Dynamic Topic Alignment and Sentiment between Official Health Communication and General Public Discourse during COVID-19: A Comprehensive Infoveillance Framework

본 연구는 COVID-19 팬데믹 기간 동안 CDC 의 소통과 소셜 미디어상의 대중 담론 간의 역동적 정합성과 감정을 분석하기 위한 포괄적인 정보감시 프레임워크를 제시하며, 주제 정합성의 증가가 대중의 동의보다는 오히려 강화된 부정적 감정 반응과 상관관계가 있음을 밝혀냈다.

핵심

COVID-19 팬데믹을 두 개의 서로 다른 집단이 음악을 이끌려고 애쓰는 거대하고 혼란스러운 콘서트라고 상상해 보세요. 하나는 CDC(공식 지휘자)이고, 다른 하나는 일반 대중(관객)입니다.

이 논문은 마치 첨단 음향 엔지니어의 보고서와 같습니다. 이 보고서는 간단하지만 까다로운 한 가지 질문에 답하려 합니다: 지휘자와 관객이 실제로 같은 곡을 연주하고 있는 것일까, 아니면 서로의 소리를 덮으려고 외치고 있는 것일까?

연구자들은 다음과 같이 간단한 비유를 사용하여 내용을 분석했습니다.

1. 두 개의 플레이리스트 (토픽 모델링)

먼저, 연구자들은 두 개의 거대한 트윗 플레이리스트를 수집했습니다.

• 플레이리스트 A: 공식 CDC 계정의 트윗 17,524 개 (지휘자).
• 플레이리스트 B: 일반인의 트윗 67,895 개 (관객).

그들은 '비터姆 토픽 모델 (Biterm Topic Model)'이라는 똑똑한 컴퓨터 프로그램을 사용하여 이 플레이리스트들을 듣고 단어를 주제별로 그룹화했습니다.

• CDC 플레이리스트는 의학 교과서처럼 들렸습니다: "입원률", "백신 접종 프로토콜", "비약물적 개입", 그리고 "임상적 측면".
• 대중 플레이리스트는 마을 회의, 바, 그리고 거실의 혼합처럼 들렸습니다: "경제적 영향", "정치", "스포츠", "가족 보호", 그리고 "개인적 고충".

결과: 두 집단 모두 바이러스에 대해 이야기하고 있었지만, 종종 서로 다른 언어로 말하고 있었습니다. CDC 는 기술적 지표에 집중하는 반면, 대중은 바이러스가 그들의 일상생활, 일자리, 그리고 감정에 어떤 영향을 미치는지에 집중했습니다.

2. "정렬 점수" (토픽 일관성)

연구자들은 두 플레이리스트가 얼마나 잘 맞는지 측정하는 새로운 방법을 고안했습니다. 열을 측정하는 것이 아니라 "토픽 정렬"을 측정하는 체온계를 상상해 보세요.

• 작동 원리: 그들은 단순히 단어가 비슷한지 여부만 보지 않았습니다. 대신 특정 날짜에 대중이 특정 주제에 대해 얼마나 많이 이야기했는지 보았습니다.
• 결과: 시간이 지남에 따라 "정렬 체온계"는 상승했습니다. 이는 대중이 CDC 가 이야기하는 것과 같은 주제들(학교 대응이나 가족 보호 등) 에 대해 이야기하기 시작했다는 것을 의미합니다.
• 주의점: 대중이 CDC 와 같은 주제에 대해 이야기했다고 해서 그들이 동의한다는 뜻은 아닙니다. 단지 같은 것들에 주의를 기울이고 있다는 뜻일 뿐입니다. 마치 두 사람이 같은 폭풍 구름을 바라보는 것과 같습니다. 한 사람은 비를 걱정하고, 다른 사람은 바람을 걱정합니다. 그들은 같은 것을 보고 있지만, 반드시 같은 페이지에 있는 것은 아닙니다.

3. 기분 반지 (감성 분석)

대중이 이러한 주제들에 대해 어떻게 느꼈는지 이해하기 위해, 연구자들은 두 가지 다른 "기분 반지"를 사용했습니다.

