확정 정책·뉴스 corpus 재분석 및 승인 네트워크 반영

엔지니어링 산업 메가트렌드
데이터 수집 및 AHP 설문 조사
최종 분석본

TF-IDF · LDA · CONCOR 키워드 동시출현 분석

2026. 7. 21.

분석 입력: 정책 150건(국내 100·해외 50), 뉴스 1,142건

목 차

과업 개요
분석 데이터 및 전처리 기준
데이터 수집 범위
텍스트 마이닝 분석 모델
국내 정책보고서 TF-IDF 분석
해외 정책보고서 TF-IDF 분석
뉴스 TF-IDF 및 사전분류 분포
국내 정책보고서 LDA 분석
해외 정책보고서 LDA 분석
뉴스 LDA 분석
국내·해외·뉴스 네트워크 분석
6대 아젠다 크로스워크
AHP 설문 후보구조 및 결론

읽는 방법. 관리DB의 6대 아젠다 분류는 자료 구성 통계이고, LDA는 텍스트에서 계산한 탐색적 토픽 결과이다. 두 결과는 동일한 값으로 제시하지 않는다.

Ⅰ과업 개요

1. 목적

국내외 정책보고서와 엔지니어링 뉴스에서 확인되는 변화 신호를 정리하여, 엔지니어링 산업의 6대 메가트렌드 아젠다 및 향후 AHP 설문 후보구조를 검토한다.

2. 분석 원칙

정책보고서
산업·제도·기술·인프라 변화의 핵심 근거로 사용한다.

뉴스
정책 신호가 산업 현장에서 어떻게 나타나는지 보조적으로 확인한다.

3. 해석 범위

분석 결과는 AHP 설문 결과가 아니다. AHP 가중치·우선순위·일관성비율은 전문가 설문 및 쌍체비교가 완료된 뒤 산출한다.

검토 유의사항. LDA 토픽명은 상위어와 대표문서의 실제 검토가 필요한 임시 라벨이다. 본 보고서는 자동 결과를 과도하게 확정적 결론으로 표현하지 않는다.

Ⅱ분석 데이터 및 전처리 기준

1. 확정 입력 기준

자료군	분석 문서수	분석 기준
국내 정책보고서	100건	정책DB 권위 기준 최종 corpus; 기존연결 58건 및 공식 복구·대체 42건 포함
해외 정책보고서	50건	World Bank·ADB·European Commission·OECD·EIB 원문 기반
뉴스	1,142건	EngDaily 관리DB의 ‘최종분석사용’ 기사 ID 집합; 정책 분석의 현장성 보조근거

2. 전처리 및 재현 설정

정책은 최종 corpus의 Kiwi 기반 토큰, 뉴스는 최종 전처리 토큰을 입력으로 사용하였다. 문서형식어·표지/목차어·발행기관명·인명·개별 지자체명·명백한 출처/국가 메타데이터를 보수적으로 제거했다.

AI, AX, BIM, GIS, 디지털트윈, 탄소중립 등 엔지니어링 전문어·복합어는 표준화해 유지했다. 해외 자료는 표본 50건의 제약을 고려하여 엔지니어링 연관 영문 용어 중심의 추가 필터를 적용했다.

한계. 해외 50건은 국내 100건·뉴스 1,142건과 문서 수와 언어가 다르다. 그러므로 자료군 사이에서 TF-IDF 절대값을 직접 비교하지 않고, 각 자료군 내부의 순위·문서빈도·개념 연결을 비교한다.

Ⅱ데이터 수집 범위

1. 정책보고서

최종 정책 corpus는 정책 분류DB 150개 ID를 권위 기준으로 구성했다. 국내 100건은 기존 분석연결 58건과 공식 원문 복구·대체 42건을 함께 포함하며, 해외 50건은 국제기구·해외 정책기관의 원문 기반 자료다.

2. 뉴스

뉴스는 EngDaily 관리DB에서 비고에 ‘최종분석사용’이 표시된 1,142개 기사 ID로 한정했다. 이 데이터는 단일 매체 기반이므로 산업 현장 변화 신호의 보조근거로만 사용한다.

