[논문]페이스북 그룹 게시물 분석을 통한 우울증 관련 주제에 대한 고찰

주영준; 김동훈; 이창호; 이용정

doi:10.4275/kslis.2019.53.4.171

페이스북 그룹 게시물 분석을 통한 우울증 관련 주제에 대한 고찰
Investigating Major Topics Through the Analysis of Depression-related Facebook Group Posts 원문보기

한국문헌정보학회지 = Journal of the Korean Society for Library and Information Science, v.53 no.4, 2019년, pp.171 - 187

주영준 (성균관대학교 문헌정보학과) , 김동훈 (성균관대학교 문헌정보학과) , 이창호 (성균관대학교 문헌정보학과) , 이용정 (성균관대학교 문헌정보학과)

초록
AI-Helper

본 연구는 소셜 네트워크 서비스인 페이스북에서 우울증 관련 게시물을 분석하여 그 안에서 주로 논의되는 주제를 파악하고자 한다. 구체적으로, 접근 용이성, 개방성 및 익명성 등의 특징을 지니는 페이스북이라는 온라인 커뮤니티에서 사용자들이 다소 민감한 정신적 질환인 우울증에 관하여 어떤 내용을 논의하는지 살펴보고자 한다. 본 연구를 위해 페이스북 데이터 수집에서부터 주제어 추출에 이르기까지의 전반적인 과정을 포함하는 자연어 처리 기반의 데이터 분석 프레임워크를 구현하였다. 구현한 프레임워크를 이용하여, 본 연구는 우울증을 논의하는 페이스북 최대 사용자 그룹에서 최근 1년간 작성한 885개의 게시물을 수집하여 분석하였다. 주제어 추출의 완성도와 정확도를 위해 자동화된 기법과 수동적인 접근법(불용어 제거, 주제어 개수 지정)을 결합하였으며, 이를 통해 주제를 다각도에서 분석하였다. 분석 결과, 사용자들은 우울증 일반, 인간관계, 기분 및 느낌, 우울증 증상, 자살, 의료 참고, 그리고 가족 등에 대한 논의를 주로 하는 것으로 파악되었다.

Abstract ▼ AI-Helper

The study aims to analyze the posts of depression-related Facebook groups to understand major topics discussed by group users. Specifically, the purpose of the study is to identify the topics and keywords of the posts to understand what users discuss about depression. Depression is a mental disorder that is somewhat sensitive in the online community, which is characterized by accessibility, openness and anonymity. The researchers have implemented a natural language-based data analysis framework that includes components ranging from Facebook data collection to the automated extraction of topics. Using the framework, we collected and analyzed 885 posts created in the past one year from the largest Facebook depression group. To derive more complete and accurate topics, we combined both automated and manual (e.g., stop words removal, topic size determination) methods. Results indicate that users discuss a variety of topics including depression in general, human relations, mood and feeling, depression symptoms, suicide, medical references, family and etc.

