사회적 재난에 대한 트위터 여론 수렴 모델: '가습기 살균제' 사건을 중심으로 A Collecting Model of Public Opinion on Social Disaster in Twitter: A Case Study in 'Humidifier Disinfectant'원문보기
최근 점차 복잡해져가는 사회구조 속에서 사회적 재난은 빈번하게 발생되고 있으며, 그 피해 규모 또한 점차 대형화되고 있다. 따라서 사회적 재난에 신속하게 대응함으로써, 추가 피해를 방지할 수 있는 체계화된 방법이 필요하다. 그 중에서도 소셜미디어, 특히 트위터는 신속성 및 확장성이 높아 재난에 대한 대응책으로 새롭게 주목받고 있다. 다양한 대중들의 관심이 드러나는 트위터의 여론을 수렴하는 것은 재난 발생에 신속하게 대응하고, 추가적인 피해를 방지하는데 유용한 수단으로 활용될 수 있다. 따라서 본 연구는 키워드 분석 및 이슈 트윗 추출, 시계열 분석 과정을 통해 사회적 재난에 대한 트위터 여론 수렴 방법을 제안하였으며, 최근 사회적으로 이슈화된 가습기 살균제 사건을 연구 대상으로 선정, 실제 적용가능성을 보이는데 의의가 있다.
최근 점차 복잡해져가는 사회구조 속에서 사회적 재난은 빈번하게 발생되고 있으며, 그 피해 규모 또한 점차 대형화되고 있다. 따라서 사회적 재난에 신속하게 대응함으로써, 추가 피해를 방지할 수 있는 체계화된 방법이 필요하다. 그 중에서도 소셜미디어, 특히 트위터는 신속성 및 확장성이 높아 재난에 대한 대응책으로 새롭게 주목받고 있다. 다양한 대중들의 관심이 드러나는 트위터의 여론을 수렴하는 것은 재난 발생에 신속하게 대응하고, 추가적인 피해를 방지하는데 유용한 수단으로 활용될 수 있다. 따라서 본 연구는 키워드 분석 및 이슈 트윗 추출, 시계열 분석 과정을 통해 사회적 재난에 대한 트위터 여론 수렴 방법을 제안하였으며, 최근 사회적으로 이슈화된 가습기 살균제 사건을 연구 대상으로 선정, 실제 적용가능성을 보이는데 의의가 있다.
The abstract should concisely state what was done, how it was done, principal results, and their significance. It should be less than 300 words for all forms of publication. Recently social disasters have been occurring frequently in the increasing complicated social structure, and the scale of dama...
The abstract should concisely state what was done, how it was done, principal results, and their significance. It should be less than 300 words for all forms of publication. Recently social disasters have been occurring frequently in the increasing complicated social structure, and the scale of damage has also become larger. Accordingly, there is a need for a way to prevent further damage by rapidly responding to social disasters. Twitter is attracting attention as a countermeasure against disasters because of immediacy and expandability. Especially, collecting public opinion on Twitter can be used as a useful tool to prevent disasters by quickly responding. This study proposes a collecting method of Twitter public opinion through keyword analysis, issue topic tweet detection, and time trend analysis. Furthermore we also show the feasibility by selecting the case of humidifier disinfectant which is a social issue recently.
The abstract should concisely state what was done, how it was done, principal results, and their significance. It should be less than 300 words for all forms of publication. Recently social disasters have been occurring frequently in the increasing complicated social structure, and the scale of damage has also become larger. Accordingly, there is a need for a way to prevent further damage by rapidly responding to social disasters. Twitter is attracting attention as a countermeasure against disasters because of immediacy and expandability. Especially, collecting public opinion on Twitter can be used as a useful tool to prevent disasters by quickly responding. This study proposes a collecting method of Twitter public opinion through keyword analysis, issue topic tweet detection, and time trend analysis. Furthermore we also show the feasibility by selecting the case of humidifier disinfectant which is a social issue recently.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이를 위해 2011년에 처음 발생하여 2016년까지 효과적인 대응과 조치가 이루어지지 않아 지속적으로 피해를 발생시키고 있는‘가습기 살균제’ 사건을 연구 대상으로 선정, 트위터 미디어를 대상으로 실제 적용 결과를 보이고자 한다. 구체적으로는 가습기 살균제 사건 관련 트윗을 자동으로 수집하여 키워드 분석 및 이슈 트윗 추출을 수행하고 시계열 분석 결과를 제시하고자 한다.
