초록 열기/닫기 버튼
코로나19 발병 이후, 비대면 소비가 증가하고 부업에 대한 수요가 높아지면서 음식 배달 플랫폼 노동이 일상생활에서 빠르게 확산 되었다. 본 연구는 배달 플랫폼 노동에 대한 내부적 인식과 외부적 인식을 탐색적으로 알아보기 위해 텍스트마이닝 기법을 활용하여 배달 플랫폼 노동에 대한 배달 노동자들의 인식과 언론의 인식을 알아보았다. 노동자들의 인식은 DC 인사이드 배민커넥트 갤러리 게시글을 활용하였으며 언론의 인식은 배민커넥트가 언급된 뉴스 기사 데이터를 활용하였다. 분석 방법으로는 단어 빈도, TF-IDF 값, 시멘틱 네트워크 분석과 같은 키워드 분석과 문서 집합 내에 잠재된 토픽을 도출해내는 DMR 토픽 모델링이 수행되었다. 분석 결과, ‘사고 및 보험’, ‘수익’, ‘코로나와 일자리’와 같이 안전과 수익성에 관한 토픽이 배민커넥트 갤러리와 신문기사에서 공통적으로 나타났다. 한편, ‘AI 배차와 일반 배차’, ‘편법’과 같이 배차 방식과 알고리즘을 속일 수 있는 편법들에 대한 토픽은 배민커넥트 갤러리에서만, ‘스타트업’과 ‘부업 수익 창출을 위한 배달’과 같이 기업에 대한 언급과 플랫폼 노동의 긍정적 가능성에 관한 토픽은 주로 신문기사에서 나타나는 것을 확인할 수 있었다. 추가적으로, 시간의 흐름에 따라 상승하거나 하강하는 토픽들이 분석되었으며 이와 관련한 해석이 논의되었다.
Due to the COVID-19 outbreak, food delivery platform labor has rapidly spread in daily life as contactless consumption has increased and demand for side job has increased. This study utilizes text mining techniques to explore social issues about delivery platform labor from the perspective of platform laborers and news media. DC Inside Baemin Connect Gallery postings were used to identify platform laborer' perceptions, and news articles which mentioned ‘Baemin Connect’ were used to identify media perceptions. For the analysis, keyword analysis such as word frequency, TF-IDF value, semantic network analysis, and DMR topic modeling which derive latent topics within a set of documents were conducted. As a result, topics about safety and profitability, such as ‘accidents and insurance’, ‘profit’, and ‘COVID-19 and jobs’ were found in common in Baemin Connect gallery and news articles. On the other hand, topics about the way of dispatching (i.e., General dispatch system, AI dispatch system) and tricks that can fool algorithms only been shown in the Baemin Connect Gallery. Also, topics on the positive attributes of platform labor, such as the effect of generating side jobs and unicorn start-up only been shown in news articles. Additionally, topics that rise or fall over time were analyzed and related interpretations were discussed.
키워드열기/닫기 버튼
platform labor, delivery platform laborer, semantic network analysis, DMR topic modelling, gig economy
