서 론
현황 및 선행연구 검토
청년농업인의 현황
청년농업인 관련 선행연구
연구 방법
텍스트 네트워크 분석(Text Network Analysis)
네트워크 중심성 이론(Network Centrality Theory)
데이터 수집 및 분석절차
분석 결과
빈도분석(TF, Term Frequency)
중심성 분석(Centrality analysis)
CONCOR 분석(CONvergence of iteration CORrealition)
결 론
서 론
우리 사회가 고령사회를 넘어 초고령사회로 진입하면서 농업에서의 경쟁력이 점차 저하되고, 농촌의 지속가능성이 위협받고 있다. 농가 경영주의 평균 연령이 2021년 67.2세로 2011년 63.7세보다 3.5세 높아졌으며, 농가 고령화율도 2011년 33.7%에서 2021년 46.8%로 13.1% 상승하여 고령화 현상이 심화되고 있다(Statistics Korea, 2011; Statistics Korea, 2022). 또 농촌의 젊은 층(만 39세 이하)도 감소하여 2001년 833,277명에서 2021년 311,819명으로 약 62.6% 감소하는 과소화 현상도 두드러지고 있다(Statistics Korea, 2021a). 이러한 고령화, 과소화 현상은 우리나라의 식량안보뿐만 아니라 국토, 환경, 삶, 문화 등 농업･농촌의 다원적 가치를 유지할 수 없게 한다(Ma et al., 2017). 이처럼 우리 농촌은 인구의 고령화, 과소화로 인하여 농업 기반이 약화되고 농촌이 소멸될 위기에 봉착해 있으며, 이 문제를 극복하기 위해서는 적정 수의 농업인 수가 유지되어야 한다(Ma et al., 2017).
다른 한편으로, 농업･농촌은 새로운 혁신의 단계에 들어서고 있다. 4차 산업혁명의 핵심기술인 사물인터넷(IoT), 빅데이터, 무인 드론, 인공지능(AI) 등을 활용한 스마트팜, 푸드테크, 의료･복지 시스템은 지금까지와는 다른, 새로운 농업 및 식품산업 환경을 조성하고, 농업･농촌 문제에서의 창의적 해법을 제시하고 있다(Kim et al., 2017). 그리고 4차 산업혁명 기술을 활용하여 다양한 산업들과 융･복합이 이루어지는 비즈니스 모델이 창출되고, 기존의 생산중심이었던 농업이 여가･문화와 결합한 문화농업, 농촌의 취약 계층에게 도움을 주는 복지농업, 농산물을 산업 소재로 활용하는 소재농업, 동･식물을 통하여 마음을 치유하는 치유농업 등으로 그 영역이 확대･발전되고 있다(Sung and Lee, 2017).
이러한 농업･농촌을 둘러싼 환경변화 및 내･외적 위기요인에 대응하기 위하여 우리 농업의 미래를 견인할 청년농업인에 대한 사회적 관심이 높아지고 있다. 우리나라에서 청년농업인은 만 39세 이하의 젊은 농업인을 지칭하며, 육성정책, 유입지원정책, 정착지원정책, 성장지원정책 등 단계별 지원정책을 추진하고 있다. 또 현 정부는 2027년까지 청년농업인 3만 명을 육성하고, 이를 위하여 유입부터 창업 기반, 역량강화, 정주여건, 추진체계를 갖출 수 있도록 지원하고 있다(MAFRA, 2022).
그러나 이러한 정부의 적극적인 지원정책에도 불구하고 청년농업인의 수와 경영규모는 매년 감소하고 있다. 우리나라 만 20세에서 만 39세 청년농업인 수는 2010년 429,800명에서 2021년 179,901명으로 58.1% 감소하였다(Statistics Korea, 2021a). 그리고 농가 경영주의 연령이 39세 이하인 농가도 2010년 33,143호에서 2021년 8,477호로 74.4% 감소하였다(Statistics Korea, 2021b). 이러한 청년농업인의 감소는 농촌의 고령화, 과소화 현상을 넘어 농촌 마을의 소멸을 초래하고, 국가의 식량안보를 크게 위협하는 요인으로 작용할 수 있다. 이에 본 연구는 우리나라의 청년농업인의 키워드를 도출하고, 그 이슈 및 트렌드를 파악하고자 한다. 이는 단순히 정책의 방향성을 파악하는 것이 아니라, 사회적으로 공유되는 청년농업인의 관심사를 확인하여, 그것이 정책으로 반영될 수 있도록 하기 위함이다. 이를 위하여 본 연구는 국내 대표 포털사이트인 네이버(Naver)와 다음(Daum)의 뉴스 자료를 활용하였다. 그리고 빈도분석과 단어 간 관계를 파악하기 위한 네트워크 중심성 분석, CONCOR 분석 등을 실시하여 청년농업인 관련 주요 키워드를 도출하였다.
현황 및 선행연구 검토
청년농업인의 현황
청년농업인의 현황을 살펴보면 다음과 같다. 먼저 청년농업인의 농가 수는 2010년 33,143호에서 2021년 8,480호까지 지속적으로 감소하고 있다. Fig. 1을 보면 지난 12년 동안 2015년, 2020년을 제외하고 농가 수가 급격히 감소하고 있음을 확인할 수 있다. 만 39세 이하의 농가인구도 Fig. 2와 같이 2010년 833,277명에서 2021년 311,819명으로 62.6% 감소하였다.
