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
- 두 번째, 스타에 대한 대중의 선호요인에 대해 분석해보고자 한다. 리얼리티 오디션 프로그램의 등장 이후, 대중이 직접 우승자를 선발하는 시스템이 각광을 받고 있다.
- 여기에 소비자의 불확실한 기호 또한 예측하기 어려운 변수로 작용하며, 이로 인해 연예인 발굴을 위한 ‘선별력’은 산업 내에서 중요한 요소이자 문제가 되는 것이다(장규수, 2013). 따라서 본 논문은 빅데이터를 기반으로 한 엔터테인먼트 분야에서의 예측 모형을 구현하여 문화 산업에서의 연구 방법을 확장하고, 새로운 접근 방법으로 실무적인 해결책을 제시해 보고자 한다.
- 어떠한 기관에서 인적자원 선발과 관련한 의혹이 제기될 경우, 본 연구의 예측 모형과 유사한 모형을 개발하여 선발된 자원에 대한 검증을 시행하여 조직원들의 동요를 막거나 또는 실제 문제점을 점검하게 하는 전략적 도구로 활용할 수 있을 것이다. 따라서 본 연구는 특정 조직의 인적 자원 선발 프로세스에 문제가 발생했을 경우, 머신러닝 기법을 활용한 예측 모형이 제기된 문제점을 검증하고 이를 개선할 수 있는 의미 있는 전략적 도구가 될 수 있음을 제시하였다.
- 마지막으로 직관과 경험이 개입되어 진행되던 기존의 선별 시스템이 데이터 기반의 예측 모형으로 대체 될 수 있을 것인지에 대한 문제를 탐구하고자 한다. 연예인의 자질은 정량적으로 측정할 수가 없었던 만큼 연예인의 선별은 그 동안 관련 분야 종사자들의 경험과 직관에 의존했다(장규수 2013).
- 첫째, 머신러닝 알고리즘을 연구에 적용하여 문화 산업 분야에서 의 연구방법의 확장을 시도했다는 점이다. 머신러닝 기반의 예측 모형을 개발하여 문화 관련 상품과 서비스에 대한 소비자들의 행동 패턴이나 수요 예측 등을 가능케 하는 이론적 가능성을 제시하였다. 서론부에서 기술한 바와 같이 오늘날 다채널화 되어 가는 방송 환경과 시청자의 온라인 활동의 증가로 기존의 TV 시청률이나 화제성 척도를 정확히 재단하기에 어려움이 있다.
- 이를 현재 방영 중인 의 우승자를 예측해 보고자 한다.
- 다시 말해, 대중들의 선호를 예측할 수 있다면, 스타 선별 과정에서의 실패 확률을 줄일 수 있다는 의미로 생각해 볼 수 있다. 이에 대중이 우승자를 선발하는 데 있어 어떠한 요인들이 영향을 미치는지 확인해 보고자 한다.
- 이에 본 논문에서는 머신러닝 알고리즘을 활용하여 리얼리티 오디션 프로그램의 불확실한 경쟁 상황 하에서 대중의 선택 결과를 예측해보고자 한다. 이를 위해, 본 논문에서는 국내 리얼리티 오디션 프로그램의 개념과 발전, 특성 및 흥행요인을 분석하고, 2016년부터 인기리에 방영 된 <프로듀스 101 시리즈>의 시즌 1부터 시즌 3까지의 우승자 데이터를 수집하였다.
- 최근 산업 전반에 걸쳐 빅데이터를 활용한 가치 창출 및 문제 해결에 박차를 가하고 있는 바, 본 연구에서는 머신러닝 알고리즘을 활용하여 리얼리티 오디션 프로그램의 불확실한 경쟁 상황 하에서 대중의 선택 결과를 예측해 보았다. 이를 위해, 본 논문에서는 국내 리얼리티 오디션 프로그램의 개념과 발전, 특성 및 흥행 요인을 분석하고, 2016년부터 인기리에 방영된 <프로듀스 101 시리즈>의 시즌1부터 3까지의 우승자 데이터를 수집하였다.
가설 설정
- 이는 데뷔 시점부터 멤버 11명이 각자의 팬덤을 가진 상태에서 출발했기 때문이다(강일권 등 2017). 프로그램의 흥행이 그룹의 인기에도 영향을 미친 것이다. <프로듀스 101 시즌3>가 탄생시킨 아이즈원은(IZ*ONE)은 일본에서 55억 매출을 달성하며, 한국 신인으로서는 최초 매출 1위를 기록하는 등 인기 고공행진을 이어가고 있다(MBN스타 2019; 미디어SR 2019).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.