• **기분 반지 #1 **(기대 감성) 이는 평균적인 어조를 측정합니다. 무작위로 트윗 하나를 뽑았을 때, 그것이 행복할지, 슬플지, 아니면 화날지 말입니다.

  • 결과: 대중이 CDC 와 정확히 같은 주제에 대해 이야기하고 있었을지라도, 평균적인 어조는 일관되게 부정적으로 남았습니다. 대중이 CDC 의 주제와 더 많이 정렬될수록 어조는 더 부정적이 되었습니다. 이는 사람들이 CDC 의 경고를 집중할 때, 안심하기보다는 더 걱정하게 된다는 것을 시사합니다.

• **기분 반지 #2 **(순 감성) 이는 감정의 강도나 양을 측정합니다. 그들이 무엇을 느끼는지에 관한 것이 아니라, 그들이 얼마나 크게 느끼는지에 관한 것입니다.

  • 결과: 대중이 CDC 주제와 정렬될 때, 감정적 강도는 즉시 급증했습니다. 그것은 갑작스러운 감정의 포효와 같았습니다. 대중은 CDC 가 제기한 주제에 빠르고 강하게 반응했습니다.

4. 타임머신 (ARIMAX 모델)

마지막으로, 연구자들은 CDC 가 말한 후 대중의 기분이 변하는 데 얼마나 걸리는지 보기 위해 시간을 여행하는 수학 모델을 사용했습니다.

• **"평균 기분" **(기대 감성) 이는 천천히 변했습니다. CDC 가 어떤 주제에 대해 이야기할 때, 대중의 평균 기분은 즉시 부정적으로 이동했지만, 그 후에도 며칠 동안 계속 부정적으로 이동했으며, 주간 패턴 (반복되는 두통과 같은) 을 따르기도 했습니다.
• **"감정적 강도" **(순 감성) 이는 번개와 같았습니다. 대중의 감정 강도는 CDC 가 말한 같은 날에 즉시 급증했지만, 같은 지연 효과는 보이지 않았습니다.

핵심 교훈

이 연구의 주요 교훈은 보건 당국에 대한 일종의 현실 점검입니다.

"정렬"은 "동의"를 의미하지 않습니다.

대중이 CDC 가 이야기하는 것과 같은 것들에 대해 이야기하기 시작했다고 해서, 그들이 고개를 끄덕이며 동의하거나 기분이 좋아진다는 뜻은 아닙니다. 사실, 이 연구는 높은 정렬이 실제로 더 부정적인 감정과 더 높은 불안과 연결되었다는 것을 발견했습니다.

대중은 CDC 의 메시지에 주의를 기울이고 있었지만, 그것은 차분한 수용이 아니라 두려움과 우려로 이루어진 것이었습니다. 이 연구는 보건 기관과 대중이 "같은 주제"에 있을 때, 그것은 종종 대중이 기관이 강조하는 문제들에 대해 깊이 걱정하고 있다는 것을 의미한다고 제안합니다.

간단히 말해: 대중과 CDC 는 같은 비트에 맞춰 춤을 추고 있었지만, 대중은 슬픈 노래에 맞춰 춤을 추고 있었습니다.

기술 요약

기술적 요약: COVID-19 기간 중 공식 건강 커뮤니케이션과 일반 대중 담론 간의 동적 주제 정렬 및 감정 분석

문제 제기
COVID-19 팬데믹 기간 동안 소셜 미디어는 공식 건강 커뮤니케이션 (예: 질병통제예방센터, CDC) 과 일반 대중 담론 모두를 위한 핵심 채널로 기능했습니다. 기존 연구들은 대중의 감정이나 고립된 주제를 검토해 왔으나, 공식 건강 기관의 핵심 메시지와 광범위한 대중의 진화하는 주제 간의 동적 시간적 정렬에 대한 체계적인 조사는 부족했습니다. 이전 연구들은 종종 단일 일자의 스냅샷에 국한되거나, 시간에 따른 주제 정렬과 감정의 진화를 모델링하지 못했으며, 대중의 관심과 대중의 동의 사이를 구분하지 못했습니다. 본 연구는 건강 위기 기간 동안 내용 주제와 감정으로 표현된 대중의 의견이 공식 건강 커뮤니케이션과 어떻게 상관관계를 가지며 어떻게 달라지는지 이해하는 데 있어 존재하는 격차를 해소합니다.