경지면적별 청년 농가는 Table 1과 같이 0.5 ha 미만 농가가 2021년 기준 49.3% 수준으로 대부분 소농이었다. 그러나 경지면적이 2 ha 이상인 농가도 19.8% 수준으로, 2010년과 비교하여 4.4% 증가하여 영농의 규모화도 이루어지고 있다.
영농형태별로는 Table 2와 같이 2021년 기준으로 청년 농가가 채소･산나물을 재배하는 비율이 28.2%로 가장 높았고, 그 다음으로 논벼 재배가 27.2% 수준이었다. 논벼의 경우 2010년 39.8%에서 2021년 27.2%로 12.6% 감소한 반면, 채소･산나물은 같은 기간 10.1% 증가하였다. 특용작물 및 버섯 재배도 2010년 2.6%에서 2021년 4.3%로 1.7% 증가하여, 고소득 작물에 대한 관심이 높은 것으로 나타났다.
Table 1.
The number of young farmhouses by arable land area
Note: The source of data is from Statistics Korea (2021b).
Table 2.
The number of young farmhouses by agricultural types
Note: The source of data is from Statistics Korea (2021b).
청년농업인 관련 선행연구
청년농업인과 관련된 선행연구를 살펴보면 학술적 논의뿐만 아니라 정책 및 실무적인 차원에서 논의가 활발히 진행된 것을 확인할 수 있다. Choe et al.(2007)은 농촌지도 공무원들의 의식조사 내용을 토대로 청년농업인 육성현황과 개선방안을 제시하였다. 먼저 청년농업인 관련 통계와 대조하여 실제 청년농업인 수가 그 통계치의 약 20% 수준밖에 되지 않는다고 지적하면서 농업인력 수급을 위한 중장기적인 수요예측과 인력확보의 필요성을 제기했다. 그리고 농촌인력의 고령화와 과소화 문제를 해결하기 위하여 청년농업인 정책에 대한 위상 제고가 필요하다고 하였다. 또 청년농업인의 영농정착을 저해하는 요인으로서 영농기반 부족을 지적하고, 청년농업인의 소득구조 개선을 위한 영농기술 교육 및 전문지도자 교육이 필요하다고 하였다.
Ma et al.(2017)는 청년농업인의 정착실태에 대하여 창업농 유형별, 정착 단계별로 분석하고, 고령화 시대에 부합하는 청년농업인 육성체계의 개선방안을 제안하였다. 세부적인 추진과제로는 청년농업인상 설정, 창업농 육성단계 설정과 정책사업 체계화, 지역 농업인력육성계획 수립, 지역 농업인력육성 거버넌스, 원스톱 창농 지원조직 운영, 창농 유형별 맞춤형 지원, 청년농 기본생활자금 지원, 청년농 삶의 질 지원 등을 제시하였다.
Kim(2018)은 청년농업인 정책의 발전방향을 제시하였다. 청년농업인 지원정책 방향으로서 후계 농업인과 귀농인, 귀농인이 아닌 자로 구분하여 각각에 맞는 창업과 취업, 교육, 소득, 주거, 공동체, 통합지원이 필요하다고 하였다.
Jeong et al.(2019)는 청년농업인의 경영적 특성 및 강점･약점을 분석하고, 그 육성방향을 제시하였다. 그 육성방향으로는 청년농업인의 전업비율이 낮으므로 소득창출을 위한 영농 다각화 지원이 필요하다고 하였다. 그리고 작목 선택에서의 적절한 영농교육 및 프로그램 개발, 안정적인 정착을 위한 네트워크 형성, 농기계 지원 등이 필요하다고 하였다.
이상의 선행연구 외에도 청년농업인과 관련된 다양한 연구가 수행되어 왔다. Na et al.(2004)은 농업전문학교 졸업생의 영농정착 실태를 분석하였고, Lee and Han(2016)는 영농 4-H회를 중심으로 청년농업인 학습조직의 활성화 방안을 제시하였다. Hwang et al.(2017)은 청년농업인의 영농정착을 위한 그 성공요인과 영농수준에 대하여 분석하였다. 이처럼 선행연구는 다양한 관점에서 정책방향과 지원방안을 제시해 주고 있다. 그러나 대부분의 선행연구가 현황 및 사례분석에 머무르고 있어, 구체적인 정책 이슈를 도출해 내지는 못하고 있다. 이에 본 연구는 다음과 같은 선행연구와의 차별성을 갖고 있다.
첫째, 청년농업인과 관련된 현시점의 관심사를 파악하였다. 청년농업인에 대한 사회적 관심에 비하여 그 이슈와 트렌드를 도출하는 연구는 아직까지 이루어지지 않고 있다. 이는 사회적으로 공유되는 청년농업인 관련 관심사가 무엇인지를 제대로 파악되고 있지 않다는 것을 의미한다. 그리고 청년농업에 대한 유효한 정책이 수립되기 위해서는 최근의 이슈가 무엇인지, 또 어떠한 트렌드를 갖고 있는지에 대한 연구가 필요하다.
