| Home | E-Submission | Sitemap | Contact us |  
top_img
Asian J Beauty Cosmetol > Volume 22(3); 2024 > Article
키워드 네트워크 분석을 활용한 메이크업 분야 연구 동향 분석

요약

목적

이 연구는 메이크업과 관련된 논문의 주제어를 키워드 네트워크 분석을 통해 최근 10년 동안 연구된 핵심적 주제를 파악하고자 하였다.

방법

한국연구재단에서 제공하는 KCI 학술지 D/B에서 추출한 자료를 키워드 네트워크 분석을 활용하였다. 2013-2022년 기간의 메이크업 관련 논문 585편을 분석에 사용하였다.

결과

첫째, 메이크업 관련 키워드의 빈도를 살펴본 결과 '이미지'이 가장 많은 빈도를 나타냈고 ‘아트메이크업’, ‘디자인’, ‘화장품’, ‘컬러’, ‘반영구화장’ 같은 주제어의 순으로 빈도가 높았다. 둘째, 1기(2013년-2017년), 2기(2018년-2022년)로 분리하여 살펴본 결과, 1기는‘ 이미지’, ‘컬러’, ‘디자인’, ‘아트메이크업’ 순이고, 2기는 ‘화장품’, ‘이미지’, ‘아트메이크업’, ‘디자인’, ‘반영구화장’ 순으로 연구가 이루어졌다. 셋째, 중심성 분석을 통해 키워드 간 속성을 알아본 결과 키워드들 간 가장 많은 상호작용을 하고 있는 키워드는 ‘이미지’이며 ‘디자인’, ‘아트메이크업’은 다른 키워드들과 연결의 중심성이 높은 키워드로 메이크업 관련 연구에서 중요한 주제임을 알 수 있다.

결론

메이크업과 관련된 연구는 이미지, 화장품, 컬러, 예술, 행동, 서비스, 교육 등 다양하게 이루어지고 있지만, 제 4차 산업과 인공지능(AI) 등 융합 연구가 이루어지고 이와 관련된 키워드가 향후 많이 등장해야 할 것으로 사료된다

Abstract

Purpose

This study aims to identify research on makeup-related topics from the past decade using keyword network analysis.

Methods

This study used keyword network analysis to extract data from the Korea Citation Index journal database of the National Research Foundation of Korea. A total of 585 papers related to makeup, published between 2013 and 2022, were used for the analysis.

Results

An examination of the frequency of makeup-related keywords indicated that “image” displayed the highest frequency, followed by “art makeup,” “design,” “cosmetics,” “color,” and “semi-permanent makeup.” The study then classified the year of publication into the first (2013–2017) and second (2018–2022) periods. The terms “image,” “color,” “design,” and “art makeup” and “cosmetics,” “image,” “art makeup,” “design,” and “semi-permanent makeup” were studied in these orders during the first and second periods, respectively. Third, the study explored the properties of keywords using centrality analysis. The results indicated that the keyword with the most interaction with other keywords is “image,” whereas “design” and “art makeup” are keywords with a high centrality of connection with other keywords used in makeup-related research. Thus, the result implies that this topic is important.

Conclusion

Research related to makeup is being conducted on various topics, including image, cosmetics, color, art, behavior, service, and education. However, convergence research, such as the Fourth Industrial Revolution and artificial intelligence (AI), is being conducted, and keywords related to this are expected to appear in several cases in the future.

中文摘要

目的

利用关键词网络分析来识别过去十年中与化妆相关主题的研究。

方法

本研究使用关键词网络分析从韩国国家研究基金会的韩国引文索引期刊数据库中提取数据。该分析使用了2013年至2022年间发表的585篇与化妆相关的论文。

结果

首先,对化妆相关关键词的频率进行检查发现,“形像”的出现频率最高,其次是“艺术化妆”、“设计”、“化妆品”、“色彩”和“半永久化妆”。其次,按年份分为第一期(2013-2017年)和第二期(2018-2022年),第一期为“形象”、“色彩”、“设计”、“艺术化妆”,第二期为“化妆品”、“形象”、“色彩”、“艺术化妆”、“设计”、“半永久化妆的顺序进行研究。 第三,该研究利用中心性分析探讨了关键词的属性。结果表明, 与其他关键词互动最多的关键词是“图像”,而“设计”和“艺术化妆”是与化妆相关研究中使用的其他关键词联系度最高的关键词,可见它们是化妆相关研究的重要课题。

结论

与化妆相关的研究涉及多个主题,包括形象、化妆品、色彩、艺术、行为、服务和教育。然而,第四次工业革命和人工智能(AI)等融合研究正在进行中,与此相关的关键词预计未来会出现在多个案例中。

