[논문]트위터 메시지 분석을 통한 선거 결과 예측 고찰: 18대 대선을 중심으로

이서영; 권상집

doi:10.5392/jkca.2019.19.04.174

[국내논문] 트위터 메시지 분석을 통한 선거 결과 예측 고찰: 18대 대선을 중심으로
A Study on Predicting Presidential Election Results by Analyzing Twitter Message Contents: A Focus on the 18th Presidential Election in Korea 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.19 no.4, 2019년, pp.174 - 186

이서영 (동양대학교 공연영상미디어학부) , 권상집 (동국대학교 상경대학 경영학부)

초록
AI-Helper

트위터는 사회적 상호작용을 원하는 사용자들이 가장 많이 활용하는 온라인 SNS 플랫폼이다. 기존 커뮤니케이션 플랫폼에 비해 다른 이와 훨씬 효과적으로 상호작용할 수 있는 장점을 지닌 트위터는 학문적 관점에서도 현재 매우 높은 관심을 받고 있다. 본 연구는 이를 감안하여 트위터 사용자들이 표출하는 트위터 메시지의 총량, 긍정적 메시지, 부정적 메시지 등을 활용하여 이들 메시지가 대통령 선거 결과를 예측할 수 있는데 효과적인지 분석하였다. 소셜 매트릭스 분석을 통해 분석한 결과, 특정 후보에 관한 트위터 메시지의 총량은 지난 18대 대통령 선거에서 실제 선거 승리를 예측하는데 매우 유용하다는 점을 확인할 수 있었다. 아울러, 트위터 공간에서 특정 후보에 관한 긍정적인 메시지가 많을수록 그리고 부정적인 메시지가 적을수록 해당 후보의 선거 승리에 중요한 영향을 미치는 것으로 나타났다. 본 연구는 트위터에서 전달되고 공유되는 메시지 총량, 긍정적 메시지, 부정적 메시지가 유권자의 투표 의사결정에 매우 중요한 영향을 준다는 점을 입증했다. 후속 연구에서는 다른 SNS 플랫폼까지 포함하여 포괄적으로 연구를 진행, 가장 효과적인 커뮤니케이션 콘텐츠 전략을 도출해야 할 것이다.

Abstract ▼ AI-Helper

Twitter is very popluar with users who desire social interaction as it is a highly effective method of communicating compared to traditional communication platforms; and thus has garnered considerable interest from the academic community. This research reveals how election results can be predicted by the factors of total volume of messages, positive messages and negative messages tweeted about a candidate. Social matrix analysis revealed that the quantity of twitter messages was a strong predictor of election results in the 18th presidential election in Korea. In addition, more positive messages than negative messages about a candidate from twitter users recorded better results in the election. This research found that the total quantity of messages, positive messages, and negative messages as key factors for predicting election result. Future studies should investigate other SNS platforms to discover what is the most effective communication strategy on each platform.

주제어

표/그림 (4)

그림 그림 1. 본 연구 방법에 활용된 텍스트 마이닝 구조
그림 그림 2. 박근혜 후보와 문재인 후보의 2012 대선 트위터 긍정 메시지 추이 비교
그림 그림 3. 박근혜 후보와 문재인 후보의 2012 대선 트위터 부정 메시지 추이 비교
표 표 1. 각 후보의 트위터 메시지 비교

