스마트폰의 보급으로 모바일 사용자가 증가하면서 소셜 네트워크 서비스는 단문 콘텐츠에서 동영상과 같은 멀티미디어 콘텐츠로 그 방향이 바뀌어 왔다. 동영상 공유 서비스인 유튜브에는 스낵 컬쳐(snack culture)류의 가벼운 동영상도 다수 게재되지만 유용한 교육자료들 또한 많이 게재되고 있다. 이에 본 연구는 유튜브의 교육용 동영상을 활용하기 위해 비디오 단위뿐만 아니라 ...
스마트폰의 보급으로 모바일 사용자가 증가하면서 소셜 네트워크 서비스는 단문 콘텐츠에서 동영상과 같은 멀티미디어 콘텐츠로 그 방향이 바뀌어 왔다. 동영상 공유 서비스인 유튜브에는 스낵 컬쳐(snack culture)류의 가벼운 동영상도 다수 게재되지만 유용한 교육자료들 또한 많이 게재되고 있다. 이에 본 연구는 유튜브의 교육용 동영상을 활용하기 위해 비디오 단위뿐만 아니라 세그먼트 단위의 검색이 가능하도록 메타데이터 요소들을 제안하였다. 이를 위해서 유튜브 메타데이터와 넷플릭스, 비메오와 한국영상자료원의 메타데이터를 분석하였다. 또한, 멀티미디어 메타데이터 표준인 PBCore, TV-Anytime과 MPEG-7를 비교 분석해 보았다. 제안된 메타데이터의 설계 과정을 구체적으로 살펴보면 다음과 같다. 메타데이터 프레임을 먼저 자동 추출이 가능한 메타데이터와 게시자가 기술할 메타데이터로 나눈다. 자동 추출 메타데이터에서는 먼저 소프트웨어를 이용하여 동영상에서 물리적 정보와 서지정보, 내용 분석 정보(스토리보드, 비디오스킴)를 추출한다. 이후 내용 분석 정보를 기초로 하여 세그먼트 정보를 추출해 낸다. 그리고 소셜미디어의 데이터를 분석하여 추천정보 및 이용자 평가 정보를 추출한다. 이후 자동 추출한 메타데이터를 게시자가 작성한 게시자 기술 메타데이터와 통합하여 메타데이터 저장소에 저장한다. 이렇게 설계한 메타데이터 요소는 동영상에서 자동 추출한 항목 17개, 소셜미디어 플랫폼에서 자동 추출한 항목 6개, 게시자 기술 항목 10개로 총 33개가 제안되었다. 제안된 메타데이터 요소를 평가하기 위해 메타데이터를 사용하는 기업체 직원 16명과 대학교 사서 4명을 메타데이터 전문가로서 선정하여 총 20명을 대상으로 설문조사를 수행하였다. 설문조사는 5점 리커트 척도를 이용해 각 요소의 적합성을 측정하였고, 이후 개방형 항목을 통해 의견을 수집하였다. 그 결과 동영상에서 자동 추출한 메타데이터 항목의 ‘재생시간’, 게시자 기술 메타데이터 항목의 ‘제목’, ‘내용 설명’ 요소의 적합성이 높게 측정되었다. 개방형 항목을 통한 의견으로는 33개의 요소만으로는 부족하며 더 많은 메타데이터 요소들을 수집한 후, 이를 활용하는 것이 효과적일 것이라는 의견이 제시되었다. 제시된 의견을 반영하여 동영상에서 자동 추출한 항목과 게시자 기술항목에 각각 1개의 항목을 추가하여 최종적으로 총 35개의 메타데이터 요소들을 제안하였다.
스마트폰의 보급으로 모바일 사용자가 증가하면서 소셜 네트워크 서비스는 단문 콘텐츠에서 동영상과 같은 멀티미디어 콘텐츠로 그 방향이 바뀌어 왔다. 동영상 공유 서비스인 유튜브에는 스낵 컬쳐(snack culture)류의 가벼운 동영상도 다수 게재되지만 유용한 교육자료들 또한 많이 게재되고 있다. 이에 본 연구는 유튜브의 교육용 동영상을 활용하기 위해 비디오 단위뿐만 아니라 세그먼트 단위의 검색이 가능하도록 메타데이터 요소들을 제안하였다. 이를 위해서 유튜브 메타데이터와 넷플릭스, 비메오와 한국영상자료원의 메타데이터를 분석하였다. 또한, 멀티미디어 메타데이터 표준인 PBCore, TV-Anytime과 MPEG-7를 비교 분석해 보았다. 제안된 메타데이터의 설계 과정을 구체적으로 살펴보면 다음과 같다. 메타데이터 프레임을 먼저 자동 추출이 가능한 메타데이터와 게시자가 기술할 메타데이터로 나눈다. 자동 추출 메타데이터에서는 먼저 소프트웨어를 이용하여 동영상에서 물리적 정보와 서지정보, 내용 분석 정보(스토리보드, 비디오스킴)를 추출한다. 이후 내용 분석 정보를 기초로 하여 세그먼트 정보를 추출해 낸다. 그리고 소셜미디어의 데이터를 분석하여 추천정보 및 이용자 평가 정보를 추출한다. 이후 자동 추출한 메타데이터를 게시자가 작성한 게시자 기술 메타데이터와 통합하여 메타데이터 저장소에 저장한다. 이렇게 설계한 메타데이터 요소는 동영상에서 자동 추출한 항목 17개, 소셜미디어 플랫폼에서 자동 추출한 항목 6개, 게시자 기술 항목 10개로 총 33개가 제안되었다. 제안된 메타데이터 요소를 평가하기 위해 메타데이터를 사용하는 기업체 직원 16명과 대학교 사서 4명을 메타데이터 전문가로서 선정하여 총 20명을 대상으로 설문조사를 수행하였다. 설문조사는 5점 리커트 척도를 이용해 각 요소의 적합성을 측정하였고, 이후 개방형 항목을 통해 의견을 수집하였다. 그 결과 동영상에서 자동 추출한 메타데이터 항목의 ‘재생시간’, 게시자 기술 메타데이터 항목의 ‘제목’, ‘내용 설명’ 요소의 적합성이 높게 측정되었다. 개방형 항목을 통한 의견으로는 33개의 요소만으로는 부족하며 더 많은 메타데이터 요소들을 수집한 후, 이를 활용하는 것이 효과적일 것이라는 의견이 제시되었다. 제시된 의견을 반영하여 동영상에서 자동 추출한 항목과 게시자 기술항목에 각각 1개의 항목을 추가하여 최종적으로 총 35개의 메타데이터 요소들을 제안하였다.
