COVID-19 펜데믹 상황에 대한 국내 트위터 데이터 분석

2-1 소셜 미디어를 활용한 재난 위기관리

최근 긴급 상황과 위기 대응에서 소셜 미디어가 커뮤니케이션 수단으로써 결정적인 역할을 하는 요소로 진화하고 있다[6],[7]. 소셜 미디어는 조직체나 기관에서 부각되지 않은 실수나 문제점을 쉽게 쟁점화하거나 사회적 이슈에 대한 정치참여를 촉진시키는 도구로 그 영향력을 행사하고 있다[8]. 나아가 마이크로 블로깅 서비스인 트위터로 강화된 즉시성과 전파성은 기존 뉴스 유통 방식의 변화까지 주도하고 있는 실정이다[9].

논문[10]의 연구에서는 코로나로 인해 이로 떠오른 마스크 5부제에 대한 온라인 뉴스 기사와 카페 게시글을 분석하여 대중의 의제를 파악하고, 정부의제로 진화하는 정책의제 설정 과정에서 참고로 활용될 수 있음을 제시하였다. 논문[11]은 재난이 발생했을 경우 소셜 미디어를 통해 피해를 감지할 수 있음을 주장하였다. 소셜 미디어에서 발생한 메시지의 지리적 위치를 추출하여 심각한 피해 지역과 가벼운 피해 지역을 구분하고 구조 활동의 우선순위를 정할 수 있음을 제시하였다. 논문[12]의 연구에서는 2017년에 발생한 강릉·삼척 산불 사태에 나타난 위험 커뮤니케이션의 네트워크 및 구조 패턴을 분석하였으며 정보이동과 관계구조 파악을 통해 커뮤니케이션의 구조와 행위자 간 상호작용을 살펴보았다. 논문[13]의 연구는 국가별로 코로나19 관련 위기 커뮤니케이션을 위해 소셜미디어를 어떻게 활용하는지를 분석하고, 게시글의 유형(감염병 정보, 행동지침, 심리적 소통)에 따른 이용자 반응(Engagement) 수준을 비교 분석하였다.

2-2 헬스케어와 텍스트 마이닝

텍스트 마이닝은 텍스트 기반 데이터로부터 자연어 처리(Natural Language Preprocessing)를 통한 유용한 지식 발견기법을 말한다[14]. 논문[15]의 연구에서는 한국학술지인용색인(KCI)에서 ‘감정노동’이라는 주제어가 포함된 1,465건의 검색된 논문을 심층적으로 분석하여 감정노동 연구 동향을 파악하였다. 논문[16]은 Covid-19 팬데믹이 항공산업에 미친 영향을 살펴보고자 국내 뉴스 기사 데이터를 활용하여 키워드 트렌드 분석을 진행하였다.

한편 텍스트 마이닝을 헬스케어 분야에 접목한 다수의 연구가 진행되었는데, 논문[17]은 소셜 미디어에서 ‘미세먼지’ 키워드로 검색한 결과를 수집한 후, 매스미디어와 소셜미디어의 언급을 비교하였다. 분석결과, 건강 행위와 관련한 정보가 소셜 미디어에서 월등한 수준으로 높게 언급되었음을 밝혔다. 논문[18]의 연구에서는 중국 소셜 미디어인 Weibo를 대상으로 중국의 가족계획 정책에 대한 커뮤니케이션과 주요 이슈는 무엇인지 파악하고자 하였으며 이를 위해 Latent Dirichlet Allocation 분석을 실시하였다. 논문[19]는 전 세계적 이슈인 시리아 난민 위기와 이민에 대한 대중의 의견과 감정을 파악하기 위해 터키어와 영어로 된 약 2백만여 개의 관련 트윗을 분석하였다.

3-1 소셜 빅데이터를 활용한 감성분석 연구문제

본 연구에서는 앞의 이론적 고찰을 토대로 트위터 데이터를 활용하여 장기화된 COVID-19 팬데믹에 대한 대중들의 심리적 반응을 살펴보고, 대유행 상황에서 논의되는 주요 의제는 무엇인지 파악해보고자 한다. 본 논문에서 설정한 연구문제는 다음과 같다.

<연구문제 1> COVID-19와 관련된 국내 트위터에서, 상황의 변화에 따라 공중의 심리적 반응은 어떻게 바뀌는가?

<연구문제 2> COVID-19와 관련된 국내 트위터에서, 부정적 감정 중 슬픔과 분노를 표현하는 데 있어 대유행 기간별 어떠한 시계열 추이를 보이는가?

