유튜브 과학 채널에 대한 이용실태 분석 및 채널 판별 예측 모형 평가 -소셜 빅데이터 분석 및 머신 러닝 활용을 중심으로-
Analysis of Utilization and Assessment of Predicting Models for YouTube Science Channel -Focusing on using Social big data analysis and Machine learning-
0
조회
0
다운로드
12
인용
0
참고문헌
키워드
초록
본 연구에서는 유튜브 과학 채널에 대한 대중들의 관심과 이용실태 및 특성을 알아보기 위하여 구독자 수와 동영상 수가 많은 두 개의 채널을 선정하고, 소셜 빅데이터 분석의 관점에서 연구를 수행하였다. 또한, 머신 러닝을 이용하여 유튜브 채널 판별에 대한 예측 모형의 평가로 대중들의 반응에 대한 체계적인 탐색 가능성을 살펴보았다. 연구 결과, ‘1분과학’이 ‘과학쿠키’보다 조회수, 좋아요수, 싫어요수, 댓글수의 유튜브 지표에서 모두 평균이 높았다. 하지만, 조회수가 좋아요수로 귀결되는 추세선 분석 결과는 ‘과학쿠키’가 ‘1분과학’보다 높은 수준을 가지는 것으로 나타났다. 또한, 대중들이 많은 좋아요수를 통해 관심을 보인 동영상의 주제는 우주와 양자역학에 관련된 주제였다. 채널을 개설한 이후부터 분석한 댓글 추이도 위의 2가지 주제의 동영상이 주목을 받거나 업로드가 되었던 시기에 눈에 띄는 변화를 보였다. 머신 러닝을 이용한 유튜브 채널 판별의 예측 모형 분석결과는 SVM의 시그모이드형 커널 함수가 90.06%의 정확도를 보여 가장 성능이 우수한 모형이었다. 그리고 랜덤 포레스트 모형, 로지스틱 회귀분석도 각각 89.96%, 88.20%의 높은 정확도를 가진 것으로 나타났다. 의사결정 나무 모형과 knn 분석의 정확도는 앞선 모형들과 비교하였을 때 다소 낮은 편이었으나, 인공 신경망 모형은 다양한 조합의 활성 함수와 은닉 노드의 개수 변화에도 불구하고 모형의 성능이 개선되지 않았다. 본 연구의 결과를 토대로 빅데이터 분석과 머신 러닝을 활용하여 대중들의 관심사를 신속하게 파악하고 그 관심이 높아지고 있는 분야에 대한 교육이 이루어져야 할 것이다.
Abstract
In this study, we investigated the public interest in YouTube science channels, the condition of use and characteristics, and selected two channels with many subscribers and videos and conducted research from the perspective of social big data analysis. In addition, this study investigated the possibility of systematic exploration of the reaction of the public with the assessment of a model for predicting the classification of YouTube channels, using machine learning. As a result of the study, “One-Minute Science” had a higher average in YouTube Indices, such as the number of views, the number of likes, the number of dislikes, and the number of comments than “Science Cookie.” However, as a result of trend line analysis in which the number of views led to the number of likes, “Science Cookie” had higher levels than “One-Minute Science.” In addition, the topics of videos in which the public showed interests through the number of likes were topics related to space and quantum mechanics. As for the change of comments analyzed since the opening of the channels, when the videos with the above two topics drew attention or were uploaded, there was a noticeable change. As a result of analysis of the model for predicting the classification of YouTube channels, using machine learning, the sigmoid kernel function of SVM was the model with the best performance, showing the accuracy of 90.06%. In addition, it turned out that the random forest model and logistic regression analysis had a high accuracy of 89.96% and 88.20%, respectively. The accuracy of the decision tree model and KNN analysis was somewhat lower than the previous models; however, the performance of the artificial neural network model did not improve, in spite of active functions in various combinations and the change of the number of hidden nodes. Based on the results of this study, big data analysis and machine learning should be used to quickly understand the public's interests and provide education on areas where interest is increasing.
