한국인의 부정적 일상 기분 표현과 다차원적 구조 탐색

Q: 이 논문에서 정의한 부정적 기분 표현이란 무엇인가?

일상생활에서 개인이 경험하는 불쾌한 마음 상태를 언어로 나타내는 것을 의미한다. 본 연구에서는 이를 강도, 압도감, 에너지라는 세 가지 다차원적 기준으로 분류하여 그 구조적 특성과 조합 패턴을 분석하는 핵심 대상으로 설정하였다.

Q: 한국어 부정적 기분 표현의 구조적 특성과 조합 패턴은 어떻게 나타나는가?

연구 결과, 부정적 기분 표현은 강도, 압도감, 에너지의 3차원 구조로 체계화되며 특정 조합을 중심으로 조직화된다. 특히 정서적 혼란과 심각한 무력감이 대표적 패턴으로 나타나며, 이는 정서 경험이 무작위적이지 않고 심리적 제약 하에 존재함을 시사한다.

안순태; 이하나; 이지윤

doi:10.20879/kjjcs.2025.69.6.006

학술저널

저자정보: 안순태 (이화여자대학교) 이하나 (이화여자대학교) 이지윤 (이화여자대학교)

저널정보: 한국언론학회 한국언론학보 韓國言論學報 제69권 제6호

오류 신고하기

피인용 0

검색

초록·키워드

본 연구는 한국어 부정적 기분 표현의 구조적 특성을 규명하기 위해 1,440개의 어휘를 수집하고 이를 다차원적 틀로 분류하였다. 기존 연구가 사전이나 임상 자료에 의존하여 일상 언어의 풍부함을 반영하지 못한 한계를 보완하기 위해, 본 연구는 문헌 조사, 설문조사, 소셜미디어 데이터, 대규모 언어모델(large language model [LLM]) 기반 자동 분류를 통합한 6단계 혼합연구방법을 적용하였다. 분석 결과, 강도·압도감·에너지의 3차원 구조가 확인되었으며, 이 중 강도와 압도감은 높은 상관을 보인 반면 에너지는 상대적으로 독립적인 차원으로 나타났다. 전체 27개 조합 중 19개 패턴만 실제 언어에서 관찰되었으며, 특히 “정서적 혼란(고강도·고압도·고에너지)”과 “심각한 무력감(고강도·고압도·저에너지)”이 대표적 유형으로 확인되었다. 이러한 구조는 부정적 기분 경험이 무작위가 아닌 심리적 제약 속에서 조직화됨을 시사한다. 또한 [3-3-1] 패턴은 한국 문화의 ‘한(恨)’과 유사한 정서 상태를 반영하며, 자괴감 어휘는 서구의 guilt나 shame과 구별되는 문화 특수성을 보여주었다. 본 연구는 기존 2차원 정서 모형을 확장하여 정서경험의 복잡성을 체계적으로 설명할 수 있는 새로운 분류 체계를 제시하였으며, 디지털 정신건강 모니터링, 상담 개입, 커뮤니케이션 연구 등 다양한 실용적 함의를 제공한다.

This study investigates the structural patterns of negative mood expressions in Korean and develops a systematic classification framework through a multidimensional approach. Prior research has relied heavily on dictionaries or clinical manuals, limiting the ability to capture everyday linguistic nuance. To address this gap, we constructed a comprehensive lexical inventory of negative mood expressions and examined their structural characteristics using a mixed-method design. The research proceeded through six stages: compiling an initial corpus, evaluating representative words along three hypothesized dimensions (intensity, overwhelm, energy) via online survey, refining operational definitions through expert review, expanding the lexical list with contemporary social media expressions, developing a large language model (LLM)–based classifier for large-scale categorization, and validating model outputs against human coding. Through this process, 1,440 unique Korean negative mood expressions were analyzed.
Findings confirmed a robust and psychologically coherent three-dimensional structure, showing that quotidian expressions of negative mood among Korean speakers can be systematically organized along intensity, overwhelmness, and energy. Intensity and overwhelm exhibited strong intercorrelations—capturing emotional strength and loss of control—whereas energy functioned as a relatively independent dimension reflecting physiological activation. This three-dimensional structure extends beyond traditional valence–arousal models by highlighting the role of psychological controllability in mood experience. Of the 27 theoretically possible dimensional combinations, only 19 were observed in natural language, and 10 dominant patterns accounted for most expressions, demonstrating non-random, structured regularities. Prototypical states included “emotional turmoil” (high intensity–high overwhelm–high energy) and “debilitating despair” (high intensity–high overwhelm–low energy). Cultural specificity was also evident: expressions aligned with the [3–3–1] pattern resonated with the Korean concept of Han, and self-blame emerged as a distinct emotional construct not fully captured by Western categories.
Methodologically, this study demonstrates the feasibility of integrating LLM-based classification with psychometric validation. The automated system performed comparably to human coders and effectively handled colloquial, metaphorical, and context-rich expressions found in everyday communication, thereby enhancing scalability and ecological validity in emotion research. The contributions of this study are threefold. First, it introduces a novel three-dimensional classification framework that advances theoretical understanding of mood expressions beyond categorical or two-dimensional models. Second, it identifies both universal and culturally specific structural patterns, enriching cross-cultural perspectives in affective communication. Third, it provides practical applications for digital communication and mental health contexts. Specifically, the framework can support social media monitoring, emotion recognition systems, and online counseling by providing a more nuanced basis for early detection and personalized intervention.
Overall, this study offers a replicable and culturally sensitive framework for analyzing mood expressions that integrates psychometric rigor and computational scalability. By clarifying the structural organization of negative mood expressions in Korean, this study contributes to affective science, deepens understanding of communication processes, and supports the development of personalized digital health and communication interventions.

#negative mood expression #emotional communication #large language models (LLM) #digital mental health #부정적 기분 표현 #정서 커뮤니케이션 #대규모 언어모델(LLM) #디지털 정신건강

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-095647915

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료