즉, 결론적으로 소셜미디어에 나타난 재난 관련 여론을 분석하고 활용하여 재난 대응 체계를 제안한 연구는 현재 없다. 따라서 본 연구는 소셜미디어에 나타난 여론을 수렴하여 재난에 대한 여론의 관심 및 변화추이를 분석함으로써, 재난 발생 시 신속하게 대응할 수 있는 방법을 제안하는데 목적을 두고 있다.
본 연구는 트위터 여론 수렴 방법을 제안한 것으로, 가습기 살균제 사건을 대상으로 제안 방법을 적용한 결과를 기술하였다. 수렴 결과를 요약하면 다음과 같다.
본 연구에서는 사회적 재난에 대한 신속한 대응 및 조치를 위한 여론 수렴 방법을 제안한다. 이를 통해 재난에 대한 여론의 관심 및 변화추이를 파악하고, 재난 발생 이후에 추가 피해를 방지하도록 체계적인 재난관리체계를 구축하는데 유용한 수단으로 활용 가능함을 보이고자 한다.
이를 위해 2011년에 처음 발생하여 2016년까지 효과적인 대응과 조치가 이루어지지 않아 지속적으로 피해를 발생시키고 있는‘가습기 살균제’ 사건을 연구 대상으로 선정, 트위터 미디어를 대상으로 실제 적용 결과를 보이고자 한다.
본 연구에서는 사회적 재난에 대한 신속한 대응 및 조치를 위한 여론 수렴 방법을 제안한다. 이를 통해 재난에 대한 여론의 관심 및 변화추이를 파악하고, 재난 발생 이후에 추가 피해를 방지하도록 체계적인 재난관리체계를 구축하는데 유용한 수단으로 활용 가능함을 보이고자 한다. 이를 위해 2011년에 처음 발생하여 2016년까지 효과적인 대응과 조치가 이루어지지 않아 지속적으로 피해를 발생시키고 있는‘가습기 살균제’ 사건을 연구 대상으로 선정, 트위터 미디어를 대상으로 실제 적용 결과를 보이고자 한다.
구체적으로는 전체 공통 키워드와 연도별 주요 키워드를 살펴보면서 키워드에 나타난 트위터 여론의 관심 및 변화를 비교·분석하였다.
구체적으로는 수집한 트윗의 ‘트윗 수’, ‘리트윗 수’, ‘좋아요수’를 활용해 각각 가중치를 달리함으로써 중요도를 산출하였다. 그리고 시기별로 중요도가 가장 높은 트윗을 하나씩 추출하여 중요도가 높은 순서로 정렬함으로써 트위터 여론의 관심이 집중된 이슈 트윗들을 추출하였다.
세 번째 방법은 α = 1, β = 2,γ = 1로 설정하여 ‘리트윗 수’의 가중치를 다른 요소보다 높게 부여하였다. 그리고 위와 같이 각각의 가중치를 다르게 적용한 후, 결과를 비교하여 사건과 관련된 이슈 트윗을 보다 상세하게 추출하는 방법을 확인하였다.
본 연구에서는 키워드 분석 및 이슈 트윗 추출 방법을 통해 도출된 결과를 시계열 그래프로 표현하여 시기마다 달라지는 이슈 트윗과 키워드를 분석하였다. 그리고 이를 기반으로 트위터 여론의 관심 및 변화추이를 파악하고, 뉴스 빅데이터 분석시스템인 BigKinds4)를 활용해 트위터 여론의 변화가 다른 매체와 어떤 상관관계를 가지는지 분석하였다.
