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
- 그런데 페이스북은 글쓰기 양의 제한이 없고 API를 제공하고 있어서 텍스트의 수집이 가능하며 친구관계로 연결되어 있기 때문에 사용자가 자신의 일상이나 정서를 잘 포스팅할 수 있다. 따라서 본 논문에서는 페이스북 텍스트를 대상으로 하여 정서 단어 목록을 구축하였다.
제안 방법
- 그 중 ‘정서 상태’ 범주의 정서를 직접적으로 나타내는 단어만을 정서 단어의 범주로 선택했다. 그러나 본 논문에서는 정서를 유발할 수 있는 단어를 정서 단어라고 확장하여 해석하였으며 위의 8가지 단어 범주를 모두 포함하여 정서를 유발할 수 있는 단어를 선정하였다. 왜냐하면 사용자가 소셜 미디어에서 압축된 텍스트를 사용하여 의사소통을 하므로 직접적인 정서 상태를 표현하는 단어가 아니더라도 신체감각, 정서 표현(행동), 축약어, 이모티콘 등 다양한 표현으로 정서를 표현하고 의사소통하기 때문이다.
- 따라서 이모티콘의 범주를 크게 ‘놀람’, ‘부끄러움’, ‘슬픔’, ‘어색한 웃음’, ‘웃음’, ‘찡그림’의 6가지로 분류하였다(표 2).
- 방대한 양의 페이스북 텍스트를 모두 읽고 정서 단어를 찾는 것은 비효율적이기 때문에 텍스트를 단어별로 분리 한 후 중복이 많이 되는 단어 순서별로 정렬하였다(표 1).
- 본 논문에서는 대표적인 소셜 미디어인 페이스북 텍스트로부터 정서 단어 목록을 구축 하였으며 정서가(valence)와 활성화(activation) 차원을 측정하였다.
- 선별한 정서 단어의 정서가, 활성화 값을 측정하기 위해 설문을 실시하였다. 스마트폰으로 설문을 실시하는 서비스를 통하여 설문을 실시하였다.
- 설문 내용은 정서 단어를 제시하고 정서가, 활성화 차원을 각각 1에서 7점 척도로 평정하게 하였다. 설문 응답자는 정서가와 활성화의 의미를 잘 모르기 때문에 설문지에는 정서가 차원을 ‘긍정적-부정적’으로, 활성화 차원을 ‘흥분한-침착한’으로 평정하게 하였다(그림 2).
- 설문 응답자는 정서가와 활성화의 의미를 잘 모르기 때문에 설문지에는 정서가 차원을 ‘긍정적-부정적’으로, 활성화 차원을 ‘흥분한-침착한’으로 평정하게 하였다(그림 2).
- 스마트폰에서 응답하는 설문 응답자의 피로도를 고려하여 한 응답자 당 50문항을 응답하도록 하였으며, 이를 위해서 267개의 정서 단어를 11개 세트로 나누어 설문을 실시하였다. 설문 응답자는 20세에서 35세의 대학생이나 직장인으로 설정하였고 거주 지역은 전국으로 설정하였다.
- 선별한 정서 단어의 정서가, 활성화 값을 측정하기 위해 설문을 실시하였다. 스마트폰으로 설문을 실시하는 서비스를 통하여 설문을 실시하였다. 이 서비스는 서비스에 가입한 전국의 다양한 스마트폰 사용자를 대상으로 설문을 진행할 수 있으며, 설문자 타켓팅이 가능하고 설문에 소요되는 시간이 1시간 미만으로써 빠른 설문을 수행 할 수 있는 장점이 있다.
- 박인조와 민경환(2005)은 연세대학교 언어정보개발연구원의 ‘현대 한국어의 어휘 빈도’ 자료집을 기초로 10년동안 출판된 신문, 잡지, 소설, 수필, 취미, 교양, 수기, 전기, 국어 교과서, 희곡, 시나리오에서 434개의 정서 단어 목록을 작성하였다. 이 연구에서는 정서 단어를 원형성, 친숙성, 쾌-불쾌, 활성화 차원으로 분석하였다. 원형성 차원은 단어들이 정서 단어로서 적절한지 평가한 것이고, 친숙성 차원은 단어들이 일상생활에서 친숙하게 느껴지는 정도를 평가한 것이다.
- 중복되는 단어를 걸러내고 중복된 빈도로 정렬을 한 뒤 13,035,220개의 단어를 194,399개의 단어로 줄였다. 이 후 정서를 표현하는 단어를 선별하였다. 정서 단어를 선별하는 기준으로써 박인조와 민경환(2005)은 단어의 범주를 ‘정서 상태’, ‘신체 감각’, ‘정서 표현(행동)’, ‘성격’, ‘관계’, ‘동기’, ‘구로 표현될 경우 정서 단어로 보이는 것’, ‘기타’의 8가지로 나누었다.
- 이전 연구의 문제점을 보완하고 소셜 미디어에 적용하기 위해 정서 단어 목록을 구축하였다. 한국어 기반의 대표적인 소셜 미디어는 트위터, 카카오톡, 페이스북이 있다.