Introduction

우리나라의 미용교육은 1928년 K미용학교의 설립으로부터 시작되었으며 1948년 제1차 미용사 자격시험이 실시되었다. 1991년 전문대학을 시작으로 미용학과가 개설되었고 1999년에 전국 최초로 학사 과정이 신설되었으며 이후 1997년에 석사과정, 2005년에 박사과정이 개설되었다(Baek & Kim, 2009). 사설학원, 전문대학, 대학, 대학원 등 관련교육기관의 증대로 학계와 산업계의 관심이 높아짐에 따라 현대의 미용은 그 기술에 과학성이 더해지게 되었고, 이론적 체계가 갖추어지면서 지금은 중요한 학문 분야로 자리 잡게 되었다(Kim & Na, 2014). 공중위생관리법 법률 제19444호에 의하면 “미용업”이라 함은 손님의 얼굴, 머리, 피부 및 손톱ㆍ발톱 등을 손질하여 손님의 외모를 아름답게 꾸미는 다음 각 목의 영업을 말한다라고 정의하고 있고, 일반 미용업, 피부 미용업, 네일 미용업, 화장·분장 미용업으로 분류하고 있다. 그래서 최근 미용은 전세계적으로 확산되고 있는 K-Beauty의 영향으로 국내 미용 산업이 급성장하였다. 미용 산업 발전으로 인해 학문적으로는 교육기관의 증대에 따른 이론과 실기가 체계적으로 갖추면서 실기 중심의 실용학문으로 중요한 영역으로 자리매김하고 있다. 2016년에 미용사(일반) 자격증에서 분리되어 미용사(메이크업) 자격증이 신설되어 전문성이 더욱 강화되었다. 학문적으로 살펴보면, 한국연구재단 한국학술지인용 색인(www.kci.go.kr) 학술지에 게재된 ‘미용’ 관련 연구는 2022년도 기준 7,100여건에 달하며 1977년부터 2006년까지는 총 241편으로 검색되는 반면, 2007년부터는 매해 230편 이상의 논문이 발간되었고 2018년부터는 500편 이상의 논문이 발간되고 있어 미용 분야가 중요한 학문 분야로 자리매김하고 있음을 알 수 있다. 현재 학회는 대부분 헤어, 메이크업, 피부, 네일 등의 분야로 세분화하여 전문성을 강화하고 있는 추세이다(Oh, 2022). 또한, 메이크업 관련 2년제 대학은 1988년 동주대학 피부미용과, 4년제 대학교는 1999년 광주대학교의 미용 학과로 시작되었으며(Lee et al., 2009), 더 나아가 석·박사과정의 대학원 신설로 이어지면서 학문적인 체계를 견고히 구축하게 되었다(Park, 2021). 이렇게 대학과 대학교가 성장하면서 메이크업 분야의 학문적 연구가 발전 하고 있으며, 그에 따라 학술 논문과 학위논문의 수가 증가하고 있음을 알 수 있다. 2009년 미용관련 학회지가 한국연구재단에 등재나 등재후보지로 등록된 이후 미용 분야의 연구 논문 발표와 학위논문 발표가 급격하게 증가 되었고(Kim & Na, 2014), 1992년 발족된 한국미용학회가 1995년 1권 1호를 발행하여 2009년부터 한국연구재단 등재지로 등록되기 시작하였고 2022년 현재 6개의 학회지가 등재학회지로 등록되어 있다(Baek & Kim, 2009). 이와 같이 미용과 관련된 연구가 누적되면서 연구성과를 체계적으로 종합하고 분석하는, 연구동향 분석이 활발히 이루어지고 있다. 연구 동향 분석은 선행연구의 경향성을 파악함으로써 기존 연구의 가치를 재평가하고 향후 해당 분야에서 수행되어야 할 연구와 방향성을 제시하는데 유용한 정보를 제공할 수 있다(Choi, 2019). 미용 분야의 세부 전공별 연구동향 연구를 살펴보면 메이크업 분야(Cho & Shin, 2011; Beak, 2019), 헤어 분야(Hur, 2007; Kim & Na, 2014: Lee & Noh, 2021), 피부 분야(Lee & Son, 2018; Oh, 2022)에 관한 연구가 있으며, 미용관련학과 학위 현황 연구(Bae & Youn, 2012)가 있다. 학회지의 연구 동향과 관련하여 한국미용학회(Baek & Kim, 2009; Kim & Youn, 2014), 한국인체미용학회(Kim et al., 2016; Kim, 2020)의 연구동향 분석 연구가 있다. 이상과 같이 미용분야에서도 네트워크 분석을 활용하여 연구 동향 분석이 이루어지고 있으나 메이크업 분야의 연구에서 주제어를 추출하여 연구의 동향을 살펴본 연구는 전무하다. 최근 키워드 네트워크 분석(keyword network analysis)을 활용하는 연구가 증가하고 있는데, 이것은 해당 학문 분야의 연구 경향을 총체적으로 분석하는데 유용한 방법으로 연구 동향 및 지적 구조를 객관적으로 분석할 수 있고 기존 내용분석 방식보다는 분석 결과를 보다 시각적으로 도출, 확인할 수 있다는 장점이 있다(Kim et al., 2017; Lee, 2019). 또한, 키워드 네트워크 분석을 통해 메이크업 분야의 연구 동향을 분석하는 것은 이 영역의 핵심적인 연구 주제, 전반적인 특징과 구조를 파악하는 데 도움이 될 것이며 기존의 내용분석 방법과는 달리 연구자의 주관성을 최소화하며 개념들의 관계를 파악하고 시각화할 수 있는 장점이 있다(Oh, 2022). 따라서 이 연구는 메이크업과 관련된 논문의 주제어를, 네트워크 분석을 통해 최근 10년 동안 연구된 핵심적 주제를 파악하고자 한다. 또한, 키워드 간 구조적 특징과 관계를 살펴봄으로써 메이크업 분야의 연구 동향에 대한 기초자료를 제공하고 향후 연구 방향에 대한 시사점을 제시하고자 한다.