첫째, 데이터 수집 기간을 선정하여 수집 대상과 연관된 단어를 포함하는 모든 트윗을 메타데이터와 함께 자동 수집한다. 둘째, 수집한 트윗의 Mention에서 키워드를 추출하여 트위터에서 자주 언급된 주요 키워드들을 선정하여 분석한다. 셋째, 전체 트윗 데이터 중에서 중요도가 높은 이슈 트윗을 추출하여 트위터 여론의 관심이 집중된 주요 이슈들을 분석한다.
셋째, 전체 트윗 데이터 중에서 중요도가 높은 이슈 트윗을 추출하여 트위터 여론의 관심이 집중된 주요 이슈들을 분석한다. 마지막으로 시계열 분석을 통해 트위터 여론의 관심 및 변화양상과 더불어 다른 매체와의 상관관계를 파악한다. 이러한 과정은 트위터 여론을 수렴하여 재난에 대한여론의 관심 및 변화를 파악함으로써, 피해확산에 대응하고 추가피해를 예방하는데 유용하게 활용할 수 있다.
본 연구에서 수집대상으로 선정한 가습기 살균제 사건의 연관 단어는 ‘가습기살균제’와 사건에 관계된 제품인 ‘옥시’,‘메디안치약’, ‘몽드드’, ‘세퓨’, ‘아모레퍼시픽’, ‘아토오가닉’,‘가습기클린업’, ‘홈플러스 가습기청정제’, 그리고 가습기 살균제 주요 성분인 ‘CMIT/MIT’ 등으로 구성하였다.
본 연구에서 제안하는 사회적 재난에 대한 트위터 여론 수렴 방법은 Fig. 1과 같이 설계하였으며, 트위터 자동수집내용을 기반으로 키워드 빈도 분석 및 이슈 트윗 추출, 시계열 분석을 수행하였다. 구체적인 내용은 다음과 같다.
본 연구에서는 수집한 전체 트윗을 연도별로 분류하고,RHINO 형태소 분석기3)를 사용해서 트윗 내용으로부터 명사 키워드를 추출하였다. 추출된 키워드들은 연도별로 자주 언급이 되었던 순서로 정렬하여 분석했다.
본 연구에서는 키워드 분석 및 이슈 트윗 추출 방법을 통해 도출된 결과를 시계열 그래프로 표현하여 시기마다 달라지는 이슈 트윗과 키워드를 분석하였다. 그리고 이를 기반으로 트위터 여론의 관심 및 변화추이를 파악하고, 뉴스 빅데이터 분석시스템인 BigKinds4)를 활용해 트위터 여론의 변화가 다른 매체와 어떤 상관관계를 가지는지 분석하였다.
세 번째 방법은 α = 1, β = 2,γ = 1로 설정하여 ‘리트윗 수’의 가중치를 다른 요소보다 높게 부여하였다.
둘째, 수집한 트윗의 Mention에서 키워드를 추출하여 트위터에서 자주 언급된 주요 키워드들을 선정하여 분석한다. 셋째, 전체 트윗 데이터 중에서 중요도가 높은 이슈 트윗을 추출하여 트위터 여론의 관심이 집중된 주요 이슈들을 분석한다. 마지막으로 시계열 분석을 통해 트위터 여론의 관심 및 변화양상과 더불어 다른 매체와의 상관관계를 파악한다.
수집 기간은 사건이 처음 발생한 2010년 1월1일부터 2016년 9월 30일로 설정하였다. 수집 방법으로는오픈소스 소프트웨어 저장소인 GitHub2)에 공개된 트윗 데이터 수집 프로그램을 본 연구의 목적에 맞게 코드를 수정하여 사용하였다. 이를 통해 선정된 트윗 데이터는 자동으로 수집하였고, 수집 결과 일부 중복되는 트윗 데이터는 제거 등 전처리를 수행한 후 분석을 진행하였다.
여기서 본 연구에서는 α, β, γ로 가중치를 각기 다르게 적용하여 중요도를 산출해 보았다.