둘째, 본 연구는 텍스트 네트워크 분석을 이용하여 청년농업인 관련 키워드를 파악하였다. 본 연구는 인터넷 뉴스 데이터를 활용하여 텍스트 네트워크 분석을 실시하였다. 기존의 몇몇 선행연구들은 사례분석을 통하여 청년농업인에 대한 논의를 실시하였다. 사례분석은 특정한 사례만이 지닌 지역적 특수성에 기초한 논의와 정책 대안만을 제시할 수 있다는 한계가 있다(Choi, 2021). 이에 청년농업인에 대한 보다 광범위한 논의를 위하여 뉴스 빅데이터를 기반으로 하여 현시점의 중요한 키워드를 파악하고, 시간 경과에 따른 키워드의 변화를 분석하였다.
연구 방법
텍스트 네트워크 분석(Text Network Analysis)
언어는 수많은 단어가 상호작용하여 특정 의미를 창출하는 작용을 한다. 이런 언어(단어들)가 사회구성원 간 의사소통을 목적으로 생산된 단위를 텍스트라고 한다(Park and Chung, 2013). 즉 텍스트는 사회구성원 간의 의사소통을 보여주고 구체적인 상황 맥락에서 사회구성원 간 의사소통 기능을 하는 단위라고 볼 수 있다(Ryu et al., 2018).
최근 텍스트에 기반한 양적 내용분석의 하나의 유형으로서 텍스트 네트워크 분석에 관한 연구가 수행되고 있다. 텍스트 네트워크 분석이란 단어 간의 관계를 링크로 표시하여 구축되는 네트워크를 통하여 현상을 분석하는 기법이다(Choi and Park, 2011; Popping, 2000). 텍스트 분석 방법 중 가장 많이 이용하는 방법으로 내용분석과 코딩을 통해 언어 속에 잠재되어있는 이론을 발견하는 근거이론(grounded theory) 등이 있다(Park and Chung, 2013; Roberts, 1997). 텍스트 네트워크 분석은 텍스트에 드러나 있는 의미와 내재 되어있는 내용을 분석하는 것을 목적으로 하고 있다(Park and Chung, 2013; Roberts, 1997).
텍스트 네트워크 분석은 시간의 흐름에 따라 변화하는 연구주제와 핵심주제, 현황 등에 대한 거시적 조망이 가능할 뿐만 아니라, 핵심주제와 하위주제의 관련성, 주제의 확장영역 등 미시적 조망이 가능하고, 연구결과의 시각화를 통하여 직관적인 지식구조를 탐색할 수 있다(Park, 2019). 또 통계자료 구축이 미흡한 상황에서 비정형 데이터의 가공･분석을 통하여 사회적 이슈의 의미를 파악하고, 그 변화를 탐색할 수 있다는 점에서 빅데이터 활용이 가능하다(Choi, 2021). 이러한 텍스트 네트워크 분석은 사회 네트워크 분석기법과 텍스트 분석을 연계하여 특정 연구분야 및 현상에 대하여 이해하기 쉽게 활용되고 있으며, 분석에는 텍스트 마이닝(Text-Mining) 기법이 이용되고 있다(Choi and Park, 2011).
텍스트 마이닝(Text-Mining)이란 자연어로 구성된 비정형 텍스트 데이터에 숨겨진 패턴 또는 관계를 추출하여 의미있고 활용가치가 높은 정보 또는 지식을 찾아내는 분석기법이다(Kim et al., 2015). 수치화된 정형적인 데이터베이스에서 유용한 패턴 또는 정보를 찾아내는 기술인 데이터 마이닝(Data Mining)과 유사하지만, 텍스트 마이닝은 비정형 텍스트 데이터에서 의미있는 지식을 도출하기 위하여 고안된 것이라는 점에서 차이가 있다(Kim et al., 2015). 텍스트 마이닝은 논문, 신문기사, SNS 등 텍스트 자료를 처리할 때 주로 활용되고 있다.
빅데이터를 이용한 텍스트 네트워크 분석은 청년농업인의 현황과 청년농업인 관련 이슈 및 트렌드를 파악하는데 유용하게 사용될 수 있다. 이에 본 연구는 최신의 청년농업인 이슈 및 트렌드를 파악하기 위하여 최근 5년간의 뉴스 자료를 활용하여 청년농업인과 관련한 주요 키워드가 무엇인지, 키워드 간의 의미 있는 군집과 이슈는 어떤 형태를 띠고 있는지를 텍스트 네트워크 분석을 통하여 살펴보았다.
네트워크 중심성 이론(Network Centrality Theory)
텍스트 네트워크 분석에서 네트워크 연결의 특징은 다양한 지표를 통하여 나타나며, 그중 가장 대표적인 지표가 네트워크 중심성(centrality)이다(Ryu et al., 2018). 네트워크 중심성 이론은 어느 한 노드(텍스트)가 전체 네트워크에서 중심에 위치하는 정도를 표현한 지표이다(Lim and Son, 2016). 이는 노드에 대한 중요성을 파악하기 위한 이론으로서 노드(node)와 라인(line) 두 가지 요소로 구성된다. 중심성 이론은 대규모 네트워크에서 개인의 특성을 측정하는데 유용하고 네트워크에서 노드의 상호작용 및 영향력의 정도를 측정한다(Ryu et al., 2018; Yun et al., 2015). 중심성 측정지표로는 연결 중심성(degree centrality), 근접 중심성(closeness centrality), 매개 중심성(betweenness centrality), 위세 중심성(eigenvector centrality)이 있다(Kim and Noh, 2018).
