트위터로 본 메르스(MERS)의 사회적 영향: 대응 시기와 집단에 따른 목소리의 다양성
Social influence of 2015 MERS outbreak on twitter: Diversity of online discourse over time and social groups
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
2015년 5월 시작된 메르스(MERS) 확산과정은 병리적 영향과 사회적 영향이 비례 하는 통상의 ‘(대)유행 전염병’과는 다르게 직접적인 병리적인 영향력의 규모에 비해 지대한 사회적 영향력을 행사했다. 그러나 역학조사나 정부와 의료기관의 대응 실태 에 관한 객관적인 통계조사와 달리 시민들이 느낀 질병에 대한 엄청난 공포, 정부에 대한 인식, 사회적 불안감과 같은 사회적 영향은 정성적으로만 다루어졌을 뿐 그 객 관적 측정 기준과 수치를 제시하는 연구는 상대적으로 드물었다. 본 연구에서는 2015년 메르스가 야기한 사회적 영향을 우리나라의 대표적 온라인 소셜 플랫폼 중 하나인 트위터에서 나타난 1,840,550개 사용자의 발화 내용(트윗)과 반응(리트윗) 의 특징을 세 가지 관점으로 분석하고자 한다. 첫째로, 트위터 내 정보 확산 패턴을 살펴봄으로 소수 상위 트윗이 대다수의 확산을 차지하는 불균등한 확산의 구조로 되 어 있음을 확인한다. 둘째로, 높은 확산성을 지닌 트윗들의 특징을 살펴보기 위해 주제 및 어휘 사용의 시간에 따른 변화를 살펴본다. 마지막으로, 정부와 관계된 계 정들과 일반 계정들에 의한 트윗들의 특징을 대조해 봄으로써 재난 상황에서 사회 주체에 따라 정보를 공유하는 시기와 소통 방식의 특징에 차이가 있음을 확인한다. 이러한 분석은 향후 우리 사회가 또 다른 재난 상황을 겪게 되었을 때 발현될 수 있 는 잠재적인 사회적 정서와 정보의 확산을 예측하고 그에 따른 다양한 사회 구성원 들의 소통을 끌어내 위기상황을 현명하게 대처하는 데 도움을 줄 것으로 기대된다.
Abstract
Unlike conventional large-scale epidemics, where social effects are proportional to pathological impact, the MERS epidemic episode in South Korea 2015 exerted a great social influence compared with the relatively weak extent of direct pathological influence. While epidemiologic investigations and statistics on the actions of governments and medical institutions during the outbreak have been studied profoundly, social impacts such as public’s fear against the disease, public perception of the government’s role, and social disquiet and tensions felt by citizens were rarely dealt by researchers due to lack of large-scale social data and systematic methods to analyze quantitatively. In this study, we quantitatively analyze the social effects caused by MERS in 2015 from three perspectives using 1,840,550 utterances (tweets) and responses (retweets) of users on Twitter in South Korea. First, we show that the spreading pattern of MERS-related information was highly heterogeneous during the epidemic period. Next, to understand characteristics of the highly spread tweets, we examine the trend of dominant contextual topics and lexical characteristics of the tweets over time. Finally, we uncover the differences in temporal characteristics and communication patterns in information spreading behavior between two user groups, public and government. The presented case study provides a comprehensive approach for understanding social behaviors in the case of future epidemic outbreaks.
참고문헌 (14)
- 김은성, "메르스관련 정부 위험소통의 한계에 대한 사회적 원인 분석", Crisisonomy, 11(10), pp.91~109 (2015), (사)위기관리이론과실천
- 박은정, "KoNLPy: 쉽고 간결한 한국어 정보처리 파이썬 패키지", 강원대학교 춘천캠퍼스 60주년 기념관, 2014.10.10. 발표 ｢제26회 한글 및 한국어 정보처리 학술대회 논문집｣, pp.1~4 (2014)
- "2015 메르스 백서: 메르스로부터 교훈을 얻다!" (2016)[URL]
- "코로나바이러스감염증-19(COVID-19)" (2020), 질병관리본부[URL]
- Blei, D. M., "Text Mining: Classification, Clustering, and Applications", pp.2009, Chapman and Hall
- Bento, A. I., "Evidence from Internet Search Data Shows Information-Seeking Responses to News of Local COVID-19Cases", Proceedings of the National Academy of Sciences, 117(21), pp.11220~11222 (2020)
- "Impact of Non-Pharmaceutical Interventions (NPIs) to Reduce COVID-19 Mortality and Healthcare Demand" (2020)[URL]
- Goel, S., "The Structure of Online Diffusion Networks", Proceedings of the 13th ACM Conference on Electronic Commerce, pp.623~638 (2012), Association for Computing Machinery
- Maaten, L. V. D., "Visualizing Data Using t-SNE", Journal of Machine Learning Research, 9, pp.2579~2605 (2008)
- "Efficient Estimation of Word Representations in Vector Space" (2013)[URL]
- Ro, J. S., "Worry Experienced during the 2015 Middle East Respiratory Syndrome (MERS) Pandemic in Korea", PLoS one, 12(3), pp.e0173234~ (2017)[DOI]
- "COVID-19 Tweeting in English:Gender Differences" (2020)[URL]
- Zarocostas, J, "How to Fight an Infodemic", The Lancet, 395(10225), pp.676~ (2020)
- Zipf, G. K., "Human Behavior and the Principle of Least Effort: An Introduction to Human Ecology" (1949), Addison-Wesley Press