[논문]소셜 커뮤니케이션에 기반한 빅데이터의 시각화(Big Data Visualization) 전략에 관한 연구:빅데이터 시각화 유형에 따른 사용자 경험(UX)을 중심으로

추진기

doi:10.5392/jkca.2020.20.01.142

소셜 커뮤니케이션에 기반한 빅데이터의 시각화(Big Data Visualization) 전략에 관한 연구:빅데이터 시각화 유형에 따른 사용자 경험(UX)을 중심으로
A Study on Big Data Visualization Strategy Based on Social Communication:Focusing on User Experience (UX) based on Big Data Visualization Types 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.1, 2020년, pp.142 - 151

추진기 (경기대학교 시각정보디자인과)

초록
AI-Helper

우리는 이제 초연결사회(Hyper-Connectivity)에 살고 있다. 오늘날 대중이 소셜 커뮤니케이션을 적극적으로 활용하게 된 이유는 필요한 정보가 웹(Web) 공간을 통해서 소셜 빅데이터(Social Big Data)라는 이름으로 수집되고 분류되어 정보의 생태계인 빅데이터 시대를 만들어 가고 있기 때문이다. 빅데이터 정보가 대중에게 꼭 필요한 정보로 이용되기 위해서는 알기 쉽고 명확하게 전달할 수 있는 빅데이터 시각화작업이 필요하다. 본 연구는 소셜 빅데이터의 정보에 따른 시각화 유형을 분류하였고, 경험 평가대상으로 실제 빅데이터 시각화를 직접 활용하고 연구해야 하는 관련 전공생들과 일반인을 포함한 체험자를 대상으로 하였다. 체험자들의 경험을 분석한 결과, 데이터를 관리·분석·활용할 수 있는 시각화 전달방법에 대한 중요한 시사점이 도출되었다. 이에 따른 빅데이터 시각화 전략은 SNS상의 데이터 환경과 사용자의 눈높이에 맞는 방식으로 표현되어야 한다는 것이다. 앞으로 사용자를 위한 빅데이터 시각화가 상품서비스나 사회적 트렌드에 적용하여 활용된다면 개인의 상품 구매, 취향, 문화 등 그 역할과 적용 범위가 넓어지고 적용 대상이 많아질 것이라는 측면에서 중요한 자료가 될 것으로 생각한다.

Abstract ▼ AI-Helper

The reason why today's public actively uses social communication is that the necessary information is collected and classified under the name of social big data through the web space to create the big data era, an ecosystem of information. In order for big data information to be used by the public, it is necessary to visualize it easily. This study categorized the types of visualization according to the information of social big data, and targeted the experienced students including the related majors and the general public who need to directly utilize and study the actual big data visualization as an experience evaluation target. As a result of analyzing the experiences of the experienced people, important implications for the visualization method for managing, analyzing, and utilizing the data were derived. The big data visualization strategy is to be expressed in a way that fits the data environment and user's eye level on SNS. In the future, if big data visualization is applied to product service or social trend, it will be an important data in terms of broadening its role, scope of application, and application.

주제어

표/그림 (14)

그림 그림 1. 논문의 구성
그림 그림 2. SNS 커뮤니케이션 진화
그림 그림 3. 빅데이터 정보 시각화 프로세스(재구성)
표 표 1. 소셜 커뮤니케이션의 종류와 콘텐츠 서비스
그림 그림 4. 정보디자인에서 빅데이터 시각화(재구성)
그림 그림 5. 정보 시각화 방법 비교(재구성)
표 표 2. 빅데이터 활용을 위한 데이터 분석 기법 (한국정보화진흥원, 성공적인 빅데이터 활용. 2012. 재구성)
그림 그림 6. 빅데이터 시각화 방법
표 표 3. 디지털 미디어 사용자 경험 측정요소
표 표 4. 빅데이터의 시각화 유형
표 표 5. 모집단 인구통계학적 분포
표 표 6. 시각화 유형 타입에 대한 설문지
그림 그림 7. 시각화 유형 설문 결과
표 표 7. 시각화 유형 평가 사례