주제어

AI 본문요약
AI-Helper

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

문제 정의

사용자들 가운데 20개 이상의 많은 게시물을 작성한 사용자는 6명에 불과하다. 따라서 본 연구는 많은 게시물을 작성한 소수의 사용자의 글을 대상으로 분석하기보다는 그러한 사용자를 포함한 다양한 사용자들의 게시물을 폭넓게 분석하여 데이터의 다양성을 보장하고자 하였다. 게시물 별 글자 수를 보면, 총 885개의 게시물 중 377개의 글자수는 50자 미만이다.
또한 본 연구에서 발견한 주제어들은 인간관계로 인한 갈등이나 삶의 어려움으로 인한 부정적인 감정, 그리고 자신의 우울증 문제와 관련된 고민 등을 다른 사람과 공유 내지는 상담함으로써 해결하고자 하는 노력을 반영한다고 해석할 수 있다. 따라서 본 연구는 사용자들이 쉽게 접근해서 자신의 문제를 논의하기 쉬운 페이스북과 같은 소셜 미디어 플랫폼을 통해 우울증치료 전문가들이 온라인 상담을 하거나 심리치료서비스를 제공하는 것이 이러한 정신질환의 치료 뿐 아니라 예방에 효과적일 수 있다는 실질적인 함의를 시사한다.
그러나 소셜 미디어 데이터로 우울증을 이해하는 연구는 아직 신생 분야일 뿐 아니라, 특히 국내에서는 한글 텍스트를 분석하는 연구가 매우 초기 단계에 있다. 따라서 본 연구에서는 소셜 미디어를 통해 생산되는 우울증에 관한 수많은 생각과 감정 등을 담은 한글 빅데이터를 분석함으로써 우울증에 대한 이해를 높이고 이를 통해 우울증을 예방하거나 인지하는 데 기여하는 실용적 함의를 제고할 뿐 아니라 우울증에 관한 한글 빅데이터의 분석 기술을 정교화시키는 학문적 지평을 확장하고자 한다.
본 연구는 여러 개의 주제에 중복되어 출현하는 키워드를 제거하기 위해 키워드들의 각 주제별 확률을 비교하고 제일 큰 확률값을 가지는 주제에만 해당 주제어를 포함시켰다 ( 참조).
우선, 주제 개수를 정하고, 다음에는 주제별 주제어를 추출한 후, 마지막으로 주제별 주제어를 고려하여 어떤 주제에 관해 논의하고 있는지에 대해서 레이블링을 한다. 본 연구에서는 보다 정확한 주제어의 개수를 정하기 위하여 토픽 개수를 미리 정하지 않고, 자동화 기법을 통해 나타나는 주제 개수 별 분석결과를 확인한 후 적절한 주제 개수를 정하고 주제어를 추출하였다. 추출한 여러 개의 주제 개수에 대해 연구자 세 명이 각각 독자적으로 레이블링을 진행하였으며, 레이블링 결과에 대해 충분한 토론을 거쳐 합의를 이룬 후, 최종 주제어 개수 및 주제 추출을 진행하였다.
본 연구에서는 소셜 네트워크 서비스인 페이스북의 우울증 관련 그룹 게시물을 분석하여 우울증 관련 주제를 분석하였다. 정신질환의 하나로서 다소 민감한 주제인 우울증에 대하여 사용자들이 어떤 내용을 논의하는지 살펴보았다.
본 연구의 목적은 페이스북의 우울증 그룹 사용자들의 게시물에 대한 분석을 통하여 페이스북에서 어떤 우울증 관련 주제들이 논의되고 있는가를 이해하는 것이다. 따라서 자연어 처리 기법의 하나인 토픽 모델링을 이용하여 주제들을 추출하였다.
한편, 선행 연구들은 우울증과 다른 질환들과의 연관성에 대해서도 지속적으로 관찰해 왔다. 심장질환(Bar et al. 2004; Lichtman et al. 2008), 고혈압(Meng et al.2012), 불면증(Irwin 2003), 알코올 중독(Boden and Fergusson 2011), 그리고 당뇨병(Katon et al. 2005; Knol et al. 2006) 등이 우울증과 관련이 높은 질환에 속하며, 이러한 질환들과 우울증, 그리고 그 치료제에 대한 선행 연구들을 분석함으로써 이러한 세 가지 요소들 간에 어떠한 상호작용이 발생하는지를 조사하고 이를 바탕으로 어떤 특정 질병이나 약이 우울증에 영향을 미치는지를 파악하고자 했다(Zhu et al. 2018).
본 연구에서는 소셜 네트워크 서비스인 페이스북의 우울증 관련 그룹 게시물을 분석하여 우울증 관련 주제를 분석하였다. 정신질환의 하나로서 다소 민감한 주제인 우울증에 대하여 사용자들이 어떤 내용을 논의하는지 살펴보았다. 본 연구를 위해 페이스북 데이터 수집부터 주제어 추출에 이르기까지의 전반 과정을 포함하는 자연어 처리 기반의 데이터 분석 프레임워크를 구현하였다.

가설 설정

본 연구를 위해 주제 개수를 3개에서 10개까지 설정하고 3명의 저자가 레이블링을 진행하여 레이블링 결과에 대해 토론을 한 결과, 주제 개수가 3개일 때 완전한 일치를 보았고, 5개일 때는 최소 2명이 레이블링의 결과의 일치를 보았다. 따라서 본 연구에서는 주제 개수가 3개와 5개일 때 전체 게시물의 주제를 비교적 정확하게 추출한다고 가정하고 데이터 분석을 실시하였다. <표 3>은 주제 개수가 3개일 때의 확률 기반 최상위 20개의 주제어와 그에 따른 레이블을 보여준다.

