선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러므로 사회관계에 따라 유발되는 감성의 일반적인 구조를 명확히 설명할 수 있는 사회감성을 논의하는 데 한계가 있다. 따라서 본 연구는 SNS 사용자들 사이에서 형성되는 사회관계에 대해 명확한 기준을 두고 이에 따라 유발되는 사회감성 모델을 구축하고자 한다. 또한 사회감성 모델을 검증하여 일반적인 사회감성 모델을 구축하고자 한다.
- 그러나 X²검증은 표본 크기에 민감하고 영가설이 상당히 엄격하므로 X²검증에 전적으로 의존하여 모형을 평가하지 않는다. 따라서 본 연구에서는 표본 크기에 민감하지 않고 모형의 간명성을 고려하며 적합도 평가 지수의 기준이 확립된 CFI, TLI, RMSEA를 통해 모형의 적합도를 평가하였다. CFI, TLI의 경우 그 값이 .
- 따라서 본 연구는 SNS 사용자들 사이에서 형성되는 사회관계에 대해 명확한 기준을 두고 이에 따라 유발되는 사회감성 모델을 구축하고자 한다. 또한 사회감성 모델을 검증하여 일반적인 사회감성 모델을 구축하고자 한다.
- 본 연구는 SNS 사용자의 사회감성을 정의하고, 사회감성 모델을 구축하여 제안하는 사회감성 모델을 검증하는 순서로 설명하고자 한다.
- 본 연구에서는 SNS 사용자간의 관계 유형에 따라 유발되는 사회감성 모델을 구축하였다. 사용자 관계 유형에 따른 두 가지 모델 구축 결과 사회감성은 모델에 따라 다르게 정의되었으며 이는 4개의 요인 구조로 구성되어 있었다.
- 본 연구의 목적은 SNS 사용자의 관계형성에 따라 사용자에게 유발되는 사회감성 모델을 구축하고 그 차이를 분석하는 것이다. 이를 위하여 SNS 사용자의 관계형성과 사회감성의 기존 연구에 대해 조사하고 각 관계의 SNS 사용자들을 대상으로 적합성검증, 대표감성어휘 추출, 어휘간 유사성, 사회감성모델 검증을 위한 설문조사를 각각 수행하였다.
제안 방법
- SNS 사용자 관계에 따라 도출된 대표 사회감성을 사회감성 간의 관계성을 고려한 차원적 모델을 구축하기 위해 사회감성 어휘를 수집하고 적합성 검증을 수행한 후 대표감성 추출을 통해 사회감성 모델을구축하였다. Russell(1980)이 사용한 다차원척도 분석법을 사용하여 사회감성 간의 관계성을 새로운 차원에 모델링하였다.
- 앞서 구축된 사회감성 모델에 해당하는 각 감성을 평가할 수 있도록 선행연구들에서 사용된 다양한 문항들을 참고로 하여 본 연구의 주제와 적합하지 않은 것들은 수정하여 새로이 문항을 개발하였다(Sung, 2007; Lee, 2002; Kim, 2006; Park, 2008; Lee, 2011; Kim, 2009; Yu, 2011; Keum, 2011; Park, 2011; Kim, 2011; Kim, 2002; Shim, 2002; Han, 2011; Park, 2004; Choi, 2009; Kim, 2003; Ko, 2002; Kim, 2008; Lee, 2008). 감성공유관계 사회감성 모델의 측정 항목은 24개, 정보공유관계 사회감성 모델의 측정항목은 41개를 개발하였다. 각 문항에 대해 감성공유관계의 사회감성 모델 검증은 101명, 정보공유관계의 사회감성 모델 검증은 145명의 자료를 분석대상으로 하였다.
