[논문]지오트윗 사용자의 이동 특성 분석에 관한 연구: 국내 이동과 해외 이동 비교 연구

백의영; 조재희

doi:10.15207/jkcs.2020.11.7.169

지오트윗 사용자의 이동 특성 분석에 관한 연구: 국내 이동과 해외 이동 비교 연구
A Study on the Movement Characteristics of Geotweet Users: A Comparative Study on Domestic and International Movements 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.7, 2020년, pp.169 - 180

백의영 (광운대학교 시공간데이터분석연구실) , 조재희 (광운대학교 정보융합학부)

초록
AI-Helper

본 연구는 국가 간 이동이 발생한 지오트윗 사용자를 이동거리평균과 이동거리표준편차에 따라 그룹화하여, 국가 간 이동과 자국 내 이동에서 나타나는 특징을 발견하고 연구의 의의를 찾고자 하였다. 데이터마트를 구축 후 국가 간 이동과 자국 내 이동이 발생한 지오트윗을 분리하였고, 해버사인공식을 이용해 사용자의 이동거리를 측정하였다. 국가 간 이동 집단에서는 동일한 언어를 사용하며 생활방식이 비슷한 국가 사이에서 많이 이동하였고, 자국 내 이동에서는 인프라가 잘 구축된 선진국 위주의 국가에서 많은 이동이 발생하였다. 본 연구는 사용자별 이동거리를 계산하여 공통된 특징을 도출하고자 하였으며, 사용자의 이동거리 특성에 따라 그룹화하였다. 본 연구에서 분석한 21개국은 국가별 경제력이나 나이, 직업 등에서 차이가 커 많은 제반 사항이 고려되어야 정밀한 분석이 가능할 것이다. 향후에는 현실적인 사항을 추가한 연구가 진행되어야 할 것이다.

Abstract ▼ AI-Helper

The purpose of this study was to find the characteristics of the foreign and domestic travels and to seek out the significance of the study, by grouping the geotweets users who moved abroad, according to the average and the standard deviation of moving distances. Geotweets which caused foreign and domestic travels occurred divided, after building a data mart and the moving distances of users were measured by using the Haversine formula. It has moved more often among groups of foreign travelers in countries that use the same language and have similar lifestyles. There has been a lot of movement in developed countries with well-established infrastructure in a group of domestic travelers. This study tried to draw common features, by calculating the travel distances by each user and grouped users according to the characteristics of user's moving distances. There are significant differences in national economic power, age, jobs, etc. among users from a total of 21 countries analyzed by this study, so a more precise analysis would be able to be conducted, only if the whole conditions are considered. A future study should additionally consider real factors.

주제어

표/그림 (11)

그림 Fig. 1. Comparing R² Visualizations of International Travelers with GeoTweets
표 Table 1. Numerical Comparing R² with GeoTweets for International Travelers
그림 Fig. 2. Acquisition Day Criteria Analysis Country GeoTweet Data Volume
표 Table 2. Aggregated Global Geotweets
그림 Fig. 3. DataMart for Analysis of Geotweets Users' Domestic and International Travelers
표 Table 3. The Number of Geotweets and Population from Two or More Countries
그림 Fig. 4. Origin and Destination Countries Observed by Heatmap
그림 Fig. 5. International Movement of Users in 21 Countries by Edge Weight more 1000 and Atlantic Ocean vs. Pacific Ocean
그림 Fig. 6. Domestic Movement of Users in 21 Countries by Country Size Group and Continent Group
그림 Fig. 7. Transfer Links between Countries
그림 Fig. 8. Transfer Links between Countries (Departure Country is US)