본 연구에서는 트윗에 사용된 텍스트 데이터를 연구 대상으로 하였으며, 특정 키워드(‘‘#코로나’, ‘코로나’, #COVID’)를 포함하는 트윗을 2020년 11월부터 2021년 10월 동안 스크래핑(scraping)하였고, Twitter API와 R 프로그램을 활용하였다. 아래의 그림 1은 1년간 수집된 트위터 데이터로 x축은 수집시기이며 y축은 수집된 트윗 수를 나타낸다.

Fig. 1.

Frequency of Tweets related to Covid-19

감성분석 대상이 되는 트위터 데이터는 총 3백 7십만 건이며, 이 중 1백만 건을 사용하였다. 텍스트 데이터가 완전히 중복되는 트윗은 업로드 시간이 달라도 분석에서 제외하였다. 제외한 이유는 다음과 같이 두 가지로 논할 수 있다.

첫째, 스팸(spam)활동에 대한 고려이다. 스팸 게시물은 사람들이 관심 없거나 원하지 않는 메시지인 경우가 대부분이다. 이러한 스팸 트윗은 대중의 심리적 변화를 파악하는데 저해 요인이 될 수 있다.

둘째, 리트윗 영향력을 최소화하고자 하였다. 트위터는 세계 각국에서 사용하는 최대 소셜 미디어 플랫폼으로, 일반 대중뿐만 아니라 정치인, 연예인, 인플루언서 등 각계각층의 영향력 있는 유명인사도 다수 사용하고 있다[20],[21]. 따라서 리트윗된 데이터를 모두 반영하는 경우 특정 단어가 지나치게 많이 포집되는 문제가 발생할 수 있다.

3-2 소셜 빅데이터를 활용한 감성분석 연구 프레임워크

앞서 논의된 연구자료를 토대로 어휘 기반의 감성분석을 실시하였다. 본 논문의 연구절차는 그림 2와 같다.

Fig. 2.

Research framework

위에 제시된 바와 같이, 연구결과 생성을 위해 감성사전의 이용이 필수적이다. 본 연구의 감성분석에 사용된 사전은 NRC(NRC word-emotion association lexicon) 사전을 활용하였다. NRC 사전은 14,182개의 영어 단어를 중심으로 한국어 포함 약 100여 개국 언어에 대한 감성 단어를 제공한다. 본 연구에서는 NRC 한국어 버전 사전과 네이버 사전의 결합을 통해 어휘기반 감성분석의 핵심이 되는 감성사전을 재구축하였다.

NRC 사전은 기존의 긍정-부정 차원을 넘어서, ‘분노(anger)’, ‘기대(anticipation)’, ‘혐오(disgust)’, ‘공포(fear)’, ‘기쁨(joy)’, ‘슬픔(sadness)’, ‘놀람(surprise)’, ‘믿음(trust)’ 총 8가지의 감성 차원과 유사도 점수(intensity score)를 제공한다. NRC 사전은 각 차원에 대한 단어들의 차별화 된 유사도 점수를 가지고 있어 단어가 어느 차원에서 얼마나 강하게 속하는지를 알 수 있다(최건우 외, 2019). 유사도 점수는 0~1 사이의 값을 가지며, 1에 가까울수록 속한 차원과 강한 연결 관계이다. 예를 들어 ‘우울’이라는 단어는 NRC 사전에 따라 부정적이면서 ‘분노’와 ‘슬픔’를 가지고 있는 단어로 분류할 수 있으며, 슬픔 0.621점, 공포 0.312점과 같이 유사도 점수를 계산할 수 있다. 또한 ‘우울’, ‘우울증’ ‘우울한’과 같이 다양한 형태로 표현되어있다. 본 연구에서는 차원에 대한 연결 강도를 알 수 있는 유사도 점수에 단어의 표현 여부만 알 수 있는 빈도 점수를 추가하여 총 두 가지의 감성사전 기반 점수를 구축하였다.

체계적인 감성분석을 위해 NRC 한국어 버전 사전에서 제공되는 8차원의 약 1만여 개 감성 단어의 영어 단어와 한국어 해석이 알맞게 매치되었는지 확인하고자 하였다. 이를 위해 R 프로그램을 활용하여 네이버 사전에서 NRC 사전에 등재되어 있는 영어 단어를 한국어로 번역하고 이를 자동으로 수집하였으며, 과정을 통해 기존에 NRC 사전에서 번역되지 않거나 잘못 번역된 한글 단어를 새롭게 교체하였다. 네이버 사전으로 한 번 더 보완했음에도 불구하고 한글로 번역되지 않은 단어 477개와 띄어쓰기가 포함된 단어 2,023개, 한 글자 단어 241개, 영어 표현 단어 26개, 숫자가 포함된 단어 2개는 제외하였다. 표 1에서는 제거된 단어의 일부를 예시로 보여주고 있다.