제안 방법

본 연구의 목적은 페이스북의 우울증 그룹 사용자들의 게시물에 대한 분석을 통하여 페이스북에서 어떤 우울증 관련 주제들이 논의되고 있는가를 이해하는 것이다. 따라서 자연어 처리 기법의 하나인 토픽 모델링을 이용하여 주제들을 추출하였다. 즉, 기존의 많은 연구에서 활용된 Latent Dirichlet Allocation(LDA) 기법(Blei, Ng and Jordan 2003)을 활용하여 각 주제를 대표할 수 있는 주제어들을 추출하고, 그 후 추출한 주제어들에 근거하여 주제를 정의하였다.
정신질환의 하나로서 다소 민감한 주제인 우울증에 대하여 사용자들이 어떤 내용을 논의하는지 살펴보았다. 본 연구를 위해 페이스북 데이터 수집부터 주제어 추출에 이르기까지의 전반 과정을 포함하는 자연어 처리 기반의 데이터 분석 프레임워크를 구현하였다. 구현한 프레임워크를 이용하여 페이스북의 우울증 관련 최대 그룹(사용자 기준)에서 최근 1년간 작성한 885개의 게시물을 수집하여 분석을 실시하였다.
같은 방법으로 키워드_3과 키워드_4는 토픽_1에 키워드_5와 키워드_6은 토픽_3에 배정되었다. 이렇게 각 주제별로 유일하게 존재하는 키워드들을 각 주제를 대표할 수 있는 주제어로 간주하고 그 키워드들이 나타내는 주제에 대해 레이블링 하였다.
주제 1의 레이블은 우울증에 관련된 일반 단어들로 ‘우울증 일반’, 주제 2의 레이블은 ‘힘들어’, ‘우울하고’, ‘힘들어요’, ‘힘들고’, ‘이상’, ‘무기(력), ‘자다’ 등으로 대표되는 ‘우울증 증상’, 주제 3은 ‘자살’, ‘시도’ 등으로 대표되는 ‘자살’, 주제 4는 ‘병원’, ‘입원’, ‘변호사’ 등으로 대표되는 의료 참고, 주제 5는 ‘우리’, ‘엄마’, ‘아이’, ‘남편’ 등으로 대표되는 ‘가족’으로 각각 레이블링 하였다.
본 연구에서는 보다 정확한 주제어의 개수를 정하기 위하여 토픽 개수를 미리 정하지 않고, 자동화 기법을 통해 나타나는 주제 개수 별 분석결과를 확인한 후 적절한 주제 개수를 정하고 주제어를 추출하였다. 추출한 여러 개의 주제 개수에 대해 연구자 세 명이 각각 독자적으로 레이블링을 진행하였으며, 레이블링 결과에 대해 충분한 토론을 거쳐 합의를 이룬 후, 최종 주제어 개수 및 주제 추출을 진행하였다.
수집된 HTML 데이터에서 데이터 전처리 과정을 통해 HTML 태그들이 제거가 되고 텍스트 데이터만 추출이 되었다. 한국어 형태소 분석기인 KoNLPy(박은정, 조성준 2014) 의 Twitter Korean Text Class를 사용하여 토큰화 및 형태소 분석을 진행하였고 수동으로 불용어를 제거하였다. 토큰화된 텍스트 데이터는 Gensim(Řehůřek and Sojka 2010) 라이브러리를 통하여 주제 및 주제별 주제어 분포가 추출되었다.