3. 입력 lineage

입력 파일 경로·SHA-256·시트·행수는 별도 분석 결과 Excel의 01_입력Manifest와 metadata/input_manifest.csv에 기록하였다.

Ⅲ텍스트 마이닝 분석 모델

1. 분석 흐름

TF-IDF두드러진 키워드
자료군별 독립 vectorizer로 산출하고 문서별 평균 TF-IDF와 문서빈도를 제시.

LDA잠재 토픽
K=5·6·7을 진단하고, 최종 모형은 6대 아젠다 보고체계와의 해석 단위 일치를 위해 공통 K=6으로 적용.

CONCOR키워드 연결
문서별 상위 TF-IDF어의 동시출현을 edge로 구성하고 반복상관 기반 군집을 확인.

CROSSWALK아젠다 해석
사전 6대 프레임과 텍스트 결과를 연결하되, 사전분류와 탐색결과를 구분.

2. 주요 파라미터

LDA: random_state=42, learning_method=batch, max_iter=120, doc_topic_prior=0.1, topic_word_prior=0.01.

TF-IDF: 자료군별 min_df, max_df, max_features를 적용하고 sublinear_tf=True, smooth_idf=True, norm=l2를 적용.

Ⅲ-1TF-IDF 키워드 분석: 국내 정책보고서

국내 100건에서 건설·안전·AI·기술·스마트·시설·데이터 등이 상대적으로 높은 신호로 확인되었다. 발행기관명·메뉴성 텍스트는 제거했으나, 일부 원문 추출 잡음은 별도 품질표로 관리한다.

▼ <그림-4 TF-IDF 상위 키워드 TOP20 (국내)>문서별 평균 TF-IDF; 국내 자료군 내부 산출값

자료군	순위	키워드	평균 TF-IDF	문서빈도
domestic	1	건설	0.119962	71
domestic	2	안전	0.111312	69
domestic	3	산업	0.107636	40
domestic	4	기술	0.106301	39
domestic	5	ai	0.104869	60
domestic	6	투자	0.092022	64
domestic	7	서비스	0.091286	55
domestic	8	개정	0.091142	61
domestic	9	데이터	0.091008	62
domestic	10	시설	0.09086	57

국내 키워드 결과는 인프라·건설·안전·디지털 전환의 복합 신호를 보여주며, 개별 키워드만으로 특정 정책 우선순위를 확정하지 않는다.

Ⅲ-2TF-IDF 키워드 분석: 해외 정책보고서

해외 50건은 표준·기술·통상·환경·전환·회복력·교통 등의 엔지니어링 연관 용어를 중심으로 재정제하였다.

▼ <그림-6 TF-IDF 상위 키워드 TOP20 (해외)>해외 자료군 내부 산출값; 국가·기관명 등 출처 메타데이터는 제외

자료군	순위	키워드	평균 TF-IDF	문서빈도
overseas	1	standards	0.146165	32
overseas	2	technology	0.125084	22
overseas	3	trade	0.113654	20
overseas	4	technologies	0.112577	22
overseas	5	environment	0.104935	29
overseas	6	industry	0.103102	25
overseas	7	safety	0.101038	20
overseas	8	markets	0.100546	22
overseas	9	road	0.09801	15
overseas	10	transition	0.097698	20

해외 자료는 표본 수가 50건이고 영어권 문서의 출처·문서양식 차이가 존재한다. 따라서 토픽·네트워크는 탐색적 참고 결과로 해석한다.

Ⅲ-3TF-IDF 키워드 분석: 뉴스

뉴스 1,142건은 정책보고서에서 확인된 구조적 신호가 실제 사업·현장 맥락에서 어떻게 나타나는지를 보조적으로 확인하는 자료다.