AI 본문요약
AI-Helper

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

문제 정의

그러나 본 연구에서는 연구의 공간적 범위를 트위터 사용국가 246개 중 90% 이상의 비율이 나타나는 20개 국(US, TR, BR, JP, MY, ID, TH, MX, GB, PH, ES, RU, AR, IT, CA, KW, FR, CL, CO, AU)에 우리나라 (KR)를 포함하여 사용자 이동에 관한 변화를 비교하고자 하였다. 지오트윗 사용자가 적어지는 추세에 놓여 많은 국가의 사용자에 관한 분석이 이루어져야 공통된 특징을 도출하는 것에 높은 활용 가치를 가질 수 있을 것으로 판단하였다.
국가 간 이동이 발생한 트윗은 1,108,778건이고, 자국 내 이동만 나타난 트윗은 10,184,940건으로 집계되었다. 둘 간의 이동에 관한 차이를 비교해 각 그룹 내 특징을 발견하고자 한다. Table 2와 같다.
본 연구는 인간의 이동에 대해서 이해할 수 있는 지표를 개발하여 인간이 이동하는 거리를 계산하였다. 이를 통해 지오트윗 사용자 그룹별 이동에 관한 특성을 밝혀 인간의 이동에 대한 이해를 높일 수 있었다.
본 연구의 의의는 트윗을 사용하는 주요 21개국에서 발생한 빅데이터를 분석하여 인간의 행태 및 특징을 고찰한 것이다. 지오트윗에 관한 유의미성을 검증하기 위해 미국 비행기 승객수를 이용하여 비교 검증하였고, 21개국에서 445,276명의 지오트윗 사용자의 이동패턴을 태블로(Tableau 2020.
기존 연구자들이 분석에 이용한 도구는 달랐으나, 결론은 단순 통계를 이용하여 사용자가 많이 이동한 경로를 살펴본 정도에 불과하다. 이에 본 연구는 사용자별 이동거리 계산을 통해 기존 연구를 발전시키고 공통된 특징을 도출하고자 하였으며, 사용자의 이동거리 특성에 따라 그룹화 하였다. 또한 기존 연구자들은 지오트윗 사용자가 이동한 물리적 공간을 국내로 제한한 연구가 다수였다.
지오트윗을 통해 트위터 사용자의 이동에 관한 특징을 살펴볼 수 있다는 것은 인간의 행태를 잘 이해할 수 있다는 것과 동일한 의미이다. 이에 전 세계 지오트윗 사용자의 특성을 고찰하고자 하였다. 지오트윗 사용 자의 특성을 고찰하기 위한 구체적 방안으로는 국가 간이동성에 관한 지오트윗 사용자의 특징에 대해 파악해보고자 한다.
이에 전 세계 지오트윗 사용자의 특성을 고찰하고자 하였다. 지오트윗 사용 자의 특성을 고찰하기 위한 구체적 방안으로는 국가 간이동성에 관한 지오트윗 사용자의 특징에 대해 파악해보고자 한다.
지오트윗 사용자를 이용하여 21개국 내에서 이동한 사용자 간의 이동 링크를 살펴보고자 하였다. 출발국과 도착국 간의 이동이 발생한 사용자는 Fig.
지오트윗의 특징을 밝히기 위해 두 가지 연구 문제에 답하고자 하였다. 먼저, ‘지오트윗 사용자는 그룹화될 수있는가? 그룹화될 수 있다면, 국가 간 이동과 자국 내 이동에서 나타나는 두 그룹의 특징은 무엇인가?’ 다음으로 ‘이들의 이동 특성에 관한 의의는 무엇인가?’에 대해 답을 찾고자 한다.

