선거 보도에서 정책기사 자동 분류 및 투표율과의 상관관계 분석: 토픽모델링과 머신러닝 연계 분석을 통해 (An automatic classification of policy news in election coverage and the analysis of their relationship with turnout rates: Through topic-modeling and machine learning techniques)

서지정보

· 발행기관 : 서울대학교 언론정보연구소
· 수록지 정보 : 언론정보연구 / 59권 / 4호 / 5 ~ 58페이지
· 저자명 : 이종혁

초록

본 연구는 선거 보도에서 정책기사를 자동 분류해주는 예측 알고리즘을 개발하고, 이를 적용해 2000년 이후 선거에서 언론사별 정책 보도의 차이를 관찰하고, 정책 보도와 투표율 간에 유의미한 상관관계를 검증했다. 우선, 본 연구에서는 2000년~2022년 16차례의 선거 관련 기사 316,390건을 수집해 정책기사 자동 분류를 시도했다. LDA토픽모델링과 5가지 머신러닝 기법(Support Vector Machine, Random Forest, AdaBoost, Gradient Boosting Machine, Deep Neural Network)을 활용해 정책기사 예측 알고리즘을 개발했다. 이 가운데 ‘LDA토픽모델링 + Deep Neural Network’ 모형이 정확도.88과 F1 값 .82로 가장 우수한 성능을 보여주었다. 이를 바탕으로 본 연구는 지난 16 회 선거에서 언론사별 정책기사 건수와 비율을 비교 분석했다. 전체 언론사에서 정책기사의 총합은 48,632건으로, 전체 기사의 15.37%에 불과했다. 정책기사 건수에서는전국지와 경제지가 앞서고, 정책기사 비율에서는 전문지와 경제지가 우위를 보였다. 다음으로, 본 연구는 정책기사 건수와 투표율 간에 유의미한 상관관계가 있음을 통계적으로 검증했다. 정책기사가 많이 보도된 선거일수록 투표율이 높게 나타났고, 정책기사가 적게 보도된 선거일수록 투표율이 낮게 나타난 것이다. 본 연구가 개발한 정책기사 자동 분류 알고리즘은 전통적 수동 내용분석에 비해 분석의 대상을 빅데이터 규모로 확장했고, 코더의 주관적 판단을 없애 분석 결과의 객관화에도 기여했다고 판단된다.

영어초록

This study developed a predictive algorithm that automatically classify policy news in election coverage. With this algorithm, this study investigated the amount of policy news by various news media and found a significant correlation between the amount of policy news and turnout rate over the 16 elections since 2000. Methodologically, a total of 316,390 news about elections were collected and automatic classification for policy news was attempted. The classification algorithms were developed using LDA topic modeling and five machine learning techniques (Support Vector Machine, Random Forest, AdaBoost, Gradient Boosting Machine, and Deep Neural Network). Among them, the ‘LDA topic modeling + Deep Neural Network’ model showed the best performance with an accuracy of .88 and an F1 value of .82. Employing this model, this study compared and analyzed the number and rate of policy news by news media. The total number of policy news in all media outlets was 48,632, accounting for only 15.37% of all news articles. In the number of policy news, national newspapers and economic newspapers showed good performance, while in the ratio of policy news, professional magazines and economic newspapers showed superiority. Next, this study found a significant correlation between the number of policy news and the turnout rate. the elections with more policy news showed higher turnout rate, and the elections with fewer policy news showed lower turnout rate. This policy news classification algorithm is expected to expand the analysis scope to the big data scale, compared to the traditional manual content-analysis. Further it could contribute to the generalization of the analysis results by eliminating the subjective judgment of human coders.

참고자료

· 없음