▼ <그림-9 TF-IDF 상위 키워드 TOP20 (뉴스)>문서별 평균 TF-IDF; 뉴스 자료군 내부 산출값

자료군	순위	키워드	평균 TF-IDF	문서빈도
news	1	건설	0.061608	157
news	2	기술	0.058277	175
news	3	노선	0.056706	114
news	4	현장	0.055695	151
news	5	철도	0.053684	122
news	6	인프라	0.04796	135
news	7	산업	0.046849	125
news	8	설계	0.046759	131
news	9	기업	0.045382	113
news	10	안전	0.045239	112

관리DB 사전분류 분포

관리DB 사전분류 아젠다	기사수	비중(%)
스마트 인프라·건설교통 혁신	623	54.6
정책·제도·표준 변화	174	15.2
탄소중립·에너지 전환	137	12.0
AX·디지털 엔지니어링 전환	82	7.2
글로벌 공급망·통상환경 재편	74	6.5
인력·역량·업무방식 변화	52	4.6

스마트 인프라·건설교통 혁신 623건(54.6%)은 관리DB 사전분류의 구성비다. 이를 LDA 토픽 문서수와 동일시하지 않는다.

Ⅲ-4LDA 토픽 모델링: 국내 정책보고서

K=5·6·7을 진단한 뒤, 국내·해외·뉴스 결과의 동일 해석단위를 유지하고 기존 6대 아젠다 보고체계와 연결하기 위해 최종 모형은 K=6으로 고정했다. 국내에서는 K=6이 c_v 최고값(0.5202)이기도 하다.

▼ <그림-5 국내 정책보고서 LDA 토픽 수 진단>Perplexity·Coherence(c_v) 비교

토픽수	Perplexity(낮을수록 우수)	Log likelihood(높을수록 우수)	Coherence_c_v(높을수록 우수)
5	25.1615	-105451.6440	0.5127
6	23.4213	-103108.4695	0.5202
7	22.5469	-101864.3909	0.5193

최종 K=6 모형의 임시 토픽

토픽번호	임시 토픽명	상위 키워드	문서수	문서비중(%)
1	스마트 인프라·건설교통 혁신 관련 토픽	건설, 공사, 안전, 현장, 폐기물, 감리, 시공, 설계, 시스템, 개정	23	23.0
2	스마트 인프라·건설교통 혁신 관련 토픽	건축, 하천, 화재, 인증, 설계, 시설, 서비스, 안전, 품질, 홍수	10	10.0
3	글로벌 공급망·통상환경 재편 관련 토픽	산업, 관세, 수출, 기술, 공급망, 시장, 투자, 발전, 통상, 해외	18	18.0
4	스마트 인프라·건설교통 혁신 관련 토픽	스마트, 도시, 기술, 인프라, 에너지, 전력, 서비스, 발전, 탄소, 시설	20	20.0
5	스마트 인프라·건설교통 혁신 관련 토픽	공간, 지하, 안전, 도로, 데이터, 시스템, 계측, 시설, 기술, 국토	11	11.0
6	AX·디지털 엔지니어링 전환 관련 토픽	ai, 계약, 데이터, 서비스, 기술, 디지털, 개정, 인력, dx, 인공지능	18	18.0

토픽명은 상위 키워드의 자동 보조매핑을 기반으로 한 임시명이다. 최종 라벨은 대표문서 확인과 검토자 합의기록을 거쳐 확정한다.

Ⅲ-5LDA 토픽 모델링: 해외 정책보고서

해외 50건의 K=5·6·7을 비교했다. c_v 최고값은 K=7(0.4908)이지만, 50건 소표본에서 K=7은 토픽별 문서수가 과도하게 작아질 수 있다. 따라서 국내·뉴스와 동일한 해석 단위를 확보하고 기존 6대 아젠다 보고체계와 일관되게 연결하기 위해 최종 K=6을 적용했다. 이는 자료군별 지표 최적화가 아니라 보고서용 공통 분석 해상도 선택임을 명시한다.

