ScholarWorks@숙명여자대학교

초록

본 연구는 최신 전환학습(Transfer learning) 텍스트 모델링 기법인 BERTopic을 통해 총 38,312개의 코로나19 백신 관련 기사를 분석함으로써 22개의 주요 토픽을 생성하였고, 그중에 가장 많이 언급된 토픽들은 코로나 확진자 추세, 백신 접종, 치료제 개발, 변이와 집단감염, 등등의 순이었다. 시계열 요소를 도입한 BERTopic dynamic topic model을 통해 살펴본 토픽의 변화는 상대적으로 예방접종이 잘 진행되고 있던 시기에는 백신 접종에 대한 보도가 줄어들고델타 변이가 출연한 시점부터 오히려 백신 보도의 비율이 늘어나는 양상을 보였다. 시계열 특성을 회귀분석에 포함한 방법으로 모델을 추정하였을 때, 단순히 코로나 확진자 수를 보도하거나백신 개발을 강조하는 보도는 오히려 백신 접종자 수를 감소시켰고, 반면에 해외여행 등 백신을접종함으로써 받을 수 있는 이익을 강조하는 보도가 백신 접종자 수의 증가와 관련이 있었다. 본연구는 언론보도와 공중의 의견 간의 관계를 밝히는 기존 연구들의 의의를 넘어 특정 언론보도의주제가 공중의 행동(백신 접종)에 영향을 미친다는 것을 밝혀 향후 연구자, 광고/홍보 전문가 그리고 정책 결정자가 보건 위기 상황에 대응할 방안을 마련했다는 데 그 의의가 있다.

키워드