DH Edu
죽생사죽은 생명의 사회: KWY22KU, 황수린, CES22KU
연구 목적
- 대한민국은 한강을 중심으로 많은 발전을 이루었다. ‘한강의 기적’이란 표현에 걸맞게 한강은 우리나라에 있어서 중요한 사회∙역사∙경제적 의미를 지닌다. 그러나 모순적이게도 한강은 사람들에게 '다빈도 자살 장소'로 인식되어 있다. 한강을 중심으로 한 발전의 이면에는 우리나라의 사회 문제가 존재하는 것이다. 자살은 우리나라의 심각한 사회 문제이다. 2019년 OECD 자살률 통계에 따르면 우리나라의 자살률은 OECD 평균 11.0명보다 2배 이상 높다. 그렇기에 자살의 원인과 특성을 분석해 국민과 함께 발전하는 나라로 도약해야 한다.
- '자살예방백서'등 자살에 대해 다루고 있는 통계는 자살 원인을 포괄적으로 다루고 있으며, 자살 원인을 심층적으로 다룬 연구나 통계는 찾아보기 어렵다. 본 연구는 이러한 원인 분류의 한계를 지적하고, 다른 차원의 원인 분류를 제시하는 데 목표를 둔다. '한강'에서의 투신을 결심하게 된 개인의 이야기에 집중하여 원인을 분석하여 사람들이 자살을 결심하는 원인을 정확하게 파악한다면 사회는 이에 대한 대책을 마련할 수 있을 것이다.
- 본 연구는 빅카인즈에 실린 기사 중 서울 한강 교량에서의 2004 ~ 2020년도 투신자살 사건들의 원인 규명에 대한 데이터를 편찬할 것이다.
연구 대상
- 연구 대상: 빅카인즈에 있는 25개의 한강 대교 자살 투신 사건 기사
- 시점: 2004년~2020년
연구 방법
- 빅카인즈에서 '한강, 투신', '한강, 자살' 단어를 검색하여 두 차례에 걸쳐 각 연도별로 나오는 기사를 분석한다. 투신 사건 중 '한강교량'에서 투신한 사건의 기사를 수집한다. 기사에서 밝힌 투신 사건의 원인을 토대로 기사에 인용된 원인(Cited Reason)을 정리한다. Cited Reason은 투신자가 처한 상황과 그 상황이 유발한 정서로 정리한다.
- Cited Reason에서 중요한 원인을 추출한다. 아래 자료원의 분류를 바탕으로 "죽생사'만의 기준을 세워 사건의 원인을 분석한다.
- 자살 원인 기준을 세우기 위해 한국뿐만이 아닌 외국의 자살 동기 분석 데이터를 수집한다.
자료원
- BIGKINDS
- 표준국어대사전
- 보건복지부
- SOS 생명의 전화
- 한국생명존중희망재단
5개년('13~‘17) 전국 자살사망 분석 보고서 발간
- 아주대학교 학생상담소
- 한국보건사회연구원
- verywellmind
- mind
온톨로지(Ontology)
온톨로지 그래프(OntoGraph)
클래스(Class)
| 클래스명 | 한글명 | 설명 |
|---|---|---|
| Case | 사건 | 한강 투신/투신추정/투신미수 사건 |
| Human | 인물 | 사건에서 투신/투신미수한 사람 |
| Bridge | 대교 | 사건이 일어난 대교 |
| Dong | 동 | 행정동 |
| Gu | 구 | 행정구 |
| Date | 일 | 사건이 일어난 연월일 |
| Month | 월 | 사건이 일어난 연월 |
| Year | 연도 | 사건이 일어난 연도 |
| CitedReason | 인용한 자살원인 | 기사에서 발췌한 자살원인 |
| Reason | 자살원인 | 상황, 정서, 인물에 따라 분류한 자살원인 |
| NamedReason | 알려진 자살원인 | 여러 기관에서 분류한 자살원인 |
| LifeLine | 생명의 전화 | SOS 생명의 전화 |
릴레이션(Relation)
| 영문명 | 한글명 | 정의역 | 치역 | 설명 |
|---|---|---|---|---|
| isAbout | 에 대한 것이다 | Case | Human | |
| jumpsTogether | 같이 뛰다 | Human | Human | |
| happensIn | 발생하다 | Case | Bridge | |
| Case | Date | |||
| Case | Month | |||
| Case | Year | |||
| isPartOf | 일부이다 | Bridge | Dong | |
| Dong | Gu | |||
| Date | Month | |||
| Month | Year | |||
| LifeLine | Bridge | |||
| commitsSucicideFor | 자살하다 | Case | CitedReason | |
| ClassifiesAs | 분류하다 | CitedReason | Reason | |
| CitedReason | NamedReason |
속성(Attribute)
| 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 |
| status | 결과 | 해당 사건의 인물의 생사 |
| time | 시간 | 해당 사건이 일어난 시간 |
| timeslot | 시간 분기 | 해당 사건 일어난 시각을 기준으로 분기로 분류 |
- CASE_NAME : 해당 사건을 다루는 기사에서 투신 사건이 일어난 날짜, 투신 대상(대상의 전체 이름이 나오지 않을 시, 성(姓)이 나온 경우 ‘O모씨’로 통일, 성과 이름 모두 나오지 않은 경우 ‘미상’으로 통일)을 파악한다.
- 투신했거나, 생명의 전화를 사용했거나, 난간 위에 올라갔으나 주변 상황으로 인해 투신 직전까지 간 사건 등 자살 의지가 있었던 사건만을 다룬다. 한강 둔치 등에 앉은 채 발견된 경우, 자살 의지가 있어 투신한 사람을 구조하기 위해 한강에 뛰어든 경우는 자살 사건으로 간주하지 않는다.
- 사건을 투신사건, 투신미수사건, 투신추정사건으로 분류한다.
- 투신사건 : CCTV로 확인된 경우, 기사 속 경찰 및 소방청의 투신확인 문구가 있는 경우, 목격자의 증언이 있는 경우는 해당 대교에서 투신한 것이 명확하므로 ‘투신사건’이라고 명명한다.