연결 중심성(degree centrality)은 네트워크 내에서 특정 노드(키워드)가 다른 노드(키워드)와 직접 연결되어 있는 수를 나타낸다(Cho and Byun, 2020). 노드의 직접 접촉 수를 사용하여 개별 노드가 네트워크 내에서 얼마나 많이 연결되었는지를 정량화한 지표이다. 연결 중심성이 높다는 것은 네트워크 내에서 해당 키워드의 영향력이 크다는 것을 의미한다(Cho and Byun, 2020). 이는 직접적인 연결고리를 가진 국지적 점 위에 한정되어 연결정도가 측정되기 때문에 로컬 중심성(local centrality)으로도 불린다. 연결 중심성은 가장 간단하면서도 효과적인 지표로도 활용할 수 있으며, 이를 수식으로 표현하면 다음과 같다.
: 노드 의 연결 중심성
: 노드의 개수
: 노드 가 개의 다른 노드와 갖는 연결 관계의 개수
또는 1
근접 중심성(closeness centrality)은 중심이 되는 노드(키워드)가 다른 노드(키워드)와 얼마나 근접하게 연결되었는지를 정량화한 지표이다(Cho and Byun, 2020). 이는 전체 네트워크에서 두 노드의 최단 경로의 평균 길이로 분석된다(Dunne and Shneiderman, 2009; Ryu et al., 2018). 직접적인 연결뿐만 아니라 간접적인 연결까지 포함하며 근접 중심성이 높다는 것은 네트워크 내에서 중심에 더 근접하게 위치하는 것을 의미한다(Cho and Byun, 2020). 근접 중심성을 수식으로 표현하면 다음과 같다.
: 노드 의 근접 중심성
: 노드 와 노드 간의 최단 경로 거리의 합
: 노드의 개수
매개 중심성(betweenness centrality)은 특정 노드(키워드)가 네트워크에서 다른 노드 간의 매개자 역할을 하는 정도를 정량화한 지표이다(Cho and Byun, 2020). 이는 직접 연결되어 있지 않은 노드 간 관계를 통제 또는 중개하는 정도를 나타낸다(Ryu and Choi, 2018). 노드가 네트워크 내 최단 경로에 있는 정도로 측정된다. 매개 중심성 관점에서는 어떤 노드가 네트워크 내 노드 쌍 간의 최단경로상에 있는 경우 그 노드는 구조적으로 유리한 위치에 있는 것으로 간주된다(Kwahk, 2014; Wi and Kim, 2018). 매개 중심성은 다음과 같이 산출할 수 있다.
: 노드 의 매개 중심성
: 노드 와 노드 간의 최단 경로의 개수
: 두 노드 와 노드 간의 최단 경로 가운데 노드 를 포함한 경로의 개수
위세 중심성(eigenvector centrality)은 노드에 직접 연결된 다른 노드의 개수에 초점을 맞춘다. 이는 아이젠벡터 중심성, 고유벡터 중심성, 연쇄 중심성 등으로도 불리는데 연결된 노드의 개수와 더불어 연결된 노드가 얼마나 중요한지도 함께 고려됨으로써 연결 중심성의 개념이 확장된다(Bonacich, 2007, Kwahk, 2014). 즉 위세 중심성은 연결된 다른 노드의 중심성을 가중치로 하여 계산된 연결관계 정도이며, 노드와 연결된 다른 노드의 중심성이 높을수록 그 노드의 위세 중심성은 커진다(Kwahk, 2014). 위세 중심성의 산출식은 다음과 같다.
: 노드 의 위세 중심성
𝜆 : 위세값
: 노드의 개수
: 노드 와 노드 간 연결 관계의 이진값 또는 계량값
데이터 수집 및 분석절차
본 연구에서는 자료수집 및 텍스트마이닝을 위하여 텍스톰(Textom)을 이용하였다. 텍스톰은 웹상의 다양한 데이터를 채널별로 자동 수집하여 정제, 매트릭스 생산까지 일괄처리 해주는 데이터 처리 솔루션으로 크롤링(crawling) 방식을 이용하며, 한국어 키워드를 중심으로 하는 빅데이터 분석에서 다수 활용되고 있다(Park and Lee, 2017). 또한 연관성과 정확도에 따라 추출된 데이터를 수집하고 다양한 주제에 대한 감성 분석(sentiment analysis)과 오피니언 분석(opinion analysis)을 통하여 텍스트 마이닝을 가능하게 해주는 한국어에 최적화된 빅데이터 분석 솔루션이다(Oh et al., 2015).
