COVID-19 대유행 이후 관광산업의 회복 과정에서 나타난 이슈 분석과 지원 정책 평가에 관한 연구

A Study on the Analysis of Issues and Evaluation of Support Policies that emerged in the Process of Recovery of the Tourism Industry after the COVID-19 Pandemic

본 연구는 COVID-19 팬데믹과 같은 미래 국제 공중보건 위기 대응을 위한 관광산업 정책 수립에 기여하기 위해, 뉴스 기사 데이터를 기반으로 토픽모델링 기법을 활용하여 관광산업 지원 정책에서 나타난 주요 이슈를 분석하였다. 연구 결과, 대출과 세금 지원, 기술인프라 투자, 방문 경제 전략, 직업훈련과 기술, 산악 관광객과 지역사회 건강 및 안전, 커뮤니케이션 정책, 호텔 정보시스템, 관광도시공간 재구성 등 COVID-19 위기 극복을 위해 추진된 다양한 정책 이슈를 도출하였다. 도출된 정책 이슈를 국내의 관광산업 지원정책과 비교한 결과 일부 정책의 추가와 보완이 필요한 점이 확인되었다. 관광산업의 회복 과정에서 식별된 토픽을 정부 지원정책과 비교하여 지원 정책의 수준을 평가하고 보완할 내용이 있는 경우 도출된 토픽에 기초하여 보완하였다. 만약 도출된 토픽과 관련된 국내의 지원 정책이 존재하지 않는 경우 도출된 토픽에 근거하여 지원 정책을 새롭게 제시하였다. 본 연구는 딥러닝 기반 텍스트 분석을 활용하여 관광산업의 COVID-19 지원 정책 이슈를 효과적으로 도출하고, 전 세계 정책 동향을 신속히 파악할 수 있음을 확인하였다. 이는 뉴스 기사 등 대규모 텍스트 데이터를 활용한 관광학 연구의 확장 가능성을 제시한다. 또한, 전통적인 연구 방식의 한계를 넘어, 텍스트 마이닝이 관광산업 회복 과정에서 산업의 요구를 효과적으로 파악하는 데 유용함을 입증하였다. 마지막으로, 토픽모델링을 활용하여 다양한 연구 주제를 도출하고, 정책 수립에 활용할 수 있는 학술적 기반을 마련한 점에서 연구의 의의가 있다.

This study aims to contribute to the formulation of tourism industry policies for responding to future international public health crises, such as the COVID-19 pandemic, by analyzing key issues in tourism industry support policies using topic modeling techniques based on news article data. The study identified various policy issues implemented to overcome the COVID-19 crisis, including loan and tax support, investment in technology infrastructure, visitor economy strategies, job training and skills development, health and safety of mountain tourists and local communities, communication policies, hotel information systems, and the reconfiguration of urban tourism spaces. A comparison of the identified policy issues with domestic tourism industry support policies revealed the need for the addition and supplementation of certain policies. The study evaluated the level of government support policies by comparing the identified topics with existing support measures during the recovery process of the tourism industry. If supplementary content was necessary, it was derived based on the identified topics. If no corresponding domestic support policies existed, new support policies were proposed based on the derived topics. This study confirmed that deep learning-based text analysis effectively identifies issues related to COVID-19 support policies in the tourism industry and enables the rapid identification of global policy trends. This highlights the potential for expanding tourism research using large-scale textual data such as news articles. Furthermore, by surpassing the limitations of traditional research methods, the study demonstrated that text mining is useful for effectively understanding industry needs in the tourism recovery process. Finally, the study holds significance in establishing an academic foundation for deriving various research topics using topic modeling and utilizing them in policy formulation.