대상 데이터
- 따라서 이모티콘의 범주를 크게 ‘놀람’, ‘부끄러움’, ‘슬픔’, ‘어색한 웃음’, ‘웃음’, ‘찡그림’의 6가지로 분류하였다(표 2). 그 결과 최종적으로 267개의 정서 단어를 선정하였다.
- 따라서 소셜 미디어에서 사용되는 정서 단어의 범주에 대한 기준을 소셜 미디어의 특성을 고려해 확장하여 해석할 필요가 있다. 박인조와 민경환(2005)의 한국어 정서 단어 목록과 중복되는 것을 제외하고 318개의 단어를 선별하였다. 이 목록에는 정서를 유발할 수 있는 단어로서 축약어, 신조어, 이모티콘, 욕설 등을 포함하고 있다.
- 특히 소셜미디어에서 사용되는 언어적 특성을 반영한 정서 단어 목록 구축이 필요하다. 본 논문에서는 대표적인 소셜 미디어인 페이스북을 대상으로 텍스트를 수집하여 정서 단어 목록을 구축했으며 축약어, 신조어, 이모티콘 등을 포함하고 있다. 향후 연구로는 장기적으로 빅데이터 규모의 소셜 미디어를 수집하여 대규모의 정서 단어 목록을 구축할 필요가 있다.
- 사용된 재료는 페이스북 사용자 214명을 대상으로 2011년 4월부터 2012년 10월까지 약 19개월의 포스팅된 텍스트를 사용하였다. 페이스북 텍스트의 전체 총 문장 수는 215,170문장이며 총 단어 수는 13,035,220개이다.
- 스마트폰에서 응답하는 설문 응답자의 피로도를 고려하여 한 응답자 당 50문항을 응답하도록 하였으며, 이를 위해서 267개의 정서 단어를 11개 세트로 나누어 설문을 실시하였다. 설문 응답자는 20세에서 35세의 대학생이나 직장인으로 설정하였고 거주 지역은 전국으로 설정하였다. 총 1133명에게 설문을 실시 한 후 전수 조사를 통해 불성실 응답자 30명을 제외한 후 1103명의 설문 결과를 사용하였다.
- 총 1133명에게 설문을 실시 한 후 전수 조사를 통해 불성실 응답자 30명을 제외한 후 1103명의 설문 결과를 사용하였다. 설문 응답자는 남성이 467명이었으며 평균나이는 26.9세(SD=4.06)였고, 여성이 636명이었으며 평균나이는 24.9세(SD=4.10)였다.
- 설문 응답자는 20세에서 35세의 대학생이나 직장인으로 설정하였고 거주 지역은 전국으로 설정하였다. 총 1133명에게 설문을 실시 한 후 전수 조사를 통해 불성실 응답자 30명을 제외한 후 1103명의 설문 결과를 사용하였다. 설문 응답자는 남성이 467명이었으며 평균나이는 26.
- 사용된 재료는 페이스북 사용자 214명을 대상으로 2011년 4월부터 2012년 10월까지 약 19개월의 포스팅된 텍스트를 사용하였다. 페이스북 텍스트의 전체 총 문장 수는 215,170문장이며 총 단어 수는 13,035,220개이다. 문장에서 영어는 제외하고 한국어만 사용하였다.
이론/모형
- 즉, 기존 박인조와 민경환(2005)에서 측정한 정서 단어 목록의 연장선에서 본 논문에서 측정한 정서 단어 목록을 사용할 수 있다.
성능/효과
- 본 논문에서 측정한 정서 단어는 소셜 미디어의 특성을 반영한 축약어, 신조어 등이 많이 포함되었고 직접적인 정서 상태만을 표현한 단어와 함께 신체 감각, 정서 표현(행동), 관용적 표현 등의 분류도 많이 포함되었다. 예를 들면, ‘꿀꿀하다’, ‘멘붕’, ‘빡세다’, ‘헐’ 등은 직접적인 정서 상태를 표현하는 단어이지만 국어 사전에는 나오지 않는 축약어와 신조어이다.
- 안신호, 이승혜와 권오식(1993)은 국어사전에서 정서를 의미하는 단어 213개를 선정하여 다차원 척도법(multi-dimensional scaling)과 군집 분석(clustering analysis)을 통해 정서 단어의 차원을 분석하였다. 분석 결과 발견된 첫 번째 차원은 쾌-불쾌 차원이 확실했으나 두 번째 차원 이상은 해석이 불가능했다.
- 중복되는 단어를 걸러내고 중복된 빈도로 정렬을 한 뒤 13,035,220개의 단어를 194,399개의 단어로 줄였다. 이 후 정서를 표현하는 단어를 선별하였다.
후속연구
- 본 논문에서는 대표적인 소셜 미디어인 페이스북을 대상으로 텍스트를 수집하여 정서 단어 목록을 구축했으며 축약어, 신조어, 이모티콘 등을 포함하고 있다. 향후 연구로는 장기적으로 빅데이터 규모의 소셜 미디어를 수집하여 대규모의 정서 단어 목록을 구축할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.