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 2012년 18대 대선을 앞둔 시점의 트위터 메시지 분석을 통해 후보자 지지율과 트위터 메시지의 상관관계를 조사하고자 한다. 더 자세히 말하면 트위터에서 후보자에 대한 언급 횟수와 후보자 지지율의 상관관계가 어떠한지 분석하고자 한다. 기존 미디어를 통해 수동적으로 정보를 받는 입장에서 요즘 새롭게 부각되고 있는 소셜 미디어를 통해 정보를 생산하고 이용해내는 프로슈머의 입장에서 대중의 콘텐츠를 바라보는 것이다[6].
본 연구는 18대 대선의 결과를 예측, 확인하기 위해 빅데이터 분석기법인 소셜 메트릭스를 통해 연구 가설이 지지되는지 여부를 분석하였다. 이를 위해 국내 트위터 메시지 전수를 메타데이터 분석을 바탕으로 텍스트 마이닝을 통해 긍정과 부정의 메시지를 분석하였다.
본 연구는 2012년 18대 대선을 앞둔 시점의 트위터 메시지 분석을 통해 후보자 지지율과 트위터 메시지의 상관관계를 조사하고자 한다. 더 자세히 말하면 트위터에서 후보자에 대한 언급 횟수와 후보자 지지율의 상관관계가 어떠한지 분석하고자 한다.
본 연구는 가설 검증을 위해 트위터에서 나타난 후보자의 언급 횟수와 지지율이 어떤 관계가 있는지를 메타데이터 분석, 네트워크 분석 방법으로 확인해 보고자 한다[33]. 이를 위해 엑셀로드 소프트웨어를 활용, 대선투표일 세 달 전부터 자료조사를 진행하여 트위터에서 많이 언급된 후보와 실제 당선된 인물이 누구인지를 분석한다.
본 연구는 이러한 시대적 배경을 감안, 데이터 확보 측면에서 가장 용이했던 지난 18대 대선(2012년 대통령선거)을 통해 트위터 메시지가 대선 선거 결과 예측과 어떤 관계를 지니고 있는지 분석하고자 한다. 당시에는 문재인 민주당 후보, 박근혜 새누리당 후보가 팽팽하게 경쟁하였기에 당선 결과 예측이 역대 대선 중 가장 어려운 선거 구도로 손꼽혔다.
그러므로 선거뿐만 아니라 모든 조직은 미디어 콘텐츠 측면에서 트위터 부정 메시지의 양을 조절, 관리할 필요가 있다. 본 연구는 이와 관련된 실제적인 근거를 트위터 메시지에 관한 정량적 분석을 통해 확인할 수 있었다.
소셜 미디어에 대한 사용 증가가 학문적 논의까지 이끌고 있는 상황 속에서 수많은 소셜 미디어 중 트위터(Twitter) 메시지가 공직자를 선출하는 선거 등에 어떻게 활용되고 있는지에 대한 관심까지 점점 높아지고 있다[1][2]. 이를 위해 본 연구는 지난 18대 대통령선거에서 트위터를 통해 등장한 메시지들이 선거에 어떤 영향을 미쳤는지 분석하고 이와 관련된 실용적 함의를 도출하고자 한다.
트위터 메시지를 통한 국내 선거 예측은 실제 콘텐츠, 심리학, 사회학 연구에서도 거의 진행되지 않았다. 이에 본 연구는 선거 구도에서 가장 큰 영향력을 행사했던 트위터 메시지 분석을 통해 선거 결과와의 상관관계를 심도 있게 고찰, 국내 콘텐츠 연구 중 SNS 연구 영역을 한층 더 확대하는데기여하고자 한다[8][9].

가설 설정

가설 1: 트위터에서 대선 후보의 이름이 많이 언급(트윗, 리트윗)될수록 해당 후보의 당선 가능성은 더욱 높아질 것이다.
가설 2: 트위터에서 대선 후보에 대한 긍정적인 언급(트윗, 리트윗) 횟수가 많을수록 해당 후보의 당선 가능성은 더욱 높아질 것이다.
가설 3: 트위터에서 대선 후보에 대한 부정적인 언급(트윗, 리트윗) 횟수가 많을수록 해당 후보의 당선 가능성은 더욱 낮아질 것이다.
본 연구의 두 번째 가설은 ‘트위터에서 대선 후보에 대한 긍정적 언급횟수가 많을수록 해당 후보의 당선 가능성은 더욱 높아질 것이다’였다.
본 연구의 세 번째 가설은 ‘트위터에서 대선 후보에 대한 부정적인 언급 횟수가 많을수록 해당 후보의 당선 가능성은 더욱 낮아질 것이다’였다.
첫 번째 가설은 ‘트위터에서 대선 후보의 이름이 많이 언급될수록 해당 후보의 당선 가능성은 더욱 높아질 것이다’였다.

