A Case of Idiopathic Hypereosinophilic Syndrome with Multiple Serositis

이신행,정택,최은주,박중원,박경희 대한내과학회 2018 대한내과학회 추계학술대회 Vol.2018 No.1

國家論과 社會

이신행 연세대학교 행정대학원 1991 延世行政論叢 Vol.16 No.-

美洲의 韓人社會를 통해서 본 共同體化와 自律性

이신행 연세대학교 대학원 1985 延世論叢 Vol.21 No.2

인문사회 중심의 컴퓨테이셔널 사고력 개발을 위한 실천적 방법 탐색: 데이터 리터러시를 중심으로

이신행 대한사고개발학회 2020 사고개발 Vol.16 No.2

This study proposes educational directions of data literacy to systemize and circulate the method of adapting computational thinking (CT) to the field of humanities and social sciences. Data literacy refers to the ability to discover problems in the major field, utilize digital traces, process and analyze them as data, transform them into interpretable knowledge, and understand the hidden implications behind the scenes. In light of this conceptualization, this study derived the following practical methods for developing and expanding data literacy. First, storytelling contents need to be developed for students to learn domain knowledge from a data analysis process. Second, it is highly needed to develop and share workflows that are applicable to problem solving based on the code and grammatical structure of the open source programming language. Third, it is needed to build a graphical user interface software for systematic and convenient data analysis. Fourth, it is needed to facilitate communication and collaboration between colleges and policy makers, which will lead to sustainable data literacy education. Finally, practical methods of data literacy education are proposed to establish the customized CT education for humanities and social sciences. 본 연구는 인문사회 중심의 컴퓨테이셔널 사고력(CT) 개발 방법을 체계화하고 확산하기 위한 데이터 리터러시 교육 방안을 제시하는데 그 목적을 두었다. 우선, 데이터 리터러시란 전공 영역에서 문제를 발견하고 디지털 자료를 활용, 데이터로 처리 및 분석하여 해석 가능한 지식으로 변환하고 이면에 숨겨진 함의를 파악하는 역량으로 개념화하였다. 이를 바탕으로 본 연구는 데이터 리터러시 교육이 인문사회 중심의 CT 개발에 효과적으로 활용될 수 있는 다음의 실천적 방법들을 도출했다. 첫째, 인문사회 전공 교과과정에서 다뤄지는 개념과 이론에 기초하여 문제를 제기하고 이를 해결하는 과정으로써 데이터를 활용하는 스토리텔링의 제공이다. 둘째, 소프트웨어를 구성하는 오픈소스 프로그래밍언어의 코드와 문법 구조를 사례에 기초하여 배경을 설명하고 문제 해결에 적용하는 워크플로우의 개발과 공유이다. 셋째, 그래픽 사용자 인터페이스에 기반하여 체계적인 사용이 편리한 데이터 분석 소프트웨어의 개발과 튜토리얼 제작이다. 넷째, 지속 가능한 데이터 리터러시 교육 방안의 마련과 효과적인 운영에 필요한 행정 업무와 재정을 지원하는 대학과 정책담당자와의 협력관계 조성이다. 끝으로, 인문사회 중심의 CT 개발은 학제간 물리적 결합을 넘어 유기적 연구체계에 기초한 융합 교육 환경의 구축이 필요함을 역설하고 이러한 원칙에 따라 운영되는 데이터 리터러시 교육방안을 제안했다.

유튜브 악플 탐지를 위한 기계학습: 스태킹 앙상블 모델의 적용을 중심으로

이신행 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.4

본 연구는 유튜브와 같은 개인미디어 플랫폼에서 쉽게 확산되는 악성댓글을 자동적으로 판별하는 기계학습 모델의 분류 성능을 비교하고 이를 개선하기 위한 방법으로 스태킹 앙상블 모델을 적용해 그 결과를 평가했다. 댓글 데이터는 특정 유명인이 연루된 사회적 혹은 연예계 이슈를 선정적으로 전달해 혐오 정서를 자극하는 “사이버렉카” 콘텐츠에 주목해 관련한 대표 채널의인기 영상에 달린 댓글 59,999건을 웹 크롤링 방식으로 수집했다. 그리고 인간 코더의 라벨링 작업으로 판별된 2,851건의 악플과 데이터 균형화를 위해 무작위로 추출된 2,851건의 악플이 아닌댓글로 구성된 5,702건의 댓글 데이터 세트를 마련했다. 분류 알고리즘으로는 logistic regression, Naïve Bayes, random forest, support vector machine 모델을 선택했다. 분석 결과, 단일 알고리즘에기반한 모델의 성능은 평가 지표에 따라 장단점이 분명하게 드러나고 있었다. 가령, 정확도와 점수의 기준으로 가장 좋은 성능을 보여준 random forest 모델은 재현율에 있어 다른 분류 알고리즘에 비해 떨어지는 성능을 나타냈다. 반면, 스태킹 앙상블 모델은 단일 알고리즘 분류기의장점을 취하고 약점은 보완하는 메타 분류기를 도출해 악플 분류 성능을 향상시켰다. 결국, 스태킹 앙상블 모델은 배깅이나 부스팅 앙상블 학습과는 달리 서로 다른 장점을 보이는 복수의 알고리즘을 결합하여 모델의 성능 지표에서 나타난 불균형을 해소하고 이를 통해 보다 균형있게 개선된 악플 분류 모델의 생성과 적용에 활용될 수 있음을 제시한다.

