팩트체크 기사의 댓글 양상 및 논쟁 모델링 연구
Analyzing Linguistic Behaviors of Users’ Comments within Fact-Checking News and Modeling Controversy of Comment
초록/요약
뉴스 댓글에서 나타나는 감정 표현과 언어적 반응들은 뉴스 이용자가 정보를 받 아들이는 것에 영향을 미칠 수 있기에 중요하다. 본 논문에서는 팩트체크 기사의 이용자 반응을 파악하기 위해 팩트체크 기사의 댓글 236,528개와 유사한 주제의 일 반 기사의 댓글 96,162개를 세 가지 관점에서 비교 분석하였다. 첫째, 텍스트 기반의 합성곱 신경망 모델로 구축한 감정 분류 모델을 활용하여 댓글 내 감정의 분포를 살 펴보았다. 분석 결과 팩트체크 댓글 내에서 상대적으로 분노 감정이 적게 나타났다. 둘째, 단어 임베딩 모델을 군집화하고 휴먼 코딩을 거쳐 신뢰도 있는 어휘 사전을 구축하여 댓글에서 드러나는 언어적 특성을 살펴보았다. 결과적으로 팩트체크 기사 댓글에서는 구체적이고 논리적인 언어가 많이 등장하였으며, 언론에 대한 비판적이 고 불신적인 태도가 더 많이 나타났다. 셋째, 공감수와 비공감수가 유사한 논쟁적인 댓글을 정의하고 한국어 댓글로 학습된 버트 모델에 파인 튜닝 기법을 적용하여 논쟁 댓글을 탐지할 가능성을 확인하였다. 본 연구는 대량의 댓글 집단에 다양한 자연어 처리 알고리즘을 적용하여 분석하였기에 추후 한국어 뉴스 댓글 분석 연구에 대한 초석이 될 수 있다는 점에서 그 의의가 있다.
more목차
제 1 절 서론 1
제 2 절 관련 연구 4
2.1 팩트체크 분야 내 이용자 반응 분석 연구 4
2.2 온라인 댓글에서의 언어적 반응 5
제 3 절 데이터 수집 7
3.1 팩트체크 데이터 수집 7
3.2 비교군 데이터 수집 8
제 4 절 데이터 탐색 11
4.1 주제 분석 11
4.2 댓글의 기사관련성 13
제 5 절 감정 분석 15
5.1 감정 분류 모델 15
5.2 모델 적용 17
제 6 절 언어적 모델링 18
6.1 단어 임베딩 및 군집화를 통한 어휘 사전 구축 18
6.2 휴먼 코딩 19
6.3 언어적 반응 분석 결과 22
제 7 절 논쟁 댓글 분석 27
7.1 논쟁 댓글 정의 27
7.2 논쟁 댓글의 출현 양상 29
7.3 논쟁 분류 모델 개발 30
7.3.1 어휘 사전 기반 특징을 적용한 선형 모델과 비선형 모델 31
7.3.2 사전 훈련된 단어 임베딩 기반의 신경망 모델 31
7.3.3 BERT 파인 튜닝 31
7.3.4 실험 설정 32
7.4 결과 및 해석 33
제 8 절 논의 및 한계점 34
8.1 논의 34
8.2 한계점 36
제 9 절 결론 37
참고문헌 38