- 투신추정사건 : 기사에만 ‘대교에서 투신했다’라는 말이 써 있는 경우, 근처 대교에서 유서 및 유품 발견된 경우, 목격자 증언 및 CCTV 확인 사실이 없는 경우 해당 대교에서 투신했다고 확실하게 이야기할 수 없으므로 ‘투신추정사건’이라고 명명한다.
- 투신미수사건 : 투신 중 타인에 의해 난간에서 붙잡혀 제지를 당한 경우, 생명의 전화를 통해 상담을 받은 후 다시 돌아간 경우 ‘투신미수사건’이라고 명명한다.
- 같은 날에 사건이 여러 개 발생한 경우 날짜 뒤에 순서대로 01, 02, 03 …으로 순서를 붙인다.
- "날짜_투신한 대교_투신 대상 이름_사건 분류”
- ex) 08031_성수대교_이호성_투신추정사건
- 동반 자살의 경우 투신 대상 이름에 동반 자살한 인물의 이름을 모두 작성한다.
- ex) 060601_01_마포대교_임모씨와_미상_투신사건
- CASE_REFURL해당 사건에 대한 기사가 많은 경우, 연구자의 판단으로 사건의 전반적인 내용을 잘 다루고 있는 기사를 선택해 URL을 작성한다. 또한 기사별 투신 대상 이름, 투신 날짜 및 시간이 조금 다른 경우, 가장 많은 기사에서 작성한 내용을 가져온다.
- CASE_STATUS : 기사를 중심으로 투신 대상의 생존, 사망, 실종을 구분한다.
- 생존 : 투신 후 구조가 된 경우
- 사망 : 투신 후 사망한 경우
- 실종 : 시체를 발견하지 못한 경우
- 동반자살의 경우, 모두 생존한 경우 ‘전원생존’, 일부만 생존하고 일부는 사망한 경우 ‘일부생존&일부사망'으로 명명한다.
- CASE_TIMESLOT : 기사에 작성된 시간대 별로 분기를 나눈다.
- 00-04시 : 1분기
- 04-08시 : 2분기
- 08-12시 : 3분기
- 12-16시 : 4분기
- 16-20시 : 5분기
- 20-24시 : 6분기
| 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 |
| full_name | 실명 | 해당 인물의 실명 |
| sex | 성별 | 해당 인물의 성별 |
| age | 나이 | 해당 인물의 나이 |
| age_group | 나이대 | 해당 인물의 나이대 |
| occupation | 직업 | 해당 인물의 직업 |
| nationality | 국적 | 해당 인물의 국적 |
| ending | 결말 | 해당 인물의 결말 |
| alcohol_consumption | 음주여부 | 해당 인물의 음주여부 |
- HUMAN_NAME : CASE_NAME에서 작성한 투신 대상의 이름을 작성한 후 CASE의 날짜를 작성한다.
- "투신 대상 이름_투신 날짜”
- ex) 박모씨_060129
- "투신 대상 이름_투신 날짜”
- HUMAN_REFURL : 실명이 알려진 경우, '네이버 프로필 링크', '위키백과', '나무위키', '영상, 사진, 인터뷰 등이 포함된 신문 기사' 순서로 정보를 찾는다. 정보가 없을 경우 NULL로 작성한다.
- HUMAN_FULLNAME : 실명을 알 경우 실명 작성, 성만 알거나 이름을 모를 경우 '미상'으로 작성한다.
- HUMAN_SEX : 남녀 구분, 모를 경우 '미상'으로 작성한다.
- HUMAN_AGE : 기사에 나온 투신 대상의 나이를 작성한다.
- HUMAN_AGEGROUP : 나이를 모를 경우 미상, 나머지는 나이대별로 정리한다. 10대~80대, 90살 이상은 90대_이상으로 명명한다.
- HUMAN_OCCUPATION : 기사에 나온 투신 대상의 직업 작성한다. CASE_REFURL에 있는 기사가 아니더라도 해당 사건을 다룬 기사에 대상의 직업이 나와 있는 경우도 해당 직업을 작성한다.
- HUMAN_NATIONALITY : 한국 이외 투신 대상의 국적 나와 있는 경우 국적을 작성한다.
- HUMAN_ENDING : 자살 결과를 다음으로 분류한다.
- 사망 : 투신 후 사망 또는 구조 후 사망했다는 것이 기사에 언급된 경우
- 생존_구조 : 투신 후 구조 또는 병원으로 이송됐다고 기사에 언급된 경우
- 실종 : 시체를 발견하지 못한 경우
- 생존_미수 : 투신 미수로 생존한 경우
- HUMAN_ALCHOL_CONSUMPTION : 기사에서 술을 마셨거나, 술에 취한 정황을 파악할 수 있는 경우와 없는 경우를 분류한다.
- consumed : 음주
- null : 음주하지 않음
| 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 |
| form | 유형 | 지정한 좌표 모양 |
| latitude | 위도 | 다리 중간지점의 위도 |
| longitude | 경도 | 다리 중간지점의 경도 |
| 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 |
| 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 |
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
| season | 계절 | 해당 월의 계절 |
- MONTH_SEASON : 1~12월을 계절로 구분한다.
- 봄 : 3월,4월,5월
- 여름 : 6월,7월,8월
- 가을 : 9월,10월,11월
- 겨울 : 12월,1월,2월
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
| nrexist | NR의 존재 | 개별 CitedReason 노드와 연결된 NamedReason 노드의 존재 여부 |
- CITED_REASON : 유서, 지인의 말 등을 기반으로 기사 속 투신 원인으로 판단한 내용을 정리하여 작성한다. 즉 기사를 부분 인용하는 것이다.
- REASON과 NAMED_REASON보다 상황을 더 구체적이고, 객관적으로 보기 위해 CITED_REASON을 정리한다. 전문 기관의 자살 원인은 대부분 사건들을 큰 원인으로 묶어 분석한다. 그러나 사람들의 자살 원인은 다양하며 광범위한 분류로는 설명하기 어렵다. 그렇기에 죽생사팀은 개개인의 사건을 조금 더 구체적인 원인으로 분류한다.
| 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 |
| type | REASON의 유형 | 상황, 인물, 감정 중 REASON의 유형 |
- REASON_GID : CITED_REASON을 토대로 상황(RS), 인물(RH), 감정(RE)을 구분하여 GID 작성
- RS : CITED_REASON보다는 큼직하게 사건을 묶어서 분류한다. 비슷한 맥락에 있는 상황들을 묶어 총 32개의 상황으로 묶었다.