▼ <그림-7 해외 정책보고서 LDA 토픽 수 진단>해외 50건; K=7의 c_v 우위와 공통 K=6 적용 근거를 함께 제시

토픽수	Perplexity(낮을수록 우수)	Log likelihood(높을수록 우수)	Coherence_c_v(높을수록 우수)
5	21.7575	-6301.5992	0.4671
6	22.7623	-6393.9691	0.4685
7	20.2808	-6157.7991	0.4908

최종 K=6 모형의 임시 토픽

토픽번호	임시 토픽명	상위 키워드	문서수	문서비중(%)
1	탄소중립·에너지 전환 관련 토픽	transition, industry, carbon, safety, standards, technologies, esg, bim, emission, buildings	5	10.0
2	글로벌 공급망·통상환경 재편 관련 토픽	trade, renewable, safety, water, resilience, supply, markets, supplychain, manufacturing, environment	15	30.0
3	정책·제도·표준 변화 관련 토픽	housing, standards, adaptation, industry, standard, transition, markets, environment, water, safety	10	20.0
4	스마트 인프라·건설교통 혁신 관련 토픽	bim, road, transportation, industry, standards, mobility, engineering, technologies, housing, safety	7	14.0
5	탄소중립·에너지 전환 관련 토픽	emissions, mobility, regulatory, transition, carbon, industry, emission, adaptation, rail, waste	5	10.0
6	정책·제도·표준 변화 관련 토픽	ai, technologies, technology, standards, environment, regulation, adaptation, markets, regulatory, trade	8	16.0

해외 토픽 결과는 표본·언어·기관별 문서형식 차이에 민감하다. K=7 진단값이 더 높다는 사실은 숨기지 않으며, 최종 K=6은 자료군 간 비교가능성을 위한 분석운영상 선택이다.

Ⅲ-6LDA 토픽 모델링: 뉴스

뉴스 1,142건의 LDA는 사전 6대 아젠다를 재생산하는 목적이 아니라, 기사 본문에서 함께 나타나는 이슈 묶음을 탐색하는 분석이다. K=5·6·7 비교에서 K=6의 c_v가 최고값(0.5226)이며 Perplexity·Log likelihood도 K=5보다 개선되어, 공통 K=6 적용과 진단 결과가 동시에 부합한다.

▼ <그림-11 뉴스 LDA 토픽 수 진단>K=5·6·7 비교; 최종 K=6

토픽수	Perplexity(낮을수록 우수)	Log likelihood(높을수록 우수)	Coherence_c_v(높을수록 우수)
5	40.1860	-23110.3406	0.4937
6	37.9841	-22757.7583	0.5226
7	36.7850	-22557.0502	0.4577

최종 K=6 모형의 임시 토픽

토픽번호	임시 토픽명	상위 키워드	문서수	문서비중(%)
1	스마트 인프라·건설교통 혁신 관련 토픽	현장, 고속도로, 안전, 점검, 터널, 안전관리, 건설, 개정, 하천, 시공	312	27.3
2	스마트 인프라·건설교통 혁신 관련 토픽	도로, 교통, 도시, 발전, 지하, 태양광, 환경, 건설, 투자, 건축	110	9.6
3	스마트 인프라·건설교통 혁신 관련 토픽	인프라, 에너지, 산업, 시장, 시설, 기술, 발전, 투자, 전력, 전환	208	18.2
4	스마트 인프라·건설교통 혁신 관련 토픽	설계, 철도, 건설, 기업, 시공, 기술, 공항, 수소, 공간, 시스템	203	17.8
5	AX·디지털 엔지니어링 전환 관련 토픽	ai, 기술, 해상풍력, 데이터, bim, 디지털, 시스템, 스마트, 서비스, 산업	167	14.6
6	스마트 인프라·건설교통 혁신 관련 토픽	노선, 예타, 사업비, 철도, esg, 국토, 건설, 통상, 교통, 투자	142	12.4

뉴스 LDA의 토픽 문서수와 p.9의 사전분류 기사 수는 다른 지표다. 이 구분으로 N1의 과도한 포괄성과 순환성 위험을 낮춘다.

Ⅲ-7동시출현 네트워크: 국내 정책보고서

문서별 상위 TF-IDF 키워드가 함께 등장한 횟수를 연결로 만들고, 표시되는 30개 edge와 node 범위에서 CONCOR 반복상관 10회 및 complete linkage로 군집을 계산했다.