제안 방법

넷째, 21개국 내에서도 국가 간 이동이 있는 사용자만을 추출하기 위해 사용자의 ID에 따라 일시로 정렬하여 출발국과 도착국으로 O-D를 구성하였다. 그 결과, 21개국 내에서 국가 간 이동을 한 사용자는 445,276명으로 11,738,994건의 트윗을 게시하였다.
다음으로 DIM_LINK 차원은 분석에 이용될 출발국과 도착국의 링크(COUNTRY_O-D_LINK)와 사용자의 정확한 위치로 이동거리를 계산하기 위해 LON-LAT_O-D _LINK를 추가하였다.
다음으로 수식(2)를 통해서 구한 이동거리를 이용하여 수식(3)과 같이 이동거리평균(Mean Travel Distance, MTD)을 구하였고 수식(4)와 같이 이동거리표준편차 (Standard Deviation Travel Distance, SDTD)를 구하였다.
먼저, 국가 간의 이동에서는 국경이 맞닿은 국가와 그렇지 않은 국가 간의 이동, 그리고 대서양과 태평양을 사이에 둔 국가 간의 이동으로 그룹화하여 살펴보았다. 다음으로 자국 내 이동에서는 국토면적과 대륙별로 그룹화 하여 살펴보았다. 이 두 그룹에서 나타난 각각의 특징은 다음과 같다.
본 연구에서는 지오트윗 사용자를 4개로 그룹화하였다. 먼저, 국가 간의 이동에서는 국경이 맞닿은 국가와 그렇지 않은 국가 간의 이동, 그리고 대서양과 태평양을 사이에 둔 국가 간의 이동으로 그룹화하여 살펴보았다. 다음으로 자국 내 이동에서는 국토면적과 대륙별로 그룹화 하여 살펴보았다.
회귀모델을 이용하여 시공간적 패턴에 대한 분석을 시행하였다. 사건 관련 키워드 및 해시태그가 나타난 개별 트윗을 거리기반 클러스터링(1km 2 당 트윗 밀도 1천 개로 표시)을 통해 지리적 분포를 보았다. 이들은 트위터 사용자들이 예상치 못한 사건에 반응하는 방식과 사건에 대한 정보가 지리적으로 전파되고 있는 방식을 알아내었다는 점에 의의가 있다고 밝혔다.
둘째, 연구자가 분석할 수 있는 정도의 데이터를 추출 하는 것이 첫 번째 과제였다. 사람이 게시한 것으로 판단되는 인스타그램과 포스퀘어 두 기기에서 트윗을 보낸 사용자들의 트윗만을 추출하였다. 총 246개국에서 7,037,529명이 81,076,735건을 게시한 것으로 집계되었다.
3은 지오트윗 사용자의 이동에 따른 특징을 밝혀 내기 위해 데이터마트를 구축한 것이다. 사용자(USER)로 국가 간 이동자와 자국 내 이동자를 구분하였다. 하나의 사실 테이블(FACT_GEOTWEET) 하나와 세 개의 차원 테이블을 갖고 있다.
사용자의 이동 거리를 계산하기 위해서 개별 사용자가 트윗을 게시한 날짜와 시간 순서로 정렬하였다. 사용자가 처음 트윗을 게시한 장소에서 다음 장소까지의 거리를 계산하기 위해, 수식(1)을 이용하였다. 수식(1)은 사용자의 경위도 좌표를 이용하여 이동한 국가 및 장소 간의 거리를 계산할 수 있는데, Lat_c는 사용자가 위치한 장소의 위도를 나타내고 있고 Lon_c는 경도를 나타내고 있다.
사용자(USER)별로 방문국가수(NUMBER OF VI SITED COUNTRIES)를 계산하여 2개국 이상을 이동한 사용자만을 선별하였다. 사용자별로 출발국가(ORIGIN_ COUNTRY)와 도착국가(DESTINATION_COUNT RY)를 구성하기 위해 사용자가 게시한 트윗을 시간 순서대로 정렬 후, 국가코드(COUNTRY_CODE)를 이용하여 출발국과 도착국 링크(O-D_LINK)를 구성하였다.
사용자의 이동 거리를 계산하기 위해서 개별 사용자가 트윗을 게시한 날짜와 시간 순서로 정렬하였다. 사용자가 처음 트윗을 게시한 장소에서 다음 장소까지의 거리를 계산하기 위해, 수식(1)을 이용하였다.
지오트윗 사용자 중 국가 간 이동이 있는 사용자만을 추출하기 위해 DIM_LOCATION 차원 테이블을 구축하 였다. 사용자(USER)별로 방문국가수(NUMBER OF VI SITED COUNTRIES)를 계산하여 2개국 이상을 이동한 사용자만을 선별하였다.
본 연구의 의의는 트윗을 사용하는 주요 21개국에서 발생한 빅데이터를 분석하여 인간의 행태 및 특징을 고찰한 것이다. 지오트윗에 관한 유의미성을 검증하기 위해 미국 비행기 승객수를 이용하여 비교 검증하였고, 21개국에서 445,276명의 지오트윗 사용자의 이동패턴을 태블로(Tableau 2020.1)를 이용해 사용자가 평균적으로 이동한 거리와 표준편차에 따라 그룹화하여 이들의 특징을 규명하였다.
총 445,276명의 지오트윗 사용자가 이동한 이동거리를 계산하였고, 이동 거리평균과 이동거리표준편차를 이용해 이동 유형을 국가 간 이동 집단과 자국 내 이동 집단으로 구분하여 CDF 차트를 그려보았다.
[12]는 사람들이 2015년 파리 테러 공격에 SNS상에서 대응하는 방식을 탐색하고자 하였다. 회귀모델을 이용하여 시공간적 패턴에 대한 분석을 시행하였다. 사건 관련 키워드 및 해시태그가 나타난 개별 트윗을 거리기반 클러스터링(1km 2 당 트윗 밀도 1천 개로 표시)을 통해 지리적 분포를 보았다.