- RH : 투신 대상에게 어떠한 감정을 유발한 인물, 혹은 상황과 크게 연관이 있는 인물이다. 총 11명의 인물로 분류된다.
- RE : RS나 RE로 인해 유발된 감정들을 정리한다.
- RE 분류 시 참고
| Reason_Name | 정서 | 정서 | 정서 | 정서 |
|---|---|---|---|---|
| 비관 | 비관 | 절망 | ||
| 박탈감 | 박탈감 | 박탈되다 | ||
| 압박감 | 압박감 | 스트레스 | ||
| 불안감 혹은 두려움 | 두려움 | 두렵다 | 불안감 | |
| 우울 | 우울 | 우울증 | ||
| 미안함 | 미안 | 미안하다 | 짐이 되기 싫음 | 의존하기 싫음 |
| 자책 혹은 죄책감 | 자책 | 책망하다 | 죄책감 | |
| 괴로움 | 괴롭다 | 괴로움 | 고통 | 힘들다 |
| 미운 | 원망 | 미움 | 미워하다 | |
| 분노 혹은 불만 | 불안 | 분노 | 화나다 | 울분 |
| 답답함 | 울분 | |||
| 억울함 | 억울 | |||
| 염증 | 염증 | 싫다 | 싫어하다 | |
| 외로움 | 외로움 | |||
| 서운함 | 서운함 | 섭섭하다 | ||
| 슬픔 | 슬픔 | 슬프다 | 속상하다 |
※표준국어대사전의 각 감정 정의를 토대로 분류
※다음과 같은 정서가 나오면 위 표에 해당하는 Reason_Name으로 분류
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
- NAMED_REASON : 자살에 대해 전문적을 다루는 기관이 분류한 자살 원인을 토대로 원인을 분류해본다. 총 12개의 NAEMD_REASON을 정리했다.
- NAMED_REASON 분류 시 참고
| 보건복지부 | SOS생명의 전화 | 한국생명존중희망재단 | 아주대학교 학생상담소 | 한국보건사회연구원 | verywellmind | mind |
|---|---|---|---|---|---|---|
| 정신적∙정신과적 문제 | 정신/신체건강 (정신건강) | 정신건강 문제 | 정신적 위기 | 정신과적 원인∙정신장애 | Mental Illness | Mental Health Problems |
| 경제생활 문제 | 경제 | 경제 문제 | 경제적 위기 | 고용 및 기타 경제적 요인 | Loss or Fear of Loss (Financial Problems) | Money Problems |
| 육체적 질병 | 정신/신체건강 (신체건강) | 신체건강 문제 | 정신적 위기 | 생물학 및 의학적 요인 | Chronic Pain and Illness | Long-term Physicial Pain or Illness |
| 가정 문제 | 가족 | 가정 문제 | 가족관계의 위기 | 가까운 사람의 상실(죽음, 이혼, 별거) | Loss or Fear of Loss (Feeling Like A Burden To others) | Long-term Physicial Pain or Illness |
| 남녀 문제 | 인생 및 대인 관계 | 신체건강 문제 | 정신적 위기 | 생물학 및 의학적 요인 | Chronic Pain and Illness | Long-term Physicial Pain or Illness |
| 육체적 질병 | 정신/신체건강 (신체건강) | 신체건강 문제 | 정신적 위기 | 생물학 및 의학적 요인 | Chronic Pain and Illness | Long-term Physicial Pain or Illness |
| 직장 또는 업무상의 문제 | 정신/신체건강 (신체건강) | 신체건강 문제 | 정신적 위기 | 생물학 및 의학적 요인 | Chronic Pain and Illness | Long-term Physicial Pain or Illness |
| X | 진로 학업 | X | 학업과 진로 위기 | X | Academic Failure | X |
| X | 성 | X | X | X | Loss of Friends or Family Acceptance due to Revealing Your Sexual Orientation | Doubts about Your Sexual or Gender Identity |
| X | X | X | X | 법적인 문제 | Being Arrested or Imprisoned | Being in Prison |
| X | X | X | X | X | Traumatic Stress | Different Types of Abuse, including Domestic, Sexual or Physical Abuse |
※보건복지부, SOS생명의 전화, 한국생명존중희망재단, 아주대학교 학생상담소, 한국보건사회연구원, verywellmind, mind 참고
| 속성명 | 한글명 | 설명 |
|---|---|---|
| gid | 식별자 | 개별 노드의 식별자 |
| class | 클래스 | 개별 노드가 속하는 클래스 |
| name | 대표명 | 개별 노드의 대표명 |
| open_year | 개통연도 | 생명의 전화 개통 연도 |
데이터 샘플링
연구 데이터
노드 데이터(총 1304건)
- Case 274건
- Human 289건
- Bridge 25건
- Dong 15건
- Gu 11건
- Date 250건
- Month 131건
- Year 17건
- CitedReason 202건
- Reason 59건
- NamedReason 12건
- LifeLine 19건
링크 데이터(총 2082건)
- commitsSuicidedFor 263건
- happensIn 548건
- isAbout 289건
- jumpsTogether 18건
- isPartOf 440건
- ClassifiesAs 524건
연구 결과
Neo4j 활용한 분석
- 0 단계
- Neo4j Query: match (a:Case) - [r] - (b) return a, b, r
- Case 노드를 기준으로 1단계 관계와 1단계 관계를 맺고 있는 노드를 모두 출력한다.
