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
- 본 논문에서는 유권자들의 SNS를 기반으로 한 후보자들에 대한 관심이 선거 결과에 어떠한 영향을 미치는지를 분석해 보고자 한다. 이를 위해 SNS 상에서의 후보에 대한 언급, 즉 특정 후보에 대한 관심 정도를 분석하고 실제 선거 결과에 어떠한 영향을 미치는지 분석하였다.
가설 설정
- 특정 선거구의 후보자 A와 후보자 B의 데이터를 추출하였을 때, 그 데이터의 양이 후보자 B에 비해 A가 우세하였을 경우 후보자 A가 당선을 거머쥘 것이라고 가정하였다. 즉, 트위터 상에서 이용자들에 의해 언급되는 양이 많을수록, 관심도가 높을수록 선거에서의 승리를 가져갈 확률이 높다고 가정하였다.
- 본 연구에서는 SNS 중 트위터 상에서의 데이터양과 내용을 분석하였다. 특정 선거구의 후보자 A와 후보자 B의 데이터를 추출하였을 때, 그 데이터의 양이 후보자 B에 비해 A가 우세하였을 경우 후보자 A가 당선을 거머쥘 것이라고 가정하였다. 즉, 트위터 상에서 이용자들에 의해 언급되는 양이 많을수록, 관심도가 높을수록 선거에서의 승리를 가져갈 확률이 높다고 가정하였다.
제안 방법
- 데이터는 여론조사와 SNS데이터로 구분하였으며 각 부문에서 후보들은 A와 B로 구별하여 유리(Δ)한 후보자와 불리(∇)한 후보자를 표시하고 최종적으로 당선된 사람을 표기하였다.
- 이를 위해 SNS 상에서의 후보에 대한 언급, 즉 특정 후보에 대한 관심 정도를 분석하고 실제 선거 결과에 어떠한 영향을 미치는지 분석하였다. 또한 선거 전까지 지속적으로 발표 되었던 기존 여론조사와 SNS 상의 후보자 관심도를 비교하여 어느 방법이 더 정확한 예측을 하였는지 비교해 보도록 한다.
- 그 결과 새누리‘정운천’ 후보의 이름과 ‘새누리’가 높은 빈도수로 언급되어 워드클라우드 상에 크게 나타남을 확인할 수 있다. 또한, 검색된 데이터에서 불용어를 제외한 단어를 추출하고, 추출된 단어들 간의 연관성을 분석하였다. 언급된 단어 중 주로 언급된 단어 간 높은 연관성을 갖는 단어를 살펴본 결과, '새누리‘, ’화이팅‘, ’당선‘, ’전주‘ 등의 단어가 전주을과 높은 관계성을 갖는 것으로 확인되었다.
- 본 연구에서는 SNS 중 트위터 상에서의 데이터양과 내용을 분석하였다. 특정 선거구의 후보자 A와 후보자 B의 데이터를 추출하였을 때, 그 데이터의 양이 후보자 B에 비해 A가 우세하였을 경우 후보자 A가 당선을 거머쥘 것이라고 가정하였다.
- 본 논문에서는 유권자들의 SNS를 기반으로 한 후보자들에 대한 관심이 선거 결과에 어떠한 영향을 미치는지를 분석해 보고자 한다. 이를 위해 SNS 상에서의 후보에 대한 언급, 즉 특정 후보에 대한 관심 정도를 분석하고 실제 선거 결과에 어떠한 영향을 미치는지 분석하였다. 또한 선거 전까지 지속적으로 발표 되었던 기존 여론조사와 SNS 상의 후보자 관심도를 비교하여 어느 방법이 더 정확한 예측을 하였는지 비교해 보도록 한다.
대상 데이터
- 다음은 4월 1일부터 12일까지의 트위터 데이터 중 ‘양천을’이라는 단어를 포함하고 있는 문장들의 단어를 추출 한 뒤 상위 언급된 단어들을 점차적으로 크게 나타낸 워드클라우드와, 추출 단어들을 피라미드 형식으로 정리한 자료이다.
- 먼저, 검증의 신뢰도를 높이기 위해 크게 주목 받는 선거구가 아니었던 서울 ‘양천을’의 데이터를 검색해 보았다.
