데이터 시대의 언론학 연구

01 서론: 데이터 시대 컴퓨터 기반 언론학 연구
디지털화, 데이터화, 빅데이터
데이터, 언론학 연구에 어떤 함의를 던지나
이 책의 구성

1부 데이터 시대 이론 지형의 변화 탐색

02 데이터 시대 커뮤니케이션 이론의 발전
빅데이터 기반 연구의 동력
빅데이터 기반 연구에 대한 비판과 반비판
빅데이터 기반 연구의 특성: 메타 방법론적 접근
커뮤니케이션 이론의 발전에 대한 함의

03 변동의 과학: 발생적 커뮤니케이션 과학을 향하여
미래를 조망하는 한 가지 방법
그 많던 양떼는 다 어디로 갔을까
혼돈의 가장자리
카오스의 근원을 찾아서
함수에서 복잡계로
발생적 커뮤니케이션 과학을 향하여

04 데이터와 더불어 데이터로 살아가기: 데이터 사회를 구성하는 믿음과 기술에 대한 비판적 이해
하이퍼리얼 데이터
데이터 사회
데이터화된 세계와 데이터에 대한 믿음
데이터화의 두 방향
데이터 존재로 살아가기

2부 언론학 세부 영역들에서의 접근 방식

05 정치 커뮤니케이션 연구의 지평 확대: 컴퓨터와 빅데이터 기반 정치 행동 연구들
빅데이터 시대의 정치 캠페인과 정치 커뮤니케이션 연구
현상: 새로운 현상 또는 현상을 새롭게 이해하기
이론: 새로운 이론 또는 기존 이론의 정교화
방법론: 혁신과 쟁점들
남은 과제들

06 데이터 기반 마케팅 커뮤니케이션의 현재와 연구 과제
들어가며
빅데이터의 개념
빅데이터 활용
빅데이터 활용 연구
나가며

07 데이터 시대 언론 현장의 변화와 언론학 연구의 과제
워터게이트에서 데이터 저널리즘으로
데이터 혁명과 뉴스 생산 · 유통의 변화
데이터의 뉴스화, 뉴스의 데이터화
데이터시대 언론학 현장 연구의 과제

08 알고리듬 기반의 뉴스 콘텐츠 생산과 유통: 그 영향과 연구 과제
들어가며
알고리듬, 학습 그리고 인공지능
추천 서비스
로봇 저널리즘
알고리듬에 따른 뉴스 생산 · 유통 체계의 변화와 커뮤니케이션 연구의 과제

09 복잡계 이론의 보완적 접근 가능성: 시뮬레이션 모델링과 패턴의 추출
복잡계 이론이라는 새로운 창(窓)
빅데이터의 등장과 복잡계 이론
복잡계 연구 방법과 언론학 연구의 적용
새로운 창을 연다는 것은: 한계와 가능성

3부 빅데이터 분석 기법의 실제와 응용

10 전통적 내용 분석과 컴퓨터 기반 텍스트 분석: 토픽 모형의 가능성과 한계를 중심으로
내용 분석과 컴퓨터 기반 텍스트 분석
토픽 모형
LDA 모형 실습
LDA 모형 적용 선행 연구
토픽 모형의 가능성과 한계

11 파이선을 이용한 온라인 데이터 분석 방법 소개: 텍스트 데이터를 중심으로
들어가며
온라인 데이터 분석 소개
온라인 데이터 수집과 분석
결론

12 N스크린 시청 행동과 소프트웨어 기반 행동 측정, 도전과 한계 미디어 이용 행태 변화와 N스크린 시청 행동 조사의 필요성
대안적 시청률 조사
국내 N스크린 시청 행태 측정 현황
디바이스별 시청 기록 측정의 한계 및 개선 방안

사회과학 연구자들 입장에서 보면, 전통적인 연구 방법, 이론 구축 및 공식적인 과학적 추론 활동에 빅데이터 분석이 대체성을 갖는다고 말하기는 힘들다. 빅데이터 분석은 산업계를 중심으로 확산되어 오다 최근에 연구 분야에 점진적으로 접목되고 있다. 산업 분야에서는 예측의 정확도가 중요하지만, 학문 영역에서는 예측과 함께 왜 그 같은 결과가 나타났는가를 설명하는 것이 중요하다. 컴퓨터 기반 모델링이 아무리 우수한 예측력을 보이더라도 그 과정을 설명할 수 없다면 과학적 완성물이 아니라고 말할 수 있다. 따라서 빅데이터 분석 기법과 전통 과학은 상호보완성을 띨 수밖에 없어 여러 학문 분야가 협업해야 하는 환경에 들어섰다
-‘01 서론: 데이터 시대 컴퓨터 기반 언론학 연구?’ 중에서

