영화 스토리 구성방식과 작가 평판이 전문가 및 대중의 평가에 미치는 영향: 시놉시스 텍스트 분석을 중심으로

국문 초록 (Abstract)

영화는 내러티브 예술이자 문화 콘텐츠 상품으로, 제작자는 다양한 장르와 문화 요소가 얽힌 네트워크 생태계 속에서 특정 속성을 선택하여 작품을 제작한다. 이러한 제작물은 다양한 집단으로부터 평가받으며, 시기에 따라, 그리고 제작자의 평판에 따라 그 평가가 달라질 수 있다.
본 연구는 영화의 스토리 요소 결합이 시기와 집단의 특성에 따라 평가에 어떠한 영향을 미치는지, 그리고 제작 참여자 중 작가의 평판이 평가에 있어 어떤 조절 역할을 하는지를 살펴보는 것에 목적이 있다. 이를 위해 대규모 영화 데이터베이스인 IMDB를 통해 2000~2020년에 개봉된 14,805편의 영화 데이터를 활용하였으며, 시놉시스 데이터를 기반으로 토픽 모델링 텍스트 분석을 진행해 영화의 문화 요소의 네트워크 결합을 탐구한 뒤, 이를 통계적으로 분석하고 예측 모델을 구현하였다.
분석 결과, 전문가(동료/비평가) 집단의 경우 작년의 인기를 끌었던 문화 요소를 사용한 영화에 대해 부정적으로 평가를 내렸고, 반대로 올해의 트렌드를 따르는 요소를 포함한 영화에는 긍정적으로 평가하는 경향을 보였다. 대중은 작년에 인기를 끌었던 익숙한 주제를 반복하는 영화를 더 선호하는 것으로 나타났다. 또한, 전문가 평가에서 작년에 인기를 끌었던 요소를 사용할 때 작가의 평판이 높을수록 부정적인 평가를 받는 경향이 있음을 확인했다. 특히 비평가 집단은 평판이 낮은 작가에게 동료 집단보다 더 관대하게 평가하는 경향을 보였다.

다국어 초록 (Multilingual Abstract)

Films are narrative art forms and cultural content products. Producers select specific attributes within a network of various genres and cultural elements to create their works. These works are evaluated by different groups, and their evaluations can vary depending on the time and the reputation of the producer.
This study aims to examine how the combination of story elements in films affects evaluations based on the timing and characteristics of the groups, and how the reputation of the screenwriter among the production participants moderates these evaluations. To achieve this, we utilized the IMDB database to analyze 14,805 films released between 2000 and 2020. We conducted topic modeling text analysis based on synopses to explore the network combination of cultural elements in films, followed by statistical analysis and the implementation of prediction models.
The analysis revealed that the expert group (peers/critics) tended to negatively evaluate films using popular cultural elements from the previous year, while positively evaluating those incorporating current trends. The public audience preferred films that repeated familiar themes from the previous year. Additionally, it was found that in expert evaluations, the higher the screenwriter's reputation, the more negatively films using last year's popular elements were evaluated. Notably, the critic group was more lenient towards writers with lower reputations compared to the peer group.

목차 (Table of Contents)

• Ⅰ. 서론 = 1
• 1. 연구 배경 및 목적 = 1
• 2. 연구 방법 및 구성 = 6
• Ⅱ. 이론적 배경 = 8
• 1. 문화 요소의 생태계와 결합 = 8
• 2. 문화 상품의 평가 = 10
• 1) 전문가 평가 = 11
• 가) 동료 평가 = 13
• 나) 비평가 평가 = 14
• 2) 동료 평가 = 15
• 3. 제작 참여자의 조절 효과 = 18
• Ⅲ. 자료 및 분석 과정 = 20
• 1. 데이터 수집 및 가공 = 20
• 2. 토픽 모델링 = 21
• 3. 변수 설정 = 26
• 1) 종속 변수 = 26
• 2) 독립 변수 = 26
• 3) 통제 변수 = 27
• 4. 연구 모형과 분석 방법 = 30
• Ⅳ. 분석 결과 = 32
• 1. 통계적 분석 시행 결과 = 32
• 2. 머신러닝 예측 시행 결과 = 40
• 1) 모델 구축 = 40
• 2) 예측 모델 검증 결과 = 41
• V. 결론 = 44
• Ⅵ. 참고문헌 = 47