• 한국심리학회지 : 문화 및 사회문제
• /
• 제29권1호
• /
• pp.147-170
• /
• 2023

본 연구는 트위터에서 나타나는 '자해' 및 '자살' 관련 게시물의 주요 등장 단어와 핵심 토픽을 탐색하여 그 의미를 파악하고자 하였다. 연구대상은 2019년 10월 29일부터 2020년 11월 30일까지 관련 해시태그를 포함한 '자해' 및 '자살' 관련 해시태그를 포함한 트위터 게시물이었다. 수집된 게시물을 바탕으로 텍스트 마이닝을 실시한 결과, '자해' 관련 6개, 자살 관련 5개로, 총 11개의 핵심토픽이 도출되었다. 토픽에 담긴 주요 메시지를 살펴보면 온라인 상에서는 오프라인에서 표현하기 어려운 자해와 자살 경험을 솔직하게 표현하고 있으며, 도움요청의 경로로 SNS를 활용하고 있었다. 또한 '자해' 및 '자살' 관련 게시물에서 공통 특징과 차별적 특징이 있었다. '자해' 관련 토픽에는 자해의 정서조절 및 대인관계적 기능이 주로 드러난 반면, '자살' 관련 메시지에는 자살 예방 및 사회문제 등에 대한 메시지가 보다 분명하게 드러났다. 이러한 결과는 자해 및 자살사고를 경험한 사람들과 국민들의 자해 및 자살 관련 이슈에 대한 의견을 이해할 수 있고, 효과적인 자해 및 자살예방 및 개입 방안을 모색한다는 점에서 의의가 있겠다.

• 한국조경학회지
• /
• 제51권4호
• /
• pp.16-30
• /
• 2023

메타버스의 개념이 주목받게 됨에 따라 조경 분야에서 메타버스 활용에 대한 관심도 커졌다. 본 연구의 목적은 메타버스 플랫폼의 조경 가상공간의 이용자 경험을 분석하여 메타버스의 조경적 활용 가능성과 과제를 밝히는 데 있다. 본 연구는 현재 가상현실로 구현된 국내의 조경 공간 중 가장 이용도가 높은 로불록스 기반으로 만들어진 메타-에버랜드를 대상으로 메타버스의 연구를 진행하였다. 에버랜드 이용 경험이 있는 30명을 대상으로 메타-에버랜드 체험 후 실제 에버랜드를 추천할 의향이 있는지를 NPS 지수로 평가하여 메타버스의 효용성을 평가한 후 인터뷰를 진행하였다. 메타버스 체험 전의 NPS는 -16이었고 체험 후는 -24로 나타나 오히려 메타버스 체험 후 실제 공간에 대한 추천 의사는 더 낮아진 것으로 나타났다. 추천 의사가 낮아진 이유는 이용자의 부족, 낮은 그래픽 수준과 조작성, 콘텐츠의 부족으로 분석되었다. 이 중 이용자 부족은 다른 두 문제 원인의 결과로 볼 수 있으며 낮은 그래픽 수준과 조작성은 기술적인 문제로 단기간의 구조적 해결은 어렵다. 따라서 현실적으로 조경 공간 메타버스의 활용성을 높이기 위해서는 메타버스 콘텐츠에 대한 개발이 중심적 과제로 판단되었다. 메타버스의 콘텐츠는 현실과의 정합성을 높이기보다 현실과 연계된 메타버스 고유 콘텐츠의 개발이 더 바람직하다고 판단되었으며 AR, VR 기기의 결합, SNS적 성격의 소통 기능 강화, 시뮬레이션 검증 장치로서의 가능성을 고려할 필요가 있었다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.29-43
• /
• 2022

데이터 경제는 현대 사회에서 디지털 혁신과 함께 빠르게 성장하고 있다. 기업은 다양한 유형의 데이터를 수집·활용하여 새로운 수익을 창출하길 희망하고, 개인정보를 포함한 데이터의 가치는 더욱 높아지고 있다. 하지만 데이터 산업 정책에 대한 연구 중 정보 주체에 대한 논의는 부족한 상황이다. 개인정보는 보호 가치를 넘어서 높은 유용성을 가지고 있다. 이러한 관점에서 데이터 신탁제도는 개인정보의 안전한 활용을 위한 좋은 해결책이다. 데이터 신탁을 활용한 구글의 토론토 스마트시티 구축 사례, 일본의 정보은행 사례, 국내 최초의 데이터 배당을 시도한 경기도의 사례를 소개한다. 데이터 신탁 사례와 동향 파악을 통해 데이터 신탁 개념을 명확히 하고 제도 활성화에 필요한 기술적 요인을 추출하고 비즈니스 모델을 제안하고자 한다. 이를 시사점으로 하여 데이터 신탁제도를 통해 안전한 데이터의 활용과 새로운 서비스 시장 창출뿐만 아니라 새로운 데이터 경제를 구성하는데 크게 기여할 것으로 기대한다.