Table 1.

Words excluded from NRC

이러한 전처리 과정을 거쳐 감성분석을 수행하기 위한 새로운 감성사전을 구축하였다. 기존 NRC 사전과 새롭게 구축된 사전의 구성은 표 2와 같다.

Table 2.

New emotional dictionary

이후 감성분석에 사용될 트위터 텍스트 데이터를 단어 수준의 분석으로 수행하기 위해 자연어 처리를 진행하였다. 먼저 문장 단위의 트위터 텍스트를 단어 단위로 쪼개기 위해 형태소 분석을 실시해야 하는데, 이러한 형태소 분석을 하고자 할 때, 기준이 될 사전이 필요하다. 분석할 문장에 포함된 단어들이 특정 사전에 알맞은 형태(품사)로 포함되어 있어야만 원하는 형태의 단어를 추출할 수 있기 때문이다. 형태소 분석을 위해 R의 KoNLP(Korean natural language process) 패키지와 NIADic을 활용하였다.

4-1 실증분석 과정

사전기반 감성분석의 단어 단위 분석에서는 먼저 감성분석의 대상이 되는 자료(target)에서 단어(word)를 추출하고, 추출된 단어가 감성 사전(dictionary)에 포함되어 있는지 확인한다. 이후 감성 사전에서 미리 정의된 감정 점수를 바탕으로 단어 및 문장별 감성을 계산하고, 그 결과값으로 분석 대상의 감성을 분류한다. 그림 3은 사전기반 감성분석의 알고리즘을 제시한 것이다.

Fig. 3.

Lexicon based classification algorithmw: word, t: target, d: dictionary

2020년 11월부터 2021년 10월까지 지난 1년간 트위터에서 수집된 텍스트 데이터를 위와 같은 과정을 거쳐 토큰화하고, 토큰화한 약 1천만 개의 데이터를 앞서 설명했던 새롭게 구축한 감성 사전과 매치시켰다. 토큰 단어와 사전 단어의 매치를 통해 두 가지 감성 점수인 유사도 점수와 빈도 점수를 도출하였고, 이를 활용하여 텍스트 데이터를 일별·월별·시간별 8차원의 감성 점수로 수치화하였다.

사전기반 감성분석의 단어 단위 분석에서는 감성분석의 대상이 되는 자료 t에서 단어 w를 추출하고, 추출된 단어가 감성 사전 d에 포함되어 있는지 확인한다. 이후 감성 사전에서 미리 정의된 감정 점수를 바탕으로 단어 및 문장별 감성 sentiment를 계산하여 분석 대상의 감성을 분류한다.

NRC 사전에 따르면 ‘회피’라는 단어는 공포와 슬픔 두 차원에 모두 해당하는 단어이며 사전에서 단어에 미리 부여한 유사도 점수에 따라 공포 0.483점, 슬픔 0.484점의 감성 점수가 매겨진다. <연구문제 1>에서는 공중의 심리상태를 보다 면밀히 살펴보기 위해 감성 단어와 차원 간 연결 강도를 나타내주는 척도인 유사도 점수를 활용하여 분석하였다.

Fig. 4.

Data set for sentiment analysis

4-2 분석 결과 : 연구문제 1

감성분석의 기간은 2020년 11월부터 2020년 10월까지 약 1년으로, 상황에 따른 일별 심리적 변화를 다시 월별로 계산하였다. 월별 감성분석의 순위는 아래의 표 3과 같다.

Table 3.

Monthly ranking of 8 emotions

아래의 그림 5는 여덟 차원의 일일 감성 유사도 점수와 일일 신규 확진자 수를 나타낸 그림이다. 분석 기간이 길고 감정 차원이 많아 연구결과의 이해를 돕기 위해 누적 그래프로 나타냈다. 그림 5를 살펴보면, 2020년 11월 10일부터 19일 기간에는 ‘공포’ 유사도 점수가 50727.83으로 가장 높으며 ‘믿음’이 49512.44점으로 그 뒤를 따랐다. 반면에 ‘분노’는 4749.5로 가장 낮음을 알 수 있다. 12월은 104640.5로 트위터에서 ‘분노’가 가장 많이 표현되었으며 ‘혐오’ 감성이 103545.2로 그 뒤를 이었다. 가장 낮은 감성 점수는 100606으로 ‘기대’로 나타났다.

Fig. 5.