수집 방법으로는오픈소스 소프트웨어 저장소인 GitHub2)에 공개된 트윗 데이터 수집 프로그램을 본 연구의 목적에 맞게 코드를 수정하여 사용하였다. 이를 통해 선정된 트윗 데이터는 자동으로 수집하였고, 수집 결과 일부 중복되는 트윗 데이터는 제거 등 전처리를 수행한 후 분석을 진행하였다.
따라서 단순히 빈도분석을 통해서 트위터 여론의 관심이 집중되었던 트윗을 추출하기에는 한계가 있다. 이에 본 연구에서는 이슈 트윗 추출을 위한 중요도 계산 방법을 제안, 수집된 모든 트윗 각각의 중요도를 계산하여 정규화하였다. 구체적으로는 수집한 트윗의 ‘트윗 수’, ‘리트윗 수’, ‘좋아요수’를 활용해 각각 가중치를 달리함으로써 중요도를 산출하였다.
첫 번째 방법은 α = 1, β = 1, γ = 1로 설정하여 ‘트윗 수’,‘리트윗 수’ ‘좋아요 수’에 동일한 가중치를 부여하였다.
첫째, 데이터 수집 기간을 선정하여 수집 대상과 연관된 단어를 포함하는 모든 트윗을 메타데이터와 함께 자동 수집한다. 둘째, 수집한 트윗의 Mention에서 키워드를 추출하여 트위터에서 자주 언급된 주요 키워드들을 선정하여 분석한다.
를 사용해서 트윗 내용으로부터 명사 키워드를 추출하였다. 추출된 키워드들은 연도별로 자주 언급이 되었던 순서로 정렬하여 분석했다. 구체적으로는 전체 공통 키워드와 연도별 주요 키워드를 살펴보면서 키워드에 나타난 트위터 여론의 관심 및 변화를 비교·분석하였다.
[3]은 국가적 재난 대응을 위한 소셜미디어 활용 방안을 연구하였다. 특히, 해당 연구에서는 소셜미디어를 통한 긴급 의사소통 체계 및 재난정보 제공서비스를 구축하여 온라인 기부창고로써 소셜미디어를 활용할 것을 제안하였다. [17]은 소셜 빅데이터를 활용한 재난이슈 탐지모델을 소개하였다.
해당 연구에서는 ‘코카콜라’, ‘채선당’, ‘알츠하이머’를 분석 대상으로 선정하고, 사례와 관련된 이슈가 얼마나 많은 사람들에게 배포되고 악용되는가에 대한 문제를 다양한 측정 방법으로 분석하였다.
[17]은 소셜 빅데이터를 활용한 재난이슈 탐지모델을 소개하였다. 해당 연구에서는 재난이슈를 전조이슈와 발생이슈로 구분하여 정의하고 시간단위 트윗 발생빈도 분석과 어휘패턴분석 방법을 통해 재난이슈 탐지모델을 구축하였다. [18]은 사회 전반적으로 관심 대상인 질환 및 질병에 관련된 트윗을 수집하고, 이를 사회적 신호로 간주할 때 질병의 확산을 조기에 감지하여 예방하는데 도움을 준다고 주장하였다.
대상 데이터
가습기 살균제 사건은 폐질환을 유발하기 때문에 의학적인 측면에서 환경성질환이라고 할 수 있지만, 피해규모 측면에서는 감염성 질환으로도 볼 수 있다[10]. 따라서 가습기 살균제 사건은 감염병 피해라는 측면에서 사회적 재난에 포함되어 본 연구의 적용 대상으로 선정하였다.
수집된 트윗의 메타데이터는 ‘Mention’, ‘User_id’, ‘Date’, ‘Favorites’, ‘Retweet’이다. 수집 기간은 사건이 처음 발생한 2010년 1월1일부터 2016년 9월 30일로 설정하였다. 수집 방법으로는오픈소스 소프트웨어 저장소인 GitHub2)에 공개된 트윗 데이터 수집 프로그램을 본 연구의 목적에 맞게 코드를 수정하여 사용하였다.