• 디자인융복합연구
• /
• 제15권2호
• /
• pp.17-35
• /
• 2016

스마트폰 대중화와 맞물려 소셜네트워크 서비스 이용이 일상화되자 기업은 제품홍보 및 브랜드 인지도 제고를 위해 여러 개의 소셜네트워크 서비스를 마케팅 채널로 활용하고 있다. 기업은 소셜네트워크 서비스 마케팅 초기부터 현재까지 사용자의 관심유도와 자발적 참여 증진을 위해 게임의 기능적 측면과 정서적 즐거움을 재현하는 '게이미피케이션(Gamification)' 요소를 사용하고 있다. 따라서 본 연구는 소셜네트워크 서비스의 게이미피케이션 요소를 고찰하고 하나의 기업이 여러개의 소셜네트워크 서비스를 마케팅 채널로 활용할 때 나타나는 특징을 살펴보고자 했다. 우선 문헌연구를 통해 소셜네트워크 서비스와 게이미피케이션의 개념 및 특징을 고찰하였다. 다음으로 게이미피케이션 구성요소인 게임 기법과 역학, 재미유형을 정리하였다. 그리고 이론적 고찰에 근거하여 국내에서 가장 많이 사용하는 '카카오스토리', '밴드', '페이스북', '인스타그램' 4개의 소셜네트워크 서비스 중 3개 이상을 사용 중인 '코카콜라 코리아', '롯데마트', '캐논 코리아', '코오롱스포츠', '유니클로 코리아' 5개 기업의 게이미피케이션 마케팅 사례를 수집하여 게이미피케이션 마케팅 특징을 분석하고 시사점을 도출하였다. 마지막으로 소셜네트워크 서비스를 통한 게이미피케이션 마케팅 기획의 초석이 되길 바라며 게이미피케이션과 소셜네트워크 서비스 측면에서 가이드라인을 제안하였다.

• 한국심리학회지 : 문화 및 사회문제
• /
• 제19권2호
• /
• pp.259-283
• /
• 2013

인터넷을 기반으로 한 커뮤니케이션은 폭발적으로 증가해 왔고, 현재는 우리 일상에 자리 잡고 있다. 인터넷 커뮤니케이션은 이전의 커뮤니케이션 방법과는 다른 방식의 소통 방식으로 인식되고 있으며, 이에 대한 많은 연구들이 진행되어 왔다. 인터넷 관련 연구의 가장 중요한 주제 중 하나는 인터넷 기반 커뮤니케이션이 인간관계에 미치는 영향이었다. 인터넷은 경제적, 정치적 이익이 있는 반면, 인간관계, 인간의 삶에는 다소 부정적인 영향이 있을 것이라고 주장되었다. 인터넷의 부정성은 기본적으로 인터넷의 익명성에 기초한다. 인터넷의 익명성으로 인한 인터넷 포르노그라피에 대한 무분별한 노출, 악성댓글, 인터넷 게임중독, 개인정보 유출과 같은 인터넷의 부작용들이 보고되었고, 이러한 현실적 문제들은 인터넷의 부정적인 영향을 주장하는 쪽에 힘을 실어주었다. 하지만 최근에 진행되고 있는 인터넷 관련 연구들은 인터넷의 부정적인 측면 뿐 아니라 인터넷의 긍정적 영향에도 관심을 갖기 시작했다. 인터넷이 사람들의 삶과 인간관계에 부정적인 영향을 준다는 입장에 선 학자들은 인터넷이 현실을 대체한다는 관점에서 인터넷의 부정성을 지적하고 있다. 인터넷이 면대면 대화를 줄이고, 현실을 일정부분 대체하게 하면서 여러 가지 부작용이 나타나고 있다고 주장하고 있다. 그러나 인터넷이 삶에 긍정적인 영향이 있다는 관점에서는 개인의 인터넷 사용동기, 목적을 강조하면서 인터넷 보다는 사용자에 초점을 맞추고 있다. 이 패러다임에 따른 연구들은 인터넷이 인간관계의 물리적 제약들을 해결해줌으로써 인간의 삶, 인간관계 등을 확장해준다고 주장한다. 또한 인터넷의 부정적 특징으로 여겨지는 익명성도 도리어 새로운 만남을 보탬이 될 수도 있다고 주장되고 있다. 인터넷에 대한 두 가지 입장은 각각 자신들의 입장을 지지하는 결과를 도출해 내고 있지만 두 입장의 간격을 쉽사리 줄여지지 않고 있다. 본고는 인터넷에 대한 두 가지 입장을 정리하고, 향후 인터넷이 우리 삶에 미칠 수 있는 영향에 대해 통합적으로 검토하고자 하였다.