▼ <그림-5b 국내 정책보고서 키워드 동시출현 네트워크>색상은 CONCOR 군집, 노드 크기는 가중 연결정도; 그림·군집표의 node·edge 범위 일치

자료군	키워드1	키워드2	동시출현 문서수
domestic	기술	산업	31
domestic	산업	시장	26
domestic	기술	시장	24
domestic	안전	현장	23
domestic	개정	건설	23
domestic	건설	공사	21
domestic	공사	시공	21
domestic	기술	서비스	20
domestic	ai	시스템	20
domestic	ai	디지털	20

관련 뉴스는 이 표에 혼합하지 않는다. 정책문서 네트워크와 뉴스 네트워크는 별도 분석 후 p.18의 크로스워크에서만 연결한다.

Ⅲ-8동시출현 네트워크: 해외 정책보고서

해외 자료는 인프라·표준·통상·전환·환경 관련 단어의 구조적 동시출현을 탐색한다. 그래프에서는 네트워크 키워드와 군집별 키워드만 영어로, 제목·설명·범례·지표는 한글로 표기했다.

▼ <그림-7b 해외 정책보고서 키워드 동시출현 네트워크>색상은 CONCOR 군집

자료군	키워드1	키워드2	동시출현 문서수
overseas	environment	standards	14
overseas	technologies	technology	13
overseas	standards	technology	12
overseas	safety	standards	12
overseas	environment	regulatory	12
overseas	standard	standards	11
overseas	markets	technologies	11
overseas	adaptation	environment	10
overseas	environment	safety	10
overseas	environment	technology	10

해외 50건의 군집은 표본 수가 작으므로, 절대적 군집 규모보다 중심 키워드와 연결 맥락을 해석하는 데 사용한다.

Ⅲ-9동시출현 네트워크: 뉴스

뉴스 네트워크는 철도·도로·인프라·안전·설계 등 현장성 신호의 결합을 확인하는 보조 분석이다. node 좌표·라벨 위치·충돌 완화는 가독성 목적으로만 조정했으며, edge·가중치·CONCOR 근거는 바꾸지 않았다.

자료군	키워드1	키워드2	동시출현 문서수
news	ai	기술	47
news	기술	설계	43
news	기술	산업	41
news	노선	철도	41
news	기술	현장	40
news	기술	기업	37
news	점검	현장	35
news	기술	시스템	34
news	건설	현장	34
news	설계	시공	33

단일 매체 뉴스 네트워크는 전체 산업의 대표성이 아니라, 최종 선택된 EngDaily 기사군에서 관찰되는 변화 신호의 구조를 의미한다.

Ⅳ6대 아젠다 도출 방향 검토

6대 아젠다는 조사 설계 단계에서 설정한 프레임이다. TF-IDF·LDA·네트워크는 프레임을 자동으로 ‘발견’했다고 주장하기보다, 각 프레임과 연결되는 텍스트 근거와 세부 이슈를 확인하는 데 사용한다.

아젠다별 텍스트 근거 크로스워크

6대 아젠다	domestic TF-IDF 근거	overseas TF-IDF 근거	news TF-IDF 근거	텍스트 근거 자료군 수	크로스워크 판정	해석 원칙
AX·디지털 엔지니어링 전환	ai, 데이터, 스마트	ai	ai	3	직접 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정
글로벌 공급망·통상환경 재편	상위 20위 내 직접 일치 없음	trade	시장	2	직접 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정
정책·제도·표준 변화	상위 20위 내 직접 일치 없음	standards, standard	상위 20위 내 직접 일치 없음	1	부분 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정
스마트 인프라·건설교통 혁신	건설, 안전, 시설, 도시, 인프라	safety, road	건설, 철도, 인프라, 안전, 도로, 교통, 시설	3	직접 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정
탄소중립·에너지 전환	에너지	environment, renewable	에너지	3	직접 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정
인력·역량·업무방식 변화	인력	상위 20위 내 직접 일치 없음	상위 20위 내 직접 일치 없음	1	부분 연결	관리DB 사전분류·TF-IDF·LDA·네트워크를 구분해 제시; 최종 라벨은 검토기록 후 확정

판정 기준. 국내·해외·뉴스 중 2개 이상 자료군의 TF-IDF 상위어에서 직접 근거가 확인되면 ‘직접 연결’, 그렇지 않으면 ‘부분 연결’로 표시했다. 이 표는 해석 보조표이며, 향후 전문가 검토에 따라 갱신 가능하다.