수집한 트윗은 전체 53,316건 중 중복된 데이터를 제거하여 총 50,151건을 본 연구에 활용하였다. 이 중에서도 ‘가습기 살균제(19,821건)’와 ‘옥시(23,329건)’가 전체 트윗의 약 80%를 차지한다.
성능/효과
분석 결과를 살펴보면 첫째, 전체 연도에서 공통적으로 5개 이상 언급된 주요 키워드에는 ‘옥시’, ‘가습기’, ‘살균제’, ‘피해자’, ‘피해’, ‘정부’, ‘제품’ 등이 있다.
각 Method의 중요도를 살펴보면 공통적으로 1순위, 2순위에 비해 3순위부터는 중요도 편차가 매우 큰 것을 확인할 수 있다. 또한 Method1과 Method3는 2011년 11월 트윗이 1순위인 반면 Method2는 2016년 5월 트윗이 1순위이다.
둘째, 각 Method의 가중치를 다르게 적용하여 이슈 트윗을 추출한 후 트윗 내용을 분석하였을 때, ‘리트윗 수’에 높은 가중치를 주었던 Method3이 트위터 여론의 관심이 집중된 이슈 트윗을 상세하게 추출하는 방법임을 확인하였다.
이는 Method3이 여론을 형성하는데 중요한 역할을 하는 ‘리트윗 수’에 높은가중치를 설정하였기 때문에 나타난 결과이다. 따라서 Method3이 트위터 여론의 관심이 집중되었던 이슈 트윗을 추출하는데 가장 적합한 방법임을 실험을 통해 확인하였다.
또한 2011년 처음 가습기 살균제 사건이 이슈화 되었을 때 ‘가습기살균제’ 트윗이 ‘옥시’ 보다 많이 생산되었지만, 반대로 2016년에는 옥시 제품으로 인해 가습기 살균제 사건에 사회적 관심이 집중되면서 ‘옥시’ 트윗이 ‘가습기 살균제’ 보다 더 많이 생산되었음을 확인하였다.
둘째, 각 Method의 가중치를 다르게 적용하여 이슈 트윗을 추출한 후 트윗 내용을 분석하였을 때, ‘리트윗 수’에 높은 가중치를 주었던 Method3이 트위터 여론의 관심이 집중된 이슈 트윗을 상세하게 추출하는 방법임을 확인하였다. 셋째, 연도별 추출 키워드와 추출된 이슈 트윗을 시계열 그래프로 나타냈을 때, 당시 실제로 이슈화된 사건과 대체로 일치함을 확인하였다.
첫째, 시기와 상관없이 가습기 살균제 사건과 관련하여 ‘피해자’, ‘피해’, ‘정부’, ‘제품’ 등의 키워드가 자주 언급되면서 트위터 여론이 주로 사건의 피해자와 제품, 정부의 조치에 대해 관심을 가졌음을 확인하였다.
사건이 발생된 2011년도는 이슈 트윗 추출을 통해 8월, 9월, 11월에 트위터 여론의 관심이 집중되었음을 파악하였다. 해당 시기에 생산된 관련 뉴스기사에는 폐질환 의심, 영유아 및 산모 사망, 피해자 기자회견, 강제수거 명령 등이 나타났다. 이는 4.
후속연구
따라서 본 연구에서 제안한 트위터 여론 수렴 방법은 트위터 여론의 변화를 파악하여, 재난의 피해확산을 방지하고 2차 피해를 예방하는데 큰 도움이 될 것이다. 그러나 본 연구에서는 다양한 사회적 재난의 중에서도 감염병 피해인 가습기 살균제 사건을 선정, 적용한 것으로 향후에는 사회적 재난의 유형별 특성에 따른 트위터 여론 수렴 방법에 대한 연구로 확장되어야 한다. 또한 재난의 대응뿐만 아니라 사전에 재난을 예측하고 예방할 수 있도록 트위터 여론의 실시간 모니터링 방법을 연구할 필요가 있다.