• 정보처리학회 논문지
• /
• 제13권5호
• /
• pp.209-216
• /
• 2024

부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 텍스트 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있으므로 부동산 매매 가격 예측에 있어 중요한 요인이다. 본 연구에서는 뉴스 기사를 감성 분석하여 그 결과를 뉴스 감성 지수로 점수화 한 후 부동산 가격 예측 모델에 적용하였다. 먼저 기사 본문을 요약 후 요약된 내용을 바탕으로 생성 AI를 활용하여 긍정, 부정, 중립으로 분류한 다음 총 점수를 산출하였고 이를 부동산 가격 예측 모델에 적용하였다. 부동산 가격 예측 모델로는 Multi-head attention LSTM 모델과 Vector Auto Regression 모델을 사용하였다. 제안하는 뉴스 감성 지수를 적용하지 않은 LSTM 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 0.60, 0.872, 1.117의 Root Mean Square Error (RMSE)을 보였으며, 뉴스 감성 지수를 적용한 LSTM 예측 모델은 각각 0.40, 0.724, 1.03의 RMSE값을 나타낸다. 또한 뉴스 감성 지수를 적용하지 않은 Vector Auto Regression 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 1.6484, 0.6254, 0.9220, 뉴스 감성 지수를 적용한 Vector Auto Regression 예측 모델은 각각 1.1315, 0.3413, 1.6227의 RMSE 값을 나타낸다. 앞선 아파트 매매가격지수 예측 모델을 통해 사회/경제적 동향을 반영한 부동산 시장 가격 변동을 예측할 수 있을 것으로 보인다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.39-53
• /
• 2013

인터넷의 발달과 SNS의 등장으로 정보흐름의 방식이 크게 바뀌었다. 이러한 변화에 따라 소셜 미디어가 급부상하고 있으며 소셜 미디어와 비디오 콘텐츠가 융합된 소셜 TV, 소셜 뉴스의 중요성이 강조되고 있다. 이러한 환경 속에서 사용자들은 단순히 콘텐츠를 탐색만 하는 것이 아니라 같은 콘텐츠를 이용하고 있는 친구들이나 지인들과 콘텐츠에 대한 정보나 경험들을 공유하고 더 나아가 새로운 콘텐츠를 만들어내기도 한다. 하지만 기존의 소셜 뉴스에서는 이러한 사용자들의 특성을 반영해 주지 못하고 있다. 특히 이용자들의 참여성만을 고려하고 있어서 서비스간의 차별화가 어렵고 뉴스 콘텐츠에 대한 정보나 경험 공유 시 컨텍스트 공유가 어렵다는 문제가 있다. 이를 해결하기 위해 본 논문에서는 뉴스를 내용별로 분할하고 분할된 뉴스에서 추출된 시간 종속적인 메타데이터를 제공하는 프레임워크를 제안한다. 제안하는 프레임워크에서는 스토리 분할 방법을 이용하여 뉴스 대본을 내용별로 분할한다. 또한 뉴스 전체내용을 대표하는 태그, 분할된 뉴스를 나타내는 서브 태그, 분할된 뉴스가 비디오에서 시작하는 위치 즉, 시간 종속적인 메타데이터를 제공한다. 소셜 뉴스 이용자들에게 시간 종속적인 메타데이터를 제공한다면 이용자들은 전체의 뉴스 내용 중에 자신이 원하는 부분만을 탐색 할 수 있으며 이 부분에 대한 견해를 남길 수 있다. 그리고 뉴스의 전달이나 의견 공유 시 메타데이터를 함께 전달함으로써 전달하고자 하는 내용에 바로 접근이 가능하며 프레임워크의 성능은 추출된 서브 태그가 뉴스의 실제 내용을 얼마나 잘 나타내 주느냐에 따라 결정된다. 그리고 서브 태그는 스토리 분할의 정확성과 서브 태그를 추출하는 방법에 따라 다르게 추출된다. 이 점을 고려하여 의미적 유사도 기반의 스토리 분할 방법을 프레임워크에 적용하였고 벤치마크 알고리즘과 성능 비교 실험을 수행하였으며 분할된 뉴스에서 추출된 서브 태그들과 실제 뉴스의 내용을 비교하여 서브 태그들의 정확도를 분석하였다. 결과적으로 의미적 유사도를 고려한 스토리 분할 방법이 더 우수한 성능을 보였으며 추출된 서브 태그들도 컨텍스트와 관련된 단어들이 추출 되었다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.151-176
• /
• 2021