1. 이론적 배경

1) 네트워크 분석

텍스트 마이닝(text mining)은 비형식적이고 비구조화된 텍스트로부터 필요하고 유용한 정보를 추출하는 기술을 의미하는데, 이는 자연어처리(natural language processing, NLP)와 형태소 분석 기술을 기반으로 단어 매트릭스를 구성하여 빈도수를 분석하고, 정보와 텍스트 간의 관련성에서 새로운 지식을 찾아 빅데이터의 추가 분석을 지원하는 역할을 수행한다(Lee, 2019). 이러한 텍스트 마이닝에는 프로파일링, 토픽 모델링, 문헌 클러스터링 등 다양한 기법이 존재하고 그 중 하나가 텍스트 네트워크 분석(text network analysis)이다. 텍스트 네트워크 분석은 의미연결망 분석(semantic network analysis), 언어 네트워크분석(semantic network analysis), 키워드 네트워크 분석(keyword network analysis) 등으로 불리며 최근 새로운 연구 방법론으로 부각되고 있다(Oh, 2022). 그 중에 키워드 네트워크분석은 언어로 된 텍스트를 분석 대상으로 하여 그 내용을 분석하는 방법으로 특정 키워드와 동시에 출현하는 키워드를 볼 수 있고, 중심 역할을 하는 키워드를 분석함으로써 학문 영역의 핵심적인 연구 주제를 파악하고 학문의 지적구조를 잘 확인할 수가 있다(Choi & Park, 2011). 네트워크 분석은 UNICET, NetMiner, NodeXL, R의 SNA 패키지 등의 분석 도구를 활용하여 분석하는데, 주로 시각화 분석과 분석지표에 의한 분석을 한다. 네트워크 분석지표에서 가장 많이 사용되는 지표로 중심성(centrality)지표가 있는데 이는 한 노드가 전체 네트워크서 중심에 위치하는 정도를 표현하는 지표이다. 중심성 분석을 통해서 전체 네트워크에서 중요한 역할을 하는 키워드가 무엇인지 파악할 수 있는데(Lee, 2006) 주로 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성으로 구분된다. 연결 중심성은 한 노드가 얼마나 많은 다른 노드들과 연결되어 있는지 측정하는 지표이며, 링크의 수가 많을수록 연결 중심성이 높아지고 근접 단어들로 쉽게 확산될 수 있어 그만큼 영향력이 있다고 해석할 수 있다. 근접 중심성은 특정한 노드에 다른 노드가 얼마나 가깝게 분포해 있는지 파악할 수 있는 지표로 네트워크의 간접적인 연결까지 고려되는 척도이다. 매개 중심성은 한 노드가 다른 노드들 간의 네트워크 관계에 있어서 중개자 또는 매개자 역할을 얼마나 수행하는지 측정하는 지표로 수치가 높을수록 네트워크 내의 정보의 흐름에 높은 통제력을 지니게 된다. 위세중심성은 한 노드의 영향력 또는 중요도를 측정하는 것으로 핵심 단어를 찾는데 주로 사용된다(Park & Park, 2020).
텍스트를 추출하는 방법은 제목, 주제어, 초록 등 다양한데 이 연구에서는 키워드(주제어)에서 추출하였다. 논문에서 주제어는 연구의 목적이나 핵심 주제가 잘 드러나도록 연구자가 신중하게 결정하여 논문에 제시하므로(Oh, 2022) 연구 동향을 분석하기에 적합하다고 판단된다.

2) 메이크업 분야 연구동향

메이크업 분야의 연구동향을 살펴본 선행연구는 학위논문과 학술지의 연구 동향을 파악한 것과 미용 관련 특정 학술지의 연구 동향을 분석한 연구가 있다. 메이크업 분야의 연구 동향을 연구한 선행 연구로 Cho & Shin (2011)은 학위논문을 대상으로 분석하였으며, 연구 주제별로 화장품 구매동기 및 소비행태에 영향을 미치는 연구가 제일 많으며 웨딩 메이크업 연구가 그 다음 순이었다. 1984년 최초로 관련 논문이 나온 이래 1995년까지는 한 해 1편 정도로 메이크업 관련 연구가 본격화 되지 못하였고, 2002년 이후 논문의 편수가 급속히 증가하였음을 알 수 있었다고 하였다.
Beak (2019)의 화장행동연구에서는 국내 화장품 시장에서의 이슈의 흐름을 파악할 수 있으며, 또한 국내 소비자의 화장에 대한 관심이 어떻게 변모해 왔는지를 조명해 볼 수 있다는 점에서 의의 있었고, 화장 행동 연구 동향을 빈도 분석과 언어 네트워크분석을 사용하였다. 화장 행동 연구에서는 연구대상이 매우 중요한 키워드 였으며, 키워드 전체를 대상으로 빈도 분석 결과 ‘화장행동’이 가장 높은 빈도를, 그 다음으로 ‘여성’, ‘화장’, ‘대학생’, ‘고등학생’ 순이었다고 하였다.
Kim & Kim (2015)는 1967년-2013년까지 화장품 산업 관련 국내 석·박사 학위 논문 1496건을 대상으로 계량서지학적 분석을 하였으며 출현 단어별 빈도수는 화장품이 가장 많고 구매형태, 브랜드, 소비자, 한국, 광고전략, 이미지 순으로 높았으며 서명분석에 따른 단어 분류에 따라 체계화한 결과 화장품 산업의 소비, 생산, 경영 순으로 관련된 출현 단어의 빈도가 높았다고 하였다.
한국인체미용예술학회의 연구 동향을 2008-2019년까지 학회지에 게재된 논문 792편의 서지정보를 분석한 결과, 영향 및 헤어에 해당하는 단어가 100회이상의 가장 많은 빈도를 차지하였고, 메이크업, 피부미용, 네일, 패션 등 한국인체미용예술학회에서 주된 연구 분야로 다루어지고 있는 용어들에 비해 상대적으로 빈번한 연구 주제로써 활용되어지고 있었다. 메이크업은 도입기(2008-2011)보다 성장기(2012-2015)에 출현 빈도가 3배 이상 증가하였고 성숙기(2016-2019))에는 ‘뷰티’와 ‘메이크업’에 해당하는 분야가 핵심적인 영향력을 나타내고 있는 것으로 확인 할 수 있었다(Kim, 2020).
미용관련학회중 가장 오래된 한국미용학회의 논문의 동향을 1995년-2007년까지 논문을 중심으로 분석하였으며, 연구주제에 따른 유형을 분석하여 미용 분야 연구주제의 경향을 파악하고자, 유형별로 분석한 결과는 화장, 헤어, 피부, 기초과학, 화장품 & 헤어 용품 개발, 미용 역사, 미용 마케팅, 미용 교육, 패션 영역이었으며, 연구내용에 따라 크게 피부, 헤어, 화장, 기초과학, 미용 경영, 미용 교육, 패션 영역으로 분류되었고. 세부주제에서는 화장품에 관한 연구가 가장 많았으며, 다음으로는 두피, 헤어와 관한 연구로 높게 나타났었다.