대상 데이터

본 연구를 위해 페이스북 데이터 수집부터 주제어 추출에 이르기까지의 전반 과정을 포함하는 자연어 처리 기반의 데이터 분석 프레임워크를 구현하였다. 구현한 프레임워크를 이용하여 페이스북의 우울증 관련 최대 그룹(사용자 기준)에서 최근 1년간 작성한 885개의 게시물을 수집하여 분석을 실시하였다. 분석 결과 사용자들이 우울증 일반, 인간관계, 기분 및 느낌, 우울증 증상, 자살, 의료 참고, 그리고 가족 등에 대해 논의하고 있는 것을 발견하였다.
“우울증”이라는 검색어로 페이스북 그룹을 검색하면 십여 개의 그룹이 검색결과로 나타나며, 본 연구의 연구대상은 검색 결과에 포함된 그룹 중 사용자수가 가장 많은 그룹이다. 데이터 수집 당시에 해당 그룹에는 1,400명의 사용자가 있었고, 그들의 익명성 보장을 위하여 데이터 수집과정에서 사용자 식별 정보는 제거되었다. 본 연구는 해당 그룹에서 2018년 4월부터 2019년 4월까지 총 214명의 사용자가 작성한 885개의 게시물을 수집하여 분석하였다.
데이터 수집 당시에 해당 그룹에는 1,400명의 사용자가 있었고, 그들의 익명성 보장을 위하여 데이터 수집과정에서 사용자 식별 정보는 제거되었다. 본 연구는 해당 그룹에서 2018년 4월부터 2019년 4월까지 총 214명의 사용자가 작성한 885개의 게시물을 수집하여 분석하였다. 데이터 통계는 <표 1>과 같다.
페이스북 우울증 그룹의 게시물은 파이썬 데이터 스크래핑 라이브러리를 이용하여 수집되었다. 수집된 HTML 데이터에서 데이터 전처리 과정을 통해 HTML 태그들이 제거가 되고 텍스트 데이터만 추출이 되었다.

이론/모형

따라서 자연어 처리 기법의 하나인 토픽 모델링을 이용하여 주제들을 추출하였다. 즉, 기존의 많은 연구에서 활용된 Latent Dirichlet Allocation(LDA) 기법(Blei, Ng and Jordan 2003)을 활용하여 각 주제를 대표할 수 있는 주제어들을 추출하고, 그 후 추출한 주제어들에 근거하여 주제를 정의하였다. 전반적인 데이터 분석 프레임워크는 <그림 1>과 같다.