대상 데이터

첫째, Streaming API를 이용해 2014년 8월 23일부터 2018년 3월 3일까지 244일간 수집된 지오트윗 데이터를 이용하였다. 데이터 총량은 1,092,845,631 행으로, 192.3GB로 구성된 데이터가 수집되었다.
본 연구에서는 지오트윗 사용자를 4개로 그룹화하였다. 먼저, 국가 간의 이동에서는 국경이 맞닿은 국가와 그렇지 않은 국가 간의 이동, 그리고 대서양과 태평양을 사이에 둔 국가 간의 이동으로 그룹화하여 살펴보았다.
지오트윗 사용자 중 국가 간 이동이 있는 사용자만을 추출하기 위해 DIM_LOCATION 차원 테이블을 구축하 였다. 사용자(USER)별로 방문국가수(NUMBER OF VI SITED COUNTRIES)를 계산하여 2개국 이상을 이동한 사용자만을 선별하였다. 사용자별로 출발국가(ORIGIN_ COUNTRY)와 도착국가(DESTINATION_COUNT RY)를 구성하기 위해 사용자가 게시한 트윗을 시간 순서대로 정렬 후, 국가코드(COUNTRY_CODE)를 이용하여 출발국과 도착국 링크(O-D_LINK)를 구성하였다.
셋째, 7,037,529명이 246개국에서 게시한 트윗은 상위 20개국에서 80% 이상의 트윗 사용자가 90% 이상의 트윗을 게시한 것으로 밝혀졌다. 상위 20개국에 우리나 라를 포함(6,191,852명의 사용자가 70,747,890건의 트윗 생성)하여 총 21개국을 분석하고자 하였다.
위치기반의 지오트윗은 트위터 전체의 1%에서만 발견되는 희박성으로 인해 사용자의 특징을 관찰하고 발견하여 종합하는 것이 매우 어렵다. 설득력 있는 분석을 진행하고자 전 세계 지오트윗 사용자 중 80% 이상이 위치한 상위 20개국에 우리나 라를 포함해 이동성 연구를 진행하였다. 총 445,276명의 지오트윗 사용자가 이동한 이동거리를 계산하였고, 이동 거리평균과 이동거리표준편차를 이용해 이동 유형을 국가 간 이동 집단과 자국 내 이동 집단으로 구분하여 CDF 차트를 그려보았다.
우측은 21개국을 대륙으로 구분한 것이다. 아시아에 가장 많은 8개 국가(ID, JP, KR, KW, MY, PH, RU, TH)가 있고, 유럽에 5개 국가(ES, FR, GB, IT, TR), 북 미에 2개국(CA, US), 남미에 5개국(AR, BR, CL, CO, MX), 오세아니아에는 오스트레일리아 1개국만 포함되어 있어 AU로 표기하였다.
우측은 대서양을 사이에 둔 국가와 태평양을 사이에둔 국가 간 이동 거리로, Fig. 4의 행렬에 있는 셀 중에서 대서양과 태평양을 사이에 둔 31개 국가만을 추출하여 CDF 차트로 표현하였다. 태평양이 더 넓기때문에 평균 이동거리가 14,287km로 더 크고, 대서양을 횡단한 트윗인구의 평균 이동거리는 8,633km이다.
본 연구의 분석을 위한 데이터 정제 과정을 설명하면 다음과 같다. 첫째, Streaming API를 이용해 2014년 8월 23일부터 2018년 3월 3일까지 244일간 수집된 지오트윗 데이터를 이용하였다. 데이터 총량은 1,092,845,631 행으로, 192.
사람이 게시한 것으로 판단되는 인스타그램과 포스퀘어 두 기기에서 트윗을 보낸 사용자들의 트윗만을 추출하였다. 총 246개국에서 7,037,529명이 81,076,735건을 게시한 것으로 집계되었다.