Methods

1. 분석대상

이 연구는 한국학술지인용색인(www.kci.go.kr) 학술지 D/B를 활용하여 데이터를 수집하였고, ‘메이크업 or Make up or 화장’이라는 검색어를 중심으로 자료를 수집하였다. 수집기간은 메이크업 관련 연구가 활성화되어 증가하기 시작한 2013년부터 2022년 9월까지(10년간), 등재학회지에 발표된 눈문으로 한정하였다(검색기간 2022.10.04-2022.10.05). 1차 수집된 논문은 1,050편이었으나, 이 중 공학(45편, 00%), 의약학(23편, 00%), 농수해양(6편, 00%) 분야 논문을 제외하였고 예술체육, 복합학, 인문학, 사회과학, 자연과학 등을 포함한 976편(00%)의 논문 중 ‘헤어’, ‘피부’, ‘복식’, ‘의상’, ‘화장품 성분 추출물’ 등과 같이 연구 주제와 연관성이 낮은 논문 391편(00.0%)을 제외한 585편을 최종 분석 대상으로 선정하였다.
선정된 논문이 발표된 학회는 한국미용학회지(134편, 22.9%)가 가장 많았고 한국인체미용예술학회지(93편, 15.9%), 한국디자인문화학회지(43편, 7.4%), 아시안뷰티화장품학술지(41편, 7.0%), 대한미용학회지(24편, 4.1%), 패션비즈니스(19편, 3.2%), 브랜드디자인학연구(19편, 3.2%) 순으로 나타났다.
분석 대상으로 선정된 메이크업 관련 논문의 출판 연도별 연구 동향을 살펴보면 Table 1과 같다. 메이크업 관련 논문은 2013년부터 등재학술지에 매년 44편 이상씩 발표되고 있으며 2020년 83편으로 가장 많이 나타났고 2016년 44편으로 가장 적었다(2022년 제외).

2. 분석 방법

1) 키워드 네트워크 분석도구

수집된 자료의 데이터 정제는 (주)더아이엠씨에서 개발한 Textom (2022)을 활용하였으며, 메이크업 관련 논문에서 나타난 주제어들 간 키워드 네트워크 분석을 수행하기 위해 UCINET6 (Freeman, 2017)와 NetDraw를 활용하였다(Lee, 2022; Park et al., 2019; Borgatti et al., 2018).

2) 데이터 처리

메이크업 관련 연구 동향을 분석하기 위한 데이터 추출을 수집된 585편 논문의 키워드(주제어)로 분석하였다. 키워드 네트워크 분석의 정확성을 높이고 결과에 대한 명확한 해석을 위해 데이터 정제를 실시하였다. 추출된 키워드 중 영문으로만 표기된 주제어는 한글로 바꾸었고 Textom에서 수집된 키워드를 중심으로 텍스트 마이닝(text mining)을 실시하였는데 이때 복합명사, 고유명사를 그대로 결과 값에 반영하는 Espresso K 방식을 채택하였다. 추출된 키워드에서 검색어로 활용한 ‘메이크업’, ‘make up’, ‘화장’은 모든 데이터에 공통으로 내포하는 키워드이므로 네트워크의 구조적 속성과 중심성 분석에서 의미부여가 어려울 것으로 판단되어 제거하였고 ‘아트 메이크업’, ‘메이크업 행동’ 등은 띄어쓰기를 붙이는 것으로 통일하였다.

3) 자료분석

키워드 네트워크 분석을 실시하기 위해 정제된 데이터를 바탕으로 피부 미용관련 키워드에 대한 빈도분석을 실시하였고 100×100 1-mode 매트릭스 데이터 셋을 작성하였다. 이 연구에서 수행한 키워드 네트워크 분석 절차는 다음과 같다. 첫째, 피부 미용관련 키워드 간의 구조적 속성을 파악하기 위해 노드수, 밀도, 평균연결강도, 평균연결거리, 컴포넌트수, 지름, 네트워크 집중도 등을 살펴보았다. 둘째, 키워드 네트워크의 추정된 밀도가 우연에 의한 것이 아님을 통계적으로 검정하기 위해 부트스트랩을 활용한 단일표본 평균차이 검정을 실시하였다. 셋째, 키워드 네트워크 내 키워드들의 중심성(centrality)이 어떠한 양상으로 나타나는지를 살펴보기 위해 연결중심성, 매개중심성을 분석하였다.