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 빅데이터 시각화 유형에 따른 경험 분석을 위해 직접 사용자들의 반응을 알아보고자 설문 조사를 통해 분석하고자 하였다. 먼저 설문 조사 기간은 2019 년 7월 3일부터 8월 26일까지 실시하였다.
넷째, 빅데이터 시각화는 얼마나 유용하게 데이터를 표현하였는가에 대한 부분과 실제 그 시각화된 표현에서 얼마나 직관적이고 빠르게 정보를 취득할 수 있느냐에 대한 체험자의 반응이 매우 중요시된다는 점에 서 표현상 데이터 변화의 크기를 잘 확인할 수 있는 단순한 면적표현이 절실하다는 것이다. 본 연구는 소셜 커뮤니케이션이 만드는 빅데이터 정보 시각화의 유형과 사용자에 대한 경험을 사용자 대상으로 평가하여 실증적으로 분석하였다는 것에서 하나의 의의를 찾을 수 있다. 하지만 제한된 인원에 의한 경험 분석은 사용자 전체의 경험을 대변하기에는 다소 무리가 있고 사용자가 겪는 정형, 비정형 데이터와 관련된 다양한 요소들에 대해 기능적 측면에서만 논의될 단점이 있다.
빅데이터를 위한 시각화 전략을 연구하는 시점에 있어 현재 그 기반이 된 소셜 커뮤니케이션 상황을 고찰하였고, 시대적으로 그로 인해 양산되는 정보화 기술의 꽃이라 할 수 있는 빅데이터 시각화의 중요성을 분명히 하고자 하였다. 이를 통하여 빅데이터 시각화의 유형을 분류하였고 정보와 사용자 간의 상호작용단계에서 사용자 경험(UX)에 따른 데이터를 분석하여 적합한 시각화 방향에 대한 방향을 모색하였다.
[표 4]는 빅데이터 시각화 유형은 현재 통용되고 활용되고 있는 시각화 유형을 사례로 선정한 것이다. 실제 설문자들에게 시각화 유형에 대한 설명을 제시하고 평가내용에 따라 측정하기 위한 사례로써 현재 소셜미 디어에서 자주 볼 수 있는 형태의 시각화 자료이다.
이런 연구 목적을 달성하기 위해 본 연구에서는 먼저 소셜 커뮤니케이션 시대의 빅데이터가 어떻게 활용되고 있는지 살펴보았고 빅데이터의 시각화 범위를 조사하고 유형화한 후 이를 바탕으로 소셜 빅데이터 서비스 사용자 경험을 조사하였다.
이를 통하여 빅데이터 시각화의 유형을 분류하였고 정보와 사용자 간의 상호작용단계에서 사용자 경험(UX)에 따른 데이터를 분석하여 적합한 시각화 방향에 대한 방향을 모색하였다. 이에 빅데이터 시각화 유형에 따른 사용자 경험을 분석하여 빅데이터 시각화 표현에 대해 평가하고 결과를 도출하여 제시하였다.

제안 방법

이런 연구 목적을 달성하기 위해 본 연구에서는 먼저 소셜 커뮤니케이션 시대의 빅데이터가 어떻게 활용되고 있는지 살펴보았고 빅데이터의 시각화 범위를 조사하고 유형화한 후 이를 바탕으로 소셜 빅데이터 서비스 사용자 경험을 조사하였다. 그리고 조사결과를 통해 사용자 경험에 대해 분석하였다.
모집단은 데이터 시각화를 직접 활용하고 연구해야 하는 시각디자인 관련 전공생들 18명과 데이터 이용을 목적으로 할 수 있는 일반인 12명을 대상으로 총 30명[표 5]로 하였고 인구통계학적 특성을 고려하여 20대에서 50대를 고르게 대상에 포함하였다. 시각화 유형에 대한 자료[표 4]를 제시한 후 유형에 따라 하나씩 숫자 척도를 기입하는 방식으로 설문지[표 6]을 작성하게 하였고 사용자 관점에서 설문의 오차를 줄이고자 정성적 연구방 법의 하나인 사용자 심층 인터뷰(FGI : Focus Group Interview)도 실시했다. 인터뷰는 질문의 내용을 정확히 전달하고자 주로 일반인 응답자 12명을 대상으로 하였다.
빅데이터를 위한 시각화 전략을 연구하는 시점에 있어 현재 그 기반이 된 소셜 커뮤니케이션 상황을 고찰하였고, 시대적으로 그로 인해 양산되는 정보화 기술의 꽃이라 할 수 있는 빅데이터 시각화의 중요성을 분명히 하고자 하였다. 이를 통하여 빅데이터 시각화의 유형을 분류하였고 정보와 사용자 간의 상호작용단계에서 사용자 경험(UX)에 따른 데이터를 분석하여 적합한 시각화 방향에 대한 방향을 모색하였다. 이에 빅데이터 시각화 유형에 따른 사용자 경험을 분석하여 빅데이터 시각화 표현에 대해 평가하고 결과를 도출하여 제시하였다.
측정항목에서 특히 피터모빌의 체험 측정요소 중 시각화 유형 평가 측면에서 가장 체험반응에 부합하는 항목의 핵심적인 질문 6가지를 추출하여 실제 그 유형별 그림과 함께 제시하였고 또한 설문자들의 경험 공유를 위한 세부적인 체험분석을 위해 사용자별 인터뷰를 한 결과로 각 시각화 유형별 경험을 통해 다섯 단계로 점수화해서 정량화한 결과 다음과 같은 평균값[그림 7]이 도출되었다.

