문화기술의 융합 (The Journal of the Convergence on Culture Technology)

  • 제8권5호
  • /
  • Pages.729-734
  • /
  • 2022
  • /
  • 2384-0358(pISSN)
  • /
  • 2384-0366(eISSN)
국제문화기술진흥원 (The International Promotion Agency of Culture Technology)
권호 표지
DOI QR코드

DOI QR Code

웹 스크래핑과 텍스트마이닝을 이용한 공공 및 민간공사의 사고유형 분석

A Study on the Analysis of Accident Types in Public and Private Construction Using Web Scraping and Text Mining

  • 투고 : 2022.08.30
  • 심사 : 2022.09.09
  • 발행 : 2022.09.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

건설업의 사고원인 파악을 위해 사고사례를 이용한 다양한 연구가 진행되고 있지만, 공공 및 민간공사의 차이점에 대한 연구는 미미한 실정이다. 본 연구에서는 발주 유형별 사고원인 분석을 위해 웹 스크래핑과 텍스트 마이닝 기술을 적용하였다. 수집된 10,000건 이상의 정형 및 비정형 데이터에 대한 통계분석과 워드클라우드 분석을 통해 공공 및 민간공사의 사고유형과 사고원인에 대한 차이가 확인되었다. 또한, 주요 사고원인들의 상관관계를 파악함으로써 향후 안전관리 대책 수립에 기여할 수 있다.

Various studies using accident cases are being conducted to identify the causes of accidents in the construction industry, but studies on the differences between public and private construction are insignificant. In this study, web scraping and text mining technologies were applied to analyze the causes of accidents by order type. Through statistical analysis and word cloud analysis of more than 10,000 structured and unstructured data collected, it was confirmed that there was a difference in the types and causes of accidents in public and private construction. In addition, it can contribute to the establishment of safety management measures in the future by identifying the correlation between major accident causes.

키워드

과제정보

이 논문은 2021년 및 2022년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(No. 2021R1A6A3A01086763, No. 2022R1I1A1A01061658).

참고문헌

  1. Ministry of Employment and Labor, "'2016-2020 Industrial Accident and Death Statistics", 2021.
  2. K. C. Park, H. K. Kim, "Analysis of Seasonal Importance of Construction Hazards Using Text Mining", KOREAN SOCIETY OF CIVIL ENGINEERS, Vol. 41, No. 3, pp. 305-316, 2021.
  3. Y. G. Yoon, J. Y. Lee, T. K. Oh, "Text miningbased Data Preprocessing and Accident Type Analysis for Construction Accident Analysis", Journal of the Korean Society of Safety, Vol. 37, No. 2, pp. 18-27, 2022. https://doi.org/10.14346/JKOSOS.2022.37.2.18
  4. Griffiths, Thomas L., and Mark Steyvers. "Finding scientific topics." Proceedings of the National academy of Sciences 101, no. suppl 1 (2004): 5228-5235. https://doi.org/10.1073/pnas.0307752101
  5. Asuncion, Arthur, Max Welling, Padhraic Smyth, and Yee Whye Teh. "On smoothing and inference for topic models." In Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence, pp. 27-34. AUAI Press, 2009.