[논문]뉴스 빅데이터를 활용한 코로나19 언론보도 분석 :토픽모델링 분석을 중심으로

김태종

doi:10.5392/jkca.2020.20.05.457

뉴스 빅데이터를 활용한 코로나19 언론보도 분석 :토픽모델링 분석을 중심으로
COVID-19 News Analysis Using News Big Data : Focusing on Topic Modeling Analysis 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.5, 2020년, pp.457 - 466

김태종 (한국청소년정책연구원 청소년정책분석평가센터)

초록
AI-Helper

본 연구의 목적은 최근 확산되고 있는 코로나19의 뉴스 빅데이터를 활용하여 언론을 통해 사회적으로 형성되고 있는 주요 의제가 무엇이며 어떻게 변화하는지 파악해, 추후 언론보도의 방향성을 제안하는 것이다. 이를 위해 2019년 12월 31일부터 2020년 3월 11일까지 보도된 47,816건의 뉴스 빅데이터를 감염병 위기경보 4단계(관심-주의-경계-심각)를 기준으로 4개 시기로 구분하여 토픽모델링 분석을 실시해, 총 20개의 토픽을 도출하였다. 토픽 모델링 분석 결과를 토대로, 본 연구에서는 다음 사항들을 제안하였다. 첫째, '불안', '공포' 등의 자극적인 표현을 자제하고 중립적이고 객관적인 보도용어 사용이 필요하다. 둘째, 단순 사건보도식 뉴스제작을 탈피하여, 더욱 심층적이고 맥락적인 뉴스 제작이 요구된다. 셋째, 감염병 관련 상황별 세부 위기커뮤니케이션 매뉴얼 마련이 필요하다. 넷째, 시민주도의 위기 극복노력을 중점적으로 조명하는 보도가 필요하다. 본 연구는 코로나19 뉴스 빅데이터를 토픽모델링 분석방법을 활용하여 분석한 최초의 논문이라는 학술적 의의와 국가 위기커뮤니케이션 정책개발의 기초자료로 활용될 수 있는 정책적 의의를 가진다.

Abstract ▼ AI-Helper

The purpose of this study is to find out what the main agenda of social formation is and how it changes through the media by utilizing the news big data of COVID-19 which is spreading recently, and to suggest the direction of future reporting. In order to achieve the purpose of the research, 47,816 cases of news big data reported from December 31, 2019 to March 11, 2020 were divided into four periods based on the fourth stage of the crisis warning for infectious diseases, and a total of 20 topics were derived. Based on the results of the Topic Modeling analysis, this study proposed the following. First, it is necessary to refrain from provocative expressions such as "anxiety" and "fear" and use neutral and objective reporting terms. Second, more in-depth and contextual news production is required, breaking away from simple event news production. Third, it is necessary to prepare detailed crisis communication manuals for each situation related to infectious diseases. Fourth, we need reports that focus on citizens-led efforts to overcome the crisis. This research has the academic significance that it is the first paper to analyze news big data on COVID-19 using the Topic Modeling Analysis method, and the policy significance that can be used as the basis for developing national crisis communication policy.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서, 본 연구에서는 뉴스 빅데이터와 토픽모델링 분석방법을 활용하여 코로나19 관련 언론보도에 나타난 주요 키워드 및 토픽, 토픽의 변화를 시기(감염병 위기경보 단계)별로 파악하기 위해 다음과 같이 연구문제를 설정하였다.
본 연구의 목적은 최근 확산되고 있는 코로나19의 뉴스 빅데이터를 활용하여 언론을 통해 사회적으로 형성되고 있는 주요 의제가 무엇이며 어떻게 변화하는지 파악하여, 추후 언론보도의 방향성을 제안하는 것이다. 이를 위해 2019년 12월 31일부터 2020년 3월 11일까지 보도된 47,816건의 뉴스 빅데이터를 감염병 위기경보 4단계를 기준으로 4개 시기로 구분하여 토픽모델링 분석을 실시하였으며, 시기별로 다음과 같은 토픽이 도출되었다.
본 연구의 목적은 코로나바이러스감염증-19(이하 ‘코로나19’) 관련 국내 뉴스 빅데이터를 토픽모델링 분석방법을 활용하여 분석함으로써, 감염병 위기경보 단계별로 나타난 코로나19 언론보도의 주요 키워드를 식별하고 토픽을 도출하며 토픽의 변화 양상을 파악하는 데에 있다.