대상 데이터

본 연구는 빅데이터 시각화 유형에 따른 경험 분석을 위해 직접 사용자들의 반응을 알아보고자 설문 조사를 통해 분석하고자 하였다. 먼저 설문 조사 기간은 2019 년 7월 3일부터 8월 26일까지 실시하였다. 모집단은 데이터 시각화를 직접 활용하고 연구해야 하는 시각디자인 관련 전공생들 18명과 데이터 이용을 목적으로 할 수 있는 일반인 12명을 대상으로 총 30명[표 5]로 하였고 인구통계학적 특성을 고려하여 20대에서 50대를 고르게 대상에 포함하였다.
먼저 설문 조사 기간은 2019 년 7월 3일부터 8월 26일까지 실시하였다. 모집단은 데이터 시각화를 직접 활용하고 연구해야 하는 시각디자인 관련 전공생들 18명과 데이터 이용을 목적으로 할 수 있는 일반인 12명을 대상으로 총 30명[표 5]로 하였고 인구통계학적 특성을 고려하여 20대에서 50대를 고르게 대상에 포함하였다. 시각화 유형에 대한 자료[표 4]를 제시한 후 유형에 따라 하나씩 숫자 척도를 기입하는 방식으로 설문지[표 6]을 작성하게 하였고 사용자 관점에서 설문의 오차를 줄이고자 정성적 연구방 법의 하나인 사용자 심층 인터뷰(FGI : Focus Group Interview)도 실시했다.
시각화 유형에 대한 자료[표 4]를 제시한 후 유형에 따라 하나씩 숫자 척도를 기입하는 방식으로 설문지[표 6]을 작성하게 하였고 사용자 관점에서 설문의 오차를 줄이고자 정성적 연구방 법의 하나인 사용자 심층 인터뷰(FGI : Focus Group Interview)도 실시했다. 인터뷰는 질문의 내용을 정확히 전달하고자 주로 일반인 응답자 12명을 대상으로 하였다. 학생(전공자)들은 설문의 목적과 취지에 대한 이해도를 높인 상태에서 응답자 상호 간 자유로운 의사 교환을 중심으로 진행하였으며, 전공 학생들의 경우에는 응답자 각자 검사에 대한 느낌을 어떻게 가졌는지와 평가 질문에 대한 의견도 들어 보았다.

이론/모형

이렇게 다양한 시각화 방법을 통해 보는 사람의 흥미를 유발하고, 정보를 습득하는 시간을 단축하여 빠른 상황 판단을 도울 수 있다. 이러한 사용자 경험을 측정하고 유형화하기 위하여 피터모빌의 사용자 경험 측정의 육각 구조(User Experience Honeycomb)이라고 불리는 측정항목[표 2]을 측정 도구로 이용하였다. 그는 디지털미디어 인터페이스에서의 사용자 경험을 연구하여 유용성(Useable), 사용성(Useful), 호감성(Desirable), 인지성(Findable), 접근성(Accessible), 신뢰성 (Credible), 가치성(Valuable)의 7가지 경험 차원을 밝혔다[22].