오늘날 전 지구적 커뮤니케이션 네트워크의 구축과 확산은 사회적 복잡성의 증대와 더불어 변화의 속도를 상상 이상으로 끌어올리고 있다. 수개월 단위로 새로운 기술이 소개되고 그에 맞춰 사람들의 환경과 일상이 빠르게 변모되는 현실은 변수 간의 정적인 구조를 묘사하려는 기존 연구 방식에 일대 전환을 요구하고 있다. 빠르게 상황이 변화한다고 해서 지속적인 패턴이 모두 증발해 버리는 것은 아니다. 다만 새롭게 부각되는 주제와 키워드들－조합(assemblage), 배열(configuration), 네트워크, 패턴, 변동－로 시선을 돌릴 필요가 갈수록 커지고 있다는 사실을 강조하려는 것이다. 빠르게 변화하는 사회 속에서 주목해야 하는 것은 일회성 효과나 파편적 인과관계가 아닌, 국지적 현실들의 조합, 배열과 그 효과로 어떤 패턴이 나타나는 발생 과정(generative process)이다(Epstein, 2007).
-‘03 변동의 과학: 발생적 커뮤니케이션 과학을 향하여’ 중에서

물론 뉴스타파나 ≪가디언≫ 같은 매체들이 보여 준 탐사 보도는 저널리즘의 소중한 자산이다. 빅데이터 분석을 바탕으로 잘못된 권력을 비판하거나, 잘못된 소문을 바로 잡아주는 건 언론이 담당해야 할 기본 역할이다. 하지만 데이터 저널리즘에 거대한 탐사 보도만 있는 건 아니다. 방대하지는 않지만 그냥 지나치기 쉬운 숫자나 그래프를 활용한 보도 역시 데이터 저널리즘의 또 다른 한 축을 형성하는 중요한 기둥이다. 수많은 정부나 기업들이 매일 데이터를 활용해 자신들의 주장을 펼치고 있는 상황인 만큼 데이터 홍수에 빠지지 않고 그 속에서 제대로 된 메시지를 읽어낼 수 있는 능력도 반드시 요구되는 자질이다. 데이터를 활용한 탐사 보도가 누구나 쉽게 하긴 힘든 예외적인 프로젝트인 점을 감안하면 데이터 리터러시(data literacy) 능력은 오히려 저널리즘 현장에선 더 요구되는 덕목일 수도 있다.
제4차 산업혁명 담론과 함께 관심의 대상으로 떠오른 인공지능(AI)을 활용한 보도 역시 넓게 보면 데이터를 활용한 저널리즘 영역에 포함시킬 수 있다. 특히 알고리듬을 활용한 뉴스 생산 방법인 AI 저널리즘, 혹은 로봇 저널리즘은 기존 기자들의 일하는 방식에까지 영향을 미칠 것으로 예상돼 깊이 있는 논의가 필요해 보인다.
-‘07 데이터 시대 언론 현장의 변화와 언론학 연구의 과제’ 중에서

전통적 내용 분석 기법의 대안으로 컴퓨터 기반 텍스트 분석(computerized text analysis)이 주목받고 있다. 전통적 내용 분석이 ‘살아 있는 인간 지능’을 이용해 텍스트를 체계적으로 해석한다면, 컴퓨터 기반 텍스트 분석에서는 알고리듬 형태로 프로그래밍된 ‘죽은 인간 지능’을 이용한다는 점이 다를 뿐이다. 즉 인간의 텍스트 해석 방법을 성공적으로 모방한 알고리듬을 개발할 수 있다면 컴퓨터 기반 텍스트 분석 결과는 타당하다. 자연어 처리 기법(NLP, Natural Language Processing)을 기반으로 하는 통계적 텍스트 처리 기법(statistical text processing)을 이용하면 텍스트에 규칙적으로 나타나는 표현을 빠르고 정확하게 찾아낼 수 있다. 또한 텍스트에 잠재된 토픽(topic)이나 감성(sentiment)을 통계적으로 추정하는 방법들도 속속 개발되고 있다(Pang & Lee, 2008). 물론 현재의 통계적 텍스트 처리 기법이 모든 면에서 전통적 내용 분석 기법을 대신할 수 있는 것은 아니다. 복잡한 상징성(역설, 반어 등)을 읽어 내야만 하는 잠재적 코딩(latent coding)은 여전히 인간 지능은 컴퓨터 알고리듬, 즉 인공지능보다 훨씬 우수하다. 그러나 지정된 텍스트를 찾거나 특정 텍스트 표지(textual marker)를 통해 의미가 명확하게 드러나는 명시적 코딩(manifest coding)의 경우 통계적 텍스트 처리 기법은 처리 속도와 분석 비용, 분석 결과의 재현 가능성에서 전통적 내용 분석에 비해 분석의 효과성은 유사한 수준을 유지하면서도 효율성은 훨씬 더 우수하다.
-‘10 전통적 내용 분석과컴퓨터 기반 텍스트 분석’ 중에서