성능/효과

본 연구를 위해 주제 개수를 3개에서 10개까지 설정하고 3명의 저자가 레이블링을 진행하여 레이블링 결과에 대해 토론을 한 결과, 주제 개수가 3개일 때 완전한 일치를 보았고, 5개일 때는 최소 2명이 레이블링의 결과의 일치를 보았다. 따라서 본 연구에서는 주제 개수가 3개와 5개일 때 전체 게시물의 주제를 비교적 정확하게 추출한다고 가정하고 데이터 분석을 실시하였다.
구현한 프레임워크를 이용하여 페이스북의 우울증 관련 최대 그룹(사용자 기준)에서 최근 1년간 작성한 885개의 게시물을 수집하여 분석을 실시하였다. 분석 결과 사용자들이 우울증 일반, 인간관계, 기분 및 느낌, 우울증 증상, 자살, 의료 참고, 그리고 가족 등에 대해 논의하고 있는 것을 발견하였다. 전반적으로 페이스북 우울증 관련 그룹에서는 사용자들이 우울증에 대하여 다양한 각도에서 논의하고 있다는 것을 알 수 있다.
<표 3>의 주제 1의 레이블은 ‘친구’, ‘남’, ‘엄마’, ‘여자’, ‘아이’, 그리고 ‘부모님’ 등으로 대표되는 ‘인간관계’로 정했으며, 주제 2의 레이블은 ‘우울증’, ‘자살’, ‘세상’, ‘감정’, 그리고 ‘위로’ 등이 우울증에 관련된 일반 단어들이므로 ‘우울증 일반’으로 정했고, 주제 3은 ‘마음’, ‘우울’, ‘사랑’, ‘병’, ‘느낌’, 그리고 ‘힘들어’로 대표되는 ‘기분 및 느낌’ 으로 세 연구자가 동일하게 주제의 명칭을 정하였다. 이를 통해 페이스북 그룹 사용자들이 전반적으로 우울증 일반에 관한 주제를 비롯하여 인간관계와 우울증의 관계 그리고 우울증과 관련된 기분이거나 느낌에 대해 논의하고 있다는 것을 알 수 있다. <표 4>는 주제 개수가 5개일 때의 주제, 레이블 및 주제어를 나타낸다.
사용자들의 게시물에 대한 공감 정도는 게시물에 대한 댓글과 좋아요 개수로 일부분 파악할 수 있다. 절반 이상의 게시물의 댓글과 좋아요 개수가 5개 이하지만 많은 댓글과 좋아요를 기록한 게시물의 양도 적지 않은 것을 발견할 수 있다. 이를 통해 그룹의 사용자들은 혼자 고립되기보다는 어느 정도 소통하고 있다는 것을 알 수 있다.
(2019)의 연구에서도 이와 유사한 결과가 확인 되었다. 즉, 소셜네트워크 서비스를 사용하는 시간이 길거나 이를 확인한 빈도가 많을수록 우울증의 정도가 높은 것으로 나타났으며, 특히, 사회적 비교(social comparison), 즉, 타인과 자신을 비교하는 내용의 텍스트를 많이 사용할수록 우울증과 연관이 높은 것으로 나타났으며, 이 사회적 비교는 Scherr, Toma and Schuster (2018)의 연구에서 언급하는 사회적 감시(social surveillance) - 예, 친구의 게시물을 브라우징하는 행위 - 와 유사한 개념으로 타인을 부러워하는 경향이 많을수록 우울증과 연관이 높은 것을 시사한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	우울증 증세가 있는 사람들은 자신의 심리적 상황을 다른 사람들에게 표현하여 감정적 내지는 사회적 지원(social support)을 받고자 하는 경향을 가지고 있어 이를 위해 주로 활용하는 것은 무엇인가?	2018). 우울증 증세가 있는 사람들은 자신의 심리적 상황을 다른 사람들에게 표현하여 감정적 내지는 사회적 지원(social support)을 받고자 하는 경향이 있으며 이를 위해 소셜 미디어를 활용하는 것으로 나타났다(Bazarova et al. 2017).
	사용목적이나 주요 컨텐츠 측면에서 보았을 때 페이스북과 트위터는 어떤 형식으로 정보 공유가 이루어지는가?	소셜 Q&A 사이트의 경우 이용자들은 자신들의 건강문제에 대한 구체적인 질문들을 하고 여러 사람들로부터 이 질문들에 대한 답변을 구하는 정보추구활동을 벌인다(Yi 2018). 한편, 페이스북이나 트위터는 어떤 질문에 대한 답을 제공하는 방식보다는 주로 이용자들이 서로 간의 관계형성을 통해 자신의 질병이나 건강문제에 대한 의견이나 상태를 일상담화의 형태로 표현하거나 글을 주고 받는 형식으로 정보공유가 이루어진다. 특히, 페이스북은 온라인 네트워크를 통해 많은 사람들과 “친구”라는 사회적 관계를 형성하고 자신의 생각과 경험을 공유할 뿐 아니라 시시각각 변하는 자신들의 감정과 상태를 업데이트하기 때문에 페이스북 이용자가 어떤 상태에 있는지를 파악하기 좋고, 이러한 환경은 우울증을 진단하거나 그 증세를 예측하는 데 효과적이다(Guntuku et al.
	페이스북 그룹은 무엇인가?	페이스북 그룹은 공동 관심사를 가진 사용자 들이 모여서 정보를 공유하고 의견을 나누는 온라인 커뮤니티이다. 소셜 네트워크 서비스의 특성상 사용자들은 익명성이 보장되는 환경에서 자유롭게 소통할 수 있다.

참고문헌 (46)

Go, Gwangwoon et al. 2016. "Mood State Prediction of Twitter Users from Social Attributes." Extended Abstracts of HCI Korea 2016, January 27, 2016, Jeongseon: High 1 Resort: 639-641.
Kim, Soojung. 2012. "An Exploratory Study of Undergraduate Students' Health Information Needs and Seeking Behaviors in Social Media." Journal of the Korean Biblia Society for Library and Information Science, 23(4): 239-260.

원문보기 상세보기
Maeil Business News Korea. 2019. 'Depression' in his 60's, brutally murdered with his wife and daughter in hallucinations. [online] [cited 2019. 7. 23.]
Mock, Yang Suk. 2015. "A Study on the Effect of Facebook Contents Emotion on Users' Emotional Change Reaction." Journal of Korean Society of Communication Design, 24: 91-99.
Park, Eunjeong L. and Cho, Sungzoon. 2014. "KoNLPy: Korean Natural Language Processing in Python." In Proceedings of the 26th Annual Conference on Human and Cognitive Language Technology, October 10, 2014, Chuncheon: Kangwon National University Chuncheon Campus: 133-136.
Lee, Jae-Beom et al. 2012. "A Comparative Study on Different Characteristics of Social Media and Product Information Processing and Evaluation." Journal of Information System, 21(1): 69-91.

