텍스트마이닝을 이용한 국가유산채널 영상 콘텐츠 수용자 반응 분석: 유튜브 댓글 중심으로
Analyzing Audience Responses to K-Heritage Channel Video Content Using Text Mining : Focusing on YouTube Comments
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 디지털 환경에서 문화유산 콘텐츠의 소비가 확대되는 흐름 속에서, 공공기관이 운영하는 국가유산채널의 유튜브 댓글을 분석하여 시청자의 반응 양상과 관심 주제, 그리고 문화유산 콘텐츠에 대한 수용자의 정서적·인지적 반응 특성을 실증적으로 탐색하고자 하였다. 기존 연구가 주로콘텐츠 제작자 중심 혹은 전통적인 여론조사에 의존하였다면, 본 연구는이용자 생성 콘텐츠(User-Generated Content)인 댓글 데이터를 중심으로분석을 수행함으로써 수용자 관점의 반응 구조를 조망하고자 했다. 연구 대상은 2010년 6월부터 2024년 12월까지 국가유산채널이 유튜브에 게시한 2,115개 영상에 달린 댓글 73,537건이며, 이 중 전처리를 거쳐67,826건을 최종 분석에 활용하였다. 분석 방법으로는 키워드 빈도 분석, TF-IDF 분석, BERTopic 기반 토픽모델링 기법을 적용하였으며, 재생목록별 댓글 수 분석도 병행하였다. 분석 결과, 시청자들은 단순한 정보 습득을 넘어, 전통문화의 아름다움에대한 감탄, 정서적 지지, 문화적 자긍심 등을 표현하는 다양한 반응을 보였다. ‘문화유산’, ‘응원’, ‘장인’, ‘아름답다’ 등의 키워드가 높은 빈도를 보였으며, 형용사형 키워드에서는 긍정 정서와 인상 평가 중심의 언어 사용이 두드러졌다. TF-IDF 분석에서는 높은 점수를 획득한 ‘아름답다’, ‘감사하다’, ‘응원’, ‘국가’, ‘대단하다’ 등이 콘텐츠에 대한 정서적 몰입과 공감을 시사하였다. BERTopic 분석을 통해 총 10개의 주요 토픽이 도출하였으며, 이들은 전통성 중심의 감상 반응과 감성적 참여 및 K-콘텐츠 연계 반응이라는 두 축으로 구분되는 클러스터 구조를 형성하였다. 특히 전통 장인, 발굴현장, K-POP 협업, ASMR 콘텐츠 등 다양한 형식과 주제에 따라 시청자 반응 집단이 분화되는 양상이 확인되었다. 본 연구는 유튜브 기반 문화유산 콘텐츠에 대한 시청자의 수용 반응과 문화적 의미 형성 과정을 실증적으로 규명하였다는 점에서 이론적·실천적 의의가 있으며, 향후 문화유산 콘텐츠 기획과 정책 수립 시 데이터 기반 수용자 중심 전략 수립에 기초자료로 활용될 수 있다.
Abstract
This study aims to examine the patterns of viewer responses and topic interests reflected in YouTube comments on videos uploaded by the K-Heritage Channel, a public platform managed by the Korean government. In contrast to previous studies that primarily relied on producer-centered perspectives or traditional surveys, this research adopts a user-centric approach by analyzing user-generated content (UGC)-specifically YouTube comments to uncover how digital audiences engage with and emotionally respond to cultural heritage content. The dataset consists of 73,537 comments extracted from 2,115 videos published between June 2010 and December 2024. After preprocessing, a total of 67,826 comments were retained for analysis. The methodological framework includes keyword frequency analysis, TF-IDF weighting, and BERTopic-based topic modeling, supplemented by an analysis of comment volume by content playlist. As a result of the analysis, viewers expressed a variety of responses that went beyond simple information acquisition, including admiration for the beauty of traditional culture, emotional support, and expressions of cultural pride. Keywords such as “cultural heritage,” “support,” “artisan,” and “beautiful” showed high frequencies, while adjective-type keywords highlighted a strong tendency toward positive sentiment and impression-based evaluations. In the TF-IDF analysis, high-scoring terms such as “beautiful,” “thankful,” “support,” “nation,” and “amazing” indicated strong emotional engagement and empathy toward the content. Using BERTopic, the study extracted ten major topics, which formed two distinct clusters: one reflecting an appreciation for traditional cultural values, and the other centered on emotional participation and responses to K-content collaborations. The findings also revealed differentiated patterns of viewer reactions depending on content format and theme, particularly in videos featuring traditional artisans, archaeological sites, K-POP collaborations, and ASMR-style presentations. This study demonstrates that digital cultural heritage content on YouTube not only delivers information but also promotes affective engagement and identity formation among viewers. The findings offer both theoretical and practical implications, serving as a valuable resource for the development of data-driven, audience- centered content strategies and cultural heritage promotion policies in the digital age.