- 그 결과 Case노드를 중심으로 연결된 Human노드, CitedReason노드, Date노드, Bridge노드가 아래 그림과 같이 출력된다. Case노드와 1단계로 연결되어 있는 노드는 기사에서 수집한 핵심정보를 담고 있다. 사건의 투신자(또는 투신미수자)와 사건이 일어난 장소와 날짜 그리고 기사 속에 나타난 투신(또는 투신미수)의 이유가 연결되어 있는 형태다. 본 쿼리를 통해 노드들이 집중되어 있는 부분을 살피면 그 중심에 있는 붉은색 노드가 Bridge노드이다. 이를 둘러 싸고 있는 진한 파란색 노드가 Case 노드이다. 예를 들어 한눈에 보아도 가장 많은 Case들과 연결되어 있는 Bridge는 마포대교임을 알 수 있다. 다시 Case 노드를 둘러싸고 있는 노란색 노드와 하늘색 노드, 주황색 노드는 각각 Date노드, Human노드, 그리고 CitedReason노드이다. 본 쿼리 분석은 이 주황색 노드, 즉 CitedReason에 대해 더 자세하게 알아보고자 했다. 그 이유는 본 쿼리분석의 목표가 두 가지 방법으로 우리 팀이 수집한 기사들 중 명시되어 있는 자살의 원인을 분석하고자 하기 때문이다.
- Neo4j Query: match (a:Case) - [r] - (b) return a, b, r
- 1 단계
- Neo4j Query: match (a:Case) - [r:commitsSucicideFor] -> (b:CitedReason) return a, r, b
- [r:commitsSucicideFor]로 연결되어 있는 노드 출력
- 자살 원인에 집중하기 위해 먼저 Case노드와 연결된 CitedReason노드를 본다. 한 눈에 자살한 이유인 CitedReason 노드를 볼 수 있게 하면서, Case와 CitedReason의 1:多 관계를 보여준다. Case마다 연결된 CitedReason의 개수가 다른 이유는 Case마다 기사에 나와있는 정보량이 다르기 때문이다. 주로 이름이 나와 있는 유명인, 명문대 학생들을 위주로 기사를 더 자세히, 더 많이 쓰는 경향이 존재한다.
- 2 단계
- 자살 원인을 분석하기 위해 이미 알려진 선행연구의 NamedReason을 CitedReason과 연결한 분포를 죽생사가 만든 임의의 기준인 Reason을 CitedReason과 연결한 분포와 비교분석해 본다. CitedReason을 죽생사팀이 직접 만든 자살원인 기준인 Reason으로 정리했을 때와 Reason을 NamedReason으로 Reason을 정리했을 때의 다르게 분포된 양상을 볼 수 있다.
- 자살 원인을 분석하기 위해 이미 알려진 선행연구의 NamedReason을 CitedReason과 연결한 분포를 죽생사가 만든 임의의 기준인 Reason을 CitedReason과 연결한 분포와 비교분석해 본다. CitedReason을 죽생사팀이 직접 만든 자살원인 기준인 Reason으로 정리했을 때와 Reason을 NamedReason으로 Reason을 정리했을 때의 다르게 분포된 양상을 볼 수 있다.
- Neo4j Query: match (a:CitedReason) - [r:ClassifiesAs] -> (b:NamedReason) return a, r, b
- 연결된 CitedReason노드와 NamedReason노드 데이터를 모두 출력
- 기사에서 발췌한 자살원인을 여러 기관에서 한 선행 연구로 이미 존재하는 분류 기준에 따라 자살원인을 분류해 본다.
- CitedReason을 NamedReason으로 묶을 때, 각 기사에서 다룬 개인의 일을 더 큰 범위로 나누어서 살펴볼 수 있다. 이는 전체적인 자살의 양상을 볼 수 있지만, 모든CitedReason들이 NamedReason로 분류할 수 없는 경우가 발생한다. 또 복잡한 원인들이 단순하고 간단하게 요약되는 문제 또한 발생한다.
- Neo4j Query: match (a:CitedReason) - [r:ClassifiesAs] -> (b:Reason) return a, r, b
- 연결된 CitedReason노드와 Reason노드 데이터를 모두 출력
- Reason은 CitedReason을 상황, 정서, 인물에 따라 분류해 본다. 케이스에서 가져온 CitedReason들을 죽생사팀이 다시 묶어봤다. 그 CItedReson들은 각각 3가지로 분류했다. 사람, 상황, 정서. 그렇지만 모두 같은 색으로 표시해서 이 그림만 봐서는 구분할 수 없다. 이런식으로 다시 묶은 이유는 CitedReason만으로 분석하기가 어려웠고, 겹치는 비슷한 내용들이 많았기 때문이다. 또 Reason들을 분류한 이유는 상황별, 사람별, 감정별로 각각 어떤 경우가 자살로 이어지는 따로 분석할 필요가 있다고 생각했기 때문이다. 비슷한 상황이라고 해도 다른 감정을 느끼는 경우도 있기 때문에 자살을 한 상황을 가지고만 CItedReason을 Reason으로 정리하면 중요한 시사점을 빠뜨릴 수가 있다고 생각했다. 또 자살 사건에 주로 원인을 제공하는 사람이 주로 어떤 사람인지 알 수 있는 것도 자살 예방에 매우 중요하다고 생각했다.
- 3 단계
- Neo4j Query: match (a: CitedReason{nrexist:'0'})-[r:ClassifiesAs]->(b:Reason) return a, r, b
- NamedReason노드와 연결되지 않지만, Reason노드와 연결되어 있는 CitedReason노드 데이터를 모두 출력
- CItedReason중에서 NamedReason 중에 하나로 끼워 맞추기 애매한 경우들이 많았다. 이러한 CitedReason을 다시 죽생사팀이 직접 제시한 Reason 노드를 통해 다시 분석하고자 한다. 아래 그림에서 제시된 Reason 노드들은 이러하다: (어쩌고, 저쩌고).
- 죽생사팀이 다루었던 자살사건의 원인이 NamedReason에 포함이된다고 하더라도 그 원인이 기사 속에 자세하게 풀어서 써져 있지 않은 경우가 많았다. 자살 사건을 기사에서 나온 말만 가지고 원인을 분석했기 때문에 각 자살사건이 NamedReason와 CitedReason을 통해 모두 연결이 되지 못했다는 것은 NamedReason이 충분히 포괄적이 못했다는 것을 뜻한다고 볼 수 없다. 그러나 기사에서 언급된 CitedReason의 측면이 NamedReason에서 자살 사건의 원인 분류하는데에 새로운 시각을 줄 수 있다고 생각했다. 자살의 원인을 지목될만한 이유들이지만 그동안 NamedReason으로서 잘 다루어지지 않은 원인들은 무엇일지 볼 수 있다는 점이 흥미로웠기에 이에 대해서 더 자세하게 들여다보기로 했다.