성능/효과

인지성, 5. 접근성, 6. 신뢰성+가치성의 여섯 가지 차원을 사용하였는데 사용자 입장 측면에서 신뢰성과 가치성은 비슷한 의미로 사용 될 수 있다는 생각에서이다. [표 3]은 설문자의 이해를 돕기 위해 측정항목 내용과 그에 따른 평가내용을 정리한 것이다.
셋째, 측정될 수 있는 시각화 이미지 그리고 호감도에 따른 평가에서 일반 사용자들은 그 정보에 대해 직관적인 표현 유형을 대체로 높이 평가한 만큼 시각화 정보화 시점에서 확실한 시각적 포인트를 재고해서 알기 쉽게 제공해야 할 것이다. 넷째, 빅데이터 시각화는 얼마나 유용하게 데이터를 표현하였는가에 대한 부분과 실제 그 시각화된 표현에서 얼마나 직관적이고 빠르게 정보를 취득할 수 있느냐에 대한 체험자의 반응이 매우 중요시된다는 점에 서 표현상 데이터 변화의 크기를 잘 확인할 수 있는 단순한 면적표현이 절실하다는 것이다. 본 연구는 소셜 커뮤니케이션이 만드는 빅데이터 정보 시각화의 유형과 사용자에 대한 경험을 사용자 대상으로 평가하여 실증적으로 분석하였다는 것에서 하나의 의의를 찾을 수 있다.
빅데이터 시각화 유형에 대한 사용자 경험은 [표 7] 과 같다. 데이터 시각화 유형은 소셜 커뮤니케이션 매체에서 빈번하게 등장하는 방법이고 매우 직접적인 표현이 가능하다는 점에서 대상자 모두 매우 흥미롭게 설문에 응답하였다. 시간 시각화 유형의 경우 A(막대그래프), B(누적 막대그래프)는 측정항목 5가지에서 대체로 1점 이상의 높은 평균점수를 받았다, 하지만 C(점그래프)에서는 시각적 표현에서 1차원적인 점과 선만의 표현으로 인한 표현 부족으로 인해 대체로 적은 점수로 평가되었다.
그에 따른 즉시성, 연결성, 확산성, 정확성 등이 필요하며 SNS 시대에 타당한 정보방식임을 알고 대응해가야 한다는 점이다. 둘째, 시각화 정보는 매스 미디어에서 활용된 방식에서 SNS 환경에 맞게 다양한 방식으로 진화되고 있고 이로 인해 정보의 중심적인 역할을 하고 있기에 단순한 정보를 넘어서 해당 데이터와 연관된 사용자의 성향, 나이 등 눈높이를 지향해서 시각화해야 한다는 점이다. 셋째, 측정될 수 있는 시각화 이미지 그리고 호감도에 따른 평가에서 일반 사용자들은 그 정보에 대해 직관적인 표현 유형을 대체로 높이 평가한 만큼 시각화 정보화 시점에서 확실한 시각적 포인트를 재고해서 알기 쉽게 제공해야 할 것이다.
그래서 비교시각화는 실제 시각화가 가장 어려운 유형이라고 판단되었다. 마지막으로 공간시각화의 경우 B(코로플레스챠트)와 C(면적지도)의 경우 각 평가항목에서 높은 점수를 받았으며 실제 지도에 데이터를 합성하여 사용하는 현실감 때문에 점수에 대한 신뢰가 높았다. 하지만 같은 지도를 사용함에도 A(버블챠트)의 경우 버블 면적에 의한 맵핑이 B, C와 동일하게 보이지만 면적에 대한 수치가 다소 불분명한 표현이 되어서 사용성(Useful), 호감성(Desirable), 인지성(Findable) 항목에 대한 평가가 다소 낮게 평가되었다.
