Earticle

초록

영어

As the COVID-19 vaccine is supplied, it is expected that collective immunity will be activated. However, as abnormal symptoms and deaths believed to be related to vaccines continued to spread through broadcasting media and the Internet, anxiety about vaccines was continuously raised, and as of 2022, the domestic vaccination rate of bivalent vaccines (BA.4/5) was only 8.5 percent (KCDC, 2022). This study aims to find out how much emotions and attitudes toward vaccines have affected the spread of information about vaccines in posts and comments shared by users on social media and discuss the spread of correct health information. Based on the risk information search processing model, this study explores the communication factors that occurred in the process of pursuing information on social media and suggests ways to strengthen digital literacy in the era of new media through the results of machine learning in humanities analysis of large texts. Based on the data collected on Twitter, the top 300 most shared data were extracted, emotions and attitudes toward vaccines were classified as positive, neutral, and negative, and then the entire data was classified through machine learning. Among the expressions and attitudes toward vaccines shown on Twitter, negative emotions were not proportional to attitudes.

한국어

코로나19 백신이 공급됨에 따라 코로나19 집단면역이 활성화될 것으로 기대됐다. 그러나 백신과 관련된 것으 로 추정되는 이상 증상과 사망 사례가 지속적으로 방송 매체와 인터넷을 통해 확산되면서 백신에 대한 불안감이 지속적으로 제기되었고, 2022년 현재 2가 백신(BA.4/5)의 국내 접종률은 8.5%에 그쳤다(KCDC, 2022). 본 연구는 소셜미디어에서 사용자들이 공유하는 게시물과 댓글에서 백신에 대한 감정과 태도가 백신에 대한 정보 확산에 어느 정도 영향을 미쳤는지 알아보고 올바른 건강 정보의 전파에 대한 논의를 하고자 한다. 본 연구는 위험정보 탐색 처리 모델에 기반하여 소셜미디어 상에서 정보를 추구하는 과정에서 발생한 소통적 요소를 탐색하고 뉴미 디어의 시대에서 디지털 리터러시의 강화 방안을 대량의 텍스트에 대한 인문학적 분석에 기계학습을 활용한 결 과를 통해 제안하고자 한다. 트위터에서 수집된 데이터를 기반으로 가장 많이 공유된 상위 300개의 데이터를 추 출하고 백신에 대한 감정과 태도를 긍정, 중립, 부정으로 분류한 뒤 머신러닝을 통해 전체 데이터에 대한 분류를 진행했다. 트위터에서 나타난 백신에 대한 감정표현과 태도 중 부정적 감정의 경우 태도와 비례하지 않았다.

목차

요약
Abstract
1. 서론
2. 이론적 배경
2.1. 위험정보 탐색처리 모델
2.2. 텍스트마이닝
3. 연구방법
3.1. 연구대상
3.2. 자료 수집
3.3. 분석 방법
4. 연구결과
4.1. 내용분석 결과
4.2. 기계학습 분석 결과
5. 결론 및 제언
참고문헌

키워드

저자

• 윤준섭 [ June Yoon | 성균관대학교 ]
• 오사라 [ Sarah Oh | 가평마장초등학교 ]
• 금희조 [ Heejo Keum | 성균관대학교 미디어커뮤니케이션학과 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  정보교육연구 [The Korean Association of Information Education Research Journal]

• 간기

  연3회

• pISSN

  2982-4656

• 수록기간

  2023~2026

• 십진분류

  KDC 374 DDC 375