이론/모형

는 수식(2)와 같다. 수식(2)는 경위도 좌표를 이용하여 두 지점 사이의 거리를 구하는 대표적인 공식인 해버 사인 공식(Haversine formula)[21]을 이용하였다. 수식 (2)에서 A는 (Lat_i-Lat_c)이고 O는 (Lon _i-Lon_c)이다.

성능/효과

아시아에 가장 많은 8개 국가(ID, JP, KR, KW, MY, PH, RU, TH)가 있고, 유럽에 5개 국가(ES, FR, GB, IT, TR), 북 미에 2개국(CA, US), 남미에 5개국(AR, BR, CL, CO, MX), 오세아니아에는 오스트레일리아 1개국만 포함되어 있어 AU로 표기하였다. 5개 대륙에서의 총 이동은 북미, 유럽, 남미, 아시아, 오스트레일리아 순서로 총이동량이 많은 것으로 나타났다. 이는 트윗인구의 이동이 소위 선진국으로 분류되는 국가일수록 인프라 정비가 잘되어 있기 때문에 먼 거리의 이동이 많은 것을 알 수 있다.
넷째, 자국 내 이동거리평균(Avg.MTD)의 평균은 북미, 오스트레일리아, 남미, 아시아, 유럽 순서로 평균 이동이 적었다. 트윗인구의 이동을 그룹화하여 나타난 현상인데, 트위터를 사용하는 국가의 수가 상위 20개국에서 90%를 보이기에 그룹화한 국가의 수가 비례할 수 없다는 데이터의 한계점으로 볼 수 있다.
다섯째, 국가 간 이동에 관한 링크를 살펴본 결과에 따르면 이동거리평균과 이동거리표준편차의 간격이 클수록 O_D를 구성하는 국토의 면적이 넓은데, 이는 먼 거리 또는 많은 장소를 이동하기 때문일 것이다. 그러나 예외적으로 국토가 넓지만, 간격이 좁게 나타난 국가는 실제 사람이 방문할 수 있는 지역이 없는 사막 또는 빙하가 존재 하는 국가들이었다.
더불어 트윗을 게시한 시간을 분석한 결과, 주간활동이 활발한 지역은 1·2·4·6·7 다섯 개 지역이 었고, 야간활동이 활발한 지역은 1·2·3지역이라고 밝혔 다.
둘째, 국토면적으로 그룹화하여 비교한 결과, 영토의 면적이 넓은 국가일수록 이동거리평균 역시도 긴 것으로 밝혀졌다. 우리나라 서울에서 부산을 가는 거리와 미국 시애틀에서 마이애미를 가는 것과는 10배가 넘는 거리를 이동해야 하므로 자국 내 이동이라고 할지라도 영토가 클수록 이동거리가 긴 것이 당연하다.
마지막으로 DIM_GROUP은 국가 간 이동과 자국 내이동을 살펴보기 위해 구성한 차원 테이블로, 사용자의 정확한 위치에 따라 이동거리를 계산하여 이동거리표준 편차와 이동거리평균을 구할 수 있었다.