트위터는 다른 매체보다 신속하고 확장성이 높기 때문에 재난이 발생 시 이에 대한 상황과 정보가 대중들에게 빨리 전파된다. 따라서 본 연구에서 제안한 트위터 여론 수렴 방법은 트위터 여론의 변화를 파악하여, 재난의 피해확산을 방지하고 2차 피해를 예방하는데 큰 도움이 될 것이다. 그러나 본 연구에서는 다양한 사회적 재난의 중에서도 감염병 피해인 가습기 살균제 사건을 선정, 적용한 것으로 향후에는 사회적 재난의 유형별 특성에 따른 트위터 여론 수렴 방법에 대한 연구로 확장되어야 한다.
그러나 본 연구에서는 다양한 사회적 재난의 중에서도 감염병 피해인 가습기 살균제 사건을 선정, 적용한 것으로 향후에는 사회적 재난의 유형별 특성에 따른 트위터 여론 수렴 방법에 대한 연구로 확장되어야 한다. 또한 재난의 대응뿐만 아니라 사전에 재난을 예측하고 예방할 수 있도록 트위터 여론의 실시간 모니터링 방법을 연구할 필요가 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
소셜미디어의 특징은?
한편, 소셜미디어는 정보를 빠르게 확산시키기 때문에 재난 상황을 빨리 파악하도록 도와주며, 다른 미디어 매체보다 근접한 시각에서 자세하고 정확한 정보를 제공한다. 이로 인해 소셜미디어는 인터넷 상의 관계 형성 및 의사소통의 역할뿐만 아니라 재난 발생에 대한 대응책으로 재조명되고 있다[3].
트위터 자동수집내용을 기반으로 키워드 빈도 분석 및 이슈 트윗 추출, 시계열 분석을 수행한 구체적인 내용은?
첫째, 데이터 수집 기간을 선정하여 수집 대상과 연관된 단어를 포함하는 모든 트윗을 메타데이터와 함께 자동 수집한다. 둘째, 수집한 트윗의 Mention에서 키워드를 추출하여 트위터에서 자주 언급된 주요 키워드들을 선정하여 분석한다. 셋째, 전체 트윗 데이터 중에서 중요도가 높은 이슈 트윗을 추출하여 트위터 여론의 관심이 집중된 주요 이슈들을 분석한다. 마지막으로 시계열 분석을 통해 트위터 여론의 관심 및 변화양상과 더불어 다른 매체와의 상관관계를 파악한다. 이러한 과정은 트위터 여론을 수렴하여 재난에 대한여론의 관심 및 변화를 파악함으로써, 피해확산에 대응하고 추가피해를 예방하는데 유용하게 활용할 수 있다.
사회적 재난의 발생원인 관련 어떠한 특징이 있는가?
사회적 재난은 단순히 한 가지 특정 원인으로 인해 발생하기 보다는 자연재난, 인적재난 등과 함께 복합적으로 일어나는 경우가 많으며, 최근 점차 복잡해져가는 사회구조의 이해관계 속에서 빈번하게 발생되고 있다[8]. [9]는 사회를 구성하는 직·간접적인 요소들로부터 기인한 1개 이상의 복합적인 원인으로 인하여 피해의 양상과 크기가 변하는 인간의 생명과 재산 그리고 국가나 사회의 항상성을 위협하여 파장이 큰 재해가 사회적 재난이라고 정의하였다.
참고문헌 (22)
H. Y. Kwon, "International Discussion on Disaster Management and Implications for Korea's Disaster Response," Dong-a Law Review, Vol.71, pp.115-146, 2016.
Y. C. Choung, I. S. Choy, and Y. G. Bae, "Social Security aimed Disaster Response Policy based on Big Data Application," Journal of the Korea Institute of Information and Communication Engineering, Vol.20, No.4, pp.683-690, 2016.
H. G. Kim, "Application of Social Media for Responding to a National Disaster," Journal of the Korea Entertainment Industry Association, Vol.5, No.5, pp.147-153, 2011.
S. H. Park, "Critical Study on the Forming Public Opinion of SNS and Participation Behavior," Korean Journal of Communication Information, Vol.58, pp.55-73, 2012.