- 도출된 사회감성 모델을 검증하기 위해 복잡한 이론적 구조를 갖는 모델을 실증적으로 연구하고 분석하는데 매우 유용한 기법으로 알려진 구조방정식모형을 적용하였다. SNS를 사용하는 20, 30대 남녀 대학생을 대상으로 설문을 실시하여 구조방정모형 검증을 위한 통계패키지인 AMOS 20을 사용하였다.
- 사용자 관계 유형에 따른 두 가지 모델 구축 결과 사회감성은 모델에 따라 다르게 정의되었으며 이는 4개의 요인 구조로 구성되어 있었다. 따라서 각 모델에 해당하는 사회감성과 4요인 구조가 지지되는지 검토하고자 확인적 요인분석을 실시하였다. 각 모형에 대한 적합도 분석 결과는 표 9, 10과 같다.
- 5이상의 값을 나타냈다. 또한 유의확률 0.01을 만족하지 않는 요소를 제거하였고, 마지막으로 수정지수를 반영하여 모델의 적합도를 저해하는 요소들을 삭제하였다. 관계에 따라 구조방정식 모형을 적용하는데 필요한 조건을 충족시킨 측정변인 결과는 표 7, 8과 같다.
- 본 연구는 SNS 사용자간의 관계를 감성공유관계와 정보공유관계로 분류하고 두 가지 관계 유형에 따른 사회감성 모델을 구축하였다. 이를 위해 감성을 수집하고 연구의 주제에 적합한 사회감성을 추출하기 위해 적합성 검증을 실시하였다.
- 앞서 수집된 감성 어휘가 SNS 상에서 유발되는 사회감성에 적합한지 설문을 통해 검증을 실시하였다. 설문은 SNS 사용자간의 두 가지 관계 유형, 긍정과 부정 상황을 변수로 하여 총 네 가지 상황으로 설계하였다. 30명의 SNS 사용자(평균＝25.
- 적합성 검증을 통해 도출된 사회감성 간의 상관관계를 분석하여 다수의 사회감성 어휘들의 정보 손실을 최소화하면서 소수의 대표 요인을 도출하기 위한 위한 요인분석을 수행하였다. 설문은 앞선 사회감성의 적합성 검증을 위한 설문과 동일하게 2가지의 SNS 사용자 관계 유형과 긍정, 부정 상황을 변수로 설계하였다. 평가 항목은 적합성이 검증된 26개의 사회감성의 양극 감성(bipolar)을 한 쌍으로 제시하고 4가지 상황 맥락에서 유발하는 감성과의 상관성을 평가하였다.
- 439)를 대상으로 앞서 추출된 대표 사회감성 어휘를 어휘 간 유사성을 비교하여 리커트 7점 척도로 설문을 실시하였다. 수집된 메트릭스 데이터는 유사성 자료로 변환하여 각 변수들 간의 유사성을 평가하여 차원에 나타내었다. 이때 차원의 수가 증가하면 STRESS값이 낮아지므로 추정된 맵의 정확도가 높아지는 것은 사실이나 3차원 이상의 차원으로 분석할 경우 시각적으로 이해하는 데 어려움이 있기 때문에 그림 2, 3과 같이 2차원 공간에 모델을 구현하였다.
- 신뢰성 분석을 위해 Cronbach’s α 계수를 분석하여 내적일관성을 저해하는 감성공유관계 모형의 6 문항, 정보공유관계 모형의 1문항을 제외하였다.
- 앞서 수집된 감성 어휘가 SNS 상에서 유발되는 사회감성에 적합한지 설문을 통해 검증을 실시하였다. 설문은 SNS 사용자간의 두 가지 관계 유형, 긍정과 부정 상황을 변수로 하여 총 네 가지 상황으로 설계하였다.
- 신뢰성 분석을 위해 Cronbach’s α 계수를 분석하여 내적일관성을 저해하는 감성공유관계 모형의 6 문항, 정보공유관계 모형의 1문항을 제외하였다. 연구자가 측정하고자 하는 개념이 얼마나 정확하게 측정되었는가를 나타내기 위해 단일차원성 방법을 통해 타당성을 검증하였다. 검증 결과 모든 문항의 요인부하량이 0.