8D emotional similarity score and the number of confirmed cases

2021년 1월에 가장 높은 감성 점수를 보인 단어는 ‘기대’로, 68954.61 점수를 보였으며 ‘공포’가 68909.58점으로 2위의 감성 점수를 보였으며 ‘슬픔’이 66840.31점으로 가장 낮은 점수를 보였다. 2월에는 ‘기대’가 45257.21점, ‘분노’ 차원의 감성은 45233.93으로 높게 표출되었으며 ‘공포’ 감성이 68909.58점으로 가장 낮은 점수를 보였다. 3월에는 ‘믿음’이 40144.81점, ‘분노’가 39858.88점으로 상위에 위치했으며 ‘기대’ 감성이 가장 적게 표현되었다. 4월에는 44113.52점으로 ‘분노’가 가장 많이 표현되었으며 ‘기대’가 43886.9로 두 번째로 높은 감성 차원임을 알 수 있었다. 8위는 ‘혐오’로 43280.55점의 감성 유사도 점수를 보였다. 5월에는 ‘슬픔’이 1등 감성 표현으로 45715.46점이었으며, ‘믿음’이 42847.73점으로 가장 낮은 점수를 보였다.

하반기 시작인 6월과 7월에는 ‘공포’ 감정이 가장 많이 표현되었으며 각각 34746.89점, 73298.08점으로 같은 1위의 감정이지만 월별에 따라 약 두 배의 차이를 보였다. 6월에는 ‘혐오’가 33928.27점으로 ‘공포’ 감정의 뒤를 이었으며, 확진자가 폭발적으로 증가한 7월에는 ‘놀람’이 73177.78점으로 ‘공포’ 감정 다음으로 많이 표현되었다. 8월에는 ‘분노’가 62827.84점으로 가장 높은 감정 표현 빈도를 보였으며 ‘믿음’이 61523.78점으로 2위의 감성 표현 점수가 도출되었다. 9월에는 39245.06점으로 ‘혐오’가 가장 많이 표현되었으며 ‘놀람’과 ‘믿음’이 각각 38551.33점, 38452.05점으로 2, 3위로 나타났다. 마지막으로 10월에는 ‘분노’가 28731.63점으로 가장 높은 감정 표현을 보였으며, ‘슬픔’이 27660.78로 가장 낮은 감정 표현을 보였다.

2020년 11월부터 2021년 10월까지 트위터에서 표현된 월별 감성분석 결과를 종합해보면, 2021년 2월과 3월에 가장 많이 표출된 감정인 ‘기대’와 4월의 ‘믿음’ 감정을 제외하고는 모두 부정적 감정과 관련된 감성들이 그 달에 가장 많이 표출되었음을 알 수 있다. 좀 더 면밀히 살펴보면, ‘분노’는 1위 4번, 2위 2번으로 가장 많이 표현되었다. 다음으로는 ‘공포’가 1위 3번, 2위 1번으로 두 번째로 많이 표출된 감정이었으며 반면에 가장 적게 표현된 감정은 ‘기쁨’으로 5월에 2위로 한 번 표현된 것에 그쳤다.

감성분석 결과에 대한 감성 유사도 점수를 1년 단위로 보면, ‘공포’가 총 625426.9점으로 가장 높은 감성 유사도 점수를 보였다. 이러한 결과는 불확실한 전염병 상황에 따른 감정 표현이라고 볼 수 있다. 그 뒤를 이어 ‘분노’가 624639.3점으로 2위, 3위는 ‘믿음’으로 623704.2점으로 나타났다. 지난 1년간 트위터에서 추출한 코로나 관련 데이터에 대한 감성별 유사도 점수는 Fig. 6과 같다. 이후, 좀 더 면밀한 감성분석을 위해 어떤 감성들이 빈번하게 등장하는지 파악해보고자 하였다. Table 4는 매월 10일에 가장 많이 표현된 상위 다섯 개의 명사, 동사, 형용사 단어의 빈도를 정리한 것이다.

Fig. 6.

Similarity score by sentiment

Table 4.

Top 5 noun-verb-adjectives

표 4에서 알 수 있듯이, 매월 10일 날짜에 게시된 트위터에서 명사, 동사, 형용사로 토큰화 된 상위 5개 단어를 정리하였다. 표의 단어들은 본 연구에서 감성분석을 위해 구축한 사전과 매치된 단어로, 감성 유사도 점수가 계산된 단어이다. 상위 빈출 단어는 감성을 분류하는데 영향을 미칠 수 있으므로 중요한 단어라고 할 수 있다.

