DH Edu
이동: 둘러보기, 검색
※ 본 연구를 인용하실 경우 아래의 형식을 참고해 주시기 바랍니다.

그것이알고싶조. ｢강남구 마약 공급과 투약 경로 추적: 마약 확산의 구조적 원인과 예방 방안 탐구｣. 2026-1학기 고려대학교 <디지털인문학응용> 수업 결과물(담당: 김지선). https://dh.aks.ac.kr/~jisun/edu/index.php/TeamUnansweredQuestionsKU26

← 메인 페이지

강남구 마약 공급과 투약 경로 추적


-마약 확산의 구조적 원인과 예방 방안 탐구-




그것이알고싶조: LYS26KU, LCY26KU, JYJ26KU, LXT26KU, CJ26KU, CYS26KU





목차

연구 배경 및 목적


역대 마약류 사범 단속현황
연도별 마약류 사범 공급•투약사범 현황
연도별 마약류 압수 현황








































마약이 심각한 사회적 문제로 대두되고 있다. '역대 마약류 사범 단속 현황'을 보면 알 수 있듯, 단속된 사범은 1985년부터 2024년까지 약 20배 증가하였으며, 2020년대에 들어서고부터 급격하게 증가하고 있다. 마약 투약 사범도 2020년에 9000명대까지 대폭 증가하며, 2023년에는 만 명을 넘어섰다. 압수된 마약류는 2021년도에 급격히 증가하였고, 20년간 약 5배 넘게 증가하였다. 이는 마약 사건의 심각성을 보여준다.

범죄지도 등급
서울 마약지도
서울 마약 사범 지도










































맨 위의 지도는 2021년 서울 행정동별 '범죄 지도'로, 특히 강남구에서 5등급으로 분류된 마약과 관련한 위험한 지역의 비율이 많음을 알 수 있다. 아래에 있는 지도는 2019년에 분석된 서울의 마약 지도로, 최근 5년간 마약류사범 검거 인원과 인구 10만 명당 마약류사범 검거 인원을 나타내고 있다. 두 부분에서 강남구가 최다 인원을 기록하고 있음을 볼 수 있다.

한때 우리나라가 '마약청정국'이라 불리던 시절이 무색하게, 마약 관련 사건이 사회 전반에 심각한 문제를 초래하고 있다. 이러한 현상은 단순 범죄가 아닌, 사회의 안전을 위협하는 요인으로 작용할 수 있다. 그 중 마약 사범 검거 인원이 급격하게 증가한 2020년부터 현재, 특히 마약 관련 사건이 다수 존재하는 강남구를 중심으로 마약 확산 경로를 탐구하려고 한다. 이를 통해 마약 문제를 효과적으로 예방하고 대응하기 위한 방안을 모색한다.

이러한 문제 상황을 바탕으로 다음과 같은 문제 의식을 중심으로 탐구한다.
1. 마약의 주요 공급 경로와 유통 방식은 어떠한 특징을 보이는가?
2. 마약 투약자들이 마약에 접근하게 되는 경로는 어떠한가?
3. 마약 관련 사건을 예방하고 대응하기 위한 방안에는 무엇이 있나?
이를 통해 단순히 범죄 발생 현황을 파악하는 데 그치지 않고, 마약 확산의 구조적 원인을 밝히는 것을 연구의 핵심 질문으로 설정한다.

최근 마약 범죄는 사회 전반으로 확산되고 있으며, 특히 강남구와 같은 지역에서는 마약에 대한 접근성이 높아져 문제의 심각성이 더욱 커지고 있다. 그러나 기존의 연구나 보도는 주로 마약 사범의 검거 인원이나 마약 사건 수와 같은 결과 중심의 통계에 머물러 있는 한계가 존재한다. 따라서 실제 마약이 어떤 경로를 통해 유입되고 확산되는지에 대한 과정적 분석이 필요하다. 본 연구는 마약 공급 및 투약 경로를 중심으로 보다 구조적인 분석을 수행함으로써, 향후 효과적인 예방 방안을 탐구해본다는 점에서 그 필요성이 존재한다.





