본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

초록보기

자연어 처리 기술이 발달되어 있는 미국에서는 인공지능 등 컴퓨터 과학을 통해 팩트체킹을 자동화하려는 시도가 이어지고 있다. 하지만 국내 소셜 미디어 환경과 한국어를 대상으로 한 팩트체킹의 자동화 연구는 찾아보기 힘든 실정이다. 본 연구는 메시지 내용이 아닌, SNS 사용자의 다양한 특성을 고려하여 거짓 정보를 판단할 수 있는지를 확인해 보았다. 트위터에 올라온 3017개의 트윗을 네 가지 변인군을 통해 거짓 정보를 담고 있는 트윗인지 여부를 어느 정도까지 판별할 수 있을지 로지스틱 회귀 분석을 통해 분석해 보았다. 분석 결과, 네 가지 변인군 모두 통계적으로 유의미한 영향을 갖는 것으로 나타났다. 특히, 기존 ‘거짓(혹은 사실) 트윗에 좋아요’라고 누른 사용자와 관련된 변인군이 가장 큰 영향력을 미치는 것으로 분석되었다. 본 연구는 통계적 분석 방법뿐만 아니라 기계 학습(machine learning)을 통해서도 거짓 정보를 담고 있는 트윗을 찾아내는 비율, 즉 민감도를 얼마나 높일 수 있을지 알아보았다. 분류 모델을 대표하는 로지스틱 리그레션을 통해 민감도를 69%까지 증가시켰으며, 의사 결정 나무를 통해서는 73%까지 거짓 정보 트윗을 찾아내는 성과를 올렸다. 이는 통계적 방법(위계적 로지스틱 회귀 분석)을 사용했을 때보다 기계 학습을 사용했을 때 각각 14%p와 18%p 향상된 수치다. 이 같은 결과를 토대로 자동화 팩트체킹의 가능성과 한계, 후속 연구 등에 대해서도 논의했다.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
방송통신발전기금 제도 개선을 둘러싼 담론 지형과 정책적 함의 = Discourse struggle and policy implications over the improvement of the Korea broadcasting and telecommunication development fund system 홍종윤, 정영주 p.9-39
장노년층의 사회 위험 인식에 영향을 미치는 요인 연구 = A study on the factors that affect the perception of risk among middle-aged and older adults the effect of media environment, age friendly environment, and social capital, and the moderating role of age : 미디어 환경, 고령사회 환경, 사회자본의 영향과 연령대의 조절효과 안순태, 정재선, 정순둘 p.40-77

SNS 사용자 특성과 확증 편향을 통한 자동화된 팩트체킹의 가능성 = Possibility of automated fact checking through SNS user characteristics and confirmatory bias : 정치인 관련 트윗 데이터를 중심으로 정성욱, 이준환 p.78-117