원문보기 상세보기
Cha, Chiyoung and Cha, Meeyoung. 2012. "Discourse of Depression on Twitter." In Proceedings of 2012 Korean Society of Nursing Science, October 26, 2012, Seoul: Korean Science and Technology Hall: 276-276.
Hwang, Yoosun. 2016. "Exploration of the Emotion for Daily Conversation on Facebook." Journal of the Korean Contents Association, 16(1): 1-13.
Aldarwish, M. M. and Ahmad, H. F. 2017. "Predicting Depression Levels Using Social Media Posts." In 2017 IEEE 13th International Symposium on Autonomous Decentralized System (ISADS), 22-24 March, 2017: Bangkok: 277-280.
Bae, B. J. and Yi, Y. Y. 2017. "What Answers Do Questioners Want on Social Q&A? User Preferences of Answers about STDs." Internet Research, 27(5): 1104-1121.

상세보기
Bae, B. J. and Yi, Y. Y. 2019. "Identification and Comparison of the Persuasive Elements Present in "Best Answers" to STD-Related Questions on Social Q&A Sites: Yahoo! Answers (United States) Versus Knowledge-iN (South Korea)." International Journal of Communication, 13: 2516-2534.
Baker, D. A. and Algorta, G. P. 2016. "The Relationship Between Online Social Networking and Depression: A Systematic Review of Quantitative Studies." CyberPsychology, Behavior & Social Networking, 19(11): 638-648.

상세보기
Bar, K. J. et al. 2004. "The Influence of Major Depression and Its Treatment on Heart Rate Variability and Pupillary Light Reflex Parameters." Journal of Affective Disorders, 82(2): 245-252.

상세보기
Bazarova, N. N. et al. 2017. "Psychological Distress and Emotional Expression on Facebook." CyberPsychology, Behavior & Social Networking, 20(3): 157-163.

상세보기
Boden, J. M. and Fergusson, D. M. "Alcohol and Depression." Addiction, 106(5): 906-914.

상세보기
Blei, D. M., Ng, A. Y. and Jordan, M. 2003. "Latent Dirichlet Allocation." Journal of Machine Learning Research, 3(4/5): 993-1022.
Cavazos-Rehg, P. A. et al. 2016. "A Content Analysis of Depression-related Tweets." Computers in human behavior, 54, 351-357.

상세보기
Choudhury, M., Counts, S. and Horvitz, E. 2013. "Social Media as a Measurement Tool of Depression in Populations." In Proceedings of the 5th Annual ACM Web Science Conference, 2-4 May, 2013, Paris: 47-56.
Chow, T. S. and Wan, H. Y. 2017. "Is there any 'Facebook Depression'? Exploring the moderating roles of neuroticism, Facebook social comparison and envy." Personality and Individual Differences, 119: 277-282.

상세보기
Chua, A. Y. and Banerjee, S. 2015. "Measuring the Effectiveness of Answers in Yahoo! Answers." Online Information Review, 39(1): 104-118.

상세보기
Fong, P. et al. 2014. "Quality of Online Information About Sexually Transmitted Diseases: Which Websites Should Patients Read?" Online Information Review, 38(5): 650-660.

상세보기
Guntuku, S. C. et al. 2017. "Detecting Depression and Mental Illness on Social Media: An Integrative Review." Current Opinion in Behavioral Sciences, 18, 43-49.

상세보기
Ha, J. H., Aikat, D. D. and Jung, E. H. 2015. "Theories and Messages in South Korean Antismoking Advertising." Health Communication, 30(10): 1022-1031.

상세보기
Irwin, M. et al. 2003. "Nocturnal Catecholamines and Immune Function in Insomniacs, Depressed Patients, and Control Subjects." Brain Behavior and Immunity, 17(5): 365-372.

상세보기
Jin, J. et al. 2016. "How Users Adopt Healthcare Information: An Empirical Study of an Online Q&A Community." International Journal of Medical Informatics, 86: 91-103.

상세보기
Katchapakirin K. et al. 2018. "Facebook Social Media for Depression Detection in the Thai community." In Proceedings of 15th International Joint Conference on Computer Science and Software Engineering (JCSSE), 11-13 July, 2018, Nakhonpathom.
Katon, W. J. et al. 2005. "The Association of Comorbid Depression with Mortality in Patients with Type 2 Diabetes." Diabetes Care, 28(11): 2668-2672.