미국의 흑인운동 : Integrationism and Nationalism

이신행 서울대학교 국제지역원 1994 국제지역연구 Vol.3 No.1

이 논문은 사회운동을 연구하는 데에서 '部門', '領域', '公共圈域' 등의 개념이 유용한 분석 도구가 되리라는 것을 전제한다. 이러한 전제 하에 이 논문은 미국사회 흑인운동의 주요 움직임들이 部門, 領域, 그리고 公共圈域의 어느 편에 위치하고 있는가를 분석하기 보다는 현대 미국사회 흑인운동의 중요한 흐름이 어떠한가 하는 것을 파악하는 데 치중하였다. 미국사회 흑인운동의 두 가지 큰 흐름은 '統合主義的'인 것으로 구분할 수 있다. 이는 앞으로도 그 영향력을 간과할 수 없는 두 가지의 큰 흐름이다. 모든 사회운동은 상징-가치를 중심으로 운동을 전개해나가는 경향과 상징-가치에 치중하기 보다는 조직활등을 강조하는 경향으로 나누어 볼 수 있다. 이 논문에서는 미국사회의 흑인운동들 중 통합주의에 기초하여 상징-가치를 강조한 운동의 예로 마르틴 루터 킹(Martin Luther King Jr.)을 들었고 이러한 통합주의적 정신을 조직운동에 응용한 예로 NAACP(National Association of Advancement of Colored People)를 들었다. 그리고 통합주의와는 다른 지향으로서 분리주의에 기초한 흑인운동의 대표적 예로는 말콤 엑스(Malcolm X)와 마커스 가아비(Marcus Garvey)를 들었다. 이 가운데 말콤 엑스는 상징-가치를 강조하였으며 가아비는 분리주의 정신을 조직(UNIA)에 응용하였다. In defining black movements in America, this paper postulates that the concepts of 'realm' and 'public-sphere' are useful for analyzing social movements. The first aim of this paper is to grasp the main streams of black movements in modern American society by using the two concepts mentioned above. The main streams of black movements in America can be roughly classified into 'integrationism' and 'nationalism', which have had a distinct and continuous influence on black movements. All social movements van be classified into two types. One puts emphasis on 'symbo-lvalue' and the other on movement organization. This paper analyzed such cases as Marcus Gravey, Malcolm X, Martin Luther King Jr., and the NAACP. Martin Luther King Jr. emphasizes 'symbol-value' based on 'integrationism' and the NAACP applied 'integrationism' to organizaing movement group. The argue of Malcolm X and that of Marcus Garvey were commonly based on 'black nationalism', but they are not compeletely identical. White Malcolm X focused on 'symbol-value', Garvey tended to give weight to 'separatism' in organizing movement group, the UNIA.

희귀질환 연구와 치료제 개발 동향

이신행,이장익 한국임상약학회 2013 한국임상약학회지 Vol.23 No.1

희귀질환이란 일반적으로 그 유병율이 인구 일만 명당 5명 이하인 질환을 말한다. 세계에는 약 7,000여종의 희귀질 환이 알려져 있고 학술지에 매 주 대략 5종의 새로운 희귀질환이 보고되고 있다. 희귀 의약품(orphan drug)이란 희 귀질환치료제 또는 수익성이 없어 개발을 기피하는 일반질환 치료제로서 정부가 지정한 의약품을 말한다. Orphan 의 약품의 개발에는 많은 장점이 있다. Orphan 의약품으로 정부의 지정을 받으면 세금감면을 통한 연구비 지원, 임상시 험 비용 지원, 신약허가 심사비 면제, 시장독점권 부여 등의 특혜가 주어진다. 희귀질환의 대부분은 단순한 유전적 결함에 의하는 경우가 많아 치료제의 표적발견이 비교적 쉬우므로 개발 성공률이 높고, 임상시험기간이 짧으며, 시판 허가를 받을 확률이 높아 연구개발비용이 적게 든다. 그 결과 전세계 orphan 의약품 시장은 최근 매년 6%씩 성장 하여 2014년에는 약 1,120억달러의 시장을 형성할 것으로 추정된다. Orphan 의약품 시장은 현재 매년 8.9%씩 성장 하고 글로벌 시장의 51%를 점유하는 미국을 중심으로 확장되어 가고 있으며, 총매출액의 64.3%가 유전자재조합의약 품에 의한 것으로 알려져 있다. 이러한 의약품시장의 변화와 사회적 요구에 부응하여 한국 또한 희귀질환 치료제 개 발의 활성화를 위해 재정적 지원체계를 구축하고, 허가관리를 개선하며, 법률적 제도를 완비하는 과정에 있다. 현재 희귀질환의 치료적 타겟을 찾아 신물질이나 기존의 약물을 발굴하는 과정이 주로 대학이나 연구 중심 병원에서 이루 어지고 있다. 제도가 잘 정립되어 있는 미국 시장을 겨낭하여 orphan 의약품 개발을 전략적으로 수행한다면 큰 성공 을 거둘 수 있을 것으로 기대된다.