제안 방법

그 후, 언어 처리기는 필터링된 데이터들에 대해 언어 처리를 수행하는데 본 시스템에서는 문장 분리, 문장 내 단어 분리, 각 단어에 관한 형태소/품사 분석, 유사표현 어휘 대체(parapharasing), 구문 분석, 의미 처리 등 깊은 레벨의 자연언어 처리 기술이 사용된다. 마지막으로 텍스트 마이닝 엔진은 언어 처리기에 의해 분석된 개별문서로부터 어휘 간 연관관계 및 감성 분석을 수행한다.
이를 위해 국내 트위터 메시지 전수를 메타데이터 분석을 바탕으로 텍스트 마이닝을 통해 긍정과 부정의 메시지를 분석하였다. 긍정과 부정의 메시지를 구분하고 정확히 이를 분석하기 위해 소셜 미디어에서 자연어 분석기와 형태소 분석기를 기반으로 하는 데이터 마이닝(Data Mining) 분석을 시도했다[34].
그 후, 언어 처리기는 필터링된 데이터들에 대해 언어 처리를 수행하는데 본 시스템에서는 문장 분리, 문장 내 단어 분리, 각 단어에 관한 형태소/품사 분석, 유사표현 어휘 대체(parapharasing), 구문 분석, 의미 처리 등 깊은 레벨의 자연언어 처리 기술이 사용된다. 마지막으로 텍스트 마이닝 엔진은 언어 처리기에 의해 분석된 개별문서로부터 어휘 간 연관관계 및 감성 분석을 수행한다. 이를 통해 생성된 연관관계 및 감성 분석 결과는 트윗 기준 일 60조개가 발생하여 이들의 효율적 처리를 위해 통계 분석을 모두 거친 후 서버 클러스터와 하둡을 기반으로 한 빅데이터 플랫폼에 저장된다.
본 연구는 2012년 9월 1일부터 선거일 바로 전날인 2012년 12월 18일까지 총 109일 동안 트위터에서 진행된 탐색어 ‘박근혜’의 트위터 메시지 양과 긍정/부정의 메시지, 탐색어 ‘문재인’의 트위터 메시지 양과 긍정/부정의 메시지를 분석하여 트위터리안들이 서로 전달하고 공유한 메시지가 실제 당선 여부를 예측하는데 유용한지 분석을 진행하였다.
본 연구는 18대 대선의 결과를 예측, 확인하기 위해 빅데이터 분석기법인 소셜 메트릭스를 통해 연구 가설이 지지되는지 여부를 분석하였다. 이를 위해 국내 트위터 메시지 전수를 메타데이터 분석을 바탕으로 텍스트 마이닝을 통해 긍정과 부정의 메시지를 분석하였다. 긍정과 부정의 메시지를 구분하고 정확히 이를 분석하기 위해 소셜 미디어에서 자연어 분석기와 형태소 분석기를 기반으로 하는 데이터 마이닝(Data Mining) 분석을 시도했다[34].
본 연구는 가설 검증을 위해 트위터에서 나타난 후보자의 언급 횟수와 지지율이 어떤 관계가 있는지를 메타데이터 분석, 네트워크 분석 방법으로 확인해 보고자 한다[33]. 이를 위해 엑셀로드 소프트웨어를 활용, 대선투표일 세 달 전부터 자료조사를 진행하여 트위터에서 많이 언급된 후보와 실제 당선된 인물이 누구인지를 분석한다.

대상 데이터

본 연구는 트위터 메시지 분석을 위해 연구 대상을 지난 2012년에 진행된 제18대 대선으로 한정하였다. 참고로 본 연구가 7년 전 선거를 연구 주제로 선정한 이유는 해당 선거가 가장 치열했고 선거 당일 개표 때까지도 누가 당선될지 예측할 수 없었던 선거였기 때문이다.
데이터 수집기는 커뮤니티,블로그, 트위터, 뉴스 등 각종 자료원으로부터 데이터를수집하는 모듈이다. 본 연구에서 이용된 트위터의 경우 2019년 현재 일평균 약 1,000만 건이 수집되고 있으며 2010년부터 약 200억 건의 트윗이 수집/분석에 활용되고 있다. 아울러, 데이터는 제목, 본문, 태그, 작성 날짜 등 다양한 메타정보가 부착되어 저장되며 수집된 데이터에는 스팸이나 중복 문서, 오피니언이 없는 정보 부재 문서 등 부적절한 문서들이 많이 포함되어 있기 때문에 이들을 제거하기 위해 데이터 필터를 통해 부적절한 문서를 사전에 필터링한다.

데이터처리

본 연구의 가설 검증을 위해 탐색어 비교 분석을 진행했다. 첫 번째 가설은 ‘트위터에서 대선 후보의 이름이 많이 언급될수록 해당 후보의 당선 가능성은 더욱 높아질 것이다’였다.

이론/모형

소셜 매트릭스는 주어진 검색 결과에 따른 관계어를 입체적으로 반영해 주기 때문에 커뮤니케이션 분석 및 기획에 있어 중요한 도구로 활용이 가능하다. 아울러 대용량 데이터 처리 시스템인 하둡이란 파일 시스템을 활용하였다. 해당 시스템은 하나의 파일을 어떻게 저장하고 필요한 상황에서 어떻게 파일을 활용하는지를 규정하는 방식으로 대용량 데이터를 한 번에 분석할 수 있는 장점이 있다[35].