With the increased number of mobile users resulting from the widespread distribution of smartphones, social networking services have shifted direction from short-text content to multimedia content such as videos and images. A lot of snack-culture videos have been uploaded on YouTube, a video sharing...
With the increased number of mobile users resulting from the widespread distribution of smartphones, social networking services have shifted direction from short-text content to multimedia content such as videos and images. A lot of snack-culture videos have been uploaded on YouTube, a video sharing service, but recently many useful educational materials are being uploaded as well. Thus, the study aims at proposing a metadata framework that enables to search not only whole videos but also video segments to make use of educational videos on YouTube. For this end, the metadata elements of YouTube and Vimeo videos including those of Netflix and Korean Film Archive were analyzed. Furthermore, three multimedia metadata standards of PBCore, TV-Anytime and MPEG-7 were analyzed and compared. The design process of the metadata framework proposed above is as follows. First, we split the metadata framework into auto-extractible metadata and uploader-assigned metadata. As for the auto-extractible metadata, the physical, bibliographical, and content analysis data (storyboard, video scheme) are extracted from a video using software. Afterwards, segment data are extracted based on the content-analysis data. Then, recommendation data and user-evaluation data are extracted through analyzing the data on social media. Later, the auto-extracted metadata and the uploader-assigned metadata are integrated and stored in the metadata storage. As a result, we proposed a metadata framework consisted of 33 elements; 17 elements auto-extracted from videos, 6 elements auto-extracted from social media platforms, and 10 elements assigned by uploaders. To evaluate the proposed metadata framework, we conducted a survey using 20 participants recruited as metadata experts—16 corporate employees, and 4 university librarians. The survey measured the suitability of each metadata element using a 5-point Likert scale, and collected further opinions through a free-response section. As a result, the ‘duration’ element that belongs to the auto-extracted metadata and the ‘title’ and ‘content description’ elements that belong to the uploader-assigned metadata have high suitability values. Through the free-response section, it was suggested that 33 elements are not enough, and that it would be more effective to gather more metadata elements and then utilize them. Taking this suggestion into account, we added one element each to the auto-extracted and uploader-assigned metadatas respectively, and proposed a total of 35 metadata elements.
With the increased number of mobile users resulting from the widespread distribution of smartphones, social networking services have shifted direction from short-text content to multimedia content such as videos and images. A lot of snack-culture videos have been uploaded on YouTube, a video sharing service, but recently many useful educational materials are being uploaded as well. Thus, the study aims at proposing a metadata framework that enables to search not only whole videos but also video segments to make use of educational videos on YouTube. For this end, the metadata elements of YouTube and Vimeo videos including those of Netflix and Korean Film Archive were analyzed. Furthermore, three multimedia metadata standards of PBCore, TV-Anytime and MPEG-7 were analyzed and compared. The design process of the metadata framework proposed above is as follows. First, we split the metadata framework into auto-extractible metadata and uploader-assigned metadata. As for the auto-extractible metadata, the physical, bibliographical, and content analysis data (storyboard, video scheme) are extracted from a video using software. Afterwards, segment data are extracted based on the content-analysis data. Then, recommendation data and user-evaluation data are extracted through analyzing the data on social media. Later, the auto-extracted metadata and the uploader-assigned metadata are integrated and stored in the metadata storage. As a result, we proposed a metadata framework consisted of 33 elements; 17 elements auto-extracted from videos, 6 elements auto-extracted from social media platforms, and 10 elements assigned by uploaders. To evaluate the proposed metadata framework, we conducted a survey using 20 participants recruited as metadata experts—16 corporate employees, and 4 university librarians. The survey measured the suitability of each metadata element using a 5-point Likert scale, and collected further opinions through a free-response section. As a result, the ‘duration’ element that belongs to the auto-extracted metadata and the ‘title’ and ‘content description’ elements that belong to the uploader-assigned metadata have high suitability values. Through the free-response section, it was suggested that 33 elements are not enough, and that it would be more effective to gather more metadata elements and then utilize them. Taking this suggestion into account, we added one element each to the auto-extracted and uploader-assigned metadatas respectively, and proposed a total of 35 metadata elements.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.