연구 대상


1. 자료 선정: 뉴스 보도자료 및 온라인 백과사전
본 연구는 최근 사회적 문제로 급부상한 마약 범죄, 특히 마약류 사범 및 압수량이 급격히 증가한 2020년부터 2026년 현재까지의 시기를 중심으로 마약 확산 경로와 공급·투약 네트워크를 구조화하고자 한다. 이를 위해 국내 주요 언론사의 뉴스 보도자료와 온라인 백과사전을 수집 자료로 선정하였다. 뉴스 보도자료는 결과 중심의 통계에 머물러있지 않고, 구체적인 마약 적발 사례, 유통 및 투약 사건의 발생 시점, 관련 인물 및 조직의 개입 방식, 적발 장소 등의 데이터를 실시간으로 제공하며 그 시기가 정확하게 나타난다. 따라서 2020년 이후 급격한 증가세를 보인 마약 범죄의 타임라인을 기사의 발행일과 사건 발생 시점 데이터를 통해 정밀하게 매핑할 수 있다.
하지만 피의자 개인정보 보호 및 수사 보안 등의 이유로 일부 정보(e.g. 핵심 인물에 대한 정보)가 익명화·단편화되어 보도된다는 한계가 있다. 따라서, 온라인 백과사전을 활용해 뉴스 보도에서 생략된 데이터를 보완한다. 본 연구는 이 두 자료를 결합하여 사건(Event)–인물(Person)–장소(Location)–마약 종류(Drug)를 유기적으로 연결하는 관계성(Relation) 중심의 데이터 모델을 구축하고자 한다. 이를 통해 단순 검거 인원 숫자 중심의 기존 통계 연구와 달리, 본 자료들은 마약이 유입되고 확산되는 '과정적 메커니즘'과 구조적 원인을 밝히는 유의미한 결과를 불러온다.

2.연구 대상 구체화: 서울 강남구를 중심으로 발생한 마약 관련 사건
 장소 범위: 서울특별시 강남구 일대
시간 범위: 2020년~2026년 현재
내용 범위: 단순 마약 투약, 단순 마약 공급, 마약 투약 이후 발생한 사고 등을 모두 포함

3. 자료 출처 및 형식

연구 방법


1. 데이터 수집 및 편찬

  • 수집 대상

본 연구의 1차 자료는 2020년부터 2026년 현재까지의 ‘강남구 일대 마약 사건’을 보도한 기사로 한정한다.

  • 수집 절차

데이터 수집은 신뢰도와 접근성을 고려하여 '네이버 뉴스', '유튜브'와 '위키 사이트'를 병행 활용하며, 세부 절차는 다음과 같다. 네이버 뉴스와 유튜브를 활용하여 ‘강남구 일대 마약 사건’ 보도 내용을 우선적으로 수집하고, 언론 보도만으로 확인이 어려운 정보가 있다면, 구체적 맥락은 위키 사이트를 참고하여 추가 자료를 수집한다. 이 경우, 정보의 왜곡을 방지하기 위해 위키 내에 등재된 1차 출처 및 각주를 교차 검증함으로써 데이터의 신뢰성을 확보한다.

  • 자료 검색 방식
    • 네이버 뉴스, 유튜브: ‘강남’, ‘마약’을 키워드로 포함한 기사를 검색하여 우선적으로 기사를 수집한다.
    • 위키 사이트: 정확한 사건명을 사이트에 검색하여 추가 자료를 수집한다.

2. 데이터 클래스, 릴레이션, 속성 정의

  • 클래스 정의: 마약 확산의 구조적 원인을 파악하기 위해 필요한 기본 정보인 사건(Event), 그 사건에 활용된 마약 종류(Drug), 사건과 연결된 사람(Person), 그리고 사건이 행해진 장소(Location)를 클래스로 설정하였다.
  • 릴레이션 정의: 마약 확산의 구조적 원인을 파악하기 위해서는, 클래스 간의 관계를 파악하는 것이 가장 중요했다. 따라서 총 17개의 릴레이션을 설정했다. 릴레이션 설정을 통해 파악하고자 한 내용은 다음과 같다.
    • E-P를 통해 사건과 인물간의 관계 파악
    • E-D롤 통해 사건에서 마약의 활용 방향 파악
    • E-L을 통해 사건에서 마약과 배달/공급/투약된 장소 관계 파악
    • P-P를 통해 인물간의 관계 파악
    • P-L을 통해 인물과 마약을 투약한 장소의 관계 파악
    • D-L을 통해 특정 장소와 특정 마약 사이의 관계 파악
  • 속성 정의: 본 연구의 목적은 개별 개체의 미시적 정보 수집이 아닌, 마약 확산의 '구조적 원인 파악'에 있다. 따라서 네트워크 분석의 효율성을 극대화하기 위해 개체별 속성(Attribute) 정의는 최소화하며, 사건의 일시나 인물의 기본 정보, 판매 플랫폼, 결제 수단/구매 경로, 배달방법 등 연결 구조 분석에 반드시 필요한 필수 데이터에 한해서만 제한적으로 속성값을 부여한다.


3. 데이터 분석
Neo 4j Aura와 Cyper 질의어를 활용해 문제의식에 대한 결과 도출 및 그에 대한 분석을 진행한다.