성능/효과

기존 콘텐츠 연구는 주로 콘텐츠 기업의 해외 진출 전략[37], 방송사의 디지털 콘텐츠 수립[38] 및 콘텐츠 혁신[39] 등에 치우쳐 있었고 해당 콘텐츠에 대한 반응도주로 여론 조사를 토대로 진행되었다. 그러나 본 연구는 실제 여론 조사보다 온라인에서 네티즌들이 전달하고 공유하는 트위터 메시지가 여론 조사 결과보다 더욱 정확할 수 있다는 점을 보여주었다. 본 연구는 이후 온라인에서 공유되는 메시지의 다양한 측면을 본격적으로 콘텐츠 산업에서 분석, 활용, 응용하는 데 중요한 기여를 할 것으로 예측된다.
둘째, 실무적 관점에서 본 연구는 트위터를 통해 전달되는 콘텐츠의 긍정적 기능을 활용하는 것이 실제 선거 전략 및 광고, 방송사의 브랜드 전략에 용이할 수 있다는 점을 제안하고 있다. 본 연구 결과에서 나타났듯이 트위터 메시지의 총량도 중요하지만 트위터에서 공유되는 긍정적인 메시지가 부정적인 메시지보다 상대적으로 많을수록 선거 승리에 유리하다는 점을 확인할 수 있었다. 이를 확대 적용하면 다양한 콘텐츠 기업들의 혁신을 보다 널리 전파하는데 있어서 트위터에서 긍정적인 메시지가 최대한 많이 전달, 공유되는 것이 중요하다는 점을 알 수 있다.
본 연구에서 확인할 수 있듯이 트위터에서 표출되는 긍정과 부정의 메시지는 투표자의 정치적 선호도를 나타내는 정확한 근거로서 작용한다. 본 연구는 온라인에서 트위터 사용자들이 전달하고 공유하는 메시지가 실제 정치적 판단의 중요한 척도로 이용될 수 있음을 발견하였다. 트윗의 수는 투표자의 선호를 반영하고 전통적인 선거여론 조사결과에 가깝게 나타났다.
예를 들어, 트윗 작성 건수가 많을수록, 사회/정치 관련 공인이나 단체의 트윗을 많이 구독할수록 정치 참여에 대한 관심 및 투표 참여 의향이 높은 편이다[25][26]. 본 연구는 이를 반영, 트위터의 전체메시지, 긍정 메시지, 부정 메시지의 총량과 가장 치열했던 대선에서 당시 후보의 당선 가능성의 상관관계를 빅데이터 분석으로 예측할 수 있었고 트위터를 통해 이를 실증적으로 검증했다는 점에서 연구의 의미를 가진다.
실제로도 각 후보와 관련된 상위 10개 단어 중 박근혜 후보와 관련된 긍정적 의미의 키워드는 4개를 차지한 반면 문재인 후보는 2개에 머물렀다. 이런 점을 감안할 때 후보에 관한 긍정적인 메시지가 높을수록 실제 당선에도 유리하다는 두 번째 가설의 타당함 역시 확인할 수 있었다.
2012년 대선후보로 선거에 출마했던 박근혜 당시 새누리당 후보의 트위터 메시지를 소셜 매트릭스 분석을 통해 취합한 결과, 해당 기간 동안 ‘박근혜’ 후보와 관련된 전체 메시지 수(트윗과 리트윗 포함)는 모두 4,247,191건이었다. 이중, 긍정적인 메시지라고 분류될 수 있는 트윗이 총 1,522,527건 (35.85%), 부정적인 메시지라고 분류될 수 있는 트윗이 1,977,370건 (46.56%)으로 나타났으며 나머지 트윗은 긍정/부정으로 구분하기 힘든 메시지들이었다. 박근혜 후보를 언급한 트위터 메시지에서 가장 많이 언급된 키워드는 지지(109,441), 의혹(108,846), 희망(85,827), 불법(82,670) 순으로 나타났다.
첫째, 학문적 관점에서 본 연구는 콘텐츠 연구에 있어서 SNS를 통한 콘텐츠 메시지 분석이 정치적 영역에까지 활용될 수 있다는 점을 본격적으로 제기하였다. 기존 콘텐츠 연구는 주로 콘텐츠 기업의 해외 진출 전략[37], 방송사의 디지털 콘텐츠 수립[38] 및 콘텐츠 혁신[39] 등에 치우쳐 있었고 해당 콘텐츠에 대한 반응도주로 여론 조사를 토대로 진행되었다.