제안 방법

둘째, 제1기부터 제4기에 도출된 20개의 토픽 중 15개의 토픽이 국내·외 코로나19 발생 및 확산 상황을 단순 기술하는 스트레이트 중심의 뉴스들로 구성되어 있다.
본 연구에서는 NetMiner 프로그램을 활용하여 뉴스 텍스트에서 추출된 키워드를 매트릭스로 생성해 LDA 분석(α=0.1, β=0.01)을 실시 하였다[24].
본 연구의 목적은 최근 확산되고 있는 코로나19의 뉴스 빅데이터를 활용하여 언론을 통해 사회적으로 형성되고 있는 주요 의제가 무엇이며 어떻게 변화하는지 파악하여, 추후 언론보도의 방향성을 제안하는 것이다. 이를 위해 2019년 12월 31일부터 2020년 3월 11일까지 보도된 47,816건의 뉴스 빅데이터를 감염병 위기경보 4단계를 기준으로 4개 시기로 구분하여 토픽모델링 분석을 실시하였으며, 시기별로 다음과 같은 토픽이 도출되었다.
토픽모델링 결과, 토픽별로 뉴스들이 분류되었으며, 토픽별 출현확률이 높은 순으로 키워드가 도출되었다. 이후 도출된 주요 키워드와 뉴스원문을 비교하여 토픽명을 부여하였다.
분석기간은 [그림 1]과 같이 중국 우한에서 코로나19 발생 상황이 최초로 국내에서 보도된 2019년 12월 31일부터 2020년 3월 11일까지 총 72일이다. 정부의 감염병 위기경보 단계 격상과 함께 보도건수가 급증하는 현상이 나타남에 따라, 감염병 위기경보 단계를 기준으로 4개 시기로 구분하여 분석을 실시하였다. 제1기는 감염병 위기경보 ‘관심’ 단계인 2019년 12월 31일부터 2020년 1월 19일까지, 제2기는 ‘주의’ 단계인 2020년 1월 20일부터 1월 26일까지, 제3기는 ‘경계’ 단계인 2020년 1월 27일부터 2월 22일까지, 제4기는 ‘심각’ 단계인 2020년 2월 23일부터 코로나19 보도량이 크게 감소한 3월 11일까지이다.
토픽의 수를 결정하기 위해, 샘플링 반복횟수를 1,000회로 설정하여 토픽의 수를 2개에서 30개로 변경하면서 토픽모델링을 실시한 결과, 각 시기별로 5개의 토픽을 추출했을 경우 주요 키워드의 중복이 최소화되고 범주별로 해석이 용이하게 분류되어, 토픽수를 5개로 설정해 분석을 수행했다. 토픽모델링 결과, 토픽별로 뉴스들이 분류되었으며, 토픽별 출현확률이 높은 순으로 키워드가 도출되었다.