Results and Discussion

1. 메이크업 관련 키워드에 대한 빈도 분석

1) 2011-2022년 기간의 메이크업 관련 키워드 빈도

한국연구재단에서 제공하는 KCI 학술지 D/B를 활용하여 피부 미용관련 키워드를 수집하여 정제하였으며, 이 중 빈도 상위 56개(출현 빈도 8이상) 키워드를 최종 네트워크 분석대상으로 선정하였다. 최종분석대상으로 선정된 주제어들 중 출현빈도 30위 이내 키워드를 중심으로 워드클라우드를 활용하여 시각화하면 Figure 1과 같다.
메이크업 관련 키워드에 대한 빈도분석 결과(Table 2), ‘이미지(62회)’가 가장 높은 빈도로 나타났으며, 그 다음으로 ‘아트메이크업(46회)’, ‘디자인(44회)’, ‘화장품(36회)’, ‘컬러(34회)’, ‘반영구화장(28회)’, ‘얼굴(23회)’, ‘교육(22회)’, ‘외모관리(20회)’, ‘메이크업행동(20회)’, ‘캐릭터(19회)’, ‘만족(19회)’, ‘남성(17회)’, ‘여성(15회)’, ‘심리(15회)’, ‘웨딩(14회)’, ‘유투브(14회)’, ‘자아존중감(14회)’, ‘행동(14회)’, ‘분장(14회)’, ‘대학(13회)’, ‘고객만족(13회)’, ‘서비스(13회)’, ‘뷰티(13회)’, ‘트렌드(13회)’, ‘디지털(12회)’, ‘특수분장(12회)’, ‘외모관심(12회)’, ‘패션컬렉션(12회)’, ‘중국(11회)’, ‘융합(10회)’, ‘아트마스크(10회)’, ‘형태(10회)’, ‘뷰티산업(10회)’, ‘메이크업 인식(10회)’, ‘한국(10회)’,‘브랜드(10회)’, ‘조형(10회)’ 등으로 나타났다. 이상의 결과를 살펴보면, 메이크업에서 ‘이미지’ 키워드가 월등히 빈도가 높은 것은 메이크업 시술 후에 이미지로 보여지는 시각적인 효과가 중요하기에 이미지 관련하여 활발한 연구가 이루어지고 있음을 알 수 있다. 아트메이크업, 디자인과 컬러 빈도가 그 다음으로 높은 것은 일반적인 뷰티 메이크업 보다는 예술적인 경향으로 연구가 이루어지고, 메이크업에서 디자인적인 측면과 컬러가 중요하게 다루어지고 있음을 알 수 있다. 반영구화장의 빈도가 상위에 있는 것은 현재 반영구화장에 대한 관심과 인식이 증가하고 있기에 관련 연구가 증가하고 있는 추세이고, 메이크업과 반영구화장 관련 제품의 연관성으로 화장품 키워드 빈도도 높게 나타났다. 메이크업의 필요성으로 외모관리, 외모관심, 메이크업행동의 키워드가 나타났고, 메이크업의 심리적 효과로서 만족과 자아존중감이 밀접한 연관성이 있기에 관련 키워드 중심으로 연구가 지속적으로 이루어지고 있으며, 연구의 대상으로는 남성이 다소 여성보다 빈도가 높은 것은 메이크업 관련 연구는 대상보다는 콘셉트 즉 이미지 분석과 디자인이 중요한 연구의 방향이라고 할 수 있다. 메이크업 분야에서 시대적인 추세에 따른 키워드로 유투브, 디지털 키워드의 연구도 높게 나타났다.
선행연구에서 Cho & Shin(2011)은 화장품 구매 동기와 관련된 연구에서 출현 빈도가 높은 것은 화장품 키워드가 상위권에 높은 빈도를 나타낸 것과 유사하다. Beak (2019)의 연구에서 ‘화장행동’이 가장 높은 빈도를 보였는데 이 연구에서는 ‘메이크업행동’으로 높은 출현 빈도는 아니지만 상위권에 있어 다소 차이가 있는 것으로 나타났다.

2) 연구 시기에 따른 메이크업 관련 키워드 빈도

2013년부터 2022년까지의 기간을 1기(2013년-2017년)와 2기(2018년-2022년)로 나누어 비교적 최근의 연구 동향과 그 이전의 연구 동향을 비교하였다(Table 3). 조사 기간에 따른 키워드 빈도 차이를 살펴본 결과 1기는 ‘이미지(37회)’의 빈도가 가장 많았고, ‘컬러(22회)’, ‘디자인(21회)’, ‘아트메이크업(21회)’, ‘얼굴(13회)’, ‘화장품(11회)’, ‘트렌드(10회)’, ‘교육(9회)’, ‘남성(9회)’, ‘웨딩(8회)’, ‘반영구화장(8회)’, ‘ 고객만족(8회)’, ‘특성(8회)’ 등의 순으로 나타났다. 2기는 ‘화장품(25회)’ 키워드가 가장 많이 나타났고 ‘이미지(25회)’, ‘아트메이크업(25회)’, ‘디자인(23회)’, ‘반영구화장(20회)’, ‘외모관리(14회)’, ‘유투브(14회)’, ‘메이크업행동(14회)’, ‘만족(13회)’, ‘교육(13회)’, ‘캐릭터(13회)’, ‘여성(13회)’ 등의 순으로 나타났다. 이미지 키워드는 1기에서 가장 높은 출현 빈도, 2기에서는 두 번째로 높은 출현 빈도로 지속적으로 메이크업 관련 주제로 연구가 이루어지고 있지만, 화장품 키워드는 1기보다는 2기에 높은 출현 빈도를 보이고 있는 것은, 메이크업 관련 분야에서 화장품 관심이 증가함을 알 수 있다. 컬러 키워드는 1기에는 높은 빈도를 보이지만 2기에는 낮은 출현 빈도로 나타남은 2기로 갈수록 메이크업 관련 연구에서 중요성이 떨어짐을 알 수 있다. 아트메이크업 키워드는 1기와 2기 모든 시기에 연구가 이루어지고 있음을 알 수 있다. 반영구화장은 1기보다 2기에 많은 연구가 이루어지고 있어 연구자의 관심이 놓아지고 있음을 알 수 있다.

2. 메이크업 관련 키워드에 대한 키워드 네트워크 분석

1) 메이크업 관련 키워드에 대한 전체 네트워크 구조

메이크업 관련 키워드에 대한 네트워크 구조의 속성을 살펴본 결과 노드는 56, 밀도는 0.158, 평균연결강도는 8.679, 평균연결거리는 2.113, 컴포넌트는 1, 지름은 4, 네트워크 중심도는 10.37%로 나타났다. 분석대상으로 선정된 키워드들 중 빈도분석 상위 56개 키워드를 중심으로 시각화하면 Figure 2와 같다. 이와 같은 결과는 하나 거치면 모든 키워드가 연결된다는 것을 의미한다.