온톨로지(Ontology)


온톨로지 그래프(OntoGraph)



클래스(Class)

클래스명 한글명 설명
Event 사건명 사건
Person 인물 사건과 관련된 주체
Drug 마약 마약의 분류
Location 장소 사건 발생지 또는 거래 장소



릴레이션(Relation)

영문명 한글명 정의역 치역 설명
hasSeller A에서_B가_판매자이다 Event Person 사건에서 판매자인 인물을 나타내는 관계
hasBuyer A에서_B가_구매자이다 Event Person 사건에서 구매자인 인물을 나타내는 관계
hasDrugUser A에서_B가_투약자이다 Event Person 사건에서 투약자인 인물을 나타내는 관계
hasCourier A에서_B가_배달자이다 Event Person 사건에서 배달자인 인물을 나타내는 관계
involvesDrugUse A에서_B가_투약되다 Event Drug 사건에서 투약된 마약을 나타내는 관계
involvesDrugSale A에서_B가_판매되다 Event Drug 사건에서 판매된 마약을 나타내는 관계
hasDeliveryLocation A에서_B가_배달지이다 Event Location 사건에서 배달된 장소를 나타는 관계
hasSupplierLocation A에서_B가_공급지이다 Event Location 사건에서 공급된 장소를 나타는 관계
hasUsageLocation A에서_B가_투약지이다 Event Location 사건에서 투약된 장소를 나타내는 관계
occursAt A가_B에서_발생하다 Event Location 사건이 발생한 장소를 나타내는 관계
isLoverof A가_B의_연인이다 Person Person 연인 관계인 인물을 나타내는 관계
isFriendof A가_B의_친구이다 Person Person 친구 관계인 인물을 나타내는 관계
employs A가_B를_고용하다 Person Person 고용 관계인 인물을 나타내는 관계
commands A가_B에게_명령하다 Person Person 한 인물이 다른 인물에게 특정 행동을 지시하는 관계를 나타내는 관계
isSupplierof A가_B에게_공급하다 Person Person 공급 관계인 인물을 나타내는 관계(도매-소매 관계)
usesDrugAt A가_B에서_투약하다 Person Location 인물이 마약을 투약한 장소를 나타내는 관계
isSuppliedAt A에서_B가_공급되다 Drug Location 특정 장소에서 특정 마약이 공급된 관계를 나타내는 관계



속성(Attribute)

Event 속성
속성명 한글명 설명
gid 식별자 개별 노드의 식별자
class 클래스 개별 노드가 속하는 클래스
name 대표명 개별 노드의 대표명[1]
refurl 참고 웹 자원 개별 노드의 정보에 대해 참고할 수 있는 웹 자원
date 일자(단일 사건) 사건이 발생한 날짜(단일한 사건 하나가 발생한 경우)[2]
sdate 시작일자(연속 사건) 사건이 시작된 날짜(지속적 투약 및 구매가 있었던 경우)[3]
edate 종결 일자(연속 사건) 사건이 종결된 날짜(지속적 투약 및 구매가 있었던 경우)[4]


Drug 속성
속성명 한글명 설명
gid 식별자 개별 노드의 식별자
class 클래스 개별 노드가 속하는 클래스
name 대표명 개별 노드의 대표명
refurl 참고 웹 자원 개별 노드의 정보에 대해 참고할 수 있는 웹 자원


Person 속성
속성명 한글명 설명
gid 식별자 개별 노드의 식별자
class 클래스 개별 노드가 속하는 클래스
name 대표명 개별 노드의 대표명
refurl 참고 웹 자원 개별 노드의 정보에 대해 참고할 수 있는 웹 자원
korName 사람 이름 사건과 연결된 사람 이름[5]
sex 성별 사건 관계자의 성별
byear 출생년도 사건 관계자의 출생년도
dyear 사망년도 사건 관계자의 사망년도


Loacation 속성
속성명 한글명 설명
gid 식별자 개별 노드의 식별자
class 클래스 개별 노드가 속하는 클래스
name 대표명 개별 노드의 대표명[6]
refurl 참고 웹 자원 개별 노드의 정보에 대해 참고할 수 있는 웹 자원
locationType 장소 유형 장소 유형은 주거시설, 숙박시설, 의료시설, 상업시설, 유흥시설, 교통수단 기반 시설, 행정구역, 교육시설의 8개 범주로 구분하였으며, 기사에 제시된 장소의 특성과 용도를 종합적으로 검토하여 분류하였다.[7]


hasSeller 관계 속성
속성명 한글명 설명
salesPlatform 판매 플랫폼 마약을 판매한 플랫폼(ex. 텔레그램, 오프라인 등)


hasBuyer 관계 속성
속성명 한글명 설명
paymentMethod 결제 수단 마약 구매시 사용한 결제 수단(ex. 현금, 가상화폐)
purchaseRoute 구매 경로 마약을 구입한 경로(ex. 지인, 온라인)


hasCourier 관계 속성
속성명 한글명 설명
deliveryMethod 배달방법 마약 배달 방법(ex. 던지기 수법)



데이터 샘플링



연구 데이터


【데이터 시트 페이지로 이동】


노드 데이터(총 209건)

  • Person 91건
  • Event 54건
  • Location 51건
  • Drug 15건




링크 데이터(총 389건)

Event - Person

  • hasDrugUser 55건
  • hasCourier 27건
  • hasSeller 20건
  • hasBuyer 15건

Event - Drug

  • involvesDrugUse 53건
  • involvesDrugSale 40건

Event - Location

  • hasUsageLocation 38건
  • hasDeliveryLocation 14건
  • occursAt 12건
  • hasSupplierLocation 11건

Person - Person

  • isSupplierof 28건
  • isFriendof 8건
  • commands 4건
  • isLoverof 3건
  • employs 1건

Person - Location

  • usesDrugAt 45건

Drug - Location

  • isSuppliedAt 15건



연구 결과


[1단계] 마약 공급 관계와 인간관계의 중첩 여부 분석

문제의식 1: 마약 공급 관계는 친구·연인·고용·명령 관계 등 기존 인간관계를 가진 인물들 사이에서 나타나는가?