참고문헌 (43)
- 김민경, "유튜브(YouTube)의 한국어교육 채널 분석", 학습자중심교과교육연구, 19(8), pp.941~964 (2019), 학습자중심교과교육학회[DOI]
- 김선우, "유튜브 댓글 빅데이터 분석을 통한 제품별 소비자 구매여정 연구 : 새로운 방법적 가능성을 제안하며", 영상문화콘텐츠연구, (16), pp.57~89 (2019), 영상문화콘텐츠연구원[DOI]
- 김애라, "일반계 고등학교 과학과제 연구 수업의 주제 선정을 위한 실천 매뉴얼 개발 및 적용", 과학교육연구지, 42(3), pp.371~389 (2018), 과학교육연구소[DOI]
- 김혜영, "모바일 과학기술 영상 콘텐츠의 유형과 스토리텔링 전략: 활동형 유튜브 채널을 중심으로", 한국콘텐츠학회 종합학술대회 논문집, 5, pp.177~178 (2019)
- 김효숙, "소셜미디어 시대의 위기 관리 소셜미디어 활용 적극성과 위기 책임성, 위기 커뮤니케이션전략 유형을 중심으로", 광고연구, (103), pp.5~37 (2014), 한국광고홍보학회
- 박대민, "사회적 과학기술 발전을 위한 새로운 시민참여모형: 온라인과학상점", 커뮤니케이션 이론, 6(2), pp.6~47 (2010), 한국언론학회
- 박성대, "영상 콘텐츠 제작을 통한 미디어 교육 - 비선형 편집을 중심으로", 한국정보통신학회논문지, 23(9), pp.1096~1103 (2019), 한국정보통신학회[DOI]
- 박주은, "과학 커뮤니케이션 차원과 과학적 소양 영역에 의한 국립대구과학관 전시물과 프로그램 분석", 과학교육연구지, 39(2), pp.290~305 (2015), 과학교육연구소[DOI]
- 윤은정, "소셜 빅데이터 분석을 통해 알아본 대중의 과학관에 대한 인식 및 사용 행태", 한국과학교육학회지, 37(6), pp.1005~1014 (2017), 한국과학교육학회[DOI]
- 이강유, "유튜브 이용자의 몰입경험과 만족에 영향을 미치는 요인 연구", 한국콘텐츠학회 논문지, 18(12), pp.660~675 (2018), 한국콘텐츠학회[DOI]
- 이경건, "머신 러닝을 활용한 과학 논변 구성 요소 코딩 자동화 가능성 탐색 연구", 한국과학교육학회지, 38(2), pp.219~234 (2018), 한국과학교육학회[DOI]
- 이선정, "유튜브 상에서의 K-뷰티 한류 콘텐츠확산 전략 연구", GRI연구논총, 20(3), pp.231~259 (2018), 재단법인 경기연구원
- 이윤경, "소셜빅데이터 위험에 대한 SNS이용자의 위험인식 특성 연구", 박사, pp.2017
- 이정희, "유튜브 교육", 강좌 콘텐츠의 만족도와 지속 이용 의도에 관한 연구 : 이용동기, 신뢰도, 매체 특성을 중심으로, 동국대학교 대학원, 2018
- 이채원, "유사과학 보도의 양태 분석 : 물 관련 이슈를 중심으로", 석사, 과학커뮤니케이션, pp.2011
- 임동훈, "R을 이용한 빅데이터 분석" (2015), 자유아카데미
- 전화영, "유튜브 동영상을 활용한 화학 I 수업에 대한 학생들의 인식", 대한화학회지, 54(4), pp.465~470 (2010), 대한화학회
- 정정주, "한류 콘텐츠와 빅데이터 분석", 미디어와 교육, 8(2), pp.172~183 (2018)
- 조헌국, "과학의 미적 가치 인식에 대한 학습자의 응답에 대한 네트워크 및 감성 분석과 머신 러닝을 활용한 탐색적 예측 평가", 학습자중심교과교육연구, 18(20), pp.1325~1346 (2018), 학습자중심교과교육학회[DOI]
- 조헌국, "머신 러닝을 활용한 이러닝 학습 환경에서의 학습자 성취 예측 모형 탐색", 학습자중심교과교육연구, 18(21), pp.553~572 (2018), 학습자중심교과교육학회[DOI]
- 황성욱, "정부PR콘텐츠 프레임 분석과 통합 마케팅 커뮤니케이션 전략−위클리공감", 페이스북 매체 프레임 비교 및 전문가 인터뷰를 중심으로, 2013, pp.29(4), 249~279[DOI]
- Altman, D., "Practical statistics for medical research", pp.1991, CHAPMAN & HALL
- Bransford, D., "How people learn" (1999), National Academy Press
- Bunten, A., "Turning visitors into citizens: using social science for civic engagement in informal science education centers", Journal of Museum Education, 38(3), pp.260~272 (2013)
- Cho, S., "Science communication as a practice of science culture", Journal of Science & Technology Studies, 7(1), pp.151~175 (2007)
- Ciaburro, G., "Neural networks with R" (2017), Packt Publishing
- Domingos, P., "The master algorithm: how the quest for ultimate learning machine will remake our world" (2015), Basic Books
- Falk, J., "The 95% solution: School is not where most Americans learn most of their science", American Scientist, 98, pp.486~493 (2010)
- Falk, J., "Measuring the impact of a science center on its community", Journal of Research in Science Teaching, 48(1), pp.1~12 (2011)
- Fleck, B., "Youtube in the classroom: helpful tips and student perceptions", Journal of Effective Teaching, 14(3), pp.21~37 (2014)
- Henriksen, E. K., "The contribution of museums to scientific literacy: vies from audience and museum prefessionals", Public Understand of Science, 9, pp.393~415 (2000)
- Huda, O., "The impact of using Youtube in efl classroom on enhancing efl students' content learning", Journal of College Teaching & Learning (TLC), 12(2), pp.121~126 (2015)
- Lantz, B., "Machine learning with R" (2013), Packt Publishing Ltd
- Lesmeister, C., "Mastering machine learning with R" (2018), Packt Publishing
- Linn, M., "Technology and science education : star-ting points, research programs, and trends", International Journal of Science Education, 25(6), pp.727~758 (2003)
- Luckin, R., "Intelligence unleashed : an argument for AI in education" (2016), Pearson
- McManus, K., "Pseudoscience", Industrial Engineer, 36(3), pp.20~22 (2004)
- Nagapava, C., "Examining the use of Youtube as a learning resource in higher education: scale development and validation of tam model", Telematics and Informatics, 34(6), pp.853~860 (2016)
- Osborne, J., "Research on learning in informal contexts: advancing the field?", International Journal of Science Education, 29(12), pp.1441~1445 (2007)
- Rennie, L. J., "The epiSTEME Reviews: Research trends in Science Technology and Mathematics Education, 2", pp.179~196 (2007)
- Sedigheh, M., "Social media as a complementary learning tool for teaching and learning: The case of Youtube", The International Journal of Management Education, 16(1), pp.37~42 (2018)
- Song, S., "The case of science museum and its direction of development", pp.1~54 (2010), science and technology policy institute
- Zhang, B. -T., "Deep learning" (2017), Hongrung Publishing Company