참고문헌 (42건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 금혜성 (2011). 정치인의 SNS 활용: 정치적 소통 도구로서의 트위터. 『한국정당학회보』, 10권 2호, 189∼219. 미소장
2 김의중 (2016). 『인공지능, 머신러닝, 딥러닝 입문』. 파주: 위키북스. 미소장
3 마동훈·오택섭·김선혁 (2013). 『저널리즘 공공성 실현을 위한 한국형 팩트체킹 모델 연구』 (연구보고서 2013-06). 서울: 한국언론진흥재단. 미소장
4 박종민·권구민·김선정·장희경 (2013). 트위터를 통한 정치인 자아표현과 공중과의 상호커뮤니케이션: 고프만(E.Goffman)의 연극적 분석법과 틀 분석의 적용. 『한국언론학보』, 57권 5호, 155∼189. 미소장
5 손경수·윤영철 (2013). 매스미디어와 정치인 트위터 간 상호정보이용 행태 분석: 신문의 보도이념과 정치인의 이념성향을 중심으로. 『한국언론학보』, 57권 3호, 162∼188. 미소장
6 손승혜·이귀옥·홍주현·최지향·정은정 (2018). 트위터는 어떻게 가짜 뉴스를 유통시키는가?. 『사이버커뮤니케이션학보』, 35권 4호, 203∼251. 미소장
7 오세욱·김수아 (2016). 『디지털 저널리즘 투명성 제고를 위한 기술적 제안』. 서울: 한국언론진흥재단. 미소장
8 윤호영·박한우 (2011). 한국 정치인들의 트위터 활용 방식. 『동아인문학』, 20권, 559∼ 582. 미소장
9 이재현·김찬균 (2012). 트위터 네트워크 정보 전파과정 분석: 유력자 및 하이퍼링크 효과. 『한국언론학보』, 56권 3호, 238∼265. 미소장
10 장덕진 (2011). 트위터 공간의 한국 정치. 『언론정보연구』, 48권 2호, 80∼107. 미소장
11 최진호·한동섭 (2011). 정치인 트위터와 신문·방송뉴스의 의제 상관성에 관한 연구. 『언론과학연구』, 11권 2호, 501∼532. 미소장
12 홍주현·윤해진 (2014). 트위터를 통한 루머의 확산 과정 연구: 한미 FTA 관련 루머의 자극성에 따른 의견 확산 추이와 이용자의 상호작용성을 중심으로. 『한국언론정보학보』, 66호,59∼86. 미소장
13 황용석 (2017). 페이크 뉴스, 풍자인가 기만인가?. 한국언론진흥재단 세미나 자료. URL: http://www.comm.or.kr/Forum/Schedule/ViewContents/?ThreadId=100001032 1&Page=4 미소장
14 Allport, G. W., & Postman, L. (1947). The psychology of rumor. Oxford, England: Henry Holt. 미소장
15 Antoniadis, S., Litou, I., & Kalogeraki, V. (2015, October). A model for identifying misinformation in online social networks. In OTM Confederated International Conferences “On the Move to Meaningful Internet Systems” (pp. 473∼482). Springer, Cham. 미소장
16 Science vs conspiracy: collective narratives in the age of misinformation. 네이버 미소장
17 Boyd, D., Golder, S., & Lotan, G. (2010, January). Tweet, tweet, retweet: Conversational aspects of retweeting on twitter. In System Sciences (HICSS), 2010 43rd Hawaii International Conference on (pp. 1∼10). IEEE. 미소장
18 Predicting information credibility in time-sensitive social media 네이버 미소장
19 Coelho, L. P., & Richert, W. (2015). Building machine learning systems with Python. Packt Publishing Ltd. 미소장
20 The spreading of misinformation online. 네이버 미소장
21 Do we need hundreds of classifiers to solve real world classification problems 네이버 미소장
22 Twitter use by the U.S. Congress 네이버 미소장
23 Feeling validated versus being correct: a meta-analysis of selective exposure to information. 네이버 미소장
24 Hassan, N., et al. (2015, July). The quest to automate fact-checking. In Proceedings of the 2015 Computation+ Journalism Symposium. 미소장
25 Algorithms for Computerized Fetal Heart Rate Diagnosis with Direct Reporting 네이버 미소장
26 Rumor Detection over Varying Time Windows. 네이버 미소장
27 Kwon, S., Cha, M., Jung, K., Chen, W., & Wang, Y. (2013, November). Aspects of rumor spreading on a microblog network. In International Conference on Social Informatics (pp. 299∼308). Springer, Cham. 미소장
28 Marsland, S. (2015). Machine learning: An algorithmic perspective (2nd ed.). Chapman and Hall/CRC. 미소장
29 Mitchell, T. M. (1997). Machine learning. New York, NY: McGraw-Hill. 미소장
30 Confirmation Bias: A Ubiquitous Phenomenon in Many Guises 네이버 미소장
31 Qazvinian, V., Rosengren, E., Radev, D. R., & Mei, Q. (2011). Rumor has it: Identifying misinformation in microblogs. In Proceedings of the Conference on Empirical Methods in Natural Language Processing (pp. 1589∼1599). Association for Computational Linguistics. 미소장
32 Sharifi, M., Fink, E., & Carbonell, J. G. (2011). Detection of internet scam using logistic regression. In Systems, Man, and Cybernetics (SMC), 2011 IEEE International Conference on (pp. 2168∼2172). IEEE. 미소장
33 Shawcross, A. (2016). Facts we can believe in: How to make fact-checking better. London, UK: Legatum Institute. 미소장
34 STATISTIA. (2018), Number of monthly active Twitter users worldwide 2018. Retrieved from https://www.statista.com/statistics/282087/number-of-monthlyactive-twitter -users/ 미소장
35 Sunstein, C. R. (2008). “She said what?” “He did that?” Believing false rumors. Harvard Public Law Working Paper, 8(56), 1∼26. 미소장
36 Sunstein, C. R. (2014). On rumors: How falsehoods spread, why we believe them, and what can be done. Princeton, NJ: Princeton University Press. 미소장
37 Tacchini, E., Ballarin, G., Della Vedova, M. L., Moret, S., &de Alfaro, L. (2017). Some like it hoax: Automated fake news detection in social networks. arXiv preprint arXiv:1704.07506. 미소장
38 Topic‐based sentiment analysis for the social web: The role of mood and issue‐related words 네이버 미소장
39 Vlachos, A., & Riedel, S. (2014). Fact checking: Task definition and dataset construction. In Proceedings of the ACL 2014 Workshop on Language Technologies and Computational Social Science (pp. 18∼22). 미소장
40 The spread of true and false news online 네이버 미소장
41 Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data mining: Practical machine learning tools and techniques. Burlington, Massachusetts: Morgan Kaufmann. 미소장
42 Toward computational fact-checking 네이버 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차