방법론
저자들은 자연어 처리 (NLP), 주제 모델링, 다변량 시계열 분석을 통합한 엔드 - 투 - 엔드 정보 감시 (infoveillance) 프레임워크를 개발했습니다. 본 연구는 두 개의 대규모 트위터/X 데이터 세트를 활용했습니다:

1. CDC 커뮤니케이션: 2019 년 12 월 17 일부터 2022 년 1 월 15 일까지 7 개 공식 CDC 소속 계정의 트윗 17,524 건.
2. 일반 대중 담론: 2020 년 2 월 28 일부터 2023 년 6 월 1 일까지 BrandWatch 를 통해 수집된 트윗 67,895 건.

방법론적 파이프라인은 네 가지 주요 단계로 구성되었습니다:

1. 주제 모델링 (이항 주제 모델 - BTM):

   • 짧은 텍스트 데이터의 희소성을 처리하기 위해 BTM 을 두 개의 말뭉치에 각각 적용하여, 개별 문서 내가 아닌 전체 말뭉치 전반에 걸친 단어 공발생을 모델링했습니다.
   • 비교 가능성을 허용하기 위해 공유 어휘를 구성했습니다.
   • 최적의 주제 수는 **레니 엔트로피 (Rényi entropy)**를 사용하여 결정되었으며 (대중 담론은 10 으로 안정화, CDC 는 9 로 안정화), 전문가의 정성적 검토를 통해 검증되었습니다.
   • 이를 통해 두 가지 다른 주제 집합이 도출되었습니다: 9 개의 CDC 주제 (예: 전염병 위험, 지역 대응, 가족 보호) 와 10 개의 대중 담론 주제 (예: 경제적 영향, 정치, 스포츠).

2. 주제 일관성 점수 시스템:

   • 동적 정렬을 정량화하기 위한 새로운 지표가 개발되었습니다. 이 지표는 주제 - 단어 확률 분포 간의 의미적 유사성을 측정하는 코사인 유사도와 특정 날짜의 대중 담론에서 특정 주제가 차지하는 비율인 일일 주제 prominence를 통합합니다.
   • 이 시스템은 각 날짜 $d$의 각 CDC 주제 $j$에 대해 가중치 정렬 점수 ($C_{j,d}$) 를 계산하여, 대중 담론이 해당 특정 공식 주제와 얼마나 밀접하게 정렬되는지 반영하며, 이는 대중 영역에서 해당 주제가 얼마나 두드러지는지에 따라 가중치가 부여됩니다.

3. 감정 분석:

   • 대중 감정의 서로 다른 차원을 포착하기 위해 두 가지 보완적인 감정 측정이 통합되었습니다:
     • 기대 감정 (Expected Sentiment): 볼륨과 관계없이 무작위로 선택된 게시물의 어조를 나타내는 평균 감정 톤 (정규화됨).
     • 순 감정 (Net Sentiment): 감정 급증의 크기와 집중도를 포착하는 총체적 감정 강도 (긍정에서 부정을 뺀 비정규화 합계).

4. 시간적 역동성 (ARIMAX 모델링):

   • 외생 변수를 포함한 자기회귀 통합 이동평균 (ARIMAX) 모델을 사용하여 주제 일관성 (외생 변수) 과 대중 감정 (종속 변수) 간의 시간적 관계를 조사했습니다.
   • 기대 감정과 순 감정에 대해 모델을 실행했으며, 즉각적, 지연적, 그리고 주간 주기적 패턴을 포착하기 위해 최대 7 일까지의 지연 항을 포함했습니다.