- 4 단계
- Neo4j Query: match (a: CitedReason{nrexist:'0'})-[r:ClassifiesAs]->(b:Reason{type:'정서'}) return a, r, b
- NamedReason노드와 연결되지 않지만, Reason노드 중에서 type이 정서인 CitedReason노드 데이터를 모두 출력
- 위 3단계에서 CitedReason과 연결된 Reason을 살펴본 결과 Reason 중 상황, 정서, 사람과 관련된 원인 중 정서와 관련된 Reason이 가장 많았다. 따라서 정서와 관련된 Reason을 자세하게 살펴볼 필요가 느껴졌다.
이미 알려진 기준(NamedReason)으로 분류할 수 없는 CitedReason노드 중에 정서와 관련된 노드를 죽생사가 만든 Reason으로 분석해 봤다. 이러한 정서type Reason은 이러했다: (어쩌고, 저쩌고) 죽생사는 이 분석을 통해 자살의 원인으로 정서가 다루어지는 측면이 부족하다는 결론을 냈다. 자살의 원인을 상황의 측면에서 분석하는 것도 중요하지만 NamedReason에서 너무 상황에만 치중하여 분석하는 경향이 있다. 실제로는 자살의 원인으로 언급되는데에는 사람(즉, 갈등의 관계가 생긴 사람이 누구인지), 그리고 정서(자살 충도을 느꼈을 당시의 정서가 어땠는지)적인 원인도 무시할 수 없다. 특히 따라서 자살의 원인을 상황 속에서만 분석하기보다 그 개인이 느끼고 있었던 정서가 무엇인지 앞으로 더 자세한 연구가 이루어진다면 자살의 원인의 새로운 시각을 열어줄 수도 있다는 추측을 조심스럽게 내놓습니다.. 예를 들어 만약 독거노인이 자살충동을 느낀다면 그 독거노인이 혼자서 사는 노인이라는 외적인 상황에만 집중하는 것이 아니라, 그 노인이 느끼고 있는 정서가 무엇인지 더 심층적으로 알아낼려고 한다면, 그 독거노인의 자살 예방에 보다 더 적합한 해결책을 맞추어나가는데에 도움이 될 수 있다.(여기에 독거노인이 자살하느 심리에 관련된 연구가 있는지 살펴보고, 그런 연구가 있다면 이런 연구가 은근 효과적일 수 있다 앞으로 더 많아져야한다.라고 말하고 연구가 없다면 앞으로 더 다루어졌으면 하는 부분이다.라고 말하기) 어째든 상황적인 것만 해결해주려고 하기보다는 자살충동자들을 정서적인 케이스로 분류해서 해결책을 강구해나가는 것이 조금 새로운 시각일 수 있지 않을까?를 말하고 싶음. (이건 약간 추가 자료조사 필요)
- Neo4j Query : match (a:Human{sex:'여'}) <-[r:isAbout]- (b) -[s:commitsSucicideFor]-> (c) -[t:ClassifiesAs]-> (d:Reason{type:'정서'}) return d.name as 정서, count(d) as 연결횟수 order by 연결횟수 desc
- 모든 정서type Reason들을 파이차트로 정리했다.
- 비관이 가장 높게 나왔다. 그러나 이것은 기자들이 임의로 제시하는 경우가 많았다. 예를 들어 "그는 생활고를 비관했다"라고 자살의 원인을 이렇게 정도로만 설명하는 경우가 많았다. 따라서 이 결과가 신뢰성이 조금 떨어지는 면이 있다. 그러나 주로 어떤 감정들을 느끼고 있는지 한눈에 보여줄 수 있다는 의의가 있을 것 같다고 싶어서 이 결과를 넣었다. 분노 혹은 불만의 정서보다는 우울을 느낀 경우가 더 많고 염증보다는 괴로움을 느끼는 겨우가 많았다는 점이 흥밀울 수 있는 포인트라고 생각한다. 단기간에 충동적으로 느낄 수 있는 감정보다는 오랫동안 지속된느 정서들이 더 큰 비중을 차지하고 있음을 알 수 있다.
- Neo4j Query : match (a:Human{sex:'남'}) <-[r:isAbout]- (b) -[s:commitsSucicideFor]-> (c) -[t:ClassifiesAs]-> (d:Reason{type:'정서'}) return d.name as 정서, count(d) as 연결횟수 order by 연결횟수 desc
- Neo4j Query : match (a:Date) -[r:isPartOf] -> (b:Month) return b.season as 계절, count(b) as 사건개수 order by 사건개수 desc
- 여성은 감정적인 고통으로 인해 자살하는 경향이 조금 있고 남자들은 경제적인, 능력적인 이유로 자살하는 경우가 많다고 추측함. 관련해서 조사하겠음
- Neo4j Query : match(a:Case)-[r: happensIn]-> (b:Bridge) return b.name as 다리, count(b) as 사건개수 order by 사건개수 desc
- 마포대교가 자살 명소로서 가지는 의미, 그렇게 된 이유 등등의 설명 좀 적기
- Neo4j Query :match (a:Case) -[*] -> (b:Year) return b.name as 년도, count(b) as 사건개수 order by 사건개수
- 2013년과 2015년에 모방 자살이 많았을 가능성.. 기자들이 자살 케이스에 더 집중했을 가능성
연구 후기
