Earticle

초록

한국어

본 연구는 생성형 AI가 정보 확산에 미치는 부정적 영향, 특히 잘못되거나 모호한 정보를 확산될 경우 유발될 수 있는 위험을 탐색하였다. 이러한 위험은 다양한 형태 의 정보 혼란을 초래하여 사용자의 의사결정 능력을 저해할 수 있다. 이를 위해 본 연구는 2024년 4월 기준 NAVER 뉴스 플랫폼에서 ‘생성형 AI 정보 혼란’과 관련 된 4,787편의 기사를 수집하였다. 먼저, K-Means 클러 스터링을 사용하여 데이터를 군집화하고, 각 군집별로 감성 분석을 통해 부정적 감정을 가진 문장을 추출하였 다. 이후, 워드 클라우드 분석을 통해 각 군집 내의 주 요 키워드와 핵심 주제를 시각화하였다. 또한 LDA 토 픽 모델링을 적용하여 각 군집의 세부 주제를 분석하였 으며, ‘생성형 AI 정보 혼란’과 관련된 부정적 사회적 이 슈를 도출하였다. 분석 결과, 비즈니스 도전 과제, 사이버 보안 위협, 미디어 신뢰성, 교육, 종교 등 13개의 주 요 군집이 확인되었으며, 이를 통해 발생할 수 있는 정보 혼란의 유형을 추가적으로 논의하였다. 본 연구는 생 성형 AI의 부정적 영향이 정보 혼란을 유발할 수 있음 을 강조하며, 정보 확산 과정에서 책임감 있고 신뢰할 수 있는 생성형 AI 기술의 필요성을 제언하였다.

목차

Abstract
1. Introduction
2. Theoretical Background
2.1 Generative AI and Its Role in Information Diffusion
2.2 Information Confusion
2.3 Methodological Approaches in Existing Research
3. Methods
3.1 Data Collection
3.2 Data Preprocessing
3.3 Clustering Using K-Means
3.4 Sentiment Analysis Using Deep Learning
3.5 Word Cloud Analysis
3.6 LDA Topic Modeling of Negative Sentences
3.7 Analysis of Thematic Overlaps and Similarities
4. Results and analysis
4.1 Clustering Performance and Dataset Refinement
4.2 Discovering Refined Topics from Thirteen Clusters Using Word Cloud and LDA
4.3 Similarity Analysis of Clusters
5. Conclusion
5.1 Practical Implications
5.2 Academic Contributions
5.3 Future Research Directions
References

저자

• 강명진 [ 전남대학교 디지털미래융합서비스협동과정 ]
• 고일상 [ 전남대학교 경영대학 ]
• 윤현식 [ 전남대학교 경영대학 ]

참고문헌