마약 유통은 일반적으로 공급자와 구매자 사이의 거래 관계로 이해되지만, 실제 사건에서는 친구 관계, 연인 관계, 고용 관계, 상하 관계 등 기존 인간관계를 기반으로 공급이 이루어질 가능성도 존재한다. 이에 공급 관계를 가진 인물 쌍을 대상으로 추가적인 Person-Person 관계의 존재 여부를 분석하여 마약 유통이 어떠한 관계망 위에서 이루어지는지 확인하고자 하였다.

질의어: match (p1:Person)-[:isSupplierof]-(p2:Person) return case when exists((p1)-[:isLoverof]-(p2)) then '연인관계' when exists((p1)-[:isFriendof]-(p2)) then '친구관계' when exists((p1)-[:commands]-(p2)) then '명령관계' when exists((p1)-[:employs]-(p2)) then '고용관계' else '추가관계없음' end as 관계유형, count(*) as 개수 order by 개수 desc
결과: 추가관계없음 50건으로 최다(전체의 약 86%), 연인관계 6건, 명령관계 2건, 친구관계 및 고용관계 0건

문제의식1 인간관계중첩분석.png



[2단계] 마약 공급 거점의 유형별 집중도 분석

문제의식 2-1: 여러 마약 공급망에서 가장 많은 hasSupplierLocation 관계를 연결하고 있는 'locationType'은 어디인가?

질의어: match (a:Event)-[r:hasSupplierLocation] -> (b:Location) return b.locationType as 마약공급망, count(b.locationType) as 마약공급망수 order by 마약공급망수 desc
결과: '의료시설'

문제의식 2-1 결과 막대그래프



문제의식 2-2: '의료시설'(locationType)을 공급 거점으로 하는 마약 사건들에서 어떤 약물(Drug)이 가장 빈번하게 공급되었는가?

개별 사건에 쓰인 약물을 단순 나열하는 데 그치지 않고, 동일 거점 유형(의료시설) 내에서 약물 종류별 출현 빈도를 집계/정렬함으로써 의료시설 기반 공급망에서 핵심적으로 유통되는 주력 약물을 식별하기 위함이다.
질의어: match (a:Event)-[r:hasSupplierLocation]->(b:Location{locationType: '의료시설'}) match (a)-[:involvesDrugSale]->(c:Drug) return c.name as 마약, count(a) as 해당_마약_사용_횟수, collect(a.name) as 관련_사건목록 order by 해당_마약_사용_횟수 desc
결과: 프로포폴 5건으로 최다(전체의 약 56%), 레미마졸람 / 엑스터시(MDMA) / 대마 / 에토미데이트 각 1건

  • 문제의식 2-2 결과 시각화 자료

  • 문제의식 2-2 결과 표

  • 문제의식 2-2 결과 파이차트



2단계 결론: 문제의식 2를 통해 마약 공급 거점 유형 중 가장 많은 사건이 해당하는 거점 유형은 '의료시설'로 나타남. '의료시설'에서 특히 '프로포폴'이라는 마약 유형의 공급이 가장 두드러졌음.



[3단계] 약물 형태별 구매경로 및 대면·비대면 플랫폼 분석

문제의식 3: 2단계 분석에서 주요 구매 거점으로 도출된 '의료시설’를 '유흥시설' 사건을 비교했을 때, 대면 과 비대면 전달 방식이 어떤 차이가 있을까?"

본 분석은 의료시설의 '인적 결탁을 통한 수직적 대면 카르텔 구조'와 유흥시설의 '온라인 비대면 선조달 후 오프라인 수평적 집단 소비 패턴'의 대비를 통해, 약물 전달 방식의 차이가 인적 네트워크의 확산 양상과 구조적 형태에 미치는 결정적 차이를 규명하고자 하였다.
질의어: MATCH (a:Location)-[r]-(b:Event) WHERE a.locationType IN ['의료시설', '유흥시설'] MATCH (b)-[t]-(d:Person) WITH d, CASE WHEN a.locationType = '의료시설' THEN '대면 전달 (의료진 인도)' WHEN a.locationType = '유흥시설' THEN '비대면 전달 (플랫폼/던지기)' END AS 전달방식 RETURN 전달방식, count(DISTINCT d) AS 사람수 ORDER BY 사람수 DESC
결과: 의료시설에서는 오프라인, 유흥시설에서는 온라인 전달 방식이 많다.