- 수집된 메트릭스 데이터는 유사성 자료로 변환하여 각 변수들 간의 유사성을 평가하여 차원에 나타내었다. 이때 차원의 수가 증가하면 STRESS값이 낮아지므로 추정된 맵의 정확도가 높아지는 것은 사실이나 3차원 이상의 차원으로 분석할 경우 시각적으로 이해하는 데 어려움이 있기 때문에 그림 2, 3과 같이 2차원 공간에 모델을 구현하였다.
- 이를 바탕으로 본 연구에서는 SNS에서 개인의 감성을 나누고 공유하는 관계인 감성공유관계로 변수를 재정의하였고 SNS에서 정보를 나누고 공유하는 관계인 정보공유관계로 변수를 재정의하였다. 즉, SNS 사용자간의 대표적인 관계를 감성공유관계와 정보공유관계로 정의하였다.
- 본 연구의 목적은 SNS 사용자의 관계형성에 따라 사용자에게 유발되는 사회감성 모델을 구축하고 그 차이를 분석하는 것이다. 이를 위하여 SNS 사용자의 관계형성과 사회감성의 기존 연구에 대해 조사하고 각 관계의 SNS 사용자들을 대상으로 적합성검증, 대표감성어휘 추출, 어휘간 유사성, 사회감성모델 검증을 위한 설문조사를 각각 수행하였다. 수집된 설문 데이터는 카이제곱검정, 요인분석, 다차원척도 분석 (Multidimensional Scaling : MDS), 구조방정식 모형 분석을 통하여 사회감성 모델을 구축하고 타당성을 검증하였다.
- Russell(1980)이 사용한 다차원척도 분석법을 사용하여 사회감성 간의 관계성을 새로운 차원에 모델링하였다. 이를 위해 52명의 SNS 사용자(평균＝23.7세, 표준편차＝1.439)를 대상으로 앞서 추출된 대표 사회감성 어휘를 어휘 간 유사성을 비교하여 리커트 7점 척도로 설문을 실시하였다. 수집된 메트릭스 데이터는 유사성 자료로 변환하여 각 변수들 간의 유사성을 평가하여 차원에 나타내었다.
- 본 연구는 SNS 사용자간의 관계를 감성공유관계와 정보공유관계로 분류하고 두 가지 관계 유형에 따른 사회감성 모델을 구축하였다. 이를 위해 감성을 수집하고 연구의 주제에 적합한 사회감성을 추출하기 위해 적합성 검증을 실시하였다. 추출된 사회감성은 요인분석을 통해 군집화 및 체계화하였다.
- 추출된 사회감성은 요인분석을 통해 군집화 및 체계화하였다. 이를 통해 도출된 대표 사회감성은 다차원척도 분석을 통해 사회 감성 모델로 구축하였다. 모형 구축 결과 감성공유관계와 정보공유관계에 따른 STRESS 지수는 모두 0.
- 이후 감성 어휘들을 세분화하여 군집화 시키기 위해 베리맥스(Varimax)방법을 사용하였다. 직각회전을 하였음에도 불구하고 명확하게 요인에 포함되지 않은 변수는 제거하였다.
- 적합성 검증을 통해 도출된 사회감성 간의 상관관계를 분석하여 다수의 사회감성 어휘들의 정보 손실을 최소화하면서 소수의 대표 요인을 도출하기 위한 위한 요인분석을 수행하였다. 설문은 앞선 사회감성의 적합성 검증을 위한 설문과 동일하게 2가지의 SNS 사용자 관계 유형과 긍정, 부정 상황을 변수로 설계하였다.