2) 메이크업 관련 키워드에 대한 전체 네트워크의 통계적 유의성 검증

메이크업 관련 키워드에 대한 전체 네트워크 유의성을 검정하기 위해 부트스트랩 기법을 활용한 단일표본 평균 차이 검정을 실시하였다. 이는 모집단 네트워크의 밀도와 추출된 표본 네트워크의 밀도에 차이가 있는지를 검정하는 분석 기법으로 표본의 밀도 평균이 통계적으로 유의한 차이를 보이는지를 검증하였다(Kim et al., 2016). 부트스트랩 기법을 활용하여 메이크업에 대한 전체 네트워크의 통계적 유의성을 검정한 결과 네트워크 데이터의 표본분포의 평균은 0.3513였으며, 표준오차(SE)는 0.0527, Z=6.5675로 검정통계량이 Z-score의 절대값보다 높게 관찰될 확률이 0.0002로 5% 유의수준에서 네트워크 내 데이터들 간의 관계는 통계적으로 유의한 것으로 나타났다.

3) 메이크업 관련 키워드에 대한 중심성 분석

메이크업 관련 키워드에 대한 네트워크 속성을 살펴보기 위해 중심성 분석을 실시하였으며 서로 다른 네트워크 간의 비교가 용이하도록 표준화된 값을 활용하였다. 상위 20개 키워드를 중심으로 결과를 제시하면 Table 4와 같다.
먼저 연결중심성은 하나의 키워드가 다른 키워드들과 일차적으로 연결된 정도로 값이 클수록 전체 네트워크 구조에서 많은 연결을 가지며 다른 키워드들과 비교하여 중심적인 역할을 하는 것으로 해석할 수 있다(Park & Park, 2020). 결과를 살펴보면, 키워드들 간 가장 많은 상호작용을 하고 있는 키워드는 ‘이미지(12.245)’이며, 그 다음은 ‘디자인(8.291)’, ‘아트메이크업(6.378)’, ‘컬러(6.378)’, ‘화장품(5.740)’, ‘얼굴(4.337)’, ‘외모관리(4.082)’, ‘만족(3.699)’, ‘반영구 화장(3.699)’, ‘뷰티(3.571)’ 등의 순으로 나타났다. 이러한 키워드들은 주변 노드들과 가장 넓은 네트워크를 형성함으로 허브역할을 하는 키워드로 볼 수 있다. 이 중 ‘디자인’, ‘컬러’, ‘얼굴’, ‘외모관리’, ‘뷰티’, ‘남성’, ‘분장’, ‘웨딩’, ‘행동’, ‘메이크업인식’ 등은 주제어 출현 빈도 순위보다 상승한 키워드들로 다른 키워드들과 연결의 중심 역할을 하는 키워드들이라고 할 수 있다.
한편, 매개중심성 분석 결과 여러 키워드들 사이에서 가장 큰 매개자 역할을 하고 있는 키워드로는 연결중심성과 마찬가지로 ‘이미지(17.656)’로 나타났으며, 그 다음으로 ‘디자인(12.433)’, ‘아트메이크업(6.775)’, ‘만족(5.945)’, ‘반영구화장(4.954)’, ‘뷰티(4.505)’, ‘대학(4.190)’, ‘교육(4.091)’, ‘특수분장(4.089)’, ‘컬러(3.659)’, ‘화장품(3.621)’ 순으로 나타났다. 이러한 키워드들은 다른 키워드들 가운데에서 중재자 역할을 하는 키워드들로 볼 수 있다. 특히 ‘디자인’, ‘아트메이크업’, ‘만족’, ‘반영구화장’, ‘뷰티’, ‘대학’, ‘특수분장’, ‘브랜드’, ‘뷰티메이크업’, ‘뷰티산업’ 등은 빈도 순위보다 상승한 키워드들로 네트워크 내 다른 키워드들보다 상대적으로 높은 매개효과를 보이고 있음을 의미한다.
이상의 결과에서 이미지키워드는 연결중심성, 매개중심성이 모두 높게 나타나 메이크업과 관련하여 다른 키워드들과 연결 강도가 매우 높음을 알 수 있었다. 또한 이미지키워드는 네트워크상에서 영향력이 높은 것과 키워드 분석의 노출 빈도가 높게 나타난 결과와도 동일함을 알 수 있다.