문제의식3.png



결론 및 제언

본 연구는 2020년부터 2026년 현재까지 서울 강남구를 중심으로 발생한 마약 사건 데이터를 바탕으로, 마약의 유입과 확산이라는 구조적 원인을 데이터 모델링을 통해 분석하였다. 도출된 결론은 다음과 같다.

첫째, 마약 공급 관계의 약 86%는 기존의 사적 인간관계가 없는 상태에서 이루어졌으나, 연인관계 등 밀접한 사적 관계망을 타고 공급되는 폐쇄적 유통 사례도 분명히 공존하는 것으로 확인되었다. 둘째, 강남구 내 여러 공급망 중 가장 높은 집중도를 보인 거점 유형은 '의료시설'이었으며, 이곳에서 유통되는 주력 약물은 '프로포폴'로 전체의 56%를 차지하며 압도적인 최다 빈도를 기록하였다. 셋째, 약물의 형태와 거점에 따라 유통 메커니즘이 완전히 다르게 나타났다. 의료시설 내 프로포폴은 주사제라는 특성상 의료진이 개입된 '원내 오프라인 대면 카르텔 구조'를 띠는 반면, 유흥시설에서는 텔레그램이나 던지기 수법 등 '온라인 비대면 선조달 후 오프라인 집단 소비 패턴'이 지배적이었다.

이러한 분석 결과는 향후 마약 범죄 예방을 위한 정책적 제언과 기대효과 측면에서 중요한 시사점을 제공한다.
기존의 마약 방지 대책은 검거 인원이나 압수량과 같은 단순 결과 중심의 통계에만 의존해 왔다. 그러나 본 연구와 같이 사건, 인물, 장소, 약물 종류를 유기적으로 연결하는 과정적 메커니즘을 시각화함으로써, 보다 정밀한 '타깃형 예방 스펙트럼'을 구축할 수 있다.
예컨대 의료시설 기반의 마약 확산을 차단하기 위해서는 단순 단속이 아니라 식약처의 마약류 통합관리시스템과 연계하여 프로포폴 등 주사제 약물의 원내 처방 및 인도 과정을 실시간으로 모니터링하는 수직적 통제 시스템, 즉 상위 공급자에서 하위 투약자로의 인도 과정을 관리하는 시스템이 필요하다. 반대로 유흥시설과 비대면 플랫폼을 통한 확산을 차단하기 위해서는 텔레그램 던지기 수법 등 온라인 유통 경로를 모니터링하는 수평적 차단 체계를 갖추어야 한다.
거점별 맞춤형 대응이 가능해진다는 점에서, 본 연구는 실효성 있는 치안·보건 정책 수립에 기여할 것으로 기대된다.

마지막으로 본 연구의 한계를 보완하기 위한 두 가지 후속 연구를 제안한다.
첫째, 데이터 소스의 다양화와 고도화가 필요하다. 본 연구는 피의자 정보 보호 및 수사 보안 문제로 인해 익명화·단편화된 뉴스 기사와 백과사전 자료에 의존하였다. 이로 인해 실제 카르텔의 핵심 인물이나 세부적인 마약 수량 속성을 완벽하게 정형화하는 데에는 데이터상 공백이 존재하였다. 향후 연구에서 수사종합검색시스템 등을 결합한다면 공급망 네트워크의 밀도와 신뢰도를 획기적으로 높일 수 있을 것이다.
둘째, 정량적 네트워크 지표 분석의 심화를 제안한다. 현재 연구는 온톨로지 설계와 기본적인 Cypher 쿼리를 이용한 빈도 중심의 분석에 집중하였으나, 후속 연구에서는 전문 통계 분석 도구를 도입하여 매개 중심성(Betweenness Centrality)이나 커뮤니티 구조 분석(Community Detection)을 수행할 필요가 있다. 이를 통해 거대한 마약 유통망에서 가장 결정적인 역할을 하는 '핵심 브로커 노드'나 '숨겨진 허브 장소'를 통계적으로 입증한다면, 유통망 자체를 근절하는 강력한 선제적 대응 모델을 완성할 수 있을 것이다.

디지털 인문학적 데이터 모델링을 통해 사회적 난제의 구조적 메커니즘을 규명하고자 한 본 연구의 시도가, 안전하고 건강한 사회를 만드는 밑거름이 되기를 기대한다.



연구 후기



LYS26KU 🐰 우선 함께한 팀원분들 다들 너무 고생하셨다고 말씀드리고 싶습니다. 범죄 관련 연구다 보니 수집할 수 있는 데이터에 한계가 있어서, 그런 부분에서 아쉬움이 남는 것 같습니다. 그래도 프로젝트를 잘 마무리하니까 뿌듯하기도 하고, 후련한 마음도 들어요.