상세보기
Kneidinger, B. 2010. Facebook und Co. Eine soziologische Analyse von Interaktionsformen in Online Social Networks. Wiesbaden, Germany: Springer. Quoted in Scherr, S. and Brunet, A. 2017. "Differential Influences of Depression and Personality Traits on the Use of Facebook." Social Media and Society, 3(1): 1-14.
Knol, M. J. et al. 2006. "Depression as a Risk Factor for the Onset of Type 2 Diabetes Mellitus. A Meta-analysis." Diabetologia, 49(5): 837-845.

상세보기
Lachmar, E. M. et al. 2017. "# MyDepressionLooksLike: Examining Public Discourse About Depression on Twitter." JMIR Mental Health, 4(4): 1-11.

상세보기
Lichtman, J. H. et al. 2008. "Depression and Coronary Heart Disease: Recommendations for Screening, Referral, and Treatment." Circulation, 118(17): 1768-1775.

상세보기
Meng, L. et al. 2012. "Depression Increases the Risk of Hypertension Incidence: A Metaanalysis of Prospective Cohort Studies." Journal of Hypertension, 30(5): 842-851.

상세보기
Moreno, M. et al. 2011. "Feeling Bad on Facebook: Depression Disclosures by College Students on a Social Networking Site." Depression & Anxiety, 28(6): 447-455.

상세보기
Nadeem, M. 2016. Identifying Depression on Twitter. [online] [cited 2019. 7. 7.]
Reavley, N. J. and Pilkington, P. D. 2014. "Use of Twitter to Monitor Attitudes Toward Depression and Schizophrenia: An Exploratory Study." PeerJ, 2: 1-15.
Rehurek, R. and Sojka, P. 2010. "Software Framework for Topic Modelling with Large Corpora." In Proceedings of the LREC 2010 Workshop on New Challenges for NLP Frameworks, May 22, 2010. Valletta: Mediterranean Conference Centre: 46-50.
Resnik, P. et al. 2015. "Beyond LDA: Exploring Supervised Topic Modeling for Depressionrelated Language in Twitter." In Proceedings of the 2nd Workshop on Computational Linguistics and Clinical Psychology, June 5, 2015, Denver: 99-107.
Scherr, S. and Brunet, A. 2017. "Differential Influences of Depression and Personality Traits on the Use of Facebook." Social Media and Society, 3(1): 1-14.
Scherr, S., Toma, C. L. and Schuster, B. 2018. "Depression as a Predictor of Facebook Surveillance and Envy: Longitudinal Evidence from a Cross-lagged Panel Study in Germany." Journal of Media Psychology: Theories, Methods, and Applications, [online] [cited 2019. 7. 5.]
Shar, C., Kitzie, V. and Choi, E. 2014. "Modalities, Motivations, and Materials - Investigating Traditional and Social Online Q&A Services." Journal of Information Science, 40(5): 669-687.

상세보기
Song, H. et al. 2016. "Trusting Social Media as a Source of Health Information: Online Surveys Comparing the United States, Korea, and Hong Kong." Journal of Medical Internet Research, 18(3): e25.

상세보기
Yi, Y. Y. 2018. "Sexual Health Information-seeking Behavior on a Social Media Site: Predictors of Best Answer Selection." Online Information Review, 42(6): 880-897.

상세보기
Yoon, S. et al. 2019. "Is Social Network Site Usage Related to Depression? A Meta-analysis of Facebook-depression Relations." Journal of Affective Disorders, 248(1): 65-72.

상세보기
Zhang, Y. 2013. "Toward a Layered Model of Context for Health Information Searching: An Analysis of Consumer-generated Questions." Journal of the American Society for Information Science and Technology, 64(6): 1158-1172.

상세보기
Zhao, Y. and Zhang, J. 2017. "Consumer Health Information Seeking in Social Media: A Literature Review." Health Information & Libraries Journal, 34(4): 268-283.

상세보기
Zhu, Y. et al. 2018. "Understanding the Research Landscape of Major Depressive Disorder via Literature Mining: An Entity-level Analysis of PubMed Data from 1948-2017." JAMIA Open, 1(1), 115-121.

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