Mapping the Pandemics Echo: Dynamic Narrative Detection and Spatio-Temporal Sentiment Modeling of COVID-19 Discourse on Twitter
이 논문은 240만 건의 위치 정보가 포함된 트윗을 분석하기 위해 COVID-Twitter-BERT와 BERTopic을 결합한 새로운 시공간 프레임워크를 도입하며, 이를 통해 코로나19 관련 서사와 감성이 뚜렷한 팬데믹 단계에 따라 어떻게 진화했는지, 그리고 미국과 유럽 지역 간에 어떻게 유의미하게 달랐는지를 밝혀낸다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
인터넷을 잠들지 않는 거대하고 전 세계적인 마을 광장이라고 상상해 보십시오. 이 광장에서는 수십억 명의 사람들이 매초마다 자신의 생각, 두려움, 농담을 허공을 향해 외칩니다. 거대한 사건에 사람들이 어떻게 반응하는지를 연구하는 과학자들에게 이 떠듦은 마치 책들이 실시간으로 쓰여지는, 거대하고 시끄러운 도서관와 같습니다. 이 혼돈을 이해하기 위해 연구자들은 두 가지 주요 도구를 사용합니다. 첫째, 그들은 문장을 읽고 작성자가 행복한지, 슬픈지, 화가 났는지, 혹은 그저 중립적인지를 결정하는 디지털 무드 링(mood ring)과 같은 "감성 분석(sentiment analysis)"을 사용합니다. 둘 둘째, 그들은 단어가 다르더라도 실제로 무엇에 대해 이야기하고 있는지를 기준으로 수천 권의 책을 한꺼번에 읽고 분류할 수 있는 매우 똑똑한 사서 역할을 하는 "토픽 모델링(topic modeling)"을 사용합니다. 보통 과학자들은 이 무드 링과 책 그룹을 마치 정지된 사진처럼 특정 시점에 고정된 것으로 간주합니다. 하지만 삶은 사진이 아니라 영화입니다. 사람들의 감정과 그들이 들려주는 이야기는 매일 변하며, 사는 지역에 따라 다르게 변합니다. 이 움직이는 영상을 이해하는 것은 매우 중요한데, 왜냐하면 지도자들이 위기 상황에서 사람들과 소통하고자 한다면, 사람들이 무엇을 걱정하는지뿐만 아니라 그 걱정이 언제 시작되었으며 누가 그것을 느끼고 있는지까지 알아야 하기 때문입니다.
"팬데믹의 메아리 매핑(Mapping the Pandemic's Echo)"이라는 제목의 이 논문은 그 정지된 사진을 뛰어넘는 거대한 도약을 시도합니다. 연구자인 마스크리(Maaskri)와 그의 팀은 소셜 미디어를 위한 타임머신을 만들기로 했습니다. 그들은 2020년 1월부터 2022년 6월까지 30개월 동안 전 세계에서 수집된 240만 개의 트윗이라는 방대한 컬렉션을 모았습니다. 그들은 트윗을 단순히 정적인 데이터 더미로 보는 대신, 특별하고 첨단 기술적인 툴킷을 사용하여 이야기와 기분이 달마다 어떻게 진화하는지 관찰했습니다. 그들은 팬데믹 관련 트윗의 특정 속어와 맥락을 이해하는 매우 똑똑한 언어 뇌(COVID-Twitter-BERT라고 불리는)와, 새로운 이야기가 나타나거나 오래된 이야기가 사라지는 것을 포착할 수 있는 동적인 토픽 추적기(BERTopic이라고 불리는)를 결합했습니다.
그들이 발견한 것은 매혹적이고 변화무쌍한 인간 감정의 풍경입니다. 이 연구는 팬데믹이 하나의 길고 지루한 이야기가 아니라, 일련의 뚜렷한 장(chapter)들로 이루어져 있음을 시사합니다. 2020년 초 아주 초기에, 지배적인 서사는 마스크와 의료 물품이 부족해지는 것에 대한 순수한 공포였습니다. 몇 달이 지나면서 대화의 초점은 극적으로 바뀌었습니다. 2021년이 되자 논의는 백신으로 옮겨갔는데, 처음에는 엄청난 낙관주의와 희망의 물결로 시작되었다가, 점차 사람들이 백신을 반드시 맞아야 하는지에 대한 격렬하고 양극화된 논쟁으로 변했습니다. 2022년에는 분위기가 다시 바뀌어 '팬데믹 피로감'이라고 불리는 상태로 변했는데, 이는 사람들이 이 모든 상황에 그저 지쳐버린 상태를 의미합니다.
연구진은 또한 지리적 요인이 매우 중요하다는 것을 발견했습니다. 이것은 마치 같은 도시 안에 있는 두 개의 서로 다른 동네가 완전히 다른 파티를 여는 것과 같습니다. 미국에서는 가장 큰 대화가 종종 "자유 대 의무"에 관한 것이었으며, 규칙과 개인의 권리에 대한 많은 분노와 논쟁이 있었습니다. 그러나 유럽에서의 토론은 "연대"와 공동체로서 함께 협력하는 것에 더 집중되었습니다. 연구는 이러한 감정을 측정했으며, 그들의 시스템이 트윗의 기분을 약 76%의 확률로 정확하게 예측할 수 있었고, 사람들이 들려주는 50가지의 서로 다른 이야기 또는 "서사(narratives)"를 성공적으로 식별해 냈습니다.
이 논문은 소셜 미디어를 정적인 의견 목록으로 보는 것은 핵심을 놓치는 것이라고 주장합니다. 만약 당신이 스냅샷만을 본다면, 모든 사람이 백신에 대해 기뻐하고 있다고 생각하거나, 특정 지역이 갑자기 새로운 규칙에 대해 화가 났다는 사실을 놓칠 수도 있습니다. 이러한 변화를 시간과 공간에 따라 매핑함으로써, 저자들은 공중보건 관계자들이 새로운 우려가 큰 문제가 되기 전에 이를 포착하기 위해 이러한 종류의 "서사 감시(narrative surveillance)"를 사용할 수 있다고 제안합니다. 그들은 낙관주의가 언제 공포로 변하는지, 혹은 특정 지역의 정책이 어떤 유형의 반발을 일으키고 있는지 정확히 파악하여, 그 순간의 분위기에 맞춰 메시지를 조정할 수 있습니다. 비록 이 연구가 영어 트윗에 국한되어 있고 트위터를 사용하는 사람들만을 포함하고 있어(이들이 모두를 대표하지 않을 수도 있음) 한계가 있지만, 이 연구는 세상의 맥박을 듣는 강력한 새로운 방법을 제시하며, 팬데믹의 이야기는 결코 단 하나의 이야기가 아니라 매일 변화하는 수십억 개의 서로 다른 이야기임을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.