LCY26KU 🐯 조원들과 함께 하나의 프로젝트를 완성했다는게 정말 뿌듯한 시간이었습니다! 직접 데이터를 모아 분류하고, 설정하고, 시각화하는 과정이 처음엔 낯설고 어렵게 느껴졌는데, 프로젝트가 점차 성장하고 구체화되고 있다는게 체감되어서 뜻깊었습니다.



JYJ26KU 🐣 저희 조 연구가 relation이 많아서 정말 복잡했던 것 같은데, 다들 열심히 참여해주셔서 좋았습니다. 다들 그동안 고생 많으셨어요!!



LXT26KU 👍🏻 이렇게 다 열심히 한 팀플은 처음이였던거 같습니다. 복잡한것도 많았고 중간에 밀린것도 많아 처음부터 다시 한것도 있어서 팀원들이 정말 고생을 많이 한것 같습니다!!!! 다들 너무 수고 많으셨고 너무 뿌듯하고 저희조가 제일 잘 한것 같습니다!!



CJ26KU 🐹 아직 걸음마 단계이지만, 팀원들과 함께 무언가를 완성했다는 것만으로도 정말 뿌듯했습니다. 다들 너무 수고 많으셨습니다! 특히 조장님 고생 많으셨어요 ㅠㅠ



CYS26KU 🎵 연구를 마치며 느낀 점, 아쉬운 점, 배운 점을 자유롭게 서술해 주세요.




코멘트


타죠

NGY26KU 🐰 처음에 연구 주제를 듣고 같이 해보고 싶다고 생각이 들만큼 흥미로운 주제였습니다. 또 실제에서 가장 도움이 될 것 같습니다.



CEJ26KU 🐯 일단 연구가 처음부터 끝까지 다 디테일하게 쓰여져 있는거 같습니다. 단순히 마약 범죄 사건만 분석하는 것이 아닌, 더 나아가 사건에 연루된 사람들의 관계들도 분석한 것이 대단하다고 느꼈습니다. 또 이런 연구를 통해서 미래에 마약 범죄 예방이라는 큰 목적을 가진 것도 되게 유의미하다고 생각합니다. 혹시나 더 추가하신다면 공급망을 더 넓혀서 데이터화 하는 것도 흥미로울 것 같습니다.



LKS26KU 🐣 온톨로지 구성 과정이 굉장히 힘들었을 것 같습니다. 자료 조사 과정 또한 쉽지 않았을 듯 한데 이렇게 완성도 높은 데이터를 만들어내셔서 굉장하다고 느낍니다!



KMS26KU 👍🏻 초반에 시각자료 넣어주신 덕분에 발표 처음부터 집중할 수 있었어요. 데이터 모으기 정말 힘드셨을텐데 수고하셨습니다!!!!



LMS26KU 🐹 마약 문제 예방 및 대응이라는 뚜렷한 목적을 갖고 데이터를 수집하고, 연구 결과를 작성하신 점이 인상 깊었습니다. 또한, 연구의 결과가 직접적으로 문제의식과 관련되어 있고, 실제로 유의미하게 이용될 수 있을 것 같아서 좋았습니다.



AYN26KU 🎵 마약 공급 관계은 비대면으로 이루어지거나 일회성적인 만남으로 공급된다고만 생각했는데 연인관계나 명령관계에서도 마약이 공급이 이루어진다는 점이 가장 인상 깊었습니다.


핫하조

ASW26KU 🐰 마약 사건과 인물을 연결해서 파악한 것이 인상적이었습니다. 그리고 의료시설에서 가장 마약이 많이 공급된다는 점이 신기하네요. 수고하셨습니다.



KJW26KU 🐯 연구를 읽으면서 마약 공급 장소는 유흥시설이 가장 큰 비중을 차지할 것이라고 예상했는데, 실제 분석 결과에서는 의료시설이 가장 높은 집중도를 보였다는 점이 흥미로웠습니다.또한 단순히 사건 발생 현황을 분석하는 데 그치지 않고, 장소별 유통 구조의 차이를 바탕으로 의료시설과 유흥시설에 대한 맞춤형 예방 정책을 제안한 점이 인상적이었습니다. 데이터 분석 결과를 실제 치안·보건 정책과 연결하려는 시도가 연구의 실용성을 높여준 것 같습니다.



OSH26KU 🐣 릴레이션이 많아서 되게 힘드셨을 것 같습니다. 발표 내용도 흥미로워서 좋았습니다. 마약 유통 과정에 대해 새롭게 알 수 있어서 신기했습니다. 좋은 발표 감사드립니다!



LDH26KU 👍🏻 흥미로운 주제 선정과 서론의 시각 자료 덕분에 집중이 잘 되는 발표였습니다. 단순 분석에서 벗어나 마약이 의료 시설에서 많이 유통되었다는 사실을 밝혀내고, 예방을 위한 제언까지 제시한 점이 좋았습니다. 수고 많으셨습니다!