데이터 시각화 유형은 소셜 커뮤니케이션 매체에서 빈번하게 등장하는 방법이고 매우 직접적인 표현이 가능하다는 점에서 대상자 모두 매우 흥미롭게 설문에 응답하였다. 시간 시각화 유형의 경우 A(막대그래프), B(누적 막대그래프)는 측정항목 5가지에서 대체로 1점 이상의 높은 평균점수를 받았다, 하지만 C(점그래프)에서는 시각적 표현에서 1차원적인 점과 선만의 표현으로 인한 표현 부족으로 인해 대체로 적은 점수로 평가되었다. 분포시각화 유형 항목인 A(도넛챠트), B (트리 맵)의 경우에도 1점 이상의 높은 점수였고 직관적인 시각적 표현이 장점으로 평가되었으나 C(파이챠트)의 경우 그래프의 면적과 진행 추이를 표현에 있어 다소 구별하기 어려운 이유로 호감성, 접근성 항목에서 적은 점수의 원인이 되었다.
이러한 소셜 빅데이터는 뉴스, 블로그, 트위터 등 다양한 소셜미디어에서 엄청난 양의 데이터를 분석해 의미 있는 시사점(Insight)을 찾아내는 일련의 과정[16]이며 이야기들의 생성과 유통의 과정이 어떤 시계열적 패턴을 나타내는지 등의 분석에 사용된다[17]. 이러한 기술적 방법을 통해 분석한 빅데이터는 전달하는 방식에 시각화의 과정이 필수적인데 [그림 4] 빅데이터 시각화와 같이 시각화를 통하여 정보형 메시지를 전달할 것인가, 설득형 메시지를 전달할 것인지에 따라 시각화 표현 범주가 달라지는 것을 볼 수 있다. 최근에는 데이터를 직접 전달하는 기능성에 초점을 맞춘 정보형 메시지를 전달하기 위한 데이터 시각화작업을 하는 경향이 강하다.
하지만 같은 지도를 사용함에도 A(버블챠트)의 경우 버블 면적에 의한 맵핑이 B, C와 동일하게 보이지만 면적에 대한 수치가 다소 불분명한 표현이 되어서 사용성(Useful), 호감성(Desirable), 인지성(Findable) 항목에 대한 평가가 다소 낮게 평가되었다. 평가 과정에서 심층 인터뷰 결과 일반인들의 빅데이터 시각화에 의한 자료 이해도는 높지 않았으며 아직 효율적인 빅데이터 시각화 보급 이 일반화되지 않았음을 알 수 있었다. 하지만 전공생들의 의견을 종합해 볼 때, 디자인 리서치 측면에서 뉴 미디어 시대에 빅데이터를 활용한 시각적 표현 연구와 전달에 대한 기대와 관심은 매우 컸고 이러한 현상은 앞으로 빅데이터 시각화 연구에 많은 발전이 예상된다고 할 수 있다.
관계시각화의 경우에는 A (버블챠트)는 각 평가점수에서 1점 이상의 높은 점수를 받았다. 하지만 호감성, 인지성 그리고 일부 신뢰성 측면에서 낮은 점수였고 그 이유는 세부적인 그래프에 대한 이해가 어려워 정량적 데이터만으로는 다소 어필이 떨어진다는 평가를 받았다. 비교시각화의 경우 A, B 타입 모두 호감성에서, C에서는 호감성, 인지성에서 적은 점수를 나타냈다.