본 연구는 국내 대표 포털사이트인 네이버(Naver)와 다음(Daum)의 뉴스 기사를 대상으로 청년농업인 관련 최근 5년간의 자료를 수집하였다. 다양한 빅데이터 자료 중에서 뉴스의 경우 SNS(블로그, 페이스북, 트위터, 인스타그램 등)와 달리, 개인의 관심 정보가 아닌 사회적으로 보다 이슈화될 수 있는 정보를 중심으로 구성된다는 점에서 유용하게 활용될 수 있다(Choi, 2021). 자료수집 시기는 청년농업인 관련 논의가 활발히 일어나기 시작한 5년 전부터 최근까지로 한정하였다. 이때 분석에 필요한 데이터수집을 위하여 ‘청년농업인’을 키워드로 설정하였으며 구체적인 자료수집 시기는 2017년 1월 1일부터 2021년 12월 31일까지이다. 수집된 자료는 2017년 999개(415 KB), 2018년 1,015개(422 KB), 2019년 909개(377 KB), 2020년 974개(406 KB), 2021년 1,136개(479 KB)로 총 5,033개(2.05 MB)이었다.
본 연구는 청년농업인 관련 인터넷 뉴스 기사에 담긴 텍스트 자료에서 구조화된 형태의 정보를 추출하고, 이를 시각적으로 표현하기 위하여 온라인에서 작성된 텍스트를 수집･정제･분석한 뒤 시각화 과정을 통하여 유용한 정보를 도출하였다. 즉, 수집 데이터인 비정형 데이터를 분석용 데이터로 활용하기 위하여 텍스트의 정제과정을 수행하고, 정제된 데이터를 텍스트 마이닝을 통해 빈도를 계산하여 주요 키워드를 선정하였다(Oh et al., 2015). 분석에는 UCINET6.0을 활용하여 네트워크 중심성과 구조적 등위성 분석을 진행했다.
구체적으로는 텍스톰을 이용하여 자료를 수집하고 중복되는 내용을 제거한 후, 고유명사와 복합명사를 그대로 결괏값에 반영하는 Espresso K 분석기를 이용하여 명사를 기준으로 데이터를 정제하고 형태소 분석을 실시하였다(Choi, 2021). 그리고 Excel 프로그램을 이용해 ‘년’, ‘명’, ‘등’, ‘회’와 같은 의미를 알 수 없거나 의미가 불필요한 데이터를 한 번 더 정제하는 과정을 거쳤다. 이러한 정제과정을 모두 거친 데이터를 UCINET6.0 프로그램으로 분석하고, 이후 Netdraw를 이용하여 분석된 데이터를 시각화하였다. 본 연구의 분석 절차를 정리하면 다음과 같다.
첫째, 청년농업인 관련 키워드의 시기별 흐름을 파악하기 위하여 빈도분석을 실시하였다. 빈도분석은 연구의 키워드 변화과정을 분석하기 위하여 일반적으로 사용되는 분석으로서 연구의 흐름을 파악할 수 있다(Braam et al., 1991). 네이버와 다음 뉴스에서 추출된 청년농업인 관련 키워드에 대하여 연도별로 구분하여 빈도분석을 실시하고, 가장 높은 빈도를 보인 상위 50개의 키워드를 비교･분석하였다.
둘째, 최근 5년간의 데이터에 대하여 중심성(centrality) 분석을 실시하였다. 중심성은 단어의 구조적 위치와 관계 빈도를 고려하여 전체 네트워크에서 단어가 중심에 위치하는 정도와 네트워크 안에서의 영향력을 의미한다(Lee, 2020). 각각의 키워드가 전체 네트워크에서 어떤 영향을 미치는지 살펴보기 위하여 연결 중심성(degree centrality), 근접 중심성(closeness centrality), 매개 중심성(betweeness centrality), 위세 중심성(eigenvector centrality) 분석을 실시하였다.
마지막으로, 최근 5년간의 데이터에 대하여 CONCOR 분석을 실시하였다. CONCOR 분석이란 상관관계 분석을 반복적으로 수행하여 적정한 수준의 유사성 집단을 찾아내는 방법이다(Choi, 2019). 본 연구의 분석 절차를 도식화하면 Fig. 3과 같이 나타낼 수 있다.
분석 결과
빈도분석(TF, Term Frequency)
2017년부터 2021년까지 5년간 청년농업인과 관련된 주요한 키워드에 대하여 빈도분석을 시행하였다. Table 3은 텍스트마이닝을 거쳐 획득한 최근 5년간 상위 50개의 키워드의 연도별 변화를 보여준다. 청년농업인과 관련된 5년간의 데이터 모두에서 높은 빈도를 보인 키워드는 ‘지원’과 ‘육성’이었다. 이는 청년농업지원, 영농정착 지원, 청년농업인 육성, 농업인력 육성 등과 연계된 키워드로서 청년농업인 정책의 초기단계부터 육성 및 지원에 대한 논의가 활발히 이루어져 왔음을 확인할 수 있다. 한편 2017년에는 11회의 낮은 빈도수를 보이던 ‘스마트팜’ 키워드가 2020년에는 151회까지 증가하였다. 이는 2018년 스마트팜 혁신밸리 조성이 본격화되면서 농업부문에서 스마트팜이 차지하는 비중이 증가하였으며, 같은 시기에 청년농업인에 대한 스마트팜 경영 및 창업실습 교육, 스마트팜 임대사업 등이 시행된 결과로 보인다. 한편, 2017년부터 2020년까지 ‘청년’과는 상반된 의미를 지닌 ‘고령’이라는 키워드가 계속 등장하였다. 이는 4차 산업혁명으로 인한 농업환경의 변화, 초고령화와 농촌 공동화로 인한 농업인력의 감소에 대한 대응으로서, 농업･농촌의 새로운 주체가 될 청년농업인 육성에 대한 중요성을 보여준다.