후속연구

2년 전 진행된 19대 대선과 달리 2012년 진행된 18대 대선은 무소속 안철수 후보까지 경쟁하면서 당시 11월까지 누가 승리할 수 있는지 예측할 수 없었을 정도의 치열한 경쟁 구도를 보였다. 더 많은 사건이 그 시기에 발생했던 만큼 이들 사건과 트위터 메시지에서 표출되는 긍정, 부정의 반응을 같이 살펴봐야 하는데 연구의 한계 상 이러한 부분까지 명확하게 분석하는 데는 일정 부분 한계가 존재했다. 후속 연구에서는 중요 사건과 트위터 메시지 간의 구체적인 상관관계, 인과관계 분석과 시사점 도출이 필요하다.
둘째, 본 연구는 트위터 메시지 수, 긍정/부정의 메시지와 선거 결과와의 관계를 분석했지만 한 발 더 나아가 대선 출마부터 투표일까지의 특정 시점의 사건들이 SNS 내에서 긍정, 부정 메시지에 어떤 영향을 주었는지는 분석하지 못했다. 2년 전 진행된 19대 대선과 달리 2012년 진행된 18대 대선은 무소속 안철수 후보까지 경쟁하면서 당시 11월까지 누가 승리할 수 있는지 예측할 수 없었을 정도의 치열한 경쟁 구도를 보였다.
둘째, 실무적 관점에서 본 연구는 트위터를 통해 전달되는 콘텐츠의 긍정적 기능을 활용하는 것이 실제 선거 전략 및 광고, 방송사의 브랜드 전략에 용이할 수 있다는 점을 제안하고 있다. 본 연구 결과에서 나타났듯이 트위터 메시지의 총량도 중요하지만 트위터에서 공유되는 긍정적인 메시지가 부정적인 메시지보다 상대적으로 많을수록 선거 승리에 유리하다는 점을 확인할 수 있었다.
본 연구에서 활용된 텍스트 마이닝 구조 하의 소셜 매트릭스 분석은 통계 분석을 대체할 수 있을 정도의 타당한 연구 방법으로 인정받고 있으나 다양한 변수를 포함, 통계분석을 진행한다면 좀 더 연구 결과의 일반화를 도모할 수 있다. 또한, 본 연구는 페이스북이나 기타 SNS를 제외하고 분석했기에 후속연구에서는 다양한 SNS를 통해 어떤 온라인 커뮤니케이션 플랫폼이 선거 및 홍보 등에 가장 효과적인지 실증 분석을 진행해야 한다.
그러나 본 연구는 실제 여론 조사보다 온라인에서 네티즌들이 전달하고 공유하는 트위터 메시지가 여론 조사 결과보다 더욱 정확할 수 있다는 점을 보여주었다. 본 연구는 이후 온라인에서 공유되는 메시지의 다양한 측면을 본격적으로 콘텐츠 산업에서 분석, 활용, 응용하는 데 중요한 기여를 할 것으로 예측된다.
본 연구는 트위터가 선거의 바로미터가 될 수 있다는 점을 다시 한 번 확인했다는 점에서 학문적, 실무적으로 의미가 있으나 다음과 같은 연구의 한계 역시 존재하여 후속 연구에서는 이를 보완하여 연구의 영역을 훨씬 더 깊고 다양하게 전개해야 할 것이다.
첫째, 본 연구는 트위터의 메시지 수와 트위터에서 공유되는 긍정/부정의 메시지가 선거 결과에 유리하다는 점을 확인하긴 했으나 실제 트위터 메시지의 수와선거에서 득표 수와의 상관관계에 대한 정교한 통계적 분석은 미흡했다. 본 연구에서 활용된 텍스트 마이닝 구조 하의 소셜 매트릭스 분석은 통계 분석을 대체할 수 있을 정도의 타당한 연구 방법으로 인정받고 있으나 다양한 변수를 포함, 통계분석을 진행한다면 좀 더 연구 결과의 일반화를 도모할 수 있다. 또한, 본 연구는 페이스북이나 기타 SNS를 제외하고 분석했기에 후속연구에서는 다양한 SNS를 통해 어떤 온라인 커뮤니케이션 플랫폼이 선거 및 홍보 등에 가장 효과적인지 실증 분석을 진행해야 한다.