후속연구

향후 이는 정보 시각화를 위한 디자인 과정에서 극복해야 할 과제라고 생각한다. 따라서 본 연구의 결과를 바탕으로 빅데이터 시각화 유형에 대한 사용자 경험의 질을 향상해 나갈 수 있는 많은 연구가 진행되기를 기대한다.
이에 소셜 빅데 이터를 사용자를 위해 시각화해서 활용한다면 소비자를 위한 정보전달의 자료로 활용될 것으로 생각된다. 본 연구를 통해 소셜 빅데이터의 시각화 유형을 분류하 고 이에 대한 사용자 경험 평가를 통한 전략이 상품서비스나 사회적 트렌드에 활용된다면 개인의 상품 구매, 취향, 문화 등 그 역할과 적용 범위가 넓어지고 적용 대상이 많아질 것이라는 측면에서 중요한 자료가 될 것으로 생각한다.
상대적으로 벤 프라이(Ben Fry)는 정보 시각화를 만드는데 필요한 정보획득(Acquire), 분석(Prase), 선별(Filter), 마이닝(Mining), 표현(Represent), 개선 (Refine), 상호작용(Interact)의 7단계를 제시했다[20] 벤 프라이는 이미 공개되어있는 데이터의 풀에서 자신이 원하는 데이터를 직접 획득하여 상호작용까지의 모든 단계를 아우르는 프로세싱을 이용한 작업을 시행하였다. 본 연구에서는 객관화된 측면이 강조된 정보 형 메시지를 위주로 시각화한 데이터를 활용할 예정이므로 정보 시각화의 과정의 4단계를 통해 빅데이터 시각화가 객관화된 특징 정보를 좀 더 잘 표현할 수 있는가에 대한 경험 측정이 필요하다.
둘째, 시각화 정보는 매스 미디어에서 활용된 방식에서 SNS 환경에 맞게 다양한 방식으로 진화되고 있고 이로 인해 정보의 중심적인 역할을 하고 있기에 단순한 정보를 넘어서 해당 데이터와 연관된 사용자의 성향, 나이 등 눈높이를 지향해서 시각화해야 한다는 점이다. 셋째, 측정될 수 있는 시각화 이미지 그리고 호감도에 따른 평가에서 일반 사용자들은 그 정보에 대해 직관적인 표현 유형을 대체로 높이 평가한 만큼 시각화 정보화 시점에서 확실한 시각적 포인트를 재고해서 알기 쉽게 제공해야 할 것이다. 넷째, 빅데이터 시각화는 얼마나 유용하게 데이터를 표현하였는가에 대한 부분과 실제 그 시각화된 표현에서 얼마나 직관적이고 빠르게 정보를 취득할 수 있느냐에 대한 체험자의 반응이 매우 중요시된다는 점에 서 표현상 데이터 변화의 크기를 잘 확인할 수 있는 단순한 면적표현이 절실하다는 것이다.
우리 일상에서 그러한 데이터가 유용하게 기록되고 또 유통되는 것은 시대적으로 매우 중요한 일이다. 이에 소셜 빅데 이터를 사용자를 위해 시각화해서 활용한다면 소비자를 위한 정보전달의 자료로 활용될 것으로 생각된다. 본 연구를 통해 소셜 빅데이터의 시각화 유형을 분류하 고 이에 대한 사용자 경험 평가를 통한 전략이 상품서비스나 사회적 트렌드에 활용된다면 개인의 상품 구매, 취향, 문화 등 그 역할과 적용 범위가 넓어지고 적용 대상이 많아질 것이라는 측면에서 중요한 자료가 될 것으로 생각한다.
하지만 제한된 인원에 의한 경험 분석은 사용자 전체의 경험을 대변하기에는 다소 무리가 있고 사용자가 겪는 정형, 비정형 데이터와 관련된 다양한 요소들에 대해 기능적 측면에서만 논의될 단점이 있다. 향후 이는 정보 시각화를 위한 디자인 과정에서 극복해야 할 과제라고 생각한다. 따라서 본 연구의 결과를 바탕으로 빅데이터 시각화 유형에 대한 사용자 경험의 질을 향상해 나갈 수 있는 많은 연구가 진행되기를 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터 시각화의 목적은 무엇인가?	데이터 시각화(data visualization)는 데이터 분석 결과를 쉽게 이해할 수 있도록 시각적으로 표현하고 전달하는 과정을 말한다. 데이터 시각화의 목적은 도표 (Graph)라는 수단을 통해 정보를 명확하고 효과적으로 전달하는 것이다[13]라고 하였다. 빅데이터는 우리가 기존에 사용하던 구조적 데이터에 비구조적 데이터를 더해서 활용하는 것을 뜻한다.
	빅데이터란 무엇인가?	그 중에서도 비정형 데이터가 90%에 달하고 있다며 하며 전문가들은 이를 제대로 활용하기 위한 전문 데이터 분석가(Deep Analytical Expertise)의 중요성을 강조하고 있다. 빅데이터란 기존의 관리, 분석 체계로 감당하기 어려운 막대한 데이터를 의미한다. 원래 엄청난 거대 데이터 집합만을 의 미했지만, 최근 관련도구나 플랫폼(Platform), 분석 기법까지 포괄하는 용어로 자리 잡게 되었다.
	마티야스 샤피로다 제시한 빅데이터 시각화의 3가지 핵심단계는 무엇인가?	빅데이터 시각화를 위한 시각화 방법을 기술한 ‘정보 디자인 교과서’의 [그림 5]의 정보 시각화 방법 비교 [19]를 보면, 정보 시각화 프로세스에 대해 조직화된 데이터(Organized data), 시각적 매핑(Visual mapping), 시각적 형태(Visual form), 전달 방식 (Representation)의 4단계를 제시하고 있다. 마티야스 샤피로(Matthias Shapiro)는 질문 만들어 내기, 데이터 수집하기, 시각적 표현을 적용하기의 3단계 핵심단계를 제시했다. 이는 빅데이터 시각화처럼 어느 정도의 정해진 범주를 가지고 시작하는 것이 아니라, 시각화를 다루는 사람에 의해서 설득적으로 좌우된다고 할 수 있겠다.