Table 3.
Analysis of the frequency of the keyword “Young Farmers” (2017-2021)
또한 지역 관련 키워드도 시간 경과에 따라 변화되었다. 2017년 상위 50개에 포함된 지역 키워드는 ‘전라남도’, ‘경상북도’, ‘충청남도’, ‘전라북도’, ‘곡성군’, ‘화순군’, ‘당진’으로 광역지자체와 기초지자체의 비율은 4:3으로 나타났다. 2018년에는 광역지자체 비율이 더 증가하여 6:3, 2019년에는 5:2 비율로 나타났다. 이러한 동향은 최근 2020년 5:8, 2021년 3:6으로 그 비율이 역전되었다. 이는 그동안 광역지자체 중심으로 추진되었던 청년농업인 관련 정책이 광역지자체에서 기초지자체로 서서히 이전되는 것을 보여준다. 그리고 청년농업인 관련 사회적 관심과 정책적 지원이 점차 지역(시･군)별로 세분화되고 실천적인 부분으로 전환되고 있음을 의미한다.
이와 같이 빈도분석을 통하여 연도별 청년농업인 관련 키워드가 어떠한 변화의 흐름을 가지며, 그 키워드가 갖는 의미를 찾아볼 수 있었다. 그러나 단순히 키워드의 출현 빈도만으로는 그 키워드의 양적 속성만을 확인할 수 있기 때문에, 하나의 기준점으로서 역할이 가능한 네트워크 분석이 필요하다(Cho and Byun, 2020). 이에 본 연구는 중심성 분석을 통하여 키워드 사이의 관계성을 파악하였다.
중심성 분석(Centrality analysis)
중심성이란 네트워크 내에서 한 노드가 갖는 중심적인 역할의 정도를 표현한 것으로, 보는 관점에 따라 다양한 유형이 존재한다(Lee, 2012; Lee, 2020). 본 연구에서는 청년농업인 관련 키워드의 중심성을 살펴보기 위하여 연결 중심성과 근접 중심성, 매개 중심성, 위세 중심성 분석을 실시하였다.
연결 중심성(Degree centrality)은 네트워크 안에서 한 노드가 다른 노드와 직접적으로 연결되는 수를 나타낸다. 노드의 직접적인 접촉 수를 사용하여 개별 노드가 네트워크에 얼마나 잘 연결되어 있는지를 나타내는 노출지수이다(Ryu et al., 2018). 노드의 연결 정도는 가장 간단하면서도 효과적인 지표로 활용할 수 있다.
근접 중심성(Closeness centrality)은 전체 네트워크에서 두 노드 사이의 최단 경로의 평균 길이로 분석된다(Ryu et al., 2018). 이는 직접적인 연결뿐만 아니라 간접적인 연결까지 포함하여 전체 네트워크에서 한 노드와 그 외 모든 노드 간의 거리를 나타낸다.
매개 중심성(Betweenness centrality)은 직접적으로 연결되지 않은 노드 간의 관계를 통제하거나 중개하는 정도를 나타낸다. 노드가 네트워크 안에서 노드 사이의 최단 경로에 위치하는 정도로 측정된다. 매개 중심성 관점에서는 어떤 노드가 네트워크 내 노드 쌍 간의 최단경로상에 위치할 경우, 그 노드는 구조적으로 유리한 위치에 있는 것으로 간주된다(Wi and Kim, 2018).
위세 중심성(Eigenvector centrality)은 노드에 직접 연결된 다른 노드의 개수에 초점을 맞춘다. 이는 아이젠벡터 중심성, 고유벡터 중심성, 연쇄 중심성 등으로 불리며, 연결된 노드의 개수와 더불어 연결된 노드가 얼마나 중요한지도 함께 고려함으로써 연결 중심성에서 확장된 개념이다(Bonacich, 2007; Kwahk, 2014). 즉 위세 중심성은 연결된 다른 노드의 중심성을 가중치로 하여 계산된 연결관계 정도이며, 노드와 연결된 다른 노드의 중심성이 높을수록 그 노드의 위세 중심성은 커진다(Kwahk, 2014).
본 연구는 청년농업인 관련 키워드의 주요 개념을 파악하기 위하여 2017년부터 2021년까지 데이터를 모두 합산하여 나온 키워드 중 상위빈도 키워드를 대상으로 중심성 분석을 시행하였다. 그리고 각 중심성이 높은 순서는 다음 Table 4와 같으며, 중심성 분석 결과는 다음과 같이 정리할 수 있다.