대상 데이터

분석 대상 뉴스 건수는 [표 2]와 같으며, 최초 수집된 자료는 총 50,263건으로, 이 중 중복되어 보도된 뉴스와 단순 행사안내 및 인물동정 등의 뉴스 2,447건을 제외하여 최종 47,816건의 뉴스를 대상으로 분석하였다. 본 연구에서는 데이터 전처리와 형태소 추출이 완료된 정제 데이터를 빅카인즈로부터 제공받아 분석을 실시하였다.
자료수집은 한국언론진흥재단에서 운영하는 빅카인즈(BIGKinds)를 활용하였다. 분석 대상 뉴스 건수는 [표 2]와 같으며, 최초 수집된 자료는 총 50,263건으로, 이 중 중복되어 보도된 뉴스와 단순 행사안내 및 인물동정 등의 뉴스 2,447건을 제외하여 최종 47,816건의 뉴스를 대상으로 분석하였다. 본 연구에서는 데이터 전처리와 형태소 추출이 완료된 정제 데이터를 빅카인즈로부터 제공받아 분석을 실시하였다.
분석 대상 언론매체는 [표 1]과 같이 10개 신문사와 3개 방송사 등 총 13개 매체이다. 신문사 선정기준은 발행부수 순이며, 방송사는 지상파로 선정했다.
분석기간은 [그림 1]과 같이 중국 우한에서 코로나19 발생 상황이 최초로 국내에서 보도된 2019년 12월 31일부터 2020년 3월 11일까지 총 72일이다. 정부의 감염병 위기경보 단계 격상과 함께 보도건수가 급증하는 현상이 나타남에 따라, 감염병 위기경보 단계를 기준으로 4개 시기로 구분하여 분석을 실시하였다.
자료수집을 위한 검색어는 ‘코로나19’, ‘신종 코로나’, ‘우한 폐렴’으로 선정하였다. 자료수집은 한국언론진흥재단에서 운영하는 빅카인즈(BIGKinds)를 활용하였다. 분석 대상 뉴스 건수는 [표 2]와 같으며, 최초 수집된 자료는 총 50,263건으로, 이 중 중복되어 보도된 뉴스와 단순 행사안내 및 인물동정 등의 뉴스 2,447건을 제외하여 최종 47,816건의 뉴스를 대상으로 분석하였다.
자료수집을 위한 검색어는 ‘코로나19’, ‘신종 코로나’, ‘우한 폐렴’으로 선정하였다.

이론/모형

본 연구에서는 코로나19 관련 뉴스 빅데이터 텍스트 에 내재된 키워드와 토픽을 추출하기 위해, 컴퓨터 기반 텍스트 분석방법인 토픽모델링 중 최근 널리 쓰이고 있는 LDA(Latent Dirichlet Allocation, 잠재 디리클레 할당) 기법을 사용하였다[21][22].

성능/효과

넷째, 과거와 달리 이번 코로나19 관련 언론보도에서는, 시민들의 피해 극복 노력 관련 토픽이 중요한 비중으로 보도되었다. 특히, 감염병 위기경보단계가 ‘심각’으로 상향되고, 누적확진자가 500여명에서 5,000여명으로 급증하는 심각한 상황 속에서도, 시민들이 자발적으로 의료진을 지원하고 기부하며, ‘마스크 나눔’, ‘착한 임대료’ 등의 캠페인을 펼치는 등의 활동이 뉴스에서 부각되었다.
본 연구는 코로나19 언론보도를 분석한 최초의 논문으로서, 언론이 코로나19와 관련하여 어떠한 의제를 설정하여 보도하는지 뉴스 빅데이터와 토픽모델링 분석 기법을 활용하여 실증적·체계적으로 분석한 연구라는 학술적 의의를 가진다.
셋째, 과거 신종플루·메르스 시기의 언론보도에서 중점적으로 나타나지 않았던 현상으로, 감염병 확산 초기 정부의 적극적인 대응조치가 언론의 주목을 받았다.
제1기 감염병 위기경보 ‘관심’ 단계인 2019년 12월 31일부터 2020년 1월 19일까지 보도된 코로나19 관련 뉴스 290건을 분석한 결과, 토픽별 주요 키워드와 토픽은 [표 3], 토픽의 변화는 [그림 2]와 같이 나타났다.
제3기 감염병 위기경보 ‘경계’ 단계인 2020년 1월 27일부터 2020년 2월 22일까지 보도된 코로나19 관련 뉴스 17,976건을 분석한 결과, 토픽별 주요 키워드와 토픽은 [표 5], 토픽의 변화는 [그림 4]와 같이 나타났다.
첫째, 제1기에 도출된 5개의 토픽 중 3개의 토픽(국제적 불안감 고조, 중국 춘절 시기 확산 우려, 국내 증상자 발생 우려) 관련 뉴스에서 ‘불안’, ‘공포’, ‘우려’ 등의 자극적인 용어가 다수 사용되었다.
토픽의 수를 결정하기 위해, 샘플링 반복횟수를 1,000회로 설정하여 토픽의 수를 2개에서 30개로 변경하면서 토픽모델링을 실시한 결과, 각 시기별로 5개의 토픽을 추출했을 경우 주요 키워드의 중복이 최소화되고 범주별로 해석이 용이하게 분류되어, 토픽수를 5개로 설정해 분석을 수행했다. 토픽모델링 결과, 토픽별로 뉴스들이 분류되었으며, 토픽별 출현확률이 높은 순으로 키워드가 도출되었다. 이후 도출된 주요 키워드와 뉴스원문을 비교하여 토픽명을 부여하였다.