- 여론조사와 반대되는 개표 결과를 나타낸 선거구의 데이터를 분석해보기 위해 전북 ‘전주을’을 키워드로, 4월1일부터 12일까지의 데이터를 검색했다.
- 특정 선거구를 입력하였을 때 후보들의 관심도를 측정해보기 위해 선거 전부터 주목 받는 선거구로 언급되었던 서울 ‘종로’의 트위터 데이터를 같은 기간 동안 수집했다.
데이터처리
- 데이터를 보다 심층적으로 분석해보기 위해서, ‘정세균’ 후보자의 이름을 트위터 상에서 검색했을 때 추출된데이터에 대해 긍정 부정 언급 분석을 하였다.
성능/효과
- ‘이정현’ 후보와 ‘노관규’ 후보에 대해 여론조사 상에서 우세했던 더불어 민주당의 ‘노관규’ 후보와 비교했을 때 새누리당의 ‘이정현’ 후보의 데이터 양이 압도적으로 많음을 확인할 수 있다.
- 결과적으로 선거 전 실시되었던 여론조사에서 승리가 예상되었던 새누리당의 ‘나성린’ 후보를 제치고 ‘김영춘’ 후보가 승리를 거머쥐었다.
- 결과적으로 여론조사와 달리 SNS 상에서의 관심도가 높았던 새누리당의 ‘이정현’ 후보가 당선되었다.
- 그 결과 새누리‘정운천’ 후보의 이름과 ‘새누리’가 높은 빈도수로 언급되어 워드클라우드 상에 크게 나타남을 확인할 수 있다.
- 그리고 실제 개표 결과 ’더불어민주당‘의 ‘최형재’ 후보가 우세했던 여론조사 결과와는 달리, 선거 전 트위터 상에서 관심이 높았던 ‘새누리당’의 ‘정운천’ 후보가 승리를 거머쥐었다.
- 또한, 이러한 과정에서 추출된 트윗 중 당선된 후보자의 데이터에 대한 긍정 부정 언급빈도를 조사해본 결과 긍정적인 단어를 포함하는 언급이 비교적 많았음을 알 수 있었다. 그리고 여론조사에서 우세하거나 사회 통념상 후보자의 지역구에서 한 정당이 절대적으로 우세하다고 예상되더라도, SNS 상에서 관심을 더 받지 못한다면 선거에서 당선되지 못하는 결과를 보여주었다.
- 결과적으로 여론조사와 달리 SNS 상에서의 관심도가 높았던 새누리당의 ‘이정현’ 후보가 당선되었다. 또한 당선된 이정현 후보의 워드클라우드에서 추출된 단어에 대한 긍정 부정 단어 언급 빈도수를 그래프로 확인해본 결과 0점 이상의 점수를 얻은 긍정 언급이 많음을 확인할 수 있다.
- 부산 진구갑의 데이터 또한 특정 지역구를 검색했을 때 더 많은 수로 언급된 후보가 승리를 가져간다는 본 연구의 가설을 입증하는 사례임을 확인할 수 있었다. 또한 앞선 사례들은 SNS의 데이터를 통해 특정 지역구에서는 특정 정당이 절대적으로 유리하다는 사회적 통념을 빗겨간 선거 결과 또한 예측할 수 있음을 확인하였다.
- 선거구에 대해 트위터 상의 관심도에서 우위를 점하는 후보, 경쟁 후보의 이름을 검색했을 때 관심도에서 우위를 점하는 후보가 당선될 확률이 컸다. 또한, 이러한 과정에서 추출된 트윗 중 당선된 후보자의 데이터에 대한 긍정 부정 언급빈도를 조사해본 결과 긍정적인 단어를 포함하는 언급이 비교적 많았음을 알 수 있었다. 그리고 여론조사에서 우세하거나 사회 통념상 후보자의 지역구에서 한 정당이 절대적으로 우세하다고 예상되더라도, SNS 상에서 관심을 더 받지 못한다면 선거에서 당선되지 못하는 결과를 보여주었다.