첫째, 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성 모두에서 상위 10개 안에 들어간 키워드는 ‘청년농업인’, ‘청년’, ‘농업’, ‘지원’, ‘육성’, ‘선정’, ‘농업인’으로 확인되었다. 이들 키워드는 연결 중심성이 높아 다른 키워드와 많이 연결되므로 중요한 핵심 주제어로 인정되어 진다(Sung et al., 2018). 그리고 근접 중심성이 높아 짧은 단계로 다른 키워드와 연결될 수 있어 연결망에서 빠르게 정보를 확산시킬 수 있고, 매개 중심성이 높아 서로 다른 키워드를 중개해주는 역할을 하여 키워드 간의 융합을 주도하는 키워드라고 볼 수 있다(Woo and Oh, 2019).
둘째, 빈도분석과 마찬가지로 ‘지원’과 ‘육성’이 핵심 키워드로 확인되었으며, 이는 청년농업인에 대한 지원 및 육성이 중요한 관심사가 되고 있음을 보여준다. ‘선정’ 키워드는 청년농업인상 선정, 청년농업인 우수기관 선정 등과 연관된 키워드로서 청년농업인을 지원하고 육성하는 정책적인 부분에서 해석할 수 있다. 청년농업인 관련 가장 높은 중심성을 보인 기관은 ‘농촌진흥청’이며, 이는 청년농업인 이슈에 있어서 가장 핵심적인 역할을 농촌진흥청이 담당하고 있음을 보여준다. 그리고 ‘안정’과 ‘정착’, ‘미래’와 ‘성장’ 키워드도 중심성이 높게 나타났다. 이는 정책적으로 청년농업인의 안정적인 정착을 통하여 미래 농업의 중추적 역할을 할 수 있도록 성장을 지원해 주어야 한다는 것을 보여주고 있다.
Table 4.
Analysis of keyword centrality of “Young Farmers”
셋째, 지리적 관점에서 높은 중심성을 가진 지역은 ‘전라북도’와 ‘파주시’, ‘용인’ 등 있었다. 이는 전라북도, 파주시, 용인시 등이 청년농업인을 대상으로 하는 다양한 정책사업을 전개하고 네트워크를 형성하고 있으며, 이것이 뉴스를 통하여 적극적으로 홍보되고 있음을 보여주고 있다. 이외에도 근접 중심성과 매개 중심성이 높게 측정된 ‘스마트팜’ 키워드가 도출되었으며, 이는 청년농업인 관련 정책사업에서 스마트팜과의 연계가 두드러지는 것을 보여주고 있다.
CONCOR 분석(CONvergence of iteration CORrealition)
CONCOR(CONvergence of iteration CORrealition) 분석은 대표적인 구조적 등위성 측정방법이다(Song and An, 2021). 노드의 패턴이 비슷한 노드끼리 군집을 나누어 시각화하는 분석방법으로, 행위자들 사이의 상관관계를 파악할 수 있다. 본 연구에서 CONCOR 분석 결과는 다음 Table 5와 Fig. 4와 같다.
Table 5.
The results of CONCOR analysis
CONCOR 분석 결과에 따라 군집은 크게 4개로 구분할 수 있다. 첫 번째는 ‘지원’, ‘육성’, ‘선정’, ‘교육’, ‘스마트팜’ 등의 키워드가 포함된 ‘지원 및 육성’ 군집이다. 두 번째는 ‘성장’, ‘성공’, ‘미래’, ‘개발’ 등의 키워드가 포함된 ‘성장 및 미래’ 군집이다. 세 번째는 ‘파주시’, ‘경영실습’, ‘임대농장’, ‘안정’ 등이 포함된 ‘경영실습 임대농장’ 군집이다. 마지막은 ‘정읍시’, ‘차세대’, ‘농업경영인’ 키워드를 포함하는 ‘차세대 농업경영인’ 군집이다. 각 군집을 구체적으로 살펴보면 다음과 같다.
첫째, ‘지원 및 육성’ 군집은 현재 청년농업인 관련 지원 및 육성정책의 추진내용을 보여준다. 이 키워드는 스마트팜 교육 및 기술교육, 영농정착 컨설팅, 업무협약 등 청년농업인 정책의 개별사업을 나타낸다.
둘째, ‘성장 및 미래’ 군집은 청년농업인의 영농정착 이후에 대한 키워드를 담고 있다. 이 키워드는 청년농업인의 지속가능한 성장, 그리고 그것을 통한 비즈니스 모델의 개발, 농업기술 전수 등의 필요성을 제시하고 있다.
셋째, ‘경영실습 임대농장’ 군집은 안정적 영농정착을 위하여 운영 중인 ‘경영실습 임대농장’ 키워드를 담고 있다. 이 키워드는 청년농업인에 대한 영농기술 전수의 필요성과, 그것을 실제 경험해 볼 수 있는 여건 조성이 필요하다는 것을 의미한다.
넷째, ‘차세대 농업경영인’ 군집은 41회 차세대 농업경영인 대상 수상자의 이슈를 통하여 도출된 키워드이다. 이 키워드가 하나의 군집으로서 도출된 것은 젊은 농업경영인에 대한 사회적 관심의 표출이고, 그 미래세대에 대한 사회적 관심이다.