| KWY22KU | 🐰 | 중간고사 이후로 일주일에 3~4번 이상 밤을 새워야 할 정도(밤 10시 11시에 시작해서 다음 날 5시에 끝나는 수많은 날들...)로 많은 양의 데이터였습니다. 막판 10일 동안은 저희 3명이 줌을 켜두고 밤을 새워서 데이터를 정리하고 또 정리하는 시간을 가졌습니다. 각자가 맡은 연도가 있었지만, 저희가 가장 보고 싶어 하는 원인을 분석하려면, 어떤 기준으로 분석할 것인지 명확하게 해야 했기 때문에, 한 단어 가지고 토론하고, 어원 가지고 토론하고, 층위 때문에 토론하고... 정말 끝없이 토론했다는 것만 기억에 남습니다. 이 와중에 교수님께서 '다른 사람들이 이 데이터를 사용할 수 있어'라는 말에 정말 정확하고 통일성 있게 데이터를 만들기 위해 무지무지 노력했다는 것을 알아주셨으면 좋겠습니다. 나중에는 서로의 것을 검수하는 과정을 5번 이상 하다 보니 저희 3명은 본인 연도뿐만 아니라 2004년에서 2020년, 17년 동안 있는 모든 사건들을 알고 있는 상태였습니다. 대화를 하다가 '무슨무슨 말 했던 할아버지', '그 얼마얼마 빚 있는 여성분'이라고 하면 모두 어떤 사건을 이야기하는 줄 알 정도로 몇 번이나 기사를 읽고 자세히 분석했는지 모릅니다. 그렇기에 목표의식을 갖고 온톨로지를 만들어서 데이터를 편찬에 있어서 이번 학기 최선을 다했다는 말을 할 수 있습니다. 특히 마지막에 원인을 분석하려고 기준을 정제하고 정제하다 보니 발표날 새벽이 되어서야 분석을 시작할 수 있었습니다. 목표의식이 명확했던 연구라 연구 원인을 기준으로 쿼리를 만드는 과정은 그리 어렵진 않았지만, 더 많은 아이디어들이 있었는데 모든 분석을 하지 못했다는 것은 큰 아쉬움으로 남는 것은 인정합니다. 또 발표 페이지를 교실 입성하기 5분 전까지 수정하고 있었기 때문에, 발표 준비할 시간도 사실상 없었습니다. 물론 분량 조절 또한 이 프로젝트의 고려 요인이었기에 부족했던 분석이나 발표에 대해서는 변명할 것은 없이 없습니다. 하지만 이 데이터를 만들 때 저희가 지녔던 책임감과 노력들은 자신 있게 보여드릴 수 있어서 후회는 없습니다. 잠깐 코멘트를 보고 (후기 작성 시 모든 코멘트가 완성되어 있지 않음) 몇 가지 감사를 전하고 싶습니다. 어떤 학우님께서 분류 기준을 세우는데 동일하게 어려움을 겪었다고 하셨는데, 이 연구에서 가장 어려웠던 부분 중 하나가 아닐까 싶습니다. 원인을 새로이 정의하는 과정 중에서 가장 많은 마찰도 생겼고 구분할 수 있는 기준을 찾는데, 어떤 기준을 참고해야 이 연구에 잘 맞을까를 고민하는 것이 정말로 어려웠습니다. 그리고 어떤 학우님의 의견대로 기사에 나온 정서로 이 사건을 대변할 수 있는가?에 대한 질문에 저희도 많은 의문을 품었습니다. 기사를 제외하고는 이런 사건에 대한 자료를 얻을 방법이 없었다는 점이 가장 큰 한계가 아닐까 싶습니다. 다른 학우님들도 저희의 부족한 발표에도 저희가 전달하고자 했던 내용을 알아주셔서 감사했습니다. 저희는 국가 보고서에 나오는 몇 명이 자살했고 몇 퍼센트가 경제 문제 때문에 힘들어했다를 알리기 보다, 한 사람의 사연 하나하나 보여주고 싶었습니다. 이 과정을 통해서 이 연구가 그들이 느끼는 감정과 그 상황을 보여주었으면 하는 마음이 담겨 있었습니다. 이 연구가 자살과 관련된 만큼, 슬픔 사연들, 무거운 마음에 대한 이야기가 많았습니다. 어떤 날은 한 사람에 대해서 자료가 부족하다고 해서 저희가 정한 자료 범위 외에도 찾아보는 노력도 무지하게 했으며, 연구는 제쳐두고 이 사람이 죽을 때 얼마나 슬프고 서러웠을까에 대해 이야기하며, 가정폭력을 당한 한 여성에 대해 밤새 화내고 눈물로 공감한 날들도 있었습니다. 이 연구를 하면서 단 한순간도 장난이나 재미로 접근한 적이 없으며, 가볍게 그들의 고통을 데이터로 치환하려는 생각은 하지 않았습니다. 애초에 저희가 아무리 노력해도, 어떤 말로도, 어떤 분석으로도 그들의 고통을 온전히 대변할 수 없을 것이기 때문입니다. 자살은 우리나라의 큰 사회문제기도 하지만 개인적인 문제이기도 하기에 최대한 정확하고 책임감 있게 만들려고 노력했으며 섣부른 유추로 데이터를 만드는 것을 지양했습니다. 예를 들어, '우울증'이라고 기사에 명시되어 있는 경우에 Reason에 '우울'이라는 정서와 '우울증'이라는 상황으로 분류했지만, 단순하게 '우울'이라고 명시되어 있으면 '우울'이라는 정서에만 연결했습니다. 저희가 의사도 아니고 전문가도 아닌데, 단순히 몇 줄 되는 기사 하나로 그들의 정신문제를 판단할 수 없다고 판단했기 때문입니다. 저희의 연구는 기사에 자살 원인이 명시되어 있지 않는 이유를 '자살 예방'보다(물론 자살 예방의 목적도 분명히 존재) '자살 원인에 집중하지 않은 사회'에서 찾고 싶습니다. 2008년과 2014~2017년을 담당했던 사람으로서, 한강 자살을 방지하기 위해 많은 정책들이 존재하는데, 그다지 효과적이진 않습니다. 가장 효과적인 정책으로는 물리적으로 자살을 못하게끔 안전펜스를 설치하는 것을 볼 수 있을 정도였습니다. 하지만 이는 자살문제의 근본적인 해결책이 아닌 것이 명백히 드러나고, 정부는 2017년 되어서야 자살시도하고 구조된 사람들에게 자살예방 상담을 받을 수 있는 정책을 펼쳤습니다. 애초에 자살 원인에 대해 많이 무심한 사회를 저희는 문제 삼아 이 연구를 시작한 것이 분명했으면 좋겠습니다. 그래서 결론적으로 이 주제로 이 연구를 하길 잘했다고 생각하고 후회가 없다고 후기를 남기고 싶습니다. 그리고 무엇보다 저희 최고의 조원들이랑 이 연구를 진행할 수 있어서 영광이었고 고맙다고 하고 싶습니다. |