KHJ26KU 🐹 마약 공급망을 장소, 약물, 인물 간의 관계로 구조화하여 분석한 점이 흥미로웠습니다. 특히 단순히 사건을 나열하는 것이 아니라 다양한 객체 간의 관계를 데이터로 표현한 점도 인상적이었고, 향후 공급자들 간의 관계까지 함께 분석한다면 더욱 풍부한 연구가 될 것 같습니다. 수고하셨습니다!!



ADE26KU 🎵 릴레이션을 17개나 만드신 걸 보고 정말 꼼꼼하게 보셨구나 싶었습니다. 한계 보완을 위해 구체적인 후속 연구를 제안해주신 것이 인상 깊었습니다! 흥미롭게 발표 잘 들었습니다:)


잼컨조

KYJ26KU 🐰 역대 마약류 사범 단속현황, 연도별 마약류 압수 현황 등 연구 배경과 관련하여 시각적 자료(그래프)를 첨부해주셔서 연구의 배경 및 필요성을 쉽게 이해할 수 있었습니다. 문제의식 2-2 에서 의료시설 기반 공급망에서 핵심적으로 유통되는 주력 약물을 식별하기 위한다는 문제의식을 알기 위한 질의어를 잘 설정했다고 느꼈습니다. 이 때의 '추후 법 규제를 위한 데이터 기반'을 위한 문제의식이 잘 와닿아서 좋았습니다! 수고하셨습니다!



KMJ26KU 🐯 릴레이션에서 판매자와 구매자 관계뿐만 아니라 투약자, 배달자, 친구 관계 등 다양한 관계 유형까지 세부적으로 분석한 점이 인상 깊었습니다. 관계가 복잡하게 구성된 만큼 조사하기 어렵긴 했겠지만 이를 통해 도출할 수 있는 정보가 많았을 것 같아 의미 있는 연구인 것 같습니다. 또한 일부 정보만 제공되는 뉴스 보도자료 속에서도 필요한 정보를 잘 수집하고 구조화한 점이 돋보였습니다! 수고 많으셨습니다!



CYW26KU 🐣 연구 배경과 문제의식이 근거 자료를 바탕으로 잘 구성되어 있어서 왜 이 연구를 해야 하는지 자연스럽게 이해할 수 있었습니다. 자료 수집이 쉽지 않았을 텐데 다양한 관계와 속성을 설정해 마약 유통 과정을 입체적으로 분석한 점이 인상적인 것을 넘어서 너무 멋졌습니다!! 완전 '그것이 알고싶조'라는 팀 이름값하는 연구인 것 같습니다. 한계점뿐 아니라 후속 연구 방향까지 제시해 연구의 완성도가 높다고 느꼈습니다!!



CSY26KU 👍🏻 연구를 통해 생각보다 마약 공급 루트가 복잡하게 얽혀 있다는 것을 알게 되었고 이러한 연구가 현실 사회 문제를 해결하는 데에 큰 도움이 될 것 같다는 생각이 들었습니다!



AJO26KU 🐹 마약 관련된 사건을 인물과의 관계를 중점으로 다루니 재밌으면 안될?것같지만 너무 흥미롭고 재밌는 연구였던 것 같습니다. 발표 잘 들었어요, 수고하셨습니다!



LSE26KU 🎵 전반적으로 이 연구는 현실 세계의 문제와 관련이 있을 뿐만 아니라 통치에 대한 실질적인 참고 자료를 제공한다는 점에서 매우 의미가 있습니다.수고하셨습니다.


에쁠조

KJH26KU 🐰 주제부터 흥미로웠던 팀이었습니다. 특히 마약의 확산과 인간관계에 대한 부분이 특히 재미있었어요!



LEW26KU 🐯 마약 범죄를 단순 통계가 아닌 관계망과 공급 구조의 관점에서 분석한 점이 신선하게 느껴졌습니다. 특히 인물, 장소, 마약 종류를 연결한 온톨로지와 다양한 릴레이션 설계가 인상적이었고, 복잡한 데이터를 시각적으로 이해할 수 있다는 점이 흥미로웠습니다. 다만 데이터 구축 과정이 매우 어려웠을 것 같은데 이를 끝까지 구현해낸 점이 대단하다고 생각합니다. 발표 잘 들었습니다!



LYK26KU 🐣 단순한 마약 범죄 통계 나열을 넘어, 사건·인물·장소·약물을 유기적으로 연결해 '확산의 구조적 메커니즘'을 밝혀낸 대단히 완성도 높은 프로젝트라고 생각해요. 특히 [2~3단계 분석]에서 의료시설 기반의 '원내 오프라인 대면 카르텔(프로포폴 중심 56%)'과 유흥시설 기반의 '온라인 비대면 선조달(텔레그램/던지기)' 패턴의 명확한 차이를 데이터로 입증해 낸 지점이 매우 날카로웠습니다. 이를 바탕으로 제시한 '타깃형 예방 스펙트럼' 정책 제언 역시 매우 실효성 있고 인문학적 문제의식이 빛나는 결론이었습니다. 멋진 연구 감사합니다!



