이중 LLM 교차 검증을 활용한 소셜미디어 롱코비드 증상의 분류 및 분석

송종휘

doi:10.21097/ksw.2026.5.21.2.89

추천

검색

질문

자료유형: 학술저널

저자정보: 송종휘 (연세대학교)

저널정보: 한국웰니스학회 한국웰니스학회지 한국웰니스학회지 제21권 제2호

발행연도: 2026.5

수록면: 89 - 96 (8page)

DOI: 10.21097/ksw.2026.5.21.2.89

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 연구는 국내 소셜미디어에 게시된 코로나19 후유증 관련 텍스트의 관련성을 이중 대규모 언어 모델(LLM) 교차 검증을 통해 분류하고, 직접 관련 게시물에서 증상을 추출·분석하는 것을 목적으로 한다. 네이버 블로그와 뉴스에서 '코로나 후유증', '코로나19 후유증', '롱코비드', '코로나 장기 증상'의 4개 키워드로 수집한 5,555건의 게시물을 대상으로, Llama 3 8B와 Qwen 2.57B 두 개의 LLM을 독립적으로 적용하여 직접 관련, 간접 관련, 무관의 3단계로 분류하였다. 이진 분류(직접/비직접) 기준 두 모델 간 일치율은 80.7%, Cohen's Kappa는 0.614(substantial agreement)로 상당한 수준의 일치도를 보였다. 두 모델이 일치한 3,184건 중 직접 관련은 2,102건(66.0%)이었으며, 전체 유효 데이터 기준으로는 38.1%에 불과하여 소셜미디어 건강 정보의 정보 노이즈 문제가 확인되었다. 검색 키워드별로는 '롱코비드'의 직접 관련 비율(88.6%)이 '코로나 장기 증상'(21.8%)에 비해 현저히 높아, 의학 용어의 특이성이 정보 관련성에 영향을 미치는 것으로 나타났다. 직접 관련 게시물에서 추출된 증상은 190개 범주로 표준화되었으며, 피로(27.0%), 기침(12.0%), 호흡곤란(10.2%), 브레인포그(10.1%) 순으로 높은 빈도를 보였다. 특히 브레인포그(10.1%)와 호흡곤란(10.2%)이 0.1%p 차이로 거의 동등한 빈도를 보여, 신경인지 증상에 대한 대중의 호소가 상당함을 확인하였다. 출처별로는 블로그에서 피로 등 신체 증상의 비율이, 뉴스에서 우울 등 정신건강 증상의 비율이 상대적으로 높게 나타나 매체 특성에 따른 증상 보고 양상의 차이가 확인되었다. 본 연구는 이중 LLM 교차 검증이라는 실용적 방법론을 제안하고, 한국어 소셜미디어에서의 롱코비드 증상 담론을 실증적으로 분석하였다는 점에서 의의가 있다.

This study aimed to classify the relevance of Long COVID-related posts on Korean social media using dual Large Language Models (LLM) cross-validation and to extract and analyze symptoms from directly relevant posts. A total of 5,555 posts were collected from Naver blogs and news using four search keywords: 'corona huyujeung (COVID sequelae),' 'corona19 huyujeung (COVID-19 sequelae),' 'long COVID,' and 'corona janggi jeungsang (COVID long-term symptoms).' Two LLMs—Llama 3 8B and Qwen 2.5 7B—were independently applied to classify posts into three categories: directly relevant, indirectly relevant, and unrelated. The binary classification (direct vs. non-direct) yielded an agreement rate of 80.7% and a Cohen's Kappa of 0.614 (substantial agreement). Of the 3,184 agreed-upon cases, 2,102 (66.0%) were classified as directly relevant, while only 38.1% of the total valid data were directly relevant, confirming significant information noise in social media health content. The keyword 'long COVID' showed the highest direct relevance rate (88.6%), compared to 'COVID long-term symptoms' (21.8%), indicating that the specificity of medical terminology influences information relevance. Symptom extraction from directly relevant posts yielded 190 standardized symptom categories, with fatigue (27.0%), cough (12.0%), dyspnea (10.2%), and brain fog (10.1%) being the most frequently reported. Brain fog and dyspnea were reported at nearly equivalent frequencies (10.1% vs. 10.2%), suggesting substantial public concern regarding neurocognitive symptoms. Source-type analysis revealed that blog posts emphasized physical symptoms such as fatigue, while news articles showed relatively higher proportions of mental health symptoms such as depression. This study contributes by proposing a practical dual LLM cross-validation methodology and by empirically analyzing Long COVID symptom discourse on Korean-language social media.

#Long COVID #Post-COVID-19 condition #Social media #Large language model #Text classification #Symptom analysis

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)