| HSR22KU | 🍻 | 방대한 양의 데이터를 단기간에 다루려니 많이 힘들기도 했습니다. 2004년부터 2020년까지 한강 투신 사건을 분석하고 이 원인을 나눌 기준을 정리하고, 체계를 잡아가는 과정에서 많은 고민을 하며 밤을 지새우기도 했습니다. 이러한 과정 속 팀원들이 매우 많은 의지가 되었고, 저 또한 팀원들에게 고맙다는 말 하고 싶습니다. 연구의 결과가 기말발표 전에 제대로 분석되지 않아 많이 아쉽지만, 팀원들 모두 고생한 걸 알기에 이 주제를 택하고, 방대한 양의 데이터를 분석한 것에 후회는 없습니다. 분석을 더 자세히 하기 위해 현재도 팀원들과 모여 의논 중이며 이를 통해 우리 모두 이 연구에 진심이었음을 다시 한 번 깨닫게 되었습니다. 더 좋은 분석 결과를 도출해내도록 노력하겠습니다. |
| CES22KU | 🐣 | 연구 후기를 작성해 주세요 |
코멘트
문문
| PJB22KU | 🐰 | 우선 주제 자체가 참신해서 좋았다. 하지만 해석이 부족했던건 아쉽다. |
| KMG22KU | 😊 | 개인적으로 개인에게 고통이었던 시간을 간단하게 데이터화 하는 것의 문제점을 지적하고 싶습니다. 자살 사건에 대한 기사 보도를 제한하고 있는 현대적인 흐름과 역행하고 있다고 보이기도 하고, 핵심적인 이유로 말씀하셨던 것처럼 '정신적인 문제', 특히 자살 징후를 가지고 있는 환자의 정신적 문제는 그들의 담당의조차 조심스러워하는 부분입니다. 해당 연구에서 대상이 되는 사람의 정보에 대한 데이터를 재미와 내기의 측면으로 접근해서 발표하시는 모습에서 그런 조심스러움을 느끼기가 어려운 점이 아쉬웠습니다. |
| RSW22KU | 🐣 | 해석하기 어려운 자료를 가지고 데이터화를 시도한 것 자체만으로 대단합니다. 중요한 의미가 있는 해석을 크게 도출한 것은 아니지만 주관적인 해석을 포함한 자살원인을 Reason로 만들어 결과를 도출해냈을 때 그 결과 데이터만으로 유의미한 결과인 것 같습니다. |
| CMS22KU | 🤟🏻 | 굉장히 많은 표본을 분석하고 이를 토대로 네오포제를 작업한게 인상깊었다. reason들을 여러개 나눠서 자살 사건의 원인을 분석하려는 시도가 좋았다고 생각한다 . 다만 그 원인 분석이 데이터 해석의 측면이 아닌 축적된 데이터를 그대로 인용하는 형식으로 진행된 것이 조금 아쉽다고 생각한다. |
맛있조
| PJH22KU | 🐰 | 우선 자살의 원인을 심층적으로 다루는 연구나 통계가 잘 없는 것에 놀랐고, 죽생사 팀의 멋진 연구목적과 그에 따른 잘 짜여진 문제의식에 놀랐습니다. 데이터를 모으기도 정리하기도 죽생사만의 기준을 세우기도 엄청 힘드셨을텐데 엄청난 열정과 노력을 가지고 해냈다는게 멋졌습니다. |
| WDH22KU | 😊 | 저희 조도 미쉐린에서 이미 분류되어 있는 foodgroup을 저희 조에서 재분류하는 과정에서 기준을 세우고 근거가 되는 자료들을 선정하는 것이 까다로웠는데, 죽생사팀도 원인을 새로이 정의하는 과정에서 어려움을 많이 겪었을 것이라는 생각이 들었습니다. |
| KDH22KU | 🐣 | 일단 주제부터 가장 흥미롭고 결과가 기대되는 팀이었습니다. 한 학기 수업 내내 열정적으로 임하시는 모습이 인상깊었고, 배울 점이 많았습니다. 데이터 분석 측면에서도 1000개 이상의 기사를 찾아보셨다고 하여 프로젝트에 대한 열의와 노력이 돋보였습니다. 단순히 거시적 시각이 아닌, 한 사람 한 사람의 자살 사건의 원인과 배경을 알 수 있었다는 점에서 의미가 있었다고 생각합니다. |
| KYB22KU | 🤟🏻 | 서울 중에서도 한강에 집중한 점이 매우 인상적이었습니다. 투신한 사람의 특성까지 기사를 통해 파악하고자 했던 점이 대단했습니다. 게다가 1년에 1000개 이상의 기사를 분석하기도 했다는 점에서 그 노고를 느낄 수 있었습니다. 자살 원인 분석에 본인들의 기준과 실제 존재하는 기준을 모두 이용하였다는 점에서 면밀성을 알 수 있었습니다. 다양한 Reason을 조사하여서 연구 과정이 매우 어려웠을 것 같은데 객관성을 확보하느라 고생하셨다고 말씀드리고 싶습니다. |
Passion
| JJW22KU | 🐰 | 수집한 데이터들을 토대로 죽생사만의 해석을 제시한 점이 좋았습니다! 다만 데이터 간의 관계를 분석한 내용이 부족한 점은 조금 아쉬운 것 같습니다. |
| MCW22KU | 😊 | 데이터로 자살사건의 원인을 다각도로 분석해보는 시도를 하셨는데, 정리하기 쉽지 않은 데이터를 최대한 명확하게 정리하려고 노력하신 것 같습니다. Neo4j를 이용한 4단계 분석 이후에 보여주신 파이차트 등의 결과에 대해서 죽생사 팀만의 추가적인 해석이나 추론, 혹은 그런 결과가 나오는 이유에 대해 밝힌 다른 연구 인용 등이 없었던 것 같아 아쉬웠습니다. |
