유튜브 과학 채널에 대한 이용실태 분석 및 채널 판별 예측 모형 평가 -소셜 빅데이터 분석 및 머신 러닝 활용을 중심으로-

김형욱; 송진웅

추천

검색

자료유형: 학술저널

저자정보: 김형욱 송진웅

저널정보: 한국교육공학회 교육공학연구 교육공학연구 제36권 제2호

발행연도: 2020.1

수록면: 383 - 412 (30page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 유튜브 과학 채널에 대한 대중들의 관심과 이용실태 및 특성을 알아보기 위하여 구독자 수와 동영상 수가 많은 두 개의 채널을 선정하고, 소셜 빅데이터 분석의 관점에서 연구를 수행하였다. 또한, 머신 러닝을 이용하여 유튜브 채널 판별에 대한 예측 모형의 평가로 대중들의 반응에 대한 체계적인 탐색 가능성을 살펴보았다. 연구 결과, ‘1분과학’이 ‘과학쿠키’보다 조회수, 좋아요수, 싫어요수, 댓글수의 유튜브 지표에서 모두 평균이 높았다. 하지만, 조회수가 좋아요수로 귀결되는 추세선 분석 결과는 ‘과학쿠키’가 ‘1분과학’보다 높은 수준을 가지는 것으로 나타났다. 또한, 대중들이 많은 좋아요수를 통해 관심을 보인 동영상의 주제는 우주와 양자역학에 관련된 주제였다. 채널을 개설한 이후부터 분석한 댓글 추이도 위의 2가지 주제의 동영상이 주목을 받거나 업로드가 되었던 시기에 눈에 띄는 변화를 보였다. 머신 러닝을 이용한 유튜브 채널 판별의 예측 모형 분석결과는 SVM의 시그모이드형 커널 함수가 90.06%의 정확도를 보여 가장 성능이 우수한 모형이었다. 그리고 랜덤 포레스트 모형, 로지스틱 회귀분석도 각각 89.96%, 88.20%의 높은 정확도를 가진 것으로 나타났다. 의사결정 나무 모형과 knn 분석의 정확도는 앞선 모형들과 비교하였을 때 다소 낮은 편이었으나, 인공 신경망 모형은 다양한 조합의 활성 함수와 은닉 노드의 개수 변화에도 불구하고 모형의 성능이 개선되지 않았다. 본 연구의 결과를 토대로 빅데이터 분석과 머신 러닝을 활용하여 대중들의 관심사를 신속하게 파악하고 그 관심이 높아지고 있는 분야에 대한 교육이 이루어져야 할 것이다.

In this study, we investigated the public interest in YouTube science channels, the condition of use and characteristics, and selected two channels with many subscribers and videos and conducted research from the perspective of social big data analysis. In addition, this study investigated the possibility of systematic exploration of the reaction of the public with the assessment of a model for predicting the classification of YouTube channels, using machine learning. As a result of the study, “One-Minute Science” had a higher average in YouTube Indices, such as the number of views, the number of likes, the number of dislikes, and the number of comments than “Science Cookie.” However, as a result of trend line analysis in which the number of views led to the number of likes, “Science Cookie” had higher levels than “One-Minute Science.” In addition, the topics of videos in which the public showed interests through the number of likes were topics related to space and quantum mechanics. As for the change of comments analyzed since the opening of the channels, when the videos with the above two topics drew attention or were uploaded, there was a noticeable change. As a result of analysis of the model for predicting the classification of YouTube channels, using machine learning, the sigmoid kernel function of SVM was the model with the best performance, showing the accuracy of 90.06%. In addition, it turned out that the random forest model and logistic regression analysis had a high accuracy of 89.96% and 88.20%, respectively. The accuracy of the decision tree model and KNN analysis was somewhat lower than the previous models; however, the performance of the artificial neural network model did not improve, in spite of active functions in various combinations and the change of the number of hidden nodes. Based on the results of this study, big data analysis and machine learning should be used to quickly understand the public's interests and provide education on areas where interest is increasing.

#youtube #social big data #machine learning #predictive model #science channel

참고문헌 (43)

참고문헌 신청

김민경 / 2019 / 유튜브(YouTube)의 한국어교육 채널 분석 / 학습자중심교과교육연구 19(8):941~964

김선우 / 2019 / 유튜브 댓글 빅데이터 분석을 통한 제품별 소비자 구매여정 연구 : 새로운 방법적 가능성을 제안하며 / 영상문화콘텐츠연구 (16):57~89

김애라 / 2018 / 일반계 고등학교 과학과제 연구 수업의 주제 선정을 위한 실천 매뉴얼 개발 및 적용 / 과학교육연구지 42(3):371~389

김혜영 / 2019 / 모바일 과학기술 영상 콘텐츠의 유형과 스토리텔링 전략: 활동형 유튜브 채널을 중심으로 / 한국콘텐츠학회 종합학술대회 논문집 5:177~178

김효숙 / 2014 / 소셜미디어 시대의 위기 관리 소셜미디어 활용 적극성과 위기 책임성, 위기 커뮤니케이션전략 유형을 중심으로 / 광고연구 (103):5~37

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김형욱

소속기관 한국교육공학회

주요연구분야 사회과학 > 교육학

논문수 1 이용수 105

송진웅

소속기관 한국교육공학회

주요연구분야 사회과학 > 교육학

논문수 1 이용수 105

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (43)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)