- 설문은 앞선 사회감성의 적합성 검증을 위한 설문과 동일하게 2가지의 SNS 사용자 관계 유형과 긍정, 부정 상황을 변수로 설계하였다. 평가 항목은 적합성이 검증된 26개의 사회감성의 양극 감성(bipolar)을 한 쌍으로 제시하고 4가지 상황 맥락에서 유발하는 감성과의 상관성을 평가하였다. 설문은 50명의 SNS 사용자(평균＝24.
대상 데이터
- 설문은 SNS 사용자간의 두 가지 관계 유형, 긍정과 부정 상황을 변수로 하여 총 네 가지 상황으로 설계하였다. 30명의 SNS 사용자(평균＝25.90세, 표준편차＝2.44)를 대상으로 설문을 수행하였다. 수집된 데이터는 SPSS 12.
- 도출된 사회감성 모델을 검증하기 위해 복잡한 이론적 구조를 갖는 모델을 실증적으로 연구하고 분석하는데 매우 유용한 기법으로 알려진 구조방정식모형을 적용하였다. SNS를 사용하는 20, 30대 남녀 대학생을 대상으로 설문을 실시하여 구조방정모형 검증을 위한 통계패키지인 AMOS 20을 사용하였다.
- 감성공유관계 사회감성 모델의 측정 항목은 24개, 정보공유관계 사회감성 모델의 측정항목은 41개를 개발하였다. 각 문항에 대해 감성공유관계의 사회감성 모델 검증은 101명, 정보공유관계의 사회감성 모델 검증은 145명의 자료를 분석대상으로 하였다. 각 문항은 리커트 7점 척도로 평가하도록 설문을 진행하였다.
- 사회감성 어휘 수집을 위해 기존문헌에서 Duchenne(1862), Darwin(1872), Ekman(1984), Russell(1980)등에 의해 정의된 인간의 기본적인 감성과 Oatley(1987), Parkinson(1996), Buck(1999), Leary(2004) 등에 의해 정의된 사회감성 어휘를 모두 수집하였다. 또한 페이스북을 통하여 설문을 실시하여 페이스북 이용시 유발되는 감성을 조사하여 수집된 감성은 총 289개이었다. 중복, 의미의 모호함, 감성 또는 기분, 정서가 아닌 성향이나 행태를 표현하는 감성 어휘들을 삭제하여 총 92개의 감성을 선별하였다.
- 평가 항목은 적합성이 검증된 26개의 사회감성의 양극 감성(bipolar)을 한 쌍으로 제시하고 4가지 상황 맥락에서 유발하는 감성과의 상관성을 평가하였다. 설문은 50명의 SNS 사용자(평균＝24.98세, 표준편차＝1.91)를 대상으로 하여 리커트 7점 척도(1.전혀 관련 없다, 2.관련 없다, 3.약간 관련 없다, 4.보통이다, 5.약간 관련 있다, 6.관련 있다, 7.매우 관련 있다)로 평가하였다. 설문의 결과의 신뢰도를 검증하기 위하여 Cronbach's α계수를 확인하였고 그 결과가 0.
- 또한 페이스북을 통하여 설문을 실시하여 페이스북 이용시 유발되는 감성을 조사하여 수집된 감성은 총 289개이었다. 중복, 의미의 모호함, 감성 또는 기분, 정서가 아닌 성향이나 행태를 표현하는 감성 어휘들을 삭제하여 총 92개의 감성을 선별하였다.
데이터처리
- 설문의 결과의 신뢰도를 검증하기 위하여 Cronbach's α계수를 확인하였고 그 결과가 0.7 이상의 값을 보여 신뢰할만한 수준을 보였다.
- 44)를 대상으로 설문을 수행하였다. 수집된 데이터는 SPSS 12.0K for windows를 사용하여 카이제곱 검정(Chi-square test)을 통해 분석하였다. 분석시 기대빈도 이상의 변수를 1차로 선택한 후 선택된 변수가 유의수준 0.