참고문헌 (22)

오인균, 이단비, "디자인 분야에서의 빅데이터(Big Data) 활용방안," 한국디지털디자인학회, 제13권, 제4호, p.201, 2013.
이기복, "브랜드 커뮤니케이션을 위한 감각적 마케팅의 발전방안," 한국일러스트아트학회, 제5권, 제3호, p.129, 2012.
최용록, 소셜 마케팅의 패러다임, 더북인, 2011.
위키백과, https://ko.wikipedia.org/wiki/%%EB%8D%B0%EC%9D%B4%ED%84%B0_%EB%B6%84%EC%84%9D_%EC%A0%84%EB%AC%B8%EA%B0%80, 2019.8.3.
https://ebizstory.tistory.com/707, 2019.7.3.
http://terms.tta.or.kr/dictionary/searchList.do
올리비에 블랜챠드(Olivier Blanchard), inmD 역, SOCIAL MEDIA(소셜미디어), 에이콘출판, p.32, 2011.
전영준, 기업마케팅 전략으로서 소셜 미디어 활용방안에 관한 연구, 서원대학교, 석사학위논문, p.28, 2011.
정용민, 송동현, 소셜 미디어 시대의 위기 관리, e비즈북스, p.31, 2011.
네이선아우(Nathan Yau), 송용근 역, 비주얼라이즈디스:빅데이터의 시각화+인포그래픽 기법, 에이콘출판, p.39, 2012.
김정숙, "빅데이터 활용과 관련 기술 고찰," 한국콘텐츠학회지, 제10권, 제1호, p.34, 2012.

원문보기 상세보기
이태분, 김병준, "정책 PR 분야에서 소셜 빅데이터 어낼러틱스 활용 가능성," 홍보학 연구, 제19권, 제1호, p.336-384, 2015.
위키백과, https://ko.wikipedia.org/wiki/%EB%8D%B0%EC%9D%B4%ED%84%B0_%EC%8B%9C%EA%B0%81%ED%99%94
김현영, "김재웅, 문화예술 콘텐츠 제작 및 유통에서의 빅데이터 활용 연구," 한국콘텐츠학회논문지, 제19권, 제7호, p.385, 2019.
윤홍근, "문화산업에서 빅데이터의 활용방안에 관한 연구," 글로벌문화콘텐츠, 제10호, p.157-179, 2013.
정용찬, 빅데이터(Big Data), 커뮤니케이션북스, p.53, 2013.
정혜정, 오경화, "소셜 빅데이터를 통한 윤리 소비유형, 동기와 감정분석," 한국심리학회지 소비자 광고, 제17권, 제4호, p.875, 2016.
이지선, "빅데이터를 위한 정보디자인의 시각화 방법 및 표현," 한국기초조형학회, 제16권, 제10호, pp.263-265, 2013.
장성복, "소셜 빅데이터를 통한 공연예술의 온라인 여론 분석," 한국트렌드디자인학회, 제12권, 제2호, pp.82-83, 2017.
BenFry, VisualizingData, O'Reilly Media, p17. 2007.
네이선아우(Nathan Yau), 송용근 역, 비주얼라이즈디스:빅데이터의시각화+인포그래픽 기법, 에이콘출판, p.87, 2012.
피터모빌, yuna 역, 검색 2.0발견의 진화, 한빛미디어(주), p.147, 2006.

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