결 론
본 연구는 농업･농촌의 지속가능성 유지를 위하여 청년농업인이 지닌 중요성에 주목하고, 그에 따른 키워드와 관심사를 도출하였다. 이를 위하여 최근 5년(2017－2021년)간의 뉴스 데이터를 활용하여 텍스트 네트워크 분석을 실시하였으며, 그것을 Fig. 5와 같이 시각화하였다. 데이터 수집 및 분석에는 Textom과 UCINET6.0, Excel, Netdraw가 사용되었으며, 빈도분석과 중심성 분석, CONCOR 분석을 실시하였다.
이상의 분석결과를 정리하면 다음과 같다. 첫째, 빈도분석 결과, 5년간 가장 높은 빈도를 보인 키워드는 ‘지원’과 ‘육성’이었다. 이를 통하여 청년농업인에 대한 사회적 관심이 높은 현재, 청년농업인에 대한 지원 및 육성에 초점을 맞춘 사회적 이슈가 대두되고 있음을 확인할 수 있었다. 둘째, ‘스마트팜’ 키워드의 빈도가 2018년부터 증가하고 있었다. 이는 스마트팜이 농업･농촌에서 갖는 화제성을 보여주며, 동시에 청년농업인과 스마트팜 간의 연계성을 확인할 수 있다. 셋째, 지역 관련 키워드에서 시간이 경과됨에 따라 광역지자체에서 기초지자체로 그 관심이 전환되고 있었다. 최근 인구감소 현상과 맞물려 청년농업인 유치를 위한 지자체의 관심이 반영되었고, 청년농업인을 위한 보다 실천적인 정책사업이 전개되고 있음을 보여준다. 마지막으로, 중심성 및 CONCOR 분석을 통하여 ‘청년농업인’, ‘청년’, ‘농업’, ‘지원’, ‘육성’, ‘선정’, ‘농업인’ 키워드가 높게 나타났으며, ‘안정’과 ‘정착’, ‘미래’와 ‘성장’이라는 핵심적 과제가 도출되었다. 그리고 CONCOR 분석으로 ‘지원 및 육성’, ‘성장 및 미래’, ‘경영실습 임대농장’, ‘차세대 농업경영인’이라는 군집들도 확인되었다.
본 연구는 청년농업인에 대한 텍스트 네트워크 분석을 통하여 다음과 같은 정책적 시사점 갖고 있다. 첫째, 그동안 추진되어온 청년농업인 정책의 이슈 및 트렌드를 검토하였다. 본 연구의 결과에 의하면 청년농업인 정책은 ‘지원’과 ‘육성’이라는 큰 정책 틀 안에서 이루어지고 있다. 이는 청년농업인에 대한 정책적 관심을 보여주고, 정부와 지자체의 적극적인 지원 속에서 청년농업인 육성을 위한 정책이 시행되고 있다는 것을 의미한다. 둘째, 청년농업인 육성 및 지원 관련 정책 주체의 변화를 확인할 수 있다. 그동안 중앙부처, 광역지자체 중심이었던 청년농업인 정책이 기초지자체로 전환되고 있음을 확인하였다. 이는 중앙 및 광역 차원의 획일화된 정책이 아닌 지역적 특성이 반영된 정책으로 변화되고 있음을 보여주고 있다. 셋째, 향후 청년농업인 정책의 방향성을 제시하고 있다. 청년농업인의 성장과 미래, 차세대 농업경영인으로서의 역할 등을 키워드로 제시하고 있으며, 특히 스마트팜과의 연계를 통한 미래 농업의 주체로서 성장 가능성을 확인할 수 있었다.
본 연구는 텍스트 네트워크 분석을 활용하였으나, 다음과 같은 한계도 갖고 있다. 첫째, 키워드만으로 전체 글의 맥락이나 중요한 의미에 대한 분석이 불명확할 수 있다. 키워드 추출 과정에서 키워드의 본래 의미를 최대한 반영하고 개별 연구자의 주관이 최대한 배제되도록 노력했음에도 불구하고, 데이터 정제과정에서 연구자 개인의 주관이 개입될 수 있다(Lee, 2020).
둘째, 이 연구는 5,033개의 데이터 중 상위에 포함된 일부의 키워드만을 선정하여 분석되었다. 네트워크 분석은 빈도와 관계를 살펴볼 수는 있으나, 구체적이고 심도 있는 내용을 확인하기 어렵다는 연구방법론상의 한계를 갖고 있다(Lee, 2020). 이는 향후 질적･양적 연구를 통하여 보완되어야 할 부분이다.
셋째, 텍스트 네트워크 분석은 연구 대상의 데이터베이스에 따라 연구 결과에 차이가 있을 수 있다(Lee, 2020). 본 연구에서는 뉴스 기사를 활용하여 텍스트 네트워크 분석을 실시하였다. 이는 사회적으로 청년농업인 관련 키워드 및 이슈를 도출해 낼 수는 있었으나, 청년농업인 개인의 관심사 및 애로사항 등을 도출하지는 못하였다. 이러한 부분은 소셜 미디어의 데이터베이스를 활용하면 청년농업인 개인의 특성에 맞는 보다 유의미한 결과를 도출해 낼 수 있을 것이다. 이상의 연구의 한계점은 향후 연구과제로 남긴다.