- 이를 위하여 SNS 사용자의 관계형성과 사회감성의 기존 연구에 대해 조사하고 각 관계의 SNS 사용자들을 대상으로 적합성검증, 대표감성어휘 추출, 어휘간 유사성, 사회감성모델 검증을 위한 설문조사를 각각 수행하였다. 수집된 설문 데이터는 카이제곱검정, 요인분석, 다차원척도 분석 (Multidimensional Scaling : MDS), 구조방정식 모형 분석을 통하여 사회감성 모델을 구축하고 타당성을 검증하였다.
- 이를 위해 감성을 수집하고 연구의 주제에 적합한 사회감성을 추출하기 위해 적합성 검증을 실시하였다. 추출된 사회감성은 요인분석을 통해 군집화 및 체계화하였다. 이를 통해 도출된 대표 사회감성은 다차원척도 분석을 통해 사회 감성 모델로 구축하였다.
이론/모형
- SNS 사용자 관계에 따라 도출된 대표 사회감성을 사회감성 간의 관계성을 고려한 차원적 모델을 구축하기 위해 사회감성 어휘를 수집하고 적합성 검증을 수행한 후 대표감성 추출을 통해 사회감성 모델을구축하였다. Russell(1980)이 사용한 다차원척도 분석법을 사용하여 사회감성 간의 관계성을 새로운 차원에 모델링하였다. 이를 위해 52명의 SNS 사용자(평균＝23.
- 본 연구에서는 고상민 외(2010)의 연구에서 사용한 연구 개념을 적용하여 SNS 사용자들의 관계형성에 대한 연구 개념을 표 1과 같이 재정의하였다. Granovetter(1973)에 따르면 네트워크상에서는 Strong tie와 Weak tie가 존재한다.
- 사회감성 어휘 수집을 위해 기존문헌에서 Duchenne(1862), Darwin(1872), Ekman(1984), Russell(1980)등에 의해 정의된 인간의 기본적인 감성과 Oatley(1987), Parkinson(1996), Buck(1999), Leary(2004) 등에 의해 정의된 사회감성 어휘를 모두 수집하였다. 또한 페이스북을 통하여 설문을 실시하여 페이스북 이용시 유발되는 감성을 조사하여 수집된 감성은 총 289개이었다.
성능/효과
- 또한 감성공유관계에서 유발되는 사회감성은 부정감성보다 긍정감성이 더 많이 도출되었고, 정보공유 관계에서 유발되는 사회감성은 긍정감성보다 부정감성이 더 많이 도출되었다. 감성공유관계 모델에서는 긍정감성이 6개, 부정감성이 2개 도출되었지만 정보공유관계 모델에서는 긍정감성이 4개, 부정감성이 5개 도출되었다. 이는 SNS 사용자가 감성을 공유할 때 더 많은 긍정 경험을 할 수 있다고 판단된다.
- 감성공유관계에 의해 도출된 사회감성은 ‘기쁜’, ‘친밀한’, ‘존경하는’, ‘감탄하는’, ‘불만족하는’, ‘언짢은’, ‘우정’, ‘유쾌한’, ‘불편한’, ‘비난하는’, ‘실망한’, ‘관심 없는’이 도출되었다.
- 직각회전을 하였음에도 불구하고 명확하게 요인에 포함되지 않은 변수는 제거하였다. 그 결과 표 3, 4와 같이 감성공유 관계의 사용자 관계에서 유발되는 대표 사회감성은 12요인으로 분류되었다. 감성공유관계에 의해 도출된 사회감성은 ‘기쁜’, ‘친밀한’, ‘존경하는’, ‘감탄하는’, ‘불만족하는’, ‘언짢은’, ‘우정’, ‘유쾌한’, ‘불편한’, ‘비난하는’, ‘실망한’, ‘관심 없는’이 도출되었다.