정보기술 산업이 발전됨에 따라 다양한 종류의 데이터가 생겨나고 있고 이를 가공하여 산업에 활용하는 것이 필수인 시대가 되었다. 온 오프라인 상에서 수집된 다양한 디지털 데이터를 분석하여 활용하는것은 산업 내의 고객에게 적합한 경험을 제공하기 위해서 꼭 필요한 과정이다. 새로운 비즈니스, 제품, 서비스를 창출하기 위해서는다방면에서 수집된 고객 데이터를 활용하여잠재고객의 니즈를 깊게 파악하고 행동패턴을 분석하여 숨겨진 욕망의 신호를 잡아내는것이 필수이다. 그러나 효과적인 서비스 개발을 위해서 병행해서 진행되어야 할 데이터 분석, UX 방법론을 활용한 연구는 각각 따로 진행되고 있고 산업 내의 활용 예시가 부족한 것이 사실이다. 본 연구에서는 데이터 분석 방법과 UX 방법론을 응용하여 하나의 프로세스를 제작하였다. 행복을 주제로 진행된 설문조사에서 추출된 고객 데이터를 활용하여 고객의 특성을 파악하기 위한 데이터 분석을 진행하였다. 요인, 회귀분석을 실시하여 행복 데이터 설문의 요인 간의 연관 관계를 확인하였다. 그 다음 연관 관계를 군집을 분류하고 가장 최적의 군집 수를 추출하여분류하였다. 이러한 결과를 바탕으로 교차분석을 진행하여 군집 별로 인구통계학적 특성을 확인하였다. 세그먼트를 분류하기 전 서비스 정의를 하기 위하여 뉴스 기사 및 SNS 문장들을 바탕으로 텍스트 마이닝을 통해 주요 키워드를 바탕으로 아이디어를 도출하였고 이중에 가장 타당한 서비스를 선택하였다. 이러한 결과를 바탕으로 세그먼트및 목표 고객을 선정한 후 세그먼트의 특성대로 대상자를 선정하여 인터뷰를진행하였다. 그 후 특성 및 프로파일정보를 활용하여 페르소나를 제작하여고객의 행동과 최종 목표를 서술하였다. 일반적인페르소나와 데이터를 활용한 페르소나를 비교하여 각각의 특성을 비교 분석하였다. 본 연구를 통해 도출된 프로세스는 다변화되는 서비스의 변화 상황에서 적절한 타겟 고객의 정의 및 정확한 분류 체계로 나뉘어진 고객군을파악 할 수 있는 방법을 제시 한 것에 의의가 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.23-45
• /
• 2020

기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.1-18
• /
• 2016

최근 가용한 텍스트 데이터 자원이 증가함에 따라 방대한 텍스트 분석을 통해 새로운 가치를 창출하고자 하는 수요가 증가하고 있다. 특히 뉴스, 민원, 블로그, SNS 등을 통해 유통되는 글로부터 다양한 이슈를 발굴해내고 이들 이슈의 추이를 분석하는 이슈 트래킹에 대한 연구가 활발하게 이루어지고 있다. 전통적인 이슈 트래킹은 토픽 모델링을 통해 오랜 기간에 걸쳐 지속된 주요 이슈를 발굴한 후, 각 이슈를 구성하는 문서 수의 세부 기간별 분포를 분석하는 방식으로 이루어진다. 하지만 전통적 이슈 트래킹은 각 이슈를 구성하는 내용이 전체 기간에 걸쳐 변화 없이 유지된다는 가정 하에 수행되기 때문에, 다양한 세부 이슈가 서로 영향을 주며 생성, 병합, 분화, 소멸하는 이슈의 동적 변이과정을 나타내지 못한다. 또한 전체 기간에 걸쳐 지속적으로 출현한 키워드만이 이슈 키워드로 도출되기 때문에, 핵실험, 이산가족 등 세부 기간의 분석에서는 매우 상이한 맥락으로 파악되는 구체적인 이슈가 오랜 기간의 분석에서는 북한이라는 큰 이슈에 함몰되어 가려지는 현상이 발생할 수 있다. 본 연구에서는 이러한 한계를 극복하기 위해 각 세부 기간의 문서에 대한 독립적인 분석을 통해 세부 기간별 주요 이슈를 도출한 후, 각 이슈의 유사도에 기반하여 이슈 흐름도를 도출하고자 한다. 또한 각 문서의 카테고리 정보를 활용하여 카테고리간의 이슈 전이 패턴을 분석하고자 한다. 본 논문에서는 총 53,739건의 신문 기사에 제안 방법론을 적용한 실험을 수행하였으며, 이를 통해 전통적인 이슈 트래킹을 통해 발굴한 주요 이슈의 세부 기간별 구성 내용을 살펴볼 수 있을 뿐 아니라, 특정 이슈의 선행 이슈와 후행 이슈를 파악할 수 있음을 확인하였다. 또한 카테고리간 분석을 통해 단방향 전이와 양방향 전이의 흥미로운 패턴을 발견하였다.