마지막으로, 국가 간 이동이 발생한 396,693명의 트윗데이터를 국가 간 이동과 자국 내 이동으로 분리하였다. 국가 간 이동이 발생한 트윗은 1,108,778건이고, 자국 내 이동만 나타난 트윗은 10,184,940건으로 집계되었다.
840525로 나타났다. 매우 유의미한 값으로, 지오트윗 사용자들의 이동이 현실에서의 이동 인구와 유사성이 매우 높은 것을 알 수 있다. p-값이 <0.
셋째, 7,037,529명이 246개국에서 게시한 트윗은 상위 20개국에서 80% 이상의 트윗 사용자가 90% 이상의 트윗을 게시한 것으로 밝혀졌다.
셋째, 자국 내 이동을 5개 대륙으로 구분하여 살펴본 결과, 총 이동거리는 북미, 유럽, 남미, 아시아, 오스트레 일리아 순서로 높게 나타났다. 선진국으로 분류되는 국가 일수록 인프라 정비가 잘되어 있어서 트윗인구의 먼 거리 이동이 높게 나타나고 있음을 알 수 있다.
마지막으로, 미국 이외에 국가 간의 이동이 발생하지 않은 국가는 있지만, 미국으로 이동하지 않은 국가는 없었기 때문이다. 이러한 이유로 지오트윗 사용자와 미국 비행기 출입국 승객수를 비교하는 것이 가장 적절하다고 판단되었다. 미국과 캐나다, 미국과 멕시코가 가장 높은 이동을 보인다.
본 연구는 인간의 이동에 대해서 이해할 수 있는 지표를 개발하여 인간이 이동하는 거리를 계산하였다. 이를 통해 지오트윗 사용자 그룹별 이동에 관한 특성을 밝혀 인간의 이동에 대한 이해를 높일 수 있었다. 본 연구는 지오트윗이 발생한 21개국에서 발생한 사용자 간의 이동 거리를 측정하고 이를 그룹화하였다는 점에서 의의가 있다.
첫째, 국경이 맞닿아 있는 국가 간의 이동이 높게 나타났는데, 특히 미국 주변의 영어권 국가에서 트윗 사용자의 이동이 높게 나타났다. 물리적 거리가 가깝고 동일한 언어, 즉 생활방식과 문화적 차이가 적은 국가 간의 이동이 높게 나타났다[3,14].
지오트윗 사용자 수를 미국의 비행기 출입국 승객수로 비교한 이유는 다음과 같다. 첫째, 트위터가 미국에서 시작되었고, 둘째, 지오트윗 사용자 중 가장 많은 인구가 미국에 있다. 마지막으로, 미국 이외에 국가 간의 이동이 발생하지 않은 국가는 있지만, 미국으로 이동하지 않은 국가는 없었기 때문이다.
트윗은 대도시 지역의 도로를 중심으로 분포하였으나 플리커는 유명 관광지를 중심으로 분포하였다. 특히, 캘리포니아를 대상으로 두 SNS데이터의 밀도와 사회경제적 특성의 관계를 분석한 결과, 교육수준이나 인종과 같은 요인이 공간적으로 관련이 있는 것으로 파악하였다.

후속연구

이들이 자주 등장하는 장소를 파악하고 장소에 대한 이해를 통해 보존해야 할 지역과 최신의 흐름을 반영한 장소로 탈바꿈할 수 있는 지역을 구분한다면, 주변 지역과의 상생발전을 기대해 볼 수 있다. 그러나 분석한 21개국은 국가별 경제력이나 나이, 직업 등에서 차이가 크기때문에 여러 제반 사항이 고려되어야 정밀한 분석이 가능할 것이다. 또한, 본 연구는 지오트윗 데이터만을 이용하여 연구의 결과를 일반화하는 것은 현실적으로 어렵다고 볼수 있다.
또한, 본 연구는 지오트윗 데이터만을 이용하여 연구의 결과를 일반화하는 것은 현실적으로 어렵다고 볼수 있다. 이를 위해 본 연구 결과를 토대로 현실적 사항을 추가한 후속 연구가 수행되어야 할 것이다.
그러나 본 연구에서는 연구의 공간적 범위를 트위터 사용국가 246개 중 90% 이상의 비율이 나타나는 20개 국(US, TR, BR, JP, MY, ID, TH, MX, GB, PH, ES, RU, AR, IT, CA, KW, FR, CL, CO, AU)에 우리나라 (KR)를 포함하여 사용자 이동에 관한 변화를 비교하고자 하였다. 지오트윗 사용자가 적어지는 추세에 놓여 많은 국가의 사용자에 관한 분석이 이루어져야 공통된 특징을 도출하는 것에 높은 활용 가치를 가질 수 있을 것으로 판단하였다.
본 연구는 지오트윗이 발생한 21개국에서 발생한 사용자 간의 이동 거리를 측정하고 이를 그룹화하였다는 점에서 의의가 있다. 향후 다양한 공간분석 기법으로 분석된다면 다양한 지리적 연구의 수행 및 마케팅에 활용될 수 있을 것으로 전망된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지오트윗의 기능은 무엇인가?	지오트윗은 시간의 변화에 따라 트윗량 또는 인구수를 정량화할 수 있다. 지오트윗을 이용한 다수의 선행연구에 서는 지오트윗 사용자를 센서스 보조 데이터로 활용할수 있고 사용자의 행태 및 인구밀도, 인구분포 등을 파악 하여 새로운 비즈니스에 활용 가능할 것으로 판단하고 있다[3-6].
	지오트윗 사용 자의 특성을 고찰하게 한 근거는 무엇인가?	그러나 이들의 연구에서는 전 세계 지오트윗 사용자들의 정확한 위치가 있음에도 불구하고, 하나의 도시 또는 동 단위의 협소한 공간에서 나타난 현상만을 밝히고 있다. 지오트윗을 통해 트위터 사용자의 이동에 관한 특징을 살펴볼 수 있다는 것은 인간의 행태를 잘 이해할 수 있다는 것과 동일한 의미이다. 이에 전 세계 지오트윗 사용자의 특성을 고찰하고자 하였다.
	앞선 다수의 선행연구에서는 지오트윗 사용자 활용 범위를 어떻게 판단하였는가?	지오트윗은 시간의 변화에 따라 트윗량 또는 인구수를 정량화할 수 있다. 지오트윗을 이용한 다수의 선행연구에 서는 지오트윗 사용자를 센서스 보조 데이터로 활용할수 있고 사용자의 행태 및 인구밀도, 인구분포 등을 파악 하여 새로운 비즈니스에 활용 가능할 것으로 판단하고 있다[3-6]. 그러나 이들의 연구에서는 전 세계 지오트윗 사용자들의 정확한 위치가 있음에도 불구하고, 하나의 도시 또는 동 단위의 협소한 공간에서 나타난 현상만을 밝히고 있다.

참고문헌 (22)

S. D. Kim, T. Y. Seong & M. H. Lee. (2015). Impacts of Inauguration of Sejong Metropolitan Autonomous City on Population Migration Network in Neighboring Areas : Focused on Population Migration in Chungcheong Region. Journal of the Korean Regional Development Association, 27(5), 283-302.
D. S. Kim, J. H. Jang & D. H. Lee. (2009). Analysis of Population Movement by Region, Journal of the Korea Development Economics, 15(1), 133-152.
J. Kulshrestha, F. Kooti, A. Nikravesh & P. K. Gummadi. (2012). Geographic Dissection of the Twitter Network. ICWSM 2012, 202-209.
M. Lenormand, B. Goncalves, A. Tugores & J. J. Ramasco. (2015). Human diffusion and city influence. Journal of The Royal Society Interface, 12(109), 20150473. DOI : 10.1098/rsif.2015.0473

