- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
이 연구에서는 1990년부터 2018년까지 29년간의 도서관을 주제로 한 뉴스 기사 37,818 건을 대상으로 양적 분석과 내용분석을 통해 도서관에 대한 언론 보도 경향을 분석하였다. 이를 위해 먼저, 시기별, 주제별, 언론사 유형별 기준에 따라 언론 보도의 양적 변화 추이를 분석한 후, 키워드 빈도 분석과 언어 네트워크 분석을 통해 시기별 보도 내용의 변화 추이와 기사에 내재된 언론 프레임을 분석하였다. 분석 결과, 언론은 도서관의 정보제공 기능과 교육적 기능, 그리고 문화적 기능에 주된 관심을 보였으며, 언론의 관심 주제 변화 추이는 사서직 처우 문제를 제외하고는 대체적으로 도서관계 이슈의 변화 추이와 일치하는 것으로 나타났다. 마지막으로, 언론이 도서관 기사 보도에 대해 취하는 주된 태도는 보도기능과 광고기능인 것으로 나타났다.
Abstract
In this study, quantitative and content analysis was conducted on 37,818 news articles that were reported on the subject of ‘library’ for 29 years from 1990 to 2018 in order to analyze the tendency of media coverage about ‘library’. First, the quantitative change in media coverage was analyzed according to the criteria by time, subject and media type. In addition, keyword frequency analysis and semantic network analysis were conducted to analyze the trends of the contents of the press and the frames inherent in the press. The results showed that the media showed a major interest in the library’s informational, educational, and cultural functions, and the trend of the subject’s interest was generally consistent with that of the library community, except for the issue of librarianship. Lastly, the main attitudes that the media take toward the reporting of library articles were the reporting and advertising functions.
초록
본 연구는 시계열 특성을 갖는 데이터의 패턴 유사도 비교를 통해 유사 추세를 보이는 키워드를 자동 분류하기 위한 효과적인 방법을 제안하는 것을 목표로 한다. 이를 위해 대량의 웹 뉴스 기사를 수집하고 키워드를 추출한 후 120개 구간을 갖는 시계열 데이터를 생성하였다. 제안한 모델의 성능 평가를 위한 테스트 셋을 구축하기 위해, 440개의 주요 키워드를 8종의 추세 유형에 따라 수작업으로 범주를 부여하였다. 본 연구에서는 시계열 분석에 널리 활용되는 동적 시간 와핑(DTW) 기법을 기반으로, 추세의 경향성을 잘 보여주는 이동 평균(MA) 기법을 DTW에 추가 적용한 응용 모델인 MA-DTW를 제안하였다, 자동 분류 성능 평가를 위해 k-최근접 이웃(kNN) 알고리즘을 적용한 결과, ED와 DTW가 각각 마이크로 평균 F1 기준 48.2%와 66.6%의 최고 점수를 보인 데 비해, 제안 모델은 최고 74.3%의 식별 성능을 보여주었다. 종합 성능 평가를 통해 측정된 모든 지표에서, 제안 모델이 기존의 ED와 DTW에 비해 우수한 성능을 보임을 확인하였다.
Abstract
This study aims to suggest an effective method for the automatic classification of keywords with similar patterns by calculating pattern similarity of temporal data. For this, large scale news on the Web were collected and time series data composed of 120 time segments were built. To make training data set for the performance test of the proposed model, 440 representative keywords were manually classified according to 8 types of trend. This study introduces a Dynamic Time Warping(DTW) method which have been commonly used in the field of time series analytics, and proposes an application model, MA-DTW based on a Moving Average(MA) method which gives a good explanation on a tendency of trend curve. As a result of the automatic classification by a k-Nearest Neighbor(kNN) algorithm, Euclidean Distance(ED) and DTW showed 48.2% and 66.6% of maximum micro-averaged F1 score respectively, whereas the proposed model represented 74.3% of the best micro-averaged F1 score. In all respect of the comprehensive experiments, the suggested model outperformed the methods of ED and DTW.