diseases. Journal of the American Academy of Dermatology. 52(6). pp.1062-1068.

Fernandez-Cavia, J. and Lopez, M(2013). Communication, destination brands and mobile applications. Communication & Society. 26(2). pp.95-113.

Fink, S.(1986). Crisis management: planning for the inevitable. New York: Amacom: 54-55.

Hanneman, R. A. (2001), The Prestige of PhD Granting Departments of Sociology, Connections, 24, 68–77.

Hermann, C. F.(1969). International crisis as a situational variable. In J. N. Rosenau(Ed.),International Politics and Foreign Policy: A Reader in Research and Theory. New York: Free Press.

Korea Database Agency (2014). The Guide for Advanced Data Analytics Professional. Seoul : Korea Database Agency.

Kuo, H. I., Chen, C. C., Tseng, W. C., Ju, L. F., & Huang, B. W. (2008). Assessing impacts of SARS and Avian Flu on international tourism demand to Asia. Tourism Management, 29(5), 917-92

Kwang-Woong Choi, Mincheol Kim, Mona Chang, Bon-Jun Koo / Journal of Tourism & Industry Research 39-2 (2019) 29-3

Laws, E., & Prideaux, B.(2006). Crisis management: A suggested typology. Journal of Travel & Tourism Marketing, 19(2-3): 1-8.

Mitroff, I. I.(1988). Crisis Management: Cutting Through the Confusion. Sloan Management

OECD(2020), Tourism Policy Respinses to the Coronavirus(COVID-19)

Park, D. W. (2013.03.12.). ‘Match Fixing suspicion’ Kang Dong- hee finally arrest warrant. 2018. 04. 02. search, http://m.sports naver.com/general/news/read.nhn?oid=014&aid=0002833060/

Review, 29(2):15-20.

Rossello, J., Santana-Gallego, M., & Awan, W. (2017). Infectious disease risk and international tourism demand. Health Policy and Planning, 32(4), 538-548.

Scott, N., Baggio, R. & Cooper, C.(2007), Network Analysis & Tourism from Theory to Practice, Cromwell press.

Shih, H.(2006), Network characteristics of drive tourism destinations, an application of network analysis in tourism, Tourism Management, 27(5), 1029-1039

UNWTO. (2020). International tourists numbers could fall 60-80% in 2020 [Press release].

World Tourism Organization.(2003). Crisis Guidelines for the Tourism Industry

WTO(1998). H & book on natural disaster reduction in tourist area. Madrid: World Tourism Organization.

Zhang Jinfu.(2001). Tourism safety management status analysis and countermeasures. Tourism science, (2): 44-46.

고성빈․ 김영서․ 부다은․ webmaster@jejunu.ac.kr

트윗하기