미디어와 소비자간 새로운 플랫폼으로서의 유튜브의 역할 = Analysis of YouTube's role as a new platform between media and consumers

다국어 초록 (Multilingual Abstract)

YouTube realistically shows fake news and biased content based on facts that have not been verified due to low entry barriers and ambiguity in video regulation standards. Therefore, this study aims to analyze the influence of the media and YouTube on individual behavior and their relationship. Data from YouTube and Twitter are randomly imported with selenium, beautiful soup, and Twitter APIs to classify the 31 most frequently mentioned keywords. Based on 31 keywords classified, data were collected from YouTube, Twitter, and Naver News, and positive, negative, and neutral emotions were classified and quantified with NLTK's Natural Language Toolkit (NLTK) Vader model and used as analysis data.
As a result of analyzing the correlation of data, it was confirmed that the higher the negative value of news, the more positive content on YouTube, and the positive index of YouTube content is proportional to the positive and negative values on Twitter. As a result of this study, YouTube is not consistent with the emotion index shown in the news due to its secondary processing and affected characteristics. In other words, processed YouTube content intuitively affects Twitter's positive and negative figures, which are channels of communication. The results of this study analyzed that YouTube plays a role in assisting individual discrimination in the current situation where accurate judgment of information has become difficult due to the emergence of yellow media that stimulates people's interests and instincts.

국문 초록 (Abstract)

Youtube는 낮은 진입장벽과 영상물 규제 기준의 모호함으로 인하여 검증되지 않은 사실을 기반으로 한 가짜뉴스, 편파적 콘텐츠 등이 사실적으로 나타난다. 따라서 본 연구에서는 언론과 Youtube가 개인의 행동에 미치는영향과 이들의 관계성을 분석하고자 한다. selenium, beautiful soup, Twitter API로 Youtube와 Twitter의 데이터를무작위로 가져와 가장 자주 언급되는 키워드 31개를 분류한다. 분류된 31개의 키워드를 기반으로 Youtube, Twitter, 네이버 뉴스에서 데이터를 수집 후, NLTK(Natural Language Toolkit)의 Vader 모델로 긍정, 부정, 중립감정을 분류 및 수치화하여 분석 데이터로 사용했다. 데이터들의 상관성을 분석한 결과, 뉴스의 부정수치가 높아질수록 Youtube에서는 긍정적인 콘텐츠가 많아지는 것으로 분석되었다. 본 연구결과로, Youtube는 2차로 가공하여 전달되는 특성으로 인해 뉴스에서 나타나는 감정 지수와 일치하지는 않는다. 즉, 가공된 Youtube 콘텐츠는소통의 창구인 Twitter의 긍정, 부정수치에도 직관적으로 영향을 미치게 된다. 본 연구결과는 사람들의 흥미와본능을 자극하여 시선을 끄는 황색언론의 등장으로 정보의 정확한 판단이 어려워진 현 상황에서, 자극적이고부정적인 영상으로 사회에 악영향을 끼치는 것으로 인식되어있는 Youtube가 도리어 개인의 식별력을 보조하는역할을 하는 것으로 분석되었다.

참고문헌 (Reference)

1 정지혜 ; 김근영, "중학교 남학생의 과도한 유튜브 이용과 내재화 및 외현화 문제: 사회적 지지의 조절효과" 한국산학기술학회 22 (22): 676-684, 2021

2 전종우, "유튜브 이용 동기와 콘텐츠 정향이 시청에 미치는 영향" 한국OOH광고학회 18 (18): 5-21, 2021

3 김위근 ; 최민재, "소셜네트워크서비스의 이용동기가 실제 이용과 메시지 특성 인식에 미치는 영향: ‘페이스북’, ‘트위터’, ‘싸이월드’, ‘미투데이’의 비교를 중심으로" 한국언론정보학회 60 (60): 150-171, 2012

4 이준웅 ; 김은미 ; 심미선, "다매체 이용자의 성향적 동기 : 다매체 환경에서 이용과 충족 이론의 확장" 한국언론학회 50 (50): 251-284, 2006

5 염정윤 ; 정세훈, "가짜뉴스 노출과 전파에 영향을 미치는 요인성격, 뉴미디어 리터러시, 그리고 이용 동기" 한국언론학회 63 (63): 7-45, 2019

6 Yonhap News, "[sns world] "What if you copy the kids?"’Dangerous Million’ YouTube videos"

7 Hutto, Clayton, "Vader: A parsimonious rule-based model for sentiment analysis of social media text" 8 (8): 2014

8 Twitter API, "Twitter developer platform"

9 VADER Sentimental Analysis Code Analysis, "To you who travel between stars"

10 Katz, E., "The uses of mass communications: Current perspectives on gratifications research" Sage 19-32, 1974

11 Selenium, "Selenium"

12 Wann, Daniel L., "Preliminary validation of the sport fan motivation scale" 19 (19): 377-396, 1995

13 Swanson, Scott R., "Motivations of college student game attendance and word-of-mouth behavior: The impact of gender differences" 12 (12): 2003

14 "KoNLPy Korean Language Processing Package" Datascience school

15 Nasmedia, "Internet User Survey NPR"

16 C. Lin, "Clarifying Communication Theories: A Hands-on Approach" 199-208, 1999

17 Beautiful soup, "Beautiful soup"

18 EDAILY, "93% of video service users "watch YouTube"…99.2%of teenagers"