트위터 게시물 분석을 통한 코로나바이러스감염증-19 백신에 대한 의견 탐색
Exploring Opinions on COVID-19 Vaccines through Analyzing Twitter Posts
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구는 코로나바이러스감염증-19(이하 코로나바이러스) 백신에 대한 사회적 의견을 파악하기 위해 트위터에서 작성된 백신 관련 게시물들을 분석하였다. 2020년 3월 16일부터 2021 3월 15일까지 1년간 트위터에서 작성된 코로나바이러스 백신 이름을 키워드로 포함한 45,413개의 게시물을 수집하여 분석하였다. 데이터 수집을 위해 활용된 코로나바이러스 백신 키워드는 총 12개이며, 수집된 게시물 수순으로 ‘화이자’, ‘아스트라제네카’, ‘모더나’, ‘얀센’, ‘노바백스’, ‘시노팜’, ‘시노백’, ‘스푸트니크’, ‘바라트’, ‘캔시노’, ‘추마코프’, ‘벡토르’이다. 수집된 게시물들은 수기와 자동화된 방법을 동시 활용하여 키워드 분석, 감성 분석, 및 토픽모델링을 통하여 백신들에 대한 의견을 탐색하였다. 연구결과에 따르면 전반적으로 백신에 대한 부정적인 반응이 많았으며, 백신 접종 후유증에 대한 불안 및 백신의 효능에 대한 불신이 백신들에 대한 부정적인 주요 요소로 파악되었다. 이와는 반대로, 백신 접종에 따른 코로나바이러스 확산 억제에 대한 기대감이 백신에 대한 긍정적인 사회적 요소인 것을 확인할 수 있었다. 본 연구는 기존의 선행연구들이 뉴스 등 대중매체 데이터를 통해 코로나바이러스 백신에 대한 사회적 분위기를 파악하고자 했던 것과 달리, 소셜 미디어 데이터 수집 및 이를 활용한 키워드 분석, 감성 분석, 토픽 모델링 등의 여러 분석방법들을 사용하여 대중들의 의견을 파악하는 것으로 학술적 의의를 지닌다. 또한, 본 연구의 결과는 백신에 대한 사회적 분위기를 반영한 백신 접종 권장 정책 수립 기여라는 실질적 함의를 시사한다.
Abstract
In this study, we aimed to understand the public opinion on COVID-19 vaccine. To achieve the goal, we analyzed COVID-19 vaccine-related Twitter posts. 45,413 tweets posted from March 16, 2020 to March 15, 2021 including COVID-19 vaccine names as keywords were collected. The 12 vaccine names used for data collection included ‘Pfizer’, ‘AstraZeneca’, ‘Modena’, ‘Jansen’, ‘NovaVax’, ‘Sinopharm’, ‘SinoVac’, ‘Sputnik V’, ‘Bharat’, ‘KhanSino’, ‘Chumakov’, and ‘VECTOR’ in the order of the number of collected posts. The collected posts were analyzed manually and automatedly through keyword analysis, sentiment analysis, and topic modeling to understand the opinions for the investigated vaccines. According to the results, there were generally more negative posts about vaccines than positive posts. Anxiety about the aftereffects of vaccination and distrust in the efficacy of vaccines were identified as major negative factors for vaccines. On the contrary, the anticipation for the suppression of the spread of coronavirus following vaccination was identified as a positive social factor for vaccines. Different from previous studies that investigated opinions about COVID-19 vaccines through mass media data such as news articles, this study explores opinions of social media users using keyword analysis, sentiment analysis, and topic modeling. In addition, the results of this study can be used by governmental institutions for making policies to promote vaccination reflecting the social atmosphere.