HJH26KU 👍🏻 릴레이션을 정말 여러가지로 다양하게 잘 만들었다고 생각합니다! 자료가 방대해서 조사하기 쉽지 않으셨을 것 같은데, 데이터도 많이 정리하시고 적절한 싸이퍼 쿼리로 잘 구현하셔서 재미있는 발표였습니다. 사건 현황 조사뿐만 아니라 이를 토대로 여러 해결 방안을 제시하신 것이 매우 흥미로웠습니다, 사회 영역에서 의미있는 자료가 될 것 같습니다. 고생 많으셨습니다 :)



CGH26KU 🐹 마약사건을 떠올리면 보통 어둠의 경로로 처음보는 사람에게 구매하는 이미지가 가장 먼저 떠오르는데, 이 팀의 발표를 들어보니 의외로 연인 사이의 유통 등도 있다는게 신선하고 충격적이었습니다. 내용적으로도 흥미로웠고, 시각자료에도 공을 들이신 것 같습니다. 수고하셨습니다!



KRB26KU 🎵 내가 사는 동네 주변에 이렇게 많은 마약 거래가 있다는 점이 매우 놀라웠다. Relation 들의 개수가 많아서 노드 들 간의 관계가 매우 잘 드러나있어서 사건이나 마약 간의 관계에 대해서 이해가 매우 잘 되었다고 생각한다. 되게 인상깊었던 연구인것 같습니다. 수고하셨습니다!




참고 자료


뉴스 기사

  • 오소영, 「[단독 명문대에 신종마약 퍼졌다…유학생이 판매, 충격 부작용]」, 『중앙일보』online, 중앙일보, 작성일: 2025년 10월 01일.
  • 오소영, 「[단독 강남 공원 땅 파는 수상한 사람…'마약 땅묻기' 딱 걸렸다]」, 『중앙일보』online, 중앙일보, 작성일: 2025년 06월 12일.


유튜브

  • 손기준, 「["한국인 대학생 살해 주범, 강남 마약사건 총책의 공범" / SBS 8뉴스](https://www.youtube.com/watch?v=E6glRbVYXqU)」, 『SBS 뉴스』online, SBS 뉴스, 방송일: 2025.10.22, YouTube, 작성일: 2025년 10월 22일.
  • 이만갑, 「[강남 클럽 VIP들만 쓴다는 순도 99% 북한산 마약의 실체 | #이만갑 569회](https://www.youtube.com/watch?v=MswOTDB6MH8)」, 『이제 만나러 갑니다』online, 이제 만나러 갑니다, 방송일: 2026.04.10, YouTube, 작성일: 2026년 4월 10일.


기타

  • 대검찰청, 「2024년 마약류 범죄백서 발간」, 『보도자료』, 대검찰청, 작성일: 2025년 06월 15일.

주석


  1. ↑ 사건 발생 일자와 사건 관련 키워드를 조합했다. 연속적으로 이어진 사건을 지칭하는 경우에는 시작일자를 기준으로 작성했다. 이때 정확한 일자를 알 수 없는 경우, 00으로 공란 처리하였다. ex. 201100프로포폴불법장사사건
  2. ↑ 1차 자료에서 일자를 확인할 수 없는 경우, 00으로 공란 처리하였다.
  3. ↑ 1차 자료에서 일자를 확인할 수 없는 경우, 00으로 공란 처리하였다.
  4. ↑ 1차 자료에서 일자를 확인할 수 없는 경우, 00으로 공란 처리하였다.
  5. ↑ 1차 자료에서 실명확인 불가한 경우, 자료 내에서 식별 가능한 이름 기입. ex. 김씨, A씨.
  6. ↑ 각 location의 name은 실제 상호명의 확인 가능 여부에 따라 구분하여 표기하였다. 상호명이 명확하게 확인되는 경우에는 해당 상호명을 그대로 사용하였으며, 상호명을 특정할 수 없는 경우에는 장소에서 발생한 event의 연·월·일, event명, 세부 업종의 순서로 조합하여 표기하였다. 세부 업종은 자료를 수집한 1차 자료에서 확인된 장소 표기명을 기준으로 표기하였다.ex. 상호명이 명확하게 확인되는 경우-강남달리는토끼, 상호명을 특정할 수 없는 경우-201023엄상미바티칸마약투약_호텔
  7. ↑ 마약 사건 데이터에서 장소는 병원, 모텔, 주거지, 유흥업소, 특정 지역 등 다양한 형태로 등장한다. 또한 동일한 장소가 사건에 따라 투약지, 공급지, 배달지 등 서로 다른 역할을 수행할 수 있다. 이에 본 연구에서는 장소의 사건 내 역할이 아닌 장소 자체의 기능적 특성을 기준으로 장소를 분류하였다.



원본 주소 "http://dh.aks.ac.kr/~jisun/edu/index.php?title=TeamUnansweredQuestionsKU26&oldid=46437"