주요 결과

• 주제 정렬 추세: CDC 커뮤니케이션과 대중 담론 간의 주제 정렬은 대부분의 주제에서 시간이 지남에 따라 증가했으며, 특히 "지역 및 주 대응"과 "가족 보호"에서 두드러졌습니다. 그러나 정렬은 주제별로 크게 달라졌으며, "비약물적 개입"과 같은 기술적 주제는 공식 담론과 대중 담론 간의 언어 및 프레임 차이로 인해 더 낮은 정렬을 보였습니다.
• 감정 역동성: 주제 정렬이 증가했음에도 불구하고, 기대 대중 감정은 연구 기간 내내 일관되게 부정적으로 유지되었습니다. 이는 더 높은 정렬이 공식 메시지에 대한 동의나 긍정적인 수용이 아니라 대중의 관심과 우려를 반영함을 나타냅니다.
• 시간적 효과 (ARIMAX 결과):
  • 기대 감정: 더 높은 주제 일관성은 평균 감정의 즉각적인 감소 (더 부정적인 톤) 와 유의미하게 연관되었으며, 2 일, 3 일, 7 일에서 유의미한 지연 효과를 보여 대중의 감정적 반응에 주간 주기적 패턴이 있음을 시사합니다.
  • 순 감정: 더 높은 주제 일관성은 감정 강도 (크기) 의 유의미한 즉각적인 증가와 연관되었으나, 기대 감정에서 관찰된 것과 같은 지연되거나 주간 지연 효과는 보이지 않았습니다. 이는 대중이 CDC 와 동일한 주제에 집중할 때 감정적 반응이 즉각적이고 강렬하며, 종종 팬데믹 초기 단계나 사망 보고와 같은 부정적인 급증에 의해 주도됨을 시사합니다.

주요 기여

1. 새로운 정보 감시 프레임워크: 본 연구는 정적 분석을 넘어 공식 건강 커뮤니케이션과 대중 담론 간의 동적, 시간적 관계를 모델링하는 확장 가능한 엔드 - 투 - 엔드 프레임워크를 제시합니다.
2. 주제 일관성 점수 시스템: 저자들은 의미적 정렬과 일일 주제 prominence 를 모두 고려하는 가중치 유사성 지표를 도입하여, 단순한 코사인 유사도보다 더 세밀한 정렬 측정을 제공합니다.
3. 이중 감정 지표: *기대 감정 (평균 톤)*과 *순 감정 (감정 강도)*을 구분함으로써, 본 연구는 대중의 반응을 더 포괄적으로 보여주며, 높은 정렬이 부정적인 톤과 높은 감정적 변동성과 공존할 수 있음을 드러냅니다.
4. 정렬에 대한 경험적 통찰: 연구 결과는 주제 정렬이 성공적인 커뮤니케이션이나 대중의 동의와 동일시된다는 가정에 도전합니다. 대신, 본 연구는 정렬이 종종 동일한 문제에 대한 대중의 heightened 우려와 관심을 반영하며, 이는 종종 부정적인 감정적 반응과 동반됨을 입증합니다.

의의 및 주장
본 논문은 이 프레임워크가 공식 건강 커뮤니케이션에 대한 대중의 참여를 조사하고 평가하기 위한 일반화 가능한 접근법을 제공한다고 주장합니다. 주요 의의는 **대중의 관심 (정렬)**과 **대중의 동의 (감정)**를 구분할 수 있는 능력에 있습니다. 저자들은 연구 결과가 건강 기관이 주제 정렬을 메시지 수용의 신호가 아니라 특정 감정적 맥락 관리가 필요할 수 있는 대중의 우려 지표로 해석해야 함을 시사한다고 주장합니다. 이 프레임워크는 모듈식으로 설계되어 다양한 주제 모델링 접근법이나 감정 지표를 통합할 수 있도록 하며, 향후 공중보건 위기 동안 더 효과적인 커뮤니케이션 전략을 지원하도록 고안되었습니다. 본 연구는 트위터/X 데이터의 독점적 사용과 현재 NLP 방법이 풍자나 혼합 감정을 완전히 포착하지 못한다는 한계를 명시적으로 지적하며, 이를 현재의 역량이 아닌 향후 확장 영역으로 규정합니다.