후속연구

본 연구의 한계 및 제언사항으로, 첫째, 분석기간이 총 72일에 한정되어, 전 시기에 나타난 코로나19 관련 토픽을 파악하는 데에 한계가 있다. 따라서, 코로나19 상황이 종료되는 시점까지의 뉴스를 추가하여 분석한 다면 더욱 정확한 토픽을 파악할 수 있을 것이다. 둘째, 코로나19와 관련된 토픽은 뉴스뿐만 아니라 각계 각층에서 생산하는 다양한 텍스트를 통해서도 파악할 수 있다.
본 연구의 한계 및 제언사항으로, 첫째, 분석기간이 총 72일에 한정되어, 전 시기에 나타난 코로나19 관련 토픽을 파악하는 데에 한계가 있다. 따라서, 코로나19 상황이 종료되는 시점까지의 뉴스를 추가하여 분석한 다면 더욱 정확한 토픽을 파악할 수 있을 것이다.
둘째, 코로나19와 관련된 토픽은 뉴스뿐만 아니라 각계 각층에서 생산하는 다양한 텍스트를 통해서도 파악할 수 있다. 후속 연구에서는 뉴스와 함께, 정부 보도자료, SNS, 논문초록 등을 추가하여 분석을 수행할 것을 제언한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	LDA기법이란 무엇인가?	LDA기법은 문헌들을 구성하는 키워드들을 출현확률 및 분포에 따라 군집화하여 토픽을 추론하는 통계적 텍스트 처리 기법이다[23]. 본 연구에서는 NetMiner 프로그램을 활용하여 뉴스 텍스트에서 추출된 키워드를 매트릭스로 생성해 LDA 분석(α=0.
	최근 확산되고 있는 코로나19의 뉴스 빅데이터를 활용해 감염병 위기경보 4단계를 기준으로 4개 시기로 구분하여 토픽모델링 분석을 수행한 결과, 시기별로 도출된 토픽은 어떻게 되는가?	제1기에는 ①국제적 불안감 고조 ②중국 춘절 시기 확산 우려 ③국내 증상자 발생 우려 ④중국 폐렴 증상 감염병 발생 ⑤정부 초기 대응조치, 제2기에는 ①국내 확진자 발생 ②중국 전염병 확산 ③정부 대응조치 강화 ④신종 감염병 증상 및 예방법 ⑤세계 각국 확진자 발생, 제3기에는 ①중국 사망자 증가 ②크루즈선 집단감염 각국 대응현황 ③우한 교민 귀국 및 격리 ④대구·경북지역 확산 ⑤국내 경제 피해, 제4기에는 ①대구·경북지역 확진/사망자 증가 ②신천지 관련 논란 ③시민들의 피해 극복 노력 ④경제 피해 대책 마련 ⑤국제적 확산 상황 등의 토픽이 나타났다.
	코로나19에 감염되면 어떤 증상들이 나타나는가?	코로나 바이러스는 동물 및 사람에게 감염될 수 있는 바이러스로서, 현재까지 사람에게 중증 폐렴을 일으키는 유형으로는 사스(SARS-CoV), 메르스(MERS-CoV), 코로나19(COVID-19)가 발견되었다. 코로나19는 비말, 접촉을 통해 전파되며, 발열, 권태감, 기침, 호흡곤란, 폐렴, 급성호흡곤란증후군 등 경증에서 중증까지 다양한 호흡기감염증상이 나타난다. 코로나19는 고령, 면역기능이 저하된 환자, 기저질환을 가진 환자에게 중증 또는 사망을 초래할 수 있으며, 코로나19에 대한 백신은 아직 개발되지 않았다[4].

