토픽모델링 기법을 활용한 대통령선거 TV토론 분석
An Analysis of Presidential Election TV Debate Using Topic Modeling
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구는 텍스트마이닝을 이용하여 TV토론에서 후보자들이 사용한 단어를 분석하고자 2022년 실시된 제20대 대통령선거 후보자토론회 중 경제 분야 토론회 원문을 수집하여 분석하였다. 자료 분석을 위하여 텍스트 전처리 과정을 거쳐 빈도분석을 수행하였으며, 토픽 분석을 위하여 단어 빈도-역문서 빈도(TF-IDF) 기법을 사용 후 R의 ldatuning 패키지를 활용하여 잠재 디리클레 할당(LDA) 토픽모델링을 실시하였다. 연구 결과, 가장 높은 빈도로 추출된 단어는 ‘말씀’이었으며 그 뒤를 이어서 ‘우리’, ‘후보’, ‘생각’, ‘경제’, ‘이야기’, ‘국민’, ‘정부’, ‘문제’, ‘국가’ 등도 높은 빈도를 보였다. 토픽은 총 7개로 “차기 정부의 경제 정책 방향", "디지털 데이터 경제와 역할", "다양한 시장 경제 문제", "차기 정부의 경제 성장 방향", "차기 정부의 각종 지원 방향", "재정 건전성 확보 방안", "경제 대통령의 필요성”으로 제시되었다. 결과적으로 토론에 참여한 후보들은 정해진 경제 분야 내에서 토론을 진행한 것으로 나타났으나 일부 후보의 경우 상대 후보의 주변 이슈를 끄집어내는 등 주제의 범위를 벗어난 것으로 파악되었다. 본 연구는 TV토론에 참여한 후보들의 언어적 사용을 기존의 전통적인 연구방법이 아닌 토픽모델링 기법을 통해 도출해내면서 TV토론의 내용을 분석하게 해주었다는 점에서 기초자료로서 활용도가 높을 것으로 기대된다.
Abstract
This study collected and analyzed the original texts of the economic debate among the 20th presidential election candidates held in 2022 to analyze the words used by the candidates in TV debates using topic modeling techniques. For data analysis, frequency analysis was performed through a text preprocessing process, and for topic analysis, after using the word frequency-reverse document frequency (TF-IDF) technique, potential Direclet allocation (LDA) topic modeling was performed using R's ldatuning package. As a result of the study, the word extracted with the highest frequency was 'speech', followed by 'we', 'candidate', 'thought', 'economy', 'story', 'people', 'government', 'problem', and 'country'. There were seven topics in total, which were suggested as "the direction of the next government's economic policy", "diverse digital data economy and role", "various market economy issues", "the direction of the next government's economic growth", "various directions of the next government's economic support", "how to secure financial soundness", and "the necessity of the economic president". As a result, the candidates who participated in the discussion were found to have conducted the discussion within a set economic field, but some candidates were found to be out of the scope of the topic, such as bringing up the issues around the other candidate. This study is expected to be highly utilized as basic data in that it analyzed the contents of the TV debate by deriving the linguistic use of candidates participating in the TV debate through topic modeling techniques rather than traditional research methods.
참고문헌 (26)
- 김명난, "텍스트 마이닝을 이용한 자폐범주성 아동의 초기증상에 대한 부모 인식 분석", 자폐성장애연구, 21(2), pp.1~24 (2021)
- 김성국, "텍스트마이닝을 이용한 한국 대통령의 해양관에 관한 연구", 한국항만경제학회지, 36(3), pp.39~53 (2020)[DOI]
- 김영우, "Do it! 쉽게 배우는 R 텍스트 마이닝" (2021), 이지스퍼블리싱
- 김태종, "뉴스 빅데이터를 활용한 지역평생교육 토픽 분석", 사이버커뮤니케이션학보, 35(4), pp.37~102 (2018)[DOI]
- 김춘식, "2007년 대통령선거 텔레비전 토론에 나타난 후보자의캠페인 수사 분석", 방송통신연구, pp.131~159 (2008)
- 김춘식, "제16대 대통령선거 후보자의 TV토론 수사 분석", 방송문화연구, 16(2), pp.139~171 (2004)
- 김춘식, "1997년 대통령선거 후보자의 텔레비전 토론 수사 분석", 언론과학연구, 6(1), pp.75~114 (2006)
- 류상영, "한국 민족주의의 두 가지 길 박정희와 김대중의 연설문 텍스트 마이닝(Text Mining)", 현대정치연구, 14(1), pp.87~130 (2021)
- 박상호, "제18대 대통령선거 후보자 TV토론의 문제점 및 제도적 개선 방향", 민주사회와 정책연구, (24), pp.104~136 (2013)
- 박한우, "한국어의 내용분석을 위한 KrKwic 프로그램의 이해와 적용 : Daum. net에서 제공된 지역혁신에 관한 뉴스 대상으로", Journal ofThe Korean Data Analysis Society, 6(5), pp.1377~1388 (2004)
- 배정환, "텍스트 마이닝을 이용한 2012년 한국대선 관련 트위터분석", 지능정보연구, 19(3), pp.141~156 (2013)
- 성지연, "빅데이터 분석을 이용한 19대 대통령선거 언론보도 연구", 커뮤니케이션학 연구, 27(3), pp.75~104 (2019)
- 송종길, "17대 대통령 후보 TV토론이 유권자의 태도변화 및 투표행위에 미치는 영향에 관한 연구", 한국언론학보, 53(6), pp.87~103 (2009)
- 이수범, "대통령선거 TV토론의 설득전략 연구 : 20대 대선을 중심으로", 커뮤니케이션학 연구, 30(3), pp.269~292 (2022)
- 이창길, "정권 초기의 가치지향과 정책우선순위", 한국행정학보, 44(3), pp.165~189 (2010)
- Aust, P. J., "Communicated values as indicators of organizational identity : A method for organizational assessment and its application in a case study", Communication Studies, 55(4), pp.515~534 (2004)
- Ballotti, J., "Examining verbal style in presidential campaign spots", Communication Studies, 51(3), pp.258~273 (2000)
- Blei, D., "Latent Dirichlet Allocation" (2003), JMLR
- Cho, J., "Media, Terrorism, and Emotionality : Emotional Differences in Media Content and Public Reactions to the September 11th Terrorist Attacks", Journal of Broadcasting & Electronic Media, 47(3), pp.309~327 (2003)
- Graber, D., "Handbook of political Communication", pp.195~224 (1981), Sage
- Griffiths, T. L., "Finding scientific topics", Proceedings of the National Academy of Sciences, 101(suppl 1), pp.5228~5235 (2004)
- Hart, R. P., "Redeveloping DICTION: theoretical considerations", Progress in communication sciences, pp.43~60 (2001)
- Jarvis, S., "Partisan Patterns in Presidential Campaign Speeches, 1948-2000", Communication Quarterly, 52(4), pp.403~419 (2004)
- "ldatuning: Tuning of the Latent Dirichlet Allocation Models P arameters" (2016)[URL]
- Steyvers, M., "Handbookof latent semantic analysis", pp.427~448 (2007), Lawrence ErlbaumAssociates Publishers