| YHU22KU | 🐣 | 역사는 승자의 기록이라는 말이 있습니다. 이것은 이번 연구에서도 마찬가지였습니다. 저희 조만 해도 전체 디자이너들 중에 서울패션위크에 참여한 디자이너라는 상위계층들의 이야기에만 관심을 가졌었지요. 한강에서 누군가가 자살을 한 일은 큰 관심을 받지 못합니다. 대부분의 사람들은 그저 생활이 힘들었겠거니 하고 넘어갈 것입니다. 하지만 죽생사팀은 달랐습니다. 죽생사팀이 소시민들에게 관심을 가지고 그들의 이야기를 다루었다는 것, 그 자체만으로도 데이터인문학적으로 큰 의미가 있었다고 생각합니다. 또한 수많은 데이터들을 찾고, 정리하고 분류하신 노력에 박수를 보내고 싶습니다. |
| JGE22KU | 😸 | 자살한 분들의 자세한 이야기를 일일이 찾아보고 알리려고 시도하신 것 자체가 멋있는 것 같습니다! Reason, cited-reason, named-reason을 세 가지로 정리한 아이디어가 좋은 것 같고, 이를 발표할 때 굉장히 강조해서 여러 번 알려주셔서 지금까지도 기억이 나는 것 같습니다. 발표하실 때 초콜릿을 주시며 관심을 끌고 퀴즈를 통해 집중력을 강화시키신 부분이 좋았습니다. (저도 받았거든용 >< ㅎㅎ) 다만 마지막에 죽음이 발생한 계절, 장소만 알려주시고 그 해석은 발표에 포함되어 있지 않았던 것이 조금 아쉬웠습니다. 그래도 정말 방대한 데이터들을 정리하는 것이 정말 어려웠을텐데 수고 많으셨습니다! |
데이터인빌딩
| CWY22KU | 🐰 | 자살하는 사람들의 정서와 자살의 동기에 대해 깊이 생각해볼 수 있었던 발표였습니다. 특히 개인들의 이야기를 들려드리고 싶었다는 말씀이 기억에 남습니다. 자살이라는 정말 무겁고 심각한 주제를 다루면서 정말 치열하게 고민을 하셨을 것 같았고, 이러한 고민의 흔적이 정말 잘 드러난 발표였습니다. 특히 정서라는 다소 주관성이 두드러지는 요소를 기준에 따라 분류하는 일이 쉽지 않았을 것 같습니다. 정말 고생하셨다는 말씀을 드리고 싶습니다. |
| PSY22KU | 😊 | 팀원분들이 모두 학기내내 열정을 가지고 주제에 대해 탐구하시는 모습 인상 깊었습니다. 주제가 그런 열정과 만나서 단순히 흥미로운 주제를 넘어서 깊이를 가지게 된 것 같아요. 자료 양이 매우 방대한데, 자체적으로 기준을 만들거나 하면서 깔끔하게 정리하셨는데 역시나 여기서도 투자를 정말 많이 하셨다는 게 보였습니다. 발표도 흥미롭게 볼 수 있었습니다. 추가적으로 발표 날 피드백 받으셨던 것처럼, 보다 나아간 해석도 해주셨다면 더더욱 완성도 높은 데이터였을 것 같아요. 그런 해석이 가능한 데이터를 마련하신 것만으로도 대단하다고 생각합니다. |
| LDM22KU | 🐣 | 자료수집과정에서 어려움을 겪으신 부분이 기사에 제대로 된 원인이나 경과가 명시되어있지 않은 부분이라고 하셨는데, 최근의 보도가 자살시도에 대한 언급자체를 줄여가는 쪽으로 흘러가는 이유는 다름이 아니라 추가적인 자살사고를 방지하기 위해서입니다. '자살'이 가지고 있는 무게에 대해 조금 더 고려하셨다면 다른 결과해석이 존재했을 것이라는 생각이 들어 개인적으로 조금 아쉬웠습니다. |
| AGM22KU | 🤟🏻 | 자살이 주제라서 자료조사 뿐만 아니라 정리와 해석에서 어려움이 많았을 것 같은데, 우려와 기대와는 달리 정리를 잘 하셨고 발표도 잘 하신 점이 대단한 것 같습니다. |
서닷잉
| CSY22KU | 🐰 | 엄청난 양의 데이터를 가지고 연구하신 걸 보면서 대단하다고 느꼈습니다! 정리하기만도 벅찰 데이터들을 가지고 죽생사팀만의 연구 결과를 도출하신 점이 좋았습니다. 진심으로 연구에 임하신 게 느껴져서 너무 재밌게 들었고 멋있어요! |
| CDH22KU | 😊 | 문제의식이 뚜렷하여 연구를 진행하는 과정에 있어서 탄탄한 결론을 도출할 수 있었던 것 같습니다. 파이차트를 이용해서 결론을 시각화 한 것 또한 인상적이었습니다. |
| SHW22KU | 🐣 | 죽음의 원인에 대해 다루는 부분을 데이터화 하기 어려웠을텐데 데이터 수집부터 정리, 편찬까지 전 과정에서 고민을 많이 하셨던 게 드러나는 결과인 것 같습니다. 의미있는 결론을 도출하기 위해 애쓰시느라 수고 많으셨습니다! 연구의 전 과정이 잘 드러나는 발표도 인상적이었습니다. |
| JSH22KU | 🤟🏻 | 보다 불안정한 정서를 정의하여 원인으로 삼는 다는 점이 쉽지 않았을 텐데 정말 수고 많으셨습니다! 다만 사람의 감정을 확실히 정의할 수 있을지, 자신이 느낀 정서를 올바르게 파악할 수 있는 사람이 과연 많을 지 의문이 들었습니다! |
참고 자료
『빅카인즈』
『표준국어대사전』
『네이버지도』
『네이버』
『나무위키』
(홍희정) 「시각 장애인들의 목숨을 건 투쟁」, 2006년.06월.02일.
"자살 원인", (자살예방)
"5개년('13~‘17) 전국 자살사망 분석 보고서 발간",
"아주대학교 학생상담소",
"SOS생명의전화",
강은정, 이수형, 「자살의 원인과 대책 연구 : 정신의학적 접근을 넘어서」, 한국보건사회연구원, 2010, 144.
"질환별 정보",
(Nancy Schimelpfening) "Why Do People Commit Suicide?",
"Causes of suicidal feelings", (suicidal feelings)
주석
방문자 코멘트
- 자유롭게 코멘트를 남겨 주세요!