Core Concepts
소셜 미디어 데이터에 대한 도덕적 프레임 분석을 통해 논란의 여지가 있는 주제에 대한 대중의 감정과 가치관을 이해할 수 있다.
Abstract
이 연구는 소셜 미디어 데이터에서 도덕적 프레이밍을 분석하기 위한 시각적 컴퓨팅 프레임워크를 제시한다. 도덕 기반 이론을 활용하여 각 도덕적 차원이 마이크로블로그 데이터에 어떻게 표현되는지 분석하고 시각화한다.
데이터 수집 단계에서는 관련 트윗을 필터링하고 도덕적 프레임, 입장, 생동감 등을 수작업으로 주석 처리하였다. 이후 지리적, 시간적 데이터와 통합하고 일반화된 선형 모델을 활용하여 협력적 가설 발견 및 검증을 지원하는 시스템인 MOTIV를 개발하였다.
MOTIV를 통해 COVID-19 대응 정책과 Black Lives Matter 운동에 대한 사회적 담론을 분석한 결과, 다음과 같은 통찰을 얻을 수 있었다:
COVID-19 대응 정책에 대해서는 대체로 찬성하는 입장이 우세했으며, 특히 Care와 Harm 프레임이 가장 많이 사용되었다. 그러나 시간이 지남에 따라 부정적 감정이 증가하는 추세를 보였다.
Black Lives Matter 운동에 대해서는 민주당 지지자들이 Loyalty와 Fairness 프레임을, 공화당 지지자들이 Betrayal 프레임을 주로 사용했다. 주요 시위 기간에 Loyalty 프레임의 사용이 급증했다.
Care 프레임의 사용은 COVID-19 대응 정책과 Black Lives Matter 운동에서 상반된 양상을 보였는데, 이는 시간에 따른 가치관의 변화를 반영하는 것으로 해석된다.
이러한 결과는 도덕적 프레이밍 분석이 논란의 여지가 있는 정치적 이슈에 대한 대중의 감정과 가치관을 이해하는 데 유용함을 보여준다.
Stats
COVID-19 확진자 수가 증가할수록 트윗의 부정적 감정 표현이 증가했다.
인구가 적은 지역일수록 Harm 프레임이 더 많이 사용되었다.
공화당 지지율이 높은 지역일수록 Authority 프레임이 더 많이 사용되었다.
흑인 및 히스패닉 인구 비율이 높은 지역일수록 Loyalty 프레임이 더 많이 사용되었다.
Quotes
"Protesters attacking governors for stay at home orders. Claim it infringes upon their rights. Know what else infringes upon your rights? DEATH."
"Fauci said we should stay home!"