참고문헌 (24)
- "‘집단면역 70%' 달성하려면…“사실상 전국민 90% 백신 접종해야"" (2021), 김서영[URL]
- "신규 확진 2,248명…나흘 연속 2천명대 확산" (2021), 김장현[URL]
- 김태종, "뉴스 빅데이터를 활용한 코로나19 언론보도 분석 :토픽모델링 분석을 중심으로", 한국콘텐츠학회 논문지, 20(5), pp.457~466 (2020), 한국콘텐츠학회[DOI]
- 박상민, "Bi-LSTM 기반의 한국어 감성사전 구축 방안", 지능정보연구, 24(4), pp.219~240 (2018), 한국지능정보시스템학회
- 박은정, "KoNLPy: 쉽고 간결한 한국어 정보처리 파이썬 패키지", 제26회 한글 및 한국어정보처리 학술대회 논문집, pp.133~136 (2014)
- 서하림, "소셜미디어를 통한 우울 경향 이용자 담론 주제 분석", 정보관리학회지, 36(4), pp.207~226 (2019), 한국정보관리학회[DOI]
- 성백린, "코로나19 백신 연구와 개발", 지식의 지평, 30, pp.117~127 (2021)
- 유소연, "텍스트 마이닝과 의미 네트워크 분석을 활용한 뉴스 의제 분석: 코로나 19 관련 감정을 중심으로", 지능정보연구, 27(1), pp.47~64 (2021), 한국지능정보시스템학회
- 주영준, "페이스북 그룹 게시물 분석을 통한 우울증 관련 주제에 대한 고찰", 한국문헌정보학회지, 53(4), pp.171~187 (2019), 한국문헌정보학회[DOI]
- "코로나 19 국내 검사 및 확진자 현황" (2021), 중앙방역대책본부[URL]
- 진설아, "트위터 데이터를 이용한 네트워크 기반 토픽 변화 추적 연구", 정보관리학회지, 30(1), pp.285~302 (2013), 한국정보관리학회[DOI]
- 최성민, "팬데믹의 현재와 백신의 미래", Oughtopia (오토피아), 36(1), pp.5~38 (2021), 인류사회재건연구원[DOI]
- 최원주, "코로나19에 대한 국내 언론보도 검색키워드 패턴 연구", 커뮤니케이션학 연구, 29(2), pp.29~58 (2021), 한국커뮤니케이션학회[DOI]
- Blei, D. M., "Latent Dirichlet Allocation", Journal of Machine Learning Research, 3(4, pp.5) (2003), 993~1022
- Domenico, C., "WHO declares COVID-19 a pandemic", Acta Bio Medica:Atenei Parmensis, 91(1), pp.157~160 (2020)[DOI]
- Härdle, W., "Applied Quantitative Finance. Statistics and Computing"
- "snscrape 0.3.4" (2020)[URL]
- Lara Tavoschi, "Twitter as a sentinel tool to monitor public opinion on vaccination: an opinion mining analysis from September 2016 to August 2017 in Italy", Human Vaccines & Immunotherapeutics, 16(5), pp.1062~1069 (2020), Informa UK Limited[DOI]
- Linton, M., "Dynamic Topic Modelling for Cryptocurrency Community Forums" (2017), Springer
- Lucia Prieto Santamaría, "Influenza and Measles-MMR: two case study of the trend and impact of vaccine-related Twitter posts in Spanish during 2015-2018", Human Vaccines & Immunotherapeutics, pp.1~15 (2021), Informa UK Limited[DOI]
- Edouard Mathieu, "A global database of COVID-19 vaccinations", Nature Human Behaviour, 5(7), pp.947~953 (2021), Springer Science and Business Media LLC
- Rehurek, R., "Gensim--python framework for vector space modelling", NLP Centre, Faculty of Informatics, Masaryk University, 3(2) (2011)
- Samira Yousefinaghani, "An analysis of COVID-19 vaccine sentiments and opinions on Twitter", International Journal of Infectious Diseases, 108, pp.256~262 (2021), Elsevier BV[DOI]
- "Coronavirus Cases - Worldometer" (2021)[URL]