[논문]클래식 음악 이용자의 정보탐색행태

김보경; 안종헌

문제 정의

따라서 점차 증가하는 클래식 음악에 대한 관심에 맞추어, 이용자들이 필요로 하는 정보를 적절하게 제공하기 위한 시스템 구축을 위해서는, 그들의 정보 검색행태에 대해 연구할 필요가 있다. 이에 본 연구에서는 Dervin(1983)이 고안한 Sense-Making 접근방법에서 사용하는 Micro-Moment Timeline(이하 MMT) 면담기법과 Think-Aloud 면담기법을 적용하여 클래식 음악의 정보탐색과정을 알아 볼 것이다.

가설 설정

둘째로는 카테고리 분류가 이용자의 요구를 만족시키지 못해 효과적인 브라우징이 힘들다는 것이다. 작곡가나 곡명을 모르는 경우, 사이트에서 제공하는 카테고리를 통해 브라우징이 가능하지만 이용자의 특정한 정보요구를 만족시키는데 한계가 있었다.
셋째로 정확한 클래식 곡명을 단번에 파악하기 힘들다는 것이다. 클래식 곡명은 일반적인 음악의 제목과 달리 악장, 장조, 번호, 빠르기말(Tempo Signature) 등의 정보까지 포함되므로 매우 다양한 방식으로 표현된다.

제안 방법

본 연구에서는 미리 설계한 상황들에 맞춰 Think-Aloud 면담기법에 의한 인터뷰 과정을 정리하면 <표 2>와 같다. 또한 모든 인터뷰 진행시 YouTube 및 mkv 형식의 영상이 재생되는 컴퓨터를 이용하여 인터뷰 전 과정을 녹음하였다.
메타데이터 정보가 없어도 스마트폰을 통해 음악 자체로 곡명, 앨범, 작곡가 등의 메타데이터 정보를 검색할 수 있는 서비스이다. 이용자들은 이런 기능을 이용해 곡에 대한 메타데이터를 얻을 수 있지만, 음악 재생을 위해서는 특정 어플리케이션을 설치해야 하기 때문에 추가적으로 키워드 검색을 실시하였다.
녹취한 데이터들의 스크립트를 작성한 후, 공동연구자들이 서로 확인해 차이가 나지 않도록 하였다. 이후 스크립트 검토를 통해 온라인 정보탐색행태를 종류별로 나누었고, 각 행태들의 특징과 이용자가 느꼈던 감정을 파악하였다.
키워드 기반 클래식 음악검색은 네이버, 구글과 같은 일반 포털 사이트, YouTube와 같은 동영상 공유 사이트, 클래식 음악전문 사이트에서 이루어졌다. 주로 작곡가명, 곡명, 지휘자, 연주가, 악기, 음악이 사용된 영상자료명과 같은 메타데이터를 토대로 검색을 실행하였고, 자동완성기능과 연관검색어를 이용해 추가적인 정보탐색이 이루어졌다. 또한 클래식의 장르나 우울, 슬픔과 같은 감정을 나타내는 키워드를 이용한 검색도 이뤄지는 것을 확인할 수 있었다.

대상 데이터

본 연구의 데이터 분석은 인터뷰를 실시한 5인의 클래식 음악 정보검색 경험에 대한 데이터와 Think-Aloud 면담기법을 통해 수집한 데이터들을 이용해 진행하였다.
본 연구의 참여자는 기본적으로 온라인을 통해 클래식 음악에 관한 정보를 검색해본 경험이 있고, 클래식 음악에 관심을 가지고 있지만 관련 지식이 많지 않으며, 온라인상에서 정보를 검색 하는 것에 큰 어려움을 느끼지 않는 20~30대 성인 5명을 대상으로 하였고, 실제로 인터뷰에 응한 대상자는 과 같다.
키워드 기반 클래식 음악검색은 네이버, 구글과 같은 일반 포털 사이트, YouTube와 같은 동영상 공유 사이트, 클래식 음악전문 사이트에서 이루어졌다. 주로 작곡가명, 곡명, 지휘자, 연주가, 악기, 음악이 사용된 영상자료명과 같은 메타데이터를 토대로 검색을 실행하였고, 자동완성기능과 연관검색어를 이용해 추가적인 정보탐색이 이루어졌다.