I. H. Choi and D. S. Han, "A Study on the Correlation of Agendas between Politicians Twitters and Traditional News Media," Journal of Communication Science, Vol.11, No.2, pp.501-532, 2011.
Korea Ministry of Government Legislation, "Law of Disaster and Safety Management (in Korea)," Gwacheon: Korea Ministry of Government Legislation, 2016.
Y. J. Hur, "Development and Validation of Indirect Trauma Scale of Social Disaster," Ph.D. dissertation, Gyengsang National University, Jinju, Korea, 2016.
H. J. Jung, "A Study of Acquisition for Disaster Collections on the National September 11 Memorial & Museum," Ph.D. dissertation, Myongji University, Seoul, Korea. 2016.
J. W. Lee, "The Effect of Disaster Management System and Cooperation on the Business Performance," Ph.D. dissertation, Keimyung University, Daegu, Korea. 2013.
Y. M. Cho, "Problems and Lessons Learned through Humidifier Disinfection," Research Institute for Healthcare Policy Korean Medical Association, Vol.14, No.2, pp.58- 63, 2016.
S. H. Lee and G. Song, "Intermedia Agenda-setting between Social Media and Broadcasting News: Focusing on Sewol-ho Disaster Related News," Korean Journal of Journalism Communication Studies, Vol.58, No.6, pp.7-39, 2014.
J. B. Kim and G. H. Lee, "Public Opinion and Media : A Study on Pluralistic Ignorance and Third Party Hypothesis," Korean Journal of Journalism Communication Studies, Vol.31, pp.63-86, 1994.
J. M. Kang, "An Understanding of the Effect and of Cases in the Process of Political Participation on Smartphone and Governance," Journal of Cyber Society & Culture, Vol.2, No.1, pp.147-163, 2011.
C. G. Akcora, M. A. Bayir, M. Demirbas, and H. Ferhatosmanoglu, "Identifying Breakpoints in Public Opinion," SOMA '10: Proceedings of the First Workshop on Social Media Analytics, ACM, 2010, pp.62-66.
J. H. Hong, "The Detection of Public Opinion and Public Opinion Cycle via Aggregated Twitter Opinion and Sentiment," Korean Journal of Communication Studies, Vol.19, No.3, pp.5-29, 2011.
K. Starbird, L. Palen, A. L. Hughes, and S. Vieweg, "Chatter on the Red: What Hazards Threat Reveals about the Social Life of Microblogged Information," CSCW '10 Proceedings of the 2010 ACM Conference on Computer Supported Cooperative Work, ACM, 2010. pp. 241-250.
S. H. Choi and B. G. Bae, "The Sensing Model of Disaster Issues from Social Bigdata," Journal of KIISE : Computing Practices and Letters, Vol.20, No.5, pp.286-290, 2014.
J. Y. Yoon, S. J. Kim, B. S. Lee, and B. Y. Hwang, "A Correlation Analysis between the Social Signals of Cold Symptoms Extracted from Twitter and the Influence Factors," Journal of Korea Multimedia Society, Vol.16, No.6, pp.667-677, 2013.
H. J. Oh, H. G. Kim, and B. H. Yun, "Continuous Issue Event Analysis in Social Media," The Journal of Korean Association of Computer Education, Vol.17, No.2, pp.31- 38, 2013.
H. S. Ha and B. Y. Hwang, "Keyword Filtering about Disaster and the Method of Detecting Area in Detecting Real-Time Event Using Twitter," KIPS Transactions on Software and Data Engineering, Vol.5, No.7, pp.345-350, 2016.
Y. C. Hwang and C. Koh, "Analysis of Opinion Social Data on the SNS(Social Network Service) by Analyzing of Collective Damage Reply," The Journal of Digital Policy & Management, Vol.11, No.5, pp.41-51, 2013.
S. H. Lee and S. H. Lim, "Intermedia Agenda-setting Effects: Political Debates on TV and Twitter," Journal of the Korea Contents Association, Vol.14, No.1, pp.139-149, 2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.