셋째, SNS 사용자의 어떤 특성이 SNS 이용에 영향을 주는지에 대한 입체적인 연구가 필요하다. 온라인플랫폼 및 온라인에서의 사용자 특성 분석이 점점 많이 진행되고 있지만[6][41] 여전히 정치 또는 사회적 이슈와 관련하여 SNS 사용자와의 관계는 좀 더 많은 연구와 고찰이 필요하다[42][43].
예를 들어, 정치 및 콘텐츠에 관심이 많은 유권자가 SNS를 많이 이용하는 것인지 또는 SNS를 많이 이용함으로서 다양한 정보를 취득하고 정치 또는 콘텐츠에 관심이 많아지는 것인지에 대한 세밀한 인과관계 분석이 필요하다. 온라인 공간에서 사용자 간의 상호작용과 반응이 연구를 통해 일부 시사점이 밝혀지는 만큼[40] 후속 연구에서 SNS 사용자와 그들의 심리적 특성을 인과관계로 분석한다면 엔터테인먼트, 문화콘텐츠 산업에 이를 확대 적용, 훨씬 더 다양하고 효과적인 마케팅 전략을 수립할 수 있을 것이다.
첫째, 본 연구는 트위터의 메시지 수와 트위터에서 공유되는 긍정/부정의 메시지가 선거 결과에 유리하다는 점을 확인하긴 했으나 실제 트위터 메시지의 수와선거에서 득표 수와의 상관관계에 대한 정교한 통계적 분석은 미흡했다. 본 연구에서 활용된 텍스트 마이닝 구조 하의 소셜 매트릭스 분석은 통계 분석을 대체할 수 있을 정도의 타당한 연구 방법으로 인정받고 있으나 다양한 변수를 포함, 통계분석을 진행한다면 좀 더 연구 결과의 일반화를 도모할 수 있다.
더 많은 사건이 그 시기에 발생했던 만큼 이들 사건과 트위터 메시지에서 표출되는 긍정, 부정의 반응을 같이 살펴봐야 하는데 연구의 한계 상 이러한 부분까지 명확하게 분석하는 데는 일정 부분 한계가 존재했다. 후속 연구에서는 중요 사건과 트위터 메시지 간의 구체적인 상관관계, 인과관계 분석과 시사점 도출이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	트위터는 무엇인가?	트위터는 사회적 상호작용을 원하는 사용자들이 가장 많이 활용하는 온라인 SNS 플랫폼이다. 기존 커뮤니케이션 플랫폼에 비해 다른 이와 훨씬 효과적으로 상호작용할 수 있는 장점을 지닌 트위터는 학문적 관점에서도 현재 매우 높은 관심을 받고 있다.
	정치적 담론을 생성하는 파워 트위터리안들뿐 아니라 콘텐츠 창출 이외 전략적 콘텐츠 전달 도구로서 트위터를 적극적으로 활용하는 분야와 해당 분야에 대한 연구 역시 점점 증가하게된 배경은?	국내에서도 2010년 이후 스마트폰의 폭발적인 보급과 더불어 급격하게 이용이 늘어난 트위터, 페이스북 등 SNS가 선거에서 중요한 도구로 평가 받고 있다. 특히, 페이스북과 달리 트위터는 사회적 이슈에 대해 즉각적인 토론이 가능하고 정보들이 순식간에 확대 재생산 되는 경향이 있어 간편하고 신속한 정보의 소통을 원하는 젊은 세대들에게 크게 어필하고 있다[10][11]. 이 때문에 정치적 담론을 생성하는 파워 트위터리안들뿐 아니라 콘텐츠 창출 이외 전략적 콘텐츠 전달 도구로서 트위터를 적극적으로 활용하는 분야와 해당 분야에 대한 연구 역시 점점 증가하고 있다[11][12].
	트위터는 기존 커뮤니케이션 플랫폼에 비해 어떠한 장점을 지녔는가?	트위터는 사회적 상호작용을 원하는 사용자들이 가장 많이 활용하는 온라인 SNS 플랫폼이다. 기존 커뮤니케이션 플랫폼에 비해 다른 이와 훨씬 효과적으로 상호작용할 수 있는 장점을 지닌 트위터는 학문적 관점에서도 현재 매우 높은 관심을 받고 있다. 본 연구는 이를 감안하여 트위터 사용자들이 표출하는 트위터 메시지의 총량, 긍정적 메시지, 부정적 메시지 등을 활용하여 이들 메시지가 대통령 선거 결과를 예측할 수 있는데 효과적인지 분석하였다.

