메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정성욱 이준환 (서울대학교)
저널정보
한국방송학회 방송통신연구 방송통신연구 2019년 가을호(통권 제108호)
발행연도
2019.10
수록면
78 - 117 (40page)

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
자연어 처리 기술이 발달되어 있는 미국에서는 인공지능 등 컴퓨터 과학을 통해 팩트체킹을 자동화하려는 시도가 이어지고 있다. 하지만 국내 소셜 미디어 환경과 한국어를 대상으로 한 팩트체킹의 자동화 연구는 찾아보기 힘든 실정이다. 본 연구는 메시지 내용이 아닌, SNS 사용자의 다양한 특성을 고려하여 거짓 정보를 판단할 수 있는지를 확인해 보았다. 트위터에 올라온 3017개의 트윗을 네 가지 변인군을 통해 거짓 정보를 담고 있는 트윗인지 여부를 어느 정도까지 판별할 수 있을지 로지스틱 회귀 분석을 통해 분석해 보았다. 분석 결과, 네 가지 변인군 모두 통계적으로 유의미한 영향을 갖는 것으로 나타났다. 특히, 기존 ‘거짓(혹은 사실) 트윗에 좋아요’라고 누른 사용자와 관련된 변인군이 가장 큰 영향력을 미치는 것으로 분석되었다. 본 연구는 통계적 분석 방법뿐만 아니라 기계 학습(machine learning)을 통해서도 거짓 정보를 담고 있는 트윗을 찾아내는 비율, 즉 민감도를 얼마나 높일 수 있을지 알아보았다. 분류모델을 대표하는 로지스틱 리그레션을 통해 민감도를 69%까지 증가시켰으며, 의사 결정 나무를 통해서는 73%까지 거짓 정보 트윗을 찾아내는 성과를 올렸다. 이는 통계적 방법(위계적 로지스틱 회귀 분석)을 사용했을 때보다 기계 학습을 사용했을 때 각각 14%p와 18%p 향상된 수치다. 이 같은 결과를 토대로 자동화 팩트체킹의 가능성과 한계, 후속 연구 등에 대해서도 논의했다.

목차

1. 문제 제기 및 연구 목적
2. 이론적 논의
3. 연구 방법
4. 연구 결과
5. 결론 및 논의
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0