참고문헌 (25)

질병관리본부, "검역단계에서 해외유입 신종코로나바이러스 확진환자 확인, 감염병 위기 경보를 '주의'단계로 상향, 대응," 질병관리본부 보도자료, 2020.1.20.
질병관리본부, "코로나바이러스감염증-19 국내 발생현황," 질병관리본부 보도자료, 2020.3.4.
질병관리본부, "코로나바이러스감염증-19 국내 발생현황," 질병관리본부 보도자료, 2020.4.21.
김남순, "코로나바이러스감염증-19 현황과 과제," 보건복지 Issue&Focus, 제373호, pp.1-12, 2020.
질병관리본부, "코로나바이러스감염증-19 범정부대책회의 브리핑," 질병관리본부 보도자료, 2020.2.23.
옥철, "WHO, 코로나19 팬데믹 선언," 연합뉴스, 2020.3.12.
강아영, "감염병 보도 무엇보다 정확해야… 가이드라인 논의 필요," 한국기자협회뉴스, 2020.2.14.
김여라, "감염병 보도 규제의 현황 및 개선 방안," 국회입법조사처 이슈와 논점, 제1665호, pp.1-4, 2020.
최예린, "코로나 19에 대한 보육교사의 정서적 경험과 달라진 어린이집 일상에 관한 연구," 한국유아교육연구, 제22권, 제1호, pp.253-279, 2020.
문현철, "해외 감염병재난 대응체계의 개선 방안에 관한 연구," 인문사회21, 제11권, 제1호, pp.155-170, 2020.
김영국, "개정데이터 3법과 보험업의 과제(디지털 헬스케어 서비스 활성화를 중심으로)," 보험법연구, 제14권, 제1호, pp.495-524, 2020.
유연실, "중국 근현대 의료사 연구의 새로운 흐름과 동향," 역사학연구, 제77권, pp.1-49, 2020.
주영기,유명순, "신문？TV뉴스의 신종 출몰형 질환 및 만성질환 보도 패턴 분석," 한국언론학보, 제54권, 제2호, pp.363-381, 2010.

상세보기
주영기,유명순, "한국 언론의 신종플루 보도 연구," 한국언론학보, 제55권, 제5호, pp.30-54, 2011.
차동필, "신종 조류독감 보도에 대한 제3자 효과 연구," 홍보학연구, 제18권, 제1호, pp.188-211, 2014.
진나영, 정정주, "한국 메르스 사태에 대한 국내외 언론보도 의미망 비교연구," 언론과학연구, 제18권, 제2호, pp.222-262, 2016.
박건숙, "전염병 보도 프레임 연구," 한국어의미학, 제52권, pp.1-29, 2016.
김영욱, 함승경, "보도 내러티브와 문화적 편향 그리고 사회자본이 낙인에 미치는 영향(메르스 사태를 중심으로 한 분석)," Crissonomy, 제13권, 제1호, pp.63-84, 2017.
김병철, "메르스 보도가 메르스 정보 검색행위에 미치는 영향," 커뮤니케이션학연구, 제27권, 제1호, pp.207-224, 2019.
조재희, 조인호, "2018 메르스 해외 재유입에 대한 주요 온라인 이슈 탐색," 한국디지털콘텐츠학회논문지, 제20권, 제5호, pp.1051-1060, 2019.
정원준, 김대욱, 윤호영, 이형민, 박진우, 김동성, 손영곤, 전홍식, 천용석, 정유미, 박종구, 빅데이터의 분석방법과 활용, 학지사, 2020.
김태종, 박상옥, "뉴스 빅데이터를 활용한 평생교육토픽 분석," 평생교육학연구, 제25권, 제3호, pp.29-63, 2019.
D. M. Blei and J. D. Lafferty, "Topic Models," Text Mining: Classification, clustering, and application, Vol.10, No.71, pp.1-34, 2009.
W. Zhao, J. Chen, and W. Zen, "Best Practices in Building Topic Models with LDA for Mining Regulatory Textual Documents," CDER 9Th November, 2015.
권호천, "메르스 사태에 대한 신문보도의 의미연결망 분석," 의료커뮤니케이션, 제11권, 제1호, pp.63-80, 2016.

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