참고문헌 (43)

민정식, "트위터 이용과 정치 참여: 트위터 이용 형태를 중심으로," 언론과학연구, 제12권, 제2호, pp.274-303, 2012.
황유선, 심홍진, "트위터에서의 의견 지도력과 트위터 이용패턴: 이용동기, 트윗 이용패턴, 그리고 유형별 사례 분석," 한국방송학보, 제24권, 제6호, pp.365-404, 2010.

상세보기
황유선, "트위터 활용과 사회자본과의 관계: 트위 터에 대한 인식의 매개효과를 중심으로," 한국언론학보, 제57권, 제6호, pp.94-120, 2013.

상세보기
유미옥, 박경주, "트위터를 이용한 상호소통 시각화의 감각적 경험," 한국컴퓨터그래픽스학회논문지, 제18권, 제3호, pp.29-35, 2012.

원문보기 상세보기
장덕진, "트위터 공간의 한국 정치: 정치인 네트워크와 유권자 네트워크," 언론정보연구, 제48권, 제2호, pp.80-107, 2011.

상세보기
S. J. Kwon, E. Park, and K. J. Kim, "What drives successful social networking services? A comparative analysis of user acceptance of Facebook and Twitter," The Social Science Journal, Vol.51, No.4, pp.534-544, 2014.

상세보기
류철균, 이주희, "트위터를 통한 선거 후보자의 스토리텔링 분석: 4.27 재보궐 선거기간의 최문순, 엄기영 후보의 트윗을 중심으로," 인문콘텐츠, 제23권, pp.237-261, 2011.
장필식, "트위터 이용자의 언어권별 자기노출 및 경계 불투과성," 한국콘텐츠학회논문지, 제16권, 제4호, pp.434-441, 2016.

원문보기 상세보기
진소연, 이숙정, "트위터 유력자와의 의견일치 여부가 의견표명에 미치는 영향: 유력자 유형의 상호작용효과를 중심으로," 한국콘텐츠학회논문지, 제16권, 제4호, pp.455-465, 2016.

원문보기 상세보기
정재엽, 김현철, "영화 관객은 어떤 트위터 메시지에 영향을 받는가?: 메시지 전달자, 메시지 방향성, 영화 관람시기를 중심으로," 광고학연구, 제27권, 제6호, pp.179-208, 2016.
박효찬, 박한우, "트위터 메시지를 활용한 재난 커뮤니케이션 네트워크 분석: 2016년 경주 지진," Journal of The Korean Data Analysis Society, 제19권, 제1호, pp.291-302, 2017.
고흥석, 심재웅, "2016년 미국 대통령 후보자의 소셜 미디어 메시지 내용 분석: TV토론 기간을 중심으로," 방송통신연구, 제99호, pp.71-105, 2017.
황현정, 이준웅, "누가 어떻게 트위터에서 영향력을 행사하는가?: 커뮤니케이션 속성과 메시지속성이 트위터 의견 지도력에 미치는 효과," 한국언론학보, 제58권, 제5호, pp.5-35, 2014.
전지나, "트위터 이용자들의 뉴스 생산, 유통, 소비 인식에 관한 연구," 주관성 연구, 제25권, pp.195-216, 2012.
윤성이, "트위터의 정치적 활용이 투표행태에 미치는 영향: 19대 총선 사례를 중심으로," 21세기정치학보, 제23권, 제3호, pp.225-247, 2013.
J. H. Huang, Y. R. Lin, and S. T. Chuang, "Elucidating user behavior of mobile learning: A perspective of the extended technology acceptance model," Electronic Library, Vol.25, No.5, pp.585-598, 2007.

상세보기
한창진, 김경수, "TV토론회에서 트위터가 선거에 미치는 영향: 18대 대통령 선거 TV토론회를 중심으로," 디지털콘텐츠학회논문지, 제14권, 제2호, pp.207-214, 2013.
이효성, "선거참여에 미치는 SNS와 포털 이용효과의 경로분석: 20대 총선을 중심으로," 커뮤니케이션학연구, 제26권, 제1호, pp.97-115, 2018.
K. Manzo, "Twitter lessons in 140 characters or less," Education Week, Vol.29, No.8, pp.1-14, 2009.
R. D. Peterson, "To tweet or not to tweet: Exploring the determinants of early adoption of Twitter by house members in the 111th congress," The Social Science Journal, Vol.49, No.4, pp.430-438, 2012.

상세보기
R. Rauniar, G. Rawski, J. Yang, and B. Johnson, "Technology acceptance model (TAM) and social media usage: An empirical study on Facebook," Journal of Enterprise Information Management, Vol.27, No.1, pp.6-30, 2014.

상세보기
A. J. Sultan, "Addiction to mobile text messaging applications in nothing to 'lol' about," The Social Science Journal, Vol.51, No.1, pp.57-69, 2014.

상세보기
A. Tumasjan, T. O. Sprenger, P. G. Sandner, and I. M. Welpe, "Election forecasts with Twitter: How 140 characters reflect the political landscape," Social Science Computer Review, Vol.29, No.4, pp.402-418, 2011.