4-2 분석 결과 : 연구문제 2

<연구문제 2>에서는 빈도 점수 데이터를 활용하여 슬픔 및 분노와 같은 부정적 감성에 가까운 단어들의 표출이 언제 가장 활발히 나타나는지를 월별로 보았다. 분석 대상은 3차 대유행이 시작된 지난 2020년 12월과 4차 대유행이 도래한 2021년 7월로 선정하였으며 이에 따른 빈도 점수를 계산하였다. 빈도 점수는 한 트윗에 등장한 단어들을 카운트하는 수치로 차원에 대한 단어의 연결 강도를 나타내지는 않으나, 특정 감성의 언급 여부를 알 수 있으므로 유사도 점수보다 적절한 결과를 도출할 수 있을 것이라고 생각하였다.

먼저 2020년 11월 10일에 가장 많이 도출된 명사 단어는 ‘시작’으로 179번 언급된 것을 알 수 있다. ‘시작’은 기쁨 차원에 속하는 감정단어이며, 유사도 점수 0.422점을 가진다. 따라서 ‘시작’과 관련된 유사도 점수를 계산해보면 179*0.422=75.538이다. 동사 단어에서는 슬픔 차원에 속하는 ‘끝나’ 단어가, 형용사 단어에서는 분노와 혐오에 속하는 ‘아니’라는 단어가 다른 단어들에 비해 월등히 높은 빈도를 보이는 것으로 나타났다. 12월에는 기대 차원과 즐거움, 믿음 차원에 속하는 ‘치료제’와 혐오, 공포, 슬픔 차원에 속하는 ‘환자’가 각각 821회, 581회로 가장 높은 명사 단어 빈도를 보였으며 동사 단어에서는 ‘끝나’가, 명사 단어에서는 ‘아니’가 가장 많이 표현되었다. 더하여 앞의 11월보다 확진자 수가 폭발적으로 증가함에 따라 단어들의 빈도도 함께 전체적으로 증가했음을 알 수 있다.

2021년 1월 10일의 상위 빈출 단어는 공포 차원 단어인 ‘감염’이 836회, ‘끝나’가 336회, ‘아니’가 607회로 다른 단어들보다 압도적으로 많이 표현되었으며, 2월에는 ‘감염’, ‘끝나’, ‘아니’ 단어가 가장 빈번하게 표현되었다. 3월에는 ‘치료제’, ‘끝나’, ‘아니’ 단어가, 4월에는 ‘환자’, ‘끝나’ ‘아니’가, 5월에는 ‘치료제’, ‘끝나’, ‘아니’가 가장 상위 빈출단어로 나타났다.

백신 접종과 관련하여 다양한 이슈가 많았던 6월에는 기대 차원의 ‘접종’이 501회로 가장 많이 등장하였으며, ‘끝나’와 ‘아니’가 각 상위의 동사-형용사 단어로 나타났다. 확진자 수가 다시 급등한 7월에는 분노 차원의 ‘조심’이라는 명사 단어가 압도적으로 높게 나타났으며 동사 단어에서는 공포 차원의 ‘걸리’와, 공포와 기대 차원의 ‘기다리’라는 단어가, 형용사 단어에서는 ‘아니’과 즐거움 차원의 ‘고맙’이라는 단어가 가장 높게 나타났다. 8월에는 슬픔 차원의 ‘일탈’과 ‘끝나’, ‘아니’가 가장 많이 등장하였다. 9월에는 ‘환자’와 ‘끝나’, ‘아니’가, 마지막으로 10월에는 ‘일탈’ ‘끝나’ ‘아니’가 각각 상위 빈출 단어로 나타났다. 이 외에도 분석을 통해 도출된 상위 빈출 명사 단어에는 백신, 마스크와 같은 단어도 많이 등장하였으나, 구축된 감성사전에는 단어 및 유사도 점수 기준이 없으므로 분석이 불가능하여 제외하였다.

분석된 결과를 종합적으로 보면, 월별 상위 빈출 단어의 차이는 크게 존재하지 않았다. 즉, 트위터에서 빈번하게 표현하는 코로나 관련 단어들은 매 달 거의 비슷하게 구성되어 있음을 알 수 있다. 명사 단어는 대개 ‘치료제’, ‘환자’, ‘감염’ ‘검사’와 같은 단어들이 도출되었으며 동사 형태로는 ‘끝나’, ‘걸리’, ‘지나’, ‘미치’와 같은 단어들이 표현되었다. 형용사에서는 모든 월에서 ‘아니’라는 단어가 압도적인 빈출 횟수를 보였으며 이 외에 ‘안되’, ‘심하’, ‘무섭’, ‘아프’와 같은 표현이 대거 등장하였다. 또한 세 품사의 상위 빈도 단어들이 거의 부정적 차원의 감정에 속하는 단어들로 구성되어 있음을 파악할 수 있었다.