Conclusion

이 연구는 키워드 네트워크 분석을 활용하여 메이크업 관련 연구 동향을 살펴보기 위해, 한국연구재단에서 제공하는 KCI 학술지 D/B에서 추출한 자료를 대상으로 분석하였으며, 아래와 같이 연구 결과를 요약하고 결론을 도출하였다.
첫째, 2013-2022년 기간의 메이크업 관련 논문 585편을 분석하였으며, 매년 50편 이상 발표되고 있으며 주제어(키워드) 빈도를 살펴본 결과 ‘이미지’가 가장 많은 빈도로 나타났고 ‘아트메이크업’, ‘디자인’, ‘화장품’, ‘컬러’, ‘반영구화장’ 같은 주제어의 순으로 빈도가 높았다. 메이크업의 재료와 특성인 ‘화장품’과 ‘컬러’에 대한 빈도가 높았고, 메이크업의 예술성과 관련된 키워드인 ‘아트메이크업’, ‘캐릭터’, ‘분장’, ‘특수분장’과 같은 키워드의 빈도가 높았다. 메이크업의 필요성과 관련있는 키워드로 ‘외모관리’, ‘외모관심’, ‘메이크업행동’과 같은 키워드의 출현 빈도가 높았고, 메이크업의 심리적 효과와 관련있는 키워드로 ‘만족’, ‘자아존중감’, ‘고객만족’과 같은 키워드의 빈도가 높게 나타났다. 또한, 메이크업 관련 연구에서 시대적인 추세에 따른 키워드로 ‘유투브’, ‘디지털’ 영역이 부각됨을 알 수 있다.
이상과 같이 메이크업과 관련된 연구는 이미지, 화장품, 컬러, 예술, 행동, 서비스, 교육 등 다양하게 이루어지고 있지만, 제 4차 산업과 인공지능(AI) 등 융합연구가 이루어지고 이와 관련된 키워드가 향후 많이 등장해야 할 것으로 사료된다.
둘째, 연구시기에 따른 메이크업 관련 키워드의 빈도를 살펴본 결과, 1기(2013년-2017년), 2기(2018년-2022년)로 분리하여 살펴본 결과, 1기는 ‘이미지’, 2기는 ‘화장품’ 키워드 연구가 가장 많았다. 반면에 1기에는 ‘컬러’, ‘디자인’, ‘아트메이크업’과 같은 키워드가 두드러졌고 2기에는 ‘이미지’, ‘아트메이크업’, ‘디자인’, ‘반영구화장’ 등의 키워드가 높은 순위로 나타나 메이크업 분야에서 예술성이 중요한 키워드이고 컬러와 관련된 주제가 감소하고 있다. 그리고 2기에 상위에 랭크된 ‘반영구화장’은 미용산업에서 수요가 증가하는 추세를 반영한다고 볼 수 있다.
셋째, 메이크업 관련 키워드에 대한 네트워크 분석을 실시한 결과, 키워드 간의 구조적 관계를 시각적으로 확인할 수 있었다. 중심성 분석을 통해 키워드 간 속성을 알아본 결과 키워드들 간 가장 많은 상호작용을 하고 있는 키워드는 ‘이미지’이며 ‘디자인’, ‘아트메이크업’은 다른 키워드들과 연결의 중심성이 높은 키워드로 메이크업 관련 연구에서 중요한 주제로 다루어지고 있음을 알 수 있다.
이 연구는 최근 10년간 메이크업과 관련된 연구를 키워드 네트워크 분석을 통하여 연구의 변화과정과 향후 연구방향 등의 추세를 파악 할 수 있으며, 키워드 간 구조적 관계를 탐색하였다는 데 연구의 의의가 있다. 그러나 연구의 한계점으로 국내 등재학술지 D/B만을 활용하여 미발표된 학위논문이나 검색어를 벗어난 누락된 논문이 있을 가능성이 있다. 또한 각 키워드 간 관계와 중심성 분석만으로는 연구 동향의 의미를 깊게 해석하는 데는 한계가 있다. 따라서 추후 연구에서는 메이크업 분야 논문을 연구 주제, 연구 대상 등 하위 범주로 구분하여 내용분석하여 키워드 간의 관련성을 다각적으로 파악해볼 필요가 있겠다.

Acknowledgements

This work was supported by Tongmyong University Research Grant of 2022 (2022B044).

NOTES

Author's contribution
AKK designed and analyzed all studies alone.
Author details
Ae-Kyung Kim (Professor), Department of Beauty Care, Tongmyong University, 428 Sinseon-ro, Nam-gu, Busan 48520, Korea.

Figure 1.

Word cloud for make up related keywords (top 30).

ajbc-22-3-415f1.jpg
Figure 2.

Network structure for make up related keywords.

ajbc-22-3-415f2.jpg
Table 1.
Trends by year of publication N (%)
Year 13 14 15 16 17 18 19 20 21 22.9 Total
Articles 54 (9.2) 55 (9.4) 50 (8.5) 44 (7.5) 54 (9.2) 53 (9.1) 67 (11.5) 83 (14.2) 74 (12.7) 51 (8.7) 585 (100)
Table 2.
Frequency analysis of keywords related to makeup
Rank Keywords N Rank Keywords N Rank Keywords N Rank Keywords N
1 Image 62 14 Psychology 15 26 Fashion collection 12 40 Eyebrow 9
2 Art makeup 46 16 Wedding 14 30 China 11 40 Beauty makeup 9
3 Design 44 16 Youtube 14 31 Fusion 11 46 Stage makeup 9
4 Cosmetics 36 16 Self-esteem 14 33 Art mask 10 47 N.C.S 8
5 Color 34 16 Behavior 14 33 Form 10 47 Art 8
6 Semi-permanent 28 16 Special makeup 14 33 Beauty industry 10 47 Technique 8
7 Face 23 21 University 13 33 Makeup recognition 10 47 Tattoo 8
8 Education 22 21 Customer satisfaction 13 33 Korea 10 47 Costume 8
9 Appearance management 20 21 Service 13 33 Brand 10 47 Advertisement 8
9 Makeup behavior 20 21 Beauty 13 33 Molding 10 47 Beauty ontent 8
11 Character 19 21 Trend 13 40 Body painting 9 47 Preference 8
11 Satisfaction 19 26 Digital 12 40 Preference 9 47 Semi-permanent cosmetics 8
13 Male 17 26 Plastic makeup 12 40 Hair style 9 47 Self-efficacy 8
14 Female 15 26 Appearance concern 12 40 Curriculum 9 47 Personal color 8
Table 3.
Frequency analysis of keywords related to makeup according to the research period
2013-2017
2018-2022
Rank Keywords N Rank Keywords N Rank Keywords N Rank Keywords N
1 Image 37 10 Semi-permanent 8 1 Cosmetics 25 8 Character 13
2 Color 22 10 Customer satisfaction 8 1 Image 25 8 Female 13
3 Design 21 10 Characteristic 8 1 Art makeup 25 13 Color 11
3 Art makeup 21 14 Preference 7 4 Design 23 13 Beauty 11
5 Face 13 14 Form 7 5 Semi-permanent 20 15 Self-esteem 10
6 Cosmetics 11 14 Special makeup 7 6 Appearance management 14 15 Face 10
7 Trend 10 14 Korea 7 6 Youtube 14 15 Psychology 10
8 Education 9 18 Satisfaction 6 6 Makeup behavior 14 18 Appearance concern 9
8 Male 9 19 Appearance management 6 8 Satisfaction 13 18 Behavior 9
10 Wedding 8 20 Program 6 8 Education 13 28 Service 9
Table 4.
Centrality analysis of keywords related to makeup
Rank NrmDgree Eigenvector
1 Image 12.245 Image 17.656
2 Design 8.291 Design 12.433
3 Art makeup 6.378 Art makeup 6.775
4 Color 6.378 Satisfaction 5.945
5 Cosmetics 5.740 Semi-permanent 4.954
6 Face 4.337 Beauty 4.505
7 Appearance management 4.082 University 4.190
8 Satisfaction 3.699 Education 4.091
9 Semi-permanent 3.571 Plastic makeup 4.089
10 Beauty 3.571 Color 3.659
11 Male 3.444 Cosmetics 3.621
12 Trend 3.061 Face 3.591
13 Special makeup 2.934 Female 3.499
14 Wedding 2.934 Psychology 3.375
15 Behavior 2.934 Brand 3.082
16 Education 2.806 Beauty makeup 2.926
17 Female 2.423 Beauty industry 2.828
18 Character 2.423 Special makeup 2.407
19 Psychology 2.423 Appearance management 2.302
20 Makeup recognition 2.423 Self-efficacy 2.096