- 또한 2차원에 위치한 사회감성들 간의 유클리드안 거리를 고려하여 유사한 거리에 있는 어휘를 군집화한 결과 감성이 변화하는 패턴이 SNS에서 사회적 관계 형성이 진화하는 패턴과 유사하게 나타났다. 하나의 예로 SNS 사용자의 감성공유관계는 상대방에게 ‘친밀한’ 감성을 느끼며 계속해서 긍정의 인터랙션을 진행하면 ‘유쾌한’ 감성이 지속됨에 따라 상대방에 대한 강한 신뢰를 형성하여 ‘우정’을 느낄 수 있다.
- 또한 감성공유관계에서 유발되는 사회감성은 부정감성보다 긍정감성이 더 많이 도출되었고, 정보공유 관계에서 유발되는 사회감성은 긍정감성보다 부정감성이 더 많이 도출되었다. 감성공유관계 모델에서는 긍정감성이 6개, 부정감성이 2개 도출되었지만 정보공유관계 모델에서는 긍정감성이 4개, 부정감성이 5개 도출되었다.
- 따라서 최종적으로 긍정-부정의 횡축과 친밀도 정도의 종축이 사회감성 모델의 2차원 축으로 정의되었다. 또한 구축된 모형의 타당화 분석을 통해 통계적으로 유의하지 않은 사회감성은 제거하여 결과의 신뢰성을 높게 하였다.
- 또한 상대방과 관계의 지속, 즉 형성되는 친밀도 정도에 따라 ‘실망’에서 ‘비난’하는 감성으로, ‘친밀함’에서 ‘우정’의 감성으로 감성이 발전할 수 있음을 확인하였다.
- 또한 형성되는 친밀도 정도에 따라 초기의 ‘의기소침함’과 ‘번잡함(귀찮음)’에서 ‘질투’의 감성을 거쳐 친밀도가 강해짐에 따라 ‘미안함’으로 발전하며 ‘공감’의 수동적인 감성에서 ‘감탄’, ‘활발함’의 능동적인 감성으로 발전할 수 있음을 확인하였다.
- 8이하이면 좋은 적합도이다(이학식, 2007; 김주환 외, 2010). 본 연구의 적합도 지수 분석 결과 감성공유관계의 사회 감성 모델과 정보공유관계의 사회감성 모델이 모두 만족할만한 수준의 결과를 나타냈다. 따라서 본 연구에서 제안하는 타당성이 검증된 사회감성 모델은 다음 그림 4, 5와 같다.
- 본 연구의 측정항목은 구조방정식 모형에서 정상분포 조건(왜도<2, 첨도<7)을 고려한 결과 두 사회감성 모델의 모든 측정항목에서 만족하는 결과를 나타냈다.
- 05 이하의 신뢰성을 만족하도록 2차 선별하였다. 선별 결과 표 2와 같이 26개의 감성 어휘가 SNS에서 적합한 사회감성 어휘로 추출되었다.
- 연구 결과 SNS 사용자간의 관계 유형에 따라 서로 다른 사회감성이 유발된다는 것을 확인하였다. 이는 관계 형성 동기의 차이로 인한 결과라 볼 수 있다.
후속연구
- 본 연구에서는 주관적 설문을 위주로 연구를 진행하였기 때문에 추후에 보다 객관적인 척도를 바탕으로 추가연구를 수행해야할 필요성이 있다.
- 따라서 온라인 환경에서 원만하게 사회적 관계를 형성하고 유지하기 위해서는 긍정적인 사회감성이 유발될 수 있는 환경을 제공하고 부정적인 감성이 유발되었을 때는 감성의 발달이 이루어지기 이전에 해결점을 찾아주는 대책이 필요하다. 본 연구의 결과를 통해 정서적 안정감을 제공할 수 있는 새로운 SNS 개발에 있어 중요하게 고려해야 할 요인들을 확인할 수 있다는 점에 의의를 둘 수 있으며 학문적 의의뿐만 아니라 실제 인터넷 사업 분야의 참고물로 활용 가능할 것으로 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.