상세보기
K. A. Foot and S. M. Schneider, Web campaigning, Cambridge, MA: The MIT Press. 2006.
금혜성, "정치인의 SNS 활용: 정치적 소통 도구로서의 트위터," 한국정당학회보, 제10권, 제2호, pp.189-220, 2011.

상세보기
이수범, 강연곤, "국내 일간지의 트위터 이슈에 관한 보도 프레임 분석: 정치적 소통과 여론 형성이라는 관점을 중심으로," 한국언론학보, 제57권, 제1호, pp.28-53, 2013.

상세보기
권정언, 권상집, "안정그룹 애착이 개인 창의성에 미치는 영향: 자아효능감의 매개효과," 지식경영연구, 제15권, 제2호, pp.43-66, 2014.
권정언, 권상집, "안정그룹 애착이 조직시민행동에 미치는 영향: 영향력 인지의 매개효과를 중심으로," Andragogy Today: Interdisciplinary Journal of Adult & Continuing Education (IJACE), 제18권, 제1호, pp.103-127, 2015.
M. Choy, L. F. Michelle, M. N. L. Cheong, and K. P. Shung, A sentiment analysis of Singapore presidential election 2011 using Twitter data with census correction, Institutional Knowledge at Singapore Management University, 2011.
권상집, 정지용, "진성 리더십, 상사 신뢰, 심리적 웰빙, 지식공유 간의 구조적 관계 분석," 지식경영연구, 제17권, 제4호, pp.1-26, 2016.

원문보기 상세보기
권상집, "리더의 의사소통 유형이 직무성과와 조직시민행동에 미치는 영향: 긍정심리자본의 매개 효과를 중심으로," 지식경영연구, 제18권, 제1호, pp.25-47, 2017.

원문보기 상세보기
신혜영, 권상집, "리더의 의사소통 유형, 상사 신뢰, 조직몰입, 혁신행동 간의 구조적 관계 분석," 지식경영연구, 제18권, 제2호, pp.23-43, 2017.

원문보기 상세보기
이상훈, 권상집, "국내 중소기업의 기술융합 전략 및 성장 정책: IT & BT 융합기술 기반 네트워크 분석," 지식경영연구, 제16권, 제2호, pp.113-137, 2015.
배정환, 손지은, 송민, "텍스트 마이닝을 이용한 2012년 한국대선 관련 트위터 분석," 지능정보연구, 제19권, 제3호, pp.141-156, 2013.

원문보기 상세보기
D. Lee, H. Lee, and M. Choi, "Examining the relationship between past orientation and US suicide rates: An analysis using big data-driven Google search queries," Journal of Medical Internet Research, Vol.18, No.2, e35, 2016.

상세보기
박창문, 조재욱, "SNS의 정치적 동원기능에 관한 비판적 고찰: 18대 대선에서 트위터를 중심으로," 한국정당학회보, 제12권, 제2호, pp.187-220, 2013.
권상집, "한류 증진을 위한 CGV의 성장 전략: 중국 시장을 중심으로," 한국콘텐츠학회논문지, 제16권, 제6호, pp.576-588, 2016.

원문보기 상세보기
권상집, "한류 확산을 위한 CJ E&M의 디지털 및 글로컬 콘텐츠 전략," 한국콘텐츠학회논문지, 제16권, 제12호, pp.78-90, 2016.

원문보기 상세보기
이인혜, 권상집, "tvN의 콘텐츠 혁신: 폐기학습 및 흡수역량을 통한 탐험과 활용," 한국엔터테인먼트산업학회논문지, 제11권, 제8호, pp.355-368, 2017.
S. Y. Lee and J. Choi, "Enhancing user experience with conversational agent for movie recommendation: Effects of self-disclosure and reciprocity," International Journal of Human-Computer Studies, Vol.103, pp.95-105, 2017.

상세보기
K. Cha and S. J. Kwon, "Understanding the adoption of e-learning in South Korea: Using the extended technology acceptance model approach," KEDI Journal of Educational Policy, Vol.15, No.2, pp.165-183, 2018.
곽수정, 김현희, "텍스트 마이닝과 토픽 모델링을 기반으로 한 트위터에 나타난 사회적 이슈의 키워드 및 주제 분석," 정보처리학회논문지, 제8권, 제1호, pp.13-18, 2019.
최두원, 김건, 이균형, 윤승욱, "대통령 기록관 및 기록물에 대한 SNS 이용자 인식변화 분석: 탄핵 전후 기간의 트위터와 뉴스 프레임 분석을 중심으로," 한국기록관리학회지, 제19권, 제1호, pp.167-194, 2019.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증