토픽 라벨링 검토 절차

분석 담당자는 상위어·대표문서로 1차 임시 라벨을 작성하고, 별도 검토자는 토픽-아젠다 매핑의 적절성을 독립적으로 확인한다. 불일치는 합의기록에 남긴 뒤 최종 라벨을 확정한다.

ⅤAHP 설문 후보구조 및 결론

1. AHP 후보구조

아래 표는 텍스트마이닝·관리DB 분류·정책 활용성을 바탕으로 정리한 설문 후보안이다. 실제 AHP 결과·우선순위·가중치가 아니다.

1계층 아젠다	2계층 후보 1	2계층 후보 2	2계층 후보 3
AX·디지털 엔지니어링 전환	AI 기반 설계·검토 자동화	BIM·디지털트윈 사업관리	공공·민간 데이터 연계 플랫폼
글로벌 공급망·통상환경 재편	해외시장·통상 대응 역량	공급망·조달 리스크 관리	국제표준·인증 대응
정책·제도·표준 변화	표준품셈·대가체계 고도화	발주·평가 기준 개선	데이터·AI 활용 제도 정비
스마트 인프라·건설교통 혁신	노후 인프라 스마트 유지관리	스마트 건설·교통 사업관리	재난·안전 대응 고도화
탄소중립·에너지 전환	탄소중립 인프라 기준	재생에너지·수소 설계역량	기후적응·회복력 사업
인력·역량·업무방식 변화	디지털 엔지니어링 역량	전문인력 양성·전환	협업·업무방식 혁신

2. 결론

확정 정책 150건과 최종분석사용 뉴스 1,142건을 분리 분석해, 국내의 건설·안전·AI·데이터 신호, 해외의 표준·기술·통상·환경·전환 신호, 뉴스의 철도·도로·설계·인프라·안전 현장 신호를 각각 확인했다.

향후 설문에서는 1계층에서 6대 아젠다 간 쌍체비교를, 2계층에서 아젠다별 세부 후보과제 간 쌍체비교를 수행한다. 응답 완료 후에는 일관성비율(CR) 검증과 가중치 산출이 필요하다.

최종 확인 필요. 토픽 라벨 및 AHP 후보과제 문구는 발주처 또는 분야전문가의 검토·합의가 필요하다. 본 보고서는 그 검토에 사용할 재현 가능한 분석 근거를 제공한다.

엔지니어링 산업 메가트렌드데이터 수집 및 AHP 설문 조사최종 분석본

목 차

Ⅰ과업 개요

1. 목적

2. 분석 원칙

3. 해석 범위

Ⅱ분석 데이터 및 전처리 기준

1. 확정 입력 기준

2. 전처리 및 재현 설정

Ⅱ데이터 수집 범위

1. 정책보고서

2. 뉴스

3. 입력 lineage

Ⅲ텍스트 마이닝 분석 모델

1. 분석 흐름

2. 주요 파라미터

Ⅲ-1TF-IDF 키워드 분석: 국내 정책보고서

Ⅲ-2TF-IDF 키워드 분석: 해외 정책보고서

Ⅲ-3TF-IDF 키워드 분석: 뉴스

관리DB 사전분류 분포

Ⅲ-4LDA 토픽 모델링: 국내 정책보고서

최종 K=6 모형의 임시 토픽

Ⅲ-5LDA 토픽 모델링: 해외 정책보고서

최종 K=6 모형의 임시 토픽

Ⅲ-6LDA 토픽 모델링: 뉴스

최종 K=6 모형의 임시 토픽

Ⅲ-7동시출현 네트워크: 국내 정책보고서

Ⅲ-8동시출현 네트워크: 해외 정책보고서

Ⅲ-9동시출현 네트워크: 뉴스

Ⅳ6대 아젠다 도출 방향 검토

아젠다별 텍스트 근거 크로스워크

토픽 라벨링 검토 절차

ⅤAHP 설문 후보구조 및 결론

1. AHP 후보구조

2. 결론

엔지니어링 산업 메가트렌드
데이터 수집 및 AHP 설문 조사
최종 분석본