References

Baek KJ, Kim MY. The analysis of study trend on Journal of the Korean Society of Cosmetology. Journal of the Korean Fashion & Costume Design Association 11: 17-27. 2009.

Bae BJ, Youn CS. A study of the current state on Ph.D. course and thesis in domestic beauty art related major. Asian Journal of Beauty and Cosmetology 10: 645-654. 2012.

Beak KG. Language network analysis of make-up behavior research. The Research Journal of the Costume Culture 27: 274-284. 2019.
crossref
Borgatti SP, Everett MG, Johnson JC. Analyzing social networks. Sage Publications. CA. pp141-145. 2018.

Cho SY, Shin SY. The analysis of research themes and area of treatises concerning make-up studies. Journal of the Korean Beauty Art Management 5: 205-214. 2011.

Choi JE. Keyword network analysis of trends in research on young children’s play. The Journal of Learner-Centered Curriculum and Instruction 19: 605-626. 2019.
crossref
Choi YC, Park SJ. Analyzing trends in the study of public administration: application of the network text analysis method. Korea Public Administration Review 45: 123-139. 2011.

Hur CH. A research of cosmetology related faculty and practical using of magister and doctor thesis. Journal of the Korean Society of Cosmetology 13: 1421-1433. 2007.

Kim EJ, Hwang YA, Song YS. Analysis of research trends on the Journal of Vocational Education Research: application of contents and network analysis method. Journal of Vocational Education Research 36: 1-27. 2017.
crossref
Kim JS, Kim JS. A bibliometric analysis of research trends in the cosmetics industry: focusing on domestic graduate thesis. Journal of Investigative Cosmetology 11: 249-258. 2015.
crossref
Kim JS, Park KW, Kim JS, Youn CS. Bibliometric analysis of research trends according to the list of Journal of the Korean Society of Beauty and Arts. Journal of the Korean Society of Beauty and Art 17: 175-188. 2016.
crossref
Kim JS, Youn CS. Bibliometric analysis on the research trends according to the list of Journal of the Korean Society of Cosmetology. Journal of the Korean Society of Cosmetology 20: 144-154. 2014.

Kim SH. Bibliometric analysis on the research trends in the Journal of Korean Society of Beauty and Arts using text network analysis. Journal of the Korean Society of Beauty and Art 21: 127-141. 2020.
crossref
Kim SM, Na MS. A study of current trends in academic research on hairdressing. Journal of the Korean Society of Cosmetology 20: 319-326. 2014.

Lee JY, Son HJ. Trends in the efficacy and safety of ingredients in acne skin treatments. Asian Journal of Beauty and Cosmetology 16: 449-463. 2018.
crossref pdf
Lee HJ, Noh YH. Research trends in hair-related dissertations over the past decade: focused on papers published in 2011-2020. Jounal of the Korean Society of Cosmetology 27: 1196-1205. 2021.
crossref pdf
Lee HS, Kim SO, Oh JY. A study on the beauty care-majoring junior college students’ satisfaction at the curriculum. Journal of the Korean Society of Cosmetology 15: 168-183. 2009.

Lee JY. Centrality measures for bibliometric network analysis. Journal of the Korean Library and Information Science Society 40: 191-214. 2006.
crossref
Lee KH. An exploration of a direction to promote early childhood playfulness based on big data. Journal of Educational Innovation Research 29: 257-289. 2019.

Lee KH. Exploring the perceptions of early childhood teachers on happy lives using big data: a focus on keyword network analysis. The Society for Constructivist Early Childhood Education 9: 103-136. 2022.

Oh YK. Analysis of research trends in skin care using keyword network analysis. Journal of the Korean Society of Cosmetology 28: 1308-1317. 2022.
crossref pdf
Park EJ, Park CS. Research trends of misbehavior involving nursing students. Journal of Education & Culture 26: 287-306. 2020.

Park JS. Analysis of terminology by year according to the change of beauty department department names. Journal of Digital Convergence 19: 443-448. 2021.

Park RN, Hwang HI, Lee KH. A network analysis on early childhood personality education: based on big data. The Journal of Korea Open Association for Early Childhood Education 24: 171-197. 2019.
crossref
Editorial Office
No. 1505, 1506, 3rd Ace High-End Tower, 145, Gasan digital 1-ro, Geumcheon-gu, Seoul 08506, Korea
TEL: +82-2-6957-8155   FAX: +82-502-770-2278   E-mail: ajbc.edit@e-ajbc.org
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © Korea Institute of Dermatological Sciences.                 Developed in M2PI