- 본 논문에서는 우리나라 20대 국회의원 선거 과정에서 후보자들이 SNS 이용자들의 관심을 많이 받을수록,SNS 이용자들에게 더 많이 언급될수록 선거에서 승리를 거머쥘 가능성이 크다는 것을 보여주었다. 선거구에 대해 트위터 상의 관심도에서 우위를 점하는 후보, 경쟁 후보의 이름을 검색했을 때 관심도에서 우위를 점하는 후보가 당선될 확률이 컸다.
- 부산 북강서갑의 데이터 결과를 보면 ‘전재수’ 후보가‘박민식’ 후보에 비해 현저히 많은 데이터 양을 가지고 있음을 알 수 있다.
- 부산 진구갑의 당선자 김영춘 후보자의 데이터의 긍정 부정 언급 빈도수를 확인해본 결과, 중립성을 띄는 구간의 단어를 제외하면 긍정적인 언급의 수가 더 많음을 확인할 수 있다. 부산 진구갑의 데이터 또한 특정 지역구를 검색했을 때 더 많은 수로 언급된 후보가 승리를 가져간다는 본 연구의 가설을 입증하는 사례임을 확인할 수 있었다.
- 부산 진구갑의 당선자 김영춘 후보자의 데이터의 긍정 부정 언급 빈도수를 확인해본 결과, 중립성을 띄는 구간의 단어를 제외하면 긍정적인 언급의 수가 더 많음을 확인할 수 있다. 부산 진구갑의 데이터 또한 특정 지역구를 검색했을 때 더 많은 수로 언급된 후보가 승리를 가져간다는 본 연구의 가설을 입증하는 사례임을 확인할 수 있었다. 또한 앞선 사례들은 SNS의 데이터를 통해 특정 지역구에서는 특정 정당이 절대적으로 유리하다는 사회적 통념을 빗겨간 선거 결과 또한 예측할 수 있음을 확인하였다.
- 언급된 단어 중 주로 언급된 단어 간 높은 연관성을 갖는 단어를 살펴본 결과, '새누리‘, ’화이팅‘, ’당선‘, ’전주‘ 등의 단어가 전주을과 높은 관계성을 갖는 것으로 확인되었다.
- 여론조사 결과에서는 ‘새누리당’의 ‘오세훈’ 후보가 우세할 것으로 예상되었다.
- 데이터는 여론조사와 SNS데이터로 구분하였으며 각 부문에서 후보들은 A와 B로 구별하여 유리(Δ)한 후보자와 불리(∇)한 후보자를 표시하고 최종적으로 당선된 사람을 표기하였다. 위의 사례에서 확인할 수 있듯 SNS 데이터가 우세한 후보자가 당선을 거머쥘 가능성이 높다는 것을 확인할 수 있다.
- 추출된 데이터를 분석해 본 결과, 여론조사와 마찬가지로 ‘새누리당’의 ‘김용태’ 후보가 ‘더불어민주당’의 이용선 후보와 비교하여더 많은 수로 언급되어 추출된 워드클라우드 상에 나타남을 확인할 수 있었다.
- 하지만 결과적으로 SNS상에서 언급된 데이터양이 많은 더민주의‘전재수’ 후보가 당선되었다.
- 하지만 데이터 추출 결과 ‘더불어민주당’의 ‘정세균’ 후보가 더 많은 빈도로 언급되어워드클라우드상에 크게 나타남을 확인했다.
후속연구
- 추후에는 데이터 분석 과정에서 단순히 관심도를 측정하는 것을 넘어, 여론 몰이나 여론 조작 여부를 판단하여 좀 더 세밀한 분석이 가능하도록 할 것이다. 더불어 분석 대상을 트위터 외에 블로그나 뉴스 기사의 댓글, 또 다른 SNS 채널의 의견 등으로 확장하여 보다 고도화된 분석이 가능하도록 확장할 것이다.
- 추후에는 데이터 분석 과정에서 단순히 관심도를 측정하는 것을 넘어, 여론 몰이나 여론 조작 여부를 판단하여 좀 더 세밀한 분석이 가능하도록 할 것이다. 더불어 분석 대상을 트위터 외에 블로그나 뉴스 기사의 댓글, 또 다른 SNS 채널의 의견 등으로 확장하여 보다 고도화된 분석이 가능하도록 확장할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.