이론/모형

데이터 수집을 위해 Dervin의 MMT 면담기법과 Think-Aloud 면담기법을 이용하여 심층 인터뷰를 실시하였다.
본 연구는 클래식 음악 이용자의 정보탐색행태를 알아보기 위해 MMT 면담기법과 Think-Aloud 면담기법을 이용하였다. 연구 결과, 클래식 음악 이용자들이 정보탐색과정 중 나타난 문제점은 다음과 같다.

성능/효과

Lee & Downie(2004)는 실생활 속에서 음악정보를 사용하는 사람들의 정보 욕구, 정보 이용 및 탐색 행태에 대한 연구를 수행하였다. 그 연구 결과에 따르면, 이용자들의 음악 장르 선호도는 대중음악인 Rock, Pop에 이어 Classical Music이 3위를 차지했다. 또한 이용자들의 음악과 관련된 온라인 활동으로 가장 높은 비율을 차지한 것은 “음악에 관한 다양한 종류의 정보를 읽는 것”으로 나타났는데, 이는 음반 구매나 음악 감상 그리고 온라인 라디오를 듣는 것보다도 높은 빈도를 나타냈다.
또한 이용자들의 음악과 관련된 온라인 활동으로 가장 높은 비율을 차지한 것은 “음악에 관한 다양한 종류의 정보를 읽는 것”으로 나타났는데, 이는 음반 구매나 음악 감상 그리고 온라인 라디오를 듣는 것보다도 높은 빈도를 나타냈다.
주로 작곡가명, 곡명, 지휘자, 연주가, 악기, 음악이 사용된 영상자료명과 같은 메타데이터를 토대로 검색을 실행하였고, 자동완성기능과 연관검색어를 이용해 추가적인 정보탐색이 이루어졌다. 또한 클래식의 장르나 우울, 슬픔과 같은 감정을 나타내는 키워드를 이용한 검색도 이뤄지는 것을 확인할 수 있었다.
첫째는 작곡가나 곡명과 같은 중요한 메타 데이터를 미리 알고 있는 이용자의 경우, 검색과정에 큰 어려움을 겪지 않지만 추가적인 정보를 얻는 방법으로 연관검색어와 자동완성 기능에 의존하는 경향을 보였다. 이러한 기능은 체계적으로 분류된 클래식 음악 정보를 제공하지 않기 때문에 이용자가 신뢰성이 높은 전문적인 정보를 찾는데 어려움을 겪었다.

후속연구

클래식 음악 이용자의 정보탐색행태에 대한 연구가 거의 이루어지지 않았고, 또한 정보탐색행태의 연구를 위해 MMT 면담기법과 Think-Aloud 면담기법을 이용한 인터뷰를 활용한 연구가 많지 않다는 점에서 본 연구의 의미가 있다. 다만 연구대상자들이 20~30대로 한정되어 있고, 피실험자 수가 적으며, 클래식 음악 전문가가 아닌 일반적인 이용자로 구성되어 있어 클래식 음악 이용자 전체의 정보탐색행태로 일반화하기 힘들다는 한계점이 있다. 따라서 여러 연령대와 클래식 음악에 관한 다양한 지식수준을 가진 이용자를 대상으로 한 심층적인 연구가 필요하다고 본다.
따라서 여러 연령대와 클래식 음악에 관한 다양한 지식수준을 가진 이용자를 대상으로 한 심층적인 연구가 필요하다고 본다. 또한 인터뷰를 통해 이용자들의 요구사항을 파악하고, 이를 반영하는 체계적인 클래식 음악정보검색 시스템의 개발이 필요할 것이다.

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

클래식 음악 이용자의 정보탐색행태
Information seeking behavior of classical music users 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

클래식 음악 이용자의 정보탐색행태 Information seeking behavior of classical music users 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

클래식 음악 이용자의 정보탐색행태
Information seeking behavior of classical music users 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper