초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

스마트폰의 사용 및 모바일 서비스의 확대와 무선 인터넷의 보급은 소셜미디어를 중심으로 새로운 커뮤니케이션 환경을 구축하며, 여러 측면에서 소비자 중심의 환경을 만들어내고 있다. 박물관에서도 이러한 환경적인 변화를 수용하며 이들의 의견을 수렴하기 위한 방법을 모색하고 있다.

본 연구는 이와 같은 방법 중 하나로 소셜 미디어상의 관람객 게시글에 대한 소셜 텍스트를 분석하는 빅데이터 기반의 관람객 연구 방법을 제시하고자 하였다. 이를 위해 박물관에 대한 관람 유형 및 인식, 트렌드에 대해 파악할 수 있도록 ...

스마트폰의 사용 및 모바일 서비스의 확대와 무선 인터넷의 보급은 소셜미디어를 중심으로 새로운 커뮤니케이션 환경을 구축하며, 여러 측면에서 소비자 중심의 환경을 만들어내고 있다. 박물관에서도 이러한 환경적인 변화를 수용하며 이들의 의견을 수렴하기 위한 방법을 모색하고 있다.

본 연구는 이와 같은 방법 중 하나로 소셜 미디어상의 관람객 게시글에 대한 소셜 텍스트를 분석하는 빅데이터 기반의 관람객 연구 방법을 제시하고자 하였다. 이를 위해 박물관에 대한 관람 유형 및 인식, 트렌드에 대해 파악할 수 있도록 동기 이론을 근거로 기준을 제시하였고, 국립중앙박물관에서 시행되었던 관람객 조사를 토대로 오프라인 결과와 온라인 소셜미디어의 연구 결과에 대한 비교 분석을 진행하였다. 소셜미디어의 경우, 데이터 수집에 있어서 윤리적 문제 및 연구 권한 등의 이유로 인구통계학적 특성을 어렵다는 점을 감안한 것이고, 또한 선행 조사결과를 비교 대상을 두어 동기유형을 도출하는데 참조할 수 있기 때문이다.

연구 방법은 문헌고찰과 실증적 연구로 이루어졌다. 박물관 관람 동기 이론은 선행연구 분석을 통해 고찰하였으며, 텍스트 마이닝 분석을 활용해 관람객의 현실적인 언어로 이루어진 비정형 데이터를 분석하고자 소셜 빅데이터를 분석하는 연구 절차를 설계하였다. 연구 대상으로는 국립중앙박물관에 한정하였고, 이와 관련된 텍스트를 네이버 블로그와 인스타그램을 통해 데이터를 수집하였다. 소셜 빅데이터의 특성상 관람객들의 게시글이 시간의 제약 없이 업로드 되고 있음으로 데이터의 중복되는 수집을 피하기 위해 2018년 11월 10일에서 11월 18일 사이 집중적으로 데이터를 수집했다. 기간 내 수집한 데이터는 네이버 블로그 2,764건, 인스타그램 5,211건을 수집해 게시글에 대하여 텍스트 분석을 진행해 결과를 도출했다.

이에 따라 분석 결과는 다음과 같다.

첫째, TF-IDF 분석을 통해 키워드의 중요도를 도출한 후 선행연구에서 살펴본 ‘기분전환동기’, ‘문화유산학습동기’, ‘지적 동기’, ‘친화동기’로 분류했다. 분석결과, ‘기분전환동기’가 가장 높게 나타난 가운데, ‘문화유산학습동기’, ‘지적 동기’, ‘친화동기’순으로 나왔다. ‘기분전환동기’에는 여가 관련 단어와 행사프로그램 관련 단어로 구성되어 있어, 박물관 환경과 편의시설에 대한 중요도와 참여 프로그램 및 이벤트 등의 행사에 대한 비중이 동시에 부과된다고 할 수 있다.

둘째, 토픽모델링 분석을 통해 상위 토픽을 구성하고 있는 연관어에 대해 분석한 결과, 박물관 방문에 대한 관람객들의 인식과 주제를 도출할 수 있었다. 특히 네이버 블로그 및 인스타그램의 특성에 따라 다른 값이 나타났는데, 네이버 블로그의 경우에는 전시와 관련된 텍스트와 이와 연관된 어휘들이 도출되었다. 반면 인스타그램에서는 전시에 관련된 어휘뿐만 아니라 여가, 행사, 지역 등 다양한 반응과 인식이 도출되어 소셜미디어의 특성에 따라 결과 값이 달라짐을 알 수 있었다.

셋째, WORD2VEC을 이용한 워드 임베딩 분석에서는 앞서 살펴본 TF-IDF분석을 결과 중 가장 높게 나타난 ‘기분전환동기’ 및 ‘문화유산 학습동기’에 관한 관람객 트렌드를 살펴보았다. 특히 박물관 마케팅의 방안으로서 두 방문동기에서 나타난 세부적인 요소를 도출하고 이를 바탕으로 관람 트렌드를 살펴보았다.
본 연구에서는 소셜미디어에서 사용되는 텍스트를 데이터화해서 박물관에 대한 관람객들의 관람 유형 및 트렌드의 정보를 도출할 수 있는 방법을 제시하고, 나아가 분석 결과에서 시사한 바를 알아내고자 수행되었다. 기본적으로 소셜미디어의 속성은 사용자들이 다른 매체에 비해 훨씬 사적이고 자유로운 표현을 하는 영역이라는 점에서, 기존의 만족도 조사에서 살펴볼 수 없는 지점을 알 수 있다는 데 큰 장점이 있다. 이러한 점에서 관람객 중심의 커뮤니케이션 환경인 소셜미디어에서 소셜 텍스트를 활용했다는 점과, 빅데이터 분석 모델로서 토픽모델링 분석을 통해 박물관 관람객 연구를 시도했다는 점에서 연구의 의의가 있겠다. 또한 본 연구는 관람객들이 현재 언급하고 있는 현실 언어 기반의 어휘를 도출하고, 박물관 방문요인과 관련된 어휘를 토대로 관람 트렌드를 분석해 박물관 홍보 및 마케팅 및 운영개선에 대한 가이드라인을 제시했다는 점에서도 실무적 차원에서의 의의가 주어질 수 있다.

박물관과 관련된 분야에서 빅데이터 분석은 아직 활성화 되지 않았으며, 학술적인 분석 및 연구에서 텍스트 분석도 아직 초기 단계이다. 따라서 본 연구의 결과가 박물관 관람객 연구 방법론에 있어서 빅데이터를 활용한 연구로 관람객에게 다가가는 새로운 접근방법이 되기를 바라며, 박물관에서 데이터 활용 전략과 박물관 관람객 연구의 우수한 연구 방법 개발에 초석이 되기를 기대한다.

Abstract ▼ AI-Helper

Use of smart phones, expansion of mobile services, and spread of wireless
Internet have created a new communication environment centered on social
media and are creating a consumer-oriented environment in various aspects.
To accept these environmental changes, museums are seeking ways to...

Use of smart phones, expansion of mobile services, and spread of wireless
Internet have created a new communication environment centered on social
media and are creating a consumer-oriented environment in various aspects.
To accept these environmental changes, museums are seeking ways to accept
and collect opinions.
This study, as one of the methods, is to present a research method of a
social text analytics based big data research method to analyzing posts of
visitors on social media. In particular, a comparative analysis of the results of
offline and online social media based research was conducted via preceding
studies on researches of visitors conducted by the National Museum of Korea.
With difficulties of knowing demographic characteristics, taking ethical issues
and research authority into consideration in data collecting of social media, in
cases of social media, it can also be referred to drive motive type by having
the results of preceding research as comparison target.
As a consequence, a high demand for leisure and recreation was shown in
types of visitors of the museum, exhibition and educational contents was
shown in the Naver blog, and leisure related contents were shown in
Instagram.
Review of preceding research and the empirical studies were used as
research method. The museum motivation theory was studied through
analyzation of preceding research, the use of text mining analysis is designed
to analyze process for unstructed data in the form of realistic language of
visitors. Based on these factors, analysis of visitors motivation and perception
of the National Museum of Korea was used as a basis for inferring trends
based on existing motivational types and content preferences.
The research method consisted of literature review and empirical research
in previous research. The museum motivation theory was analyzed through
previous research analysis, and the research procedure to analyze the social
big data was analyzed in order to analyze the unstructured data made by the
actual language of the visitor using the text mining analysis.
The research was limited to the National Museum of Korea and the related
texts were collected from Naver blog and Instagram. To avoid duplicate
collection of data due to the nature of Social Big Data, which upload visitors'
posts without any restrictions, the data was intensively collected from
November 10, 2018 to November 18, 2018. During which period 2,764 posts
from Naver blog and 5,211 posts from Instagram were collected, and the
results was obtained by analyzing the texts.
Consequently, the analysis results are as follows:
First, the importance of keywords was derived through the TF-IDF analysis
and classified as 'Recreation Motives', ‘Cultrual Heritage Learning Motives’,
'Intellectual Motives' and 'Friendly Motives' as discussed in the preceding
study. According to the analysis results, the 'Recreation Motives', ‘Cultrual
Heritage Learning Motives’were found to be highly important Motives. The
'Recreation Motives' consists of words related to leisure and event programs,
so the importance of the museum environment and facilities, as well as the
importance of the events such as participating programs and events, can be
assessed simultaneously.
Second, the analysis of the related words that make up the upper topic
through the analysis of topical modeling allowed visitors to derive their
perceptions and themes about visiting the museum. In particular, different
values were shown depending on the characteristics of the Naver blog and
Instagram. In the case of Naver blog, the text related to the exhibition and
the related vocabulary were derived. On the other hand, Instagram shows that
the results vary depending on the characteristics of social media as well as
the vocabulary related to exhibitions, as well as various responses and
perceptions are derived, such as leisure, events, and regions.
Third, word embedding analysis using WORD2VEC showed that TF-IDF
analysis that was viewed earlier was the highest among the results, and that
the viewer trend regarding 'Gate Transition Dynamics' and 'Culture Heritage
Learning Motions'. In particular, the museum's marketing method drew detailed
elements from the two visits and examined the viewing trends based on them.
In this study, we presented a way to dataize the text used in social media
to derive viewer viewing types and trends for museums, and further to find
out what the analysis suggests. Essentially, the nature of social media is that
it is an area where users are more private and expressive than other media,
which is why traditional satisfaction surveys cannot see it. In this regard, the
research will be meaningful in that it utilized social text in social media,
which is a communication environment centered on visitors, and attempted to
study museum visitors through a topic modeling analysis as a big data analysis
model. In addition, the research may be meaningful from a practical point of
view in that it has drawn the actual language-based vocabulary that visitors
are currently referring to, and provided guidelines for promoting, marketing,
and improving the museum's operations by analyzing viewing trends based on
vocabulary related to the museum's visit factors.
Big data analysis has not yet been activated in areas related to museums,
and text analysis is still in its early stages in academic analysis and research.
Therefore, I hope that the results of this research will be a new approach to
approaching visitors through research using big data in the museum's visitor
research methodology, and that the museum will be the basis for developing a
data utilization strategy and excellent research methods for museum visitor
research.

주제어