상세보기
I. Y. Hong. (2015). Spatial Distribution of Korean Geotweets. Journal of the Korean Cartographic Association, 15(2), 93-101.
Y. K. Cha. (2018). Spatial Characteristics of High-density Location-based Social Network Service Data: The Case of Tweet Data in Seoul. The Geographical Journal of Korea, 52(2), 257-267.
Blanford, J. I., Huang, Z., Savelyev, A. & MacEachren, A. M. (2015). Geo-located tweets. Enhancing mobility maps and capturing cross-border movement. PloS one, 10(6). DOI : 10.1371/journal.pone.0129202

상세보기
Zagheni, E., Garimella, V. R. K., Weber, I. & State, B. (2014). Inferring international and internal migration patterns from twitter data. In Proceedings of the 23rd International Conference on World Wide Web, 439-444.
Khan, S. F., Bergmann, N., Jurdak, R., Kusy, B. & Cameron, M. (2017). Mobility in cities: Comparative analysis of mobility models using Geo-tagged tweets in Australia. In 2017 IEEE 2nd International Conference on Big Data Analysis (ICBDA), 816-822. DOI : 10.1109/ICBDA.2017.8078751.
Hawelka, B., Sitko, I., Beinat, E., Sobolevsky, S., Kazakopoulos, P. & Ratti, C. (2014). Geo-located Twitter as proxy for global mobility patterns. Cartography and Geographic Information Science, 41(3), 260-271.

상세보기
Huang, Y., Li, Y. & Shan, J. (2018). Spatial-temporal event detection from geo-tagged tweets. ISPRS International Journal of Geo-Information, 7(4), 150. DOI : 10.3390/ijgi7040150.

상세보기
Cvetojevic, S. & Hochmair, H. H. (2018). Analyzing the spread of tweets in response to Paris attacks. Computers, Environment and Urban Systems, 71, 14-26. DOI : 10.1016/j.compenvurbsys.2018.03.010.

상세보기
J. H. Cho & I. J. Seo. (2016). Comparing the Spatial Mobility of Residents and Tourists by using Geotagged Tweets. Journal of Information Technology Services, 15(3), 211-221. DOI : 10.9716/KITS.2016.15.3.211
Lenormand, M., Goncalves, B., Tugores, A. & Ramasco, J. J. (2015). Human diffusion and city influence. Journal of The Royal Society Interface, 12(109), 473. DOI : 10.1098/rsif.2015.0473.
Soliman, A., Yin, J., Soltani, K., Padmanabhan, A. & Wang, S. (2015). Where Chicagoans tweet the most: Semantic analysis of preferential return locations of Twitter users, In Proceedings of the 1st International ACM SIGSPATIAL Workshop on Smart Cities and Urban Analytics. ACM, 55-58. DOI : 10.1145/2835022.2835032.
Leetaru, K., Wang, S., Cao, G., Padmanabhan, A. & Shook, E. (2013). Mapping the global Twitter heartbeat: The geography of Twitter. First Monday, 18(5).
C. Y. Ku. (2018). Spatial Characteristics of High-density Location-based Social Network Service Data: The Case of Tweet Data in Seoul. The Geographical Journal of Korea, 52(2), 257-267.
Li, L., Goodchild, M. F. & Xu, B. (2013). Spatial, temporal, and socioeconomic patterns in the use of Twitter and Flickr. Cartography and geographic information science, 40(2), 61-77. DOI : 10.1080/15230406.2013.777139.

상세보기
BTS. (Accessed 13 June 2019) Air Passenger Travel Arrivals in the United States from Selected Foreign Countries. https://www.bts.gov/content/air-passenger-travel-arrivals-united-states-selected-foreign-countries-thousands-passengers
J. H. Oh. (2010). A Comparative Study on the Aerospace Body Inspection System in the United States, Europe and Korea. Conference of Aerospace Medical, 45-46.
J. H. Cho & I. J. Seo. (2017). Investigation of Twitter Users' Activity Radius and Home Region in the City: The Case of Las Vegas. Journal of Korean Institute of Communications and Information Sciences, 42(2), 505-513. DOI : 10.7840/kics.2017.42.2.505

원문보기 상세보기
M. G. Kim. (2016). A Study on Twitter User's Residential Location Inference for Twitter Mining, Ph.D. Thesis. University of Seoul.

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