유튜브 ‘사이버렉카’ 채널은 어떻게 악성댓글을 양산하는가? 유튜버 익명성, 규범 동조, 혐오의 반향실 효과를 중심으로

이신행,현아연 사이버커뮤니케이션학회 2023 사이버 커뮤니케이션 학보 Vol.40 No.2

This study focuses on Cyber-Wrecker, which is an emerging type of personalized media contents to produce views and comments by posting videos about celebrity scandals or incidents, and online toxicity it generates. In particular, we analyzed what characteristics of Cyber- Wrecker encouraged toxicity in comments at the video level by selecting four representative Cyber-Wreckers on YouTube, collecting about 290,000 comments on 370 videos from their channels, and classifying malicious comments with an artificial neural network to measure the degree of toxicity production. To do so, we tested research hypotheses drawing upon 1) the structural conditions of YouTubers’ anonymity, 2) normative conformity among users performing grouporiented thoughts and behaviors toward Cyber-Wrecker, and 3) the reinforcement of hate projected on the target of Cyber-Wrecker that stimulated in-group unity and out-group hostility through the echochamber effect. The results showed that anonymous Cyber-Wreckers were more effective in generating toxicity than those that revealed their identities, and that toxicity production increased when the targets of Cyber-Wrecker were socially hated. In other words, Cyber-Wrecker’s sensationalized coverage of celebrities and public figures was effective in increasing toxicity by selecting targets that reflected hate sentiments of our society. On the other hand, overtly malicious videos, such as biased portrayals and mockery, had no significant effect on the production of toxicity. Based on the results, this study sheds light on how Cyber-Wreckers as an emerging online content creator promotes the spread of toxicity and discusses ways to understand and address the growing influence of the personalized media ecosystem, not only at the industrial level but also culturally. 본 연구는 1인 미디어 플랫폼을 통해 주로 연예계 스캔들 또는 유명인이 관련된사건⋅사고를 다루는 콘텐츠로 조회수를 늘리는 사이버렉카와 이로 인해 양산되는 악플에 주목했다. 특히, 사이버렉카의 영상 단위에서 어떠한 특성이 악플생산을 조장하는지를 분석하고자 대표적 유튜브 사이버렉카 4인을 선정 후 이들 채널에서 370건의 영상에 달린 댓글 약 29만건을 수집하고 인공신경망으로악플을 분류하여 악플 생산 정도를 측정했다. 그리고 사이버렉카의 효과를 1) 비대면 소통 환경의 유튜버 익명성이라는 구조적 여건, 2) 사용자들이 집단 중심의 사고와 행동을 수행하며 사이버렉카의 악의성에 동조하는 효과, 그리고3) 사이버렉카의 타깃(target)에 투영된 혐오 정서로 인해 내집단 일체감과 외집단에 대한 구별짓기와 편견이 반향실 효과로 인해 강화되며 발현된 악플 증가로 구별해 연구가설을 설정하고 이를 분산 분석과 회귀 분석으로 검증했다. 분석 결과, 익명의 유튜버가 운영하는 사이버렉카 채널은 자신의 신원을 드러낸경우에 비해 악플 생산에 더 효과적이었다. 또한, 사이버렉카가 다루는 타깃이사회적 혐오의 대상일 때 악플 생산은 더 증가했다. 즉, 사이버렉카가 연예인혹은 유명인들에 대한 자극적인 보도로 댓글량이라는 광고 수익과 연관되는 지표를 늘리는데 있어 우리 사회의 혐오 정서가 투영되는 대상의 선정이 효과를발휘하고 있었다는 점이다. 반면, 사이버렉카의 표현 방식에 주목해 편파적 묘사와 조롱 등의 악의성이 노골적으로 드러난 영상이 악플 생산을 조장하는가를검증한 결과 유의미한 영향은 없는 것으로 나타났다. 이러한 결과를 바탕으로본 연구는 사이버렉카라는 새로운 방송 형태가 악플 확산을 어떻게 주도하고조장하는지 밝힘으로써 산업 차원은 물론 문화적으로 그 영향력이 커지고 있는1인 미디어 생태계에 대한 이해와 문제 해결의 방안을 논의했다.

기계학습 기반 유튜브 악플 분석: “사이버렉카”에 달린 댓글의 어휘적 특성

이신행,이주연,조민정,박태강 한국디지털콘텐츠학회 2022 한국디지털콘텐츠학회논문지 Vol.23 No.6

본 연구는 특정 유명인에 대한 선정적 유튜브 콘텐츠로 혐오를 조장하고 악성 댓글(이하 악플)을 확산시키는 일명 “사이버렉카” 채널에 주목해 여기에 달린 댓글을 수집한 후 기계학습 알고리즘으로 악플을 분류하여 그 어휘적 특성을 분석했다. 이를 위해 로지스틱 회귀 모델을 기계학습 알고리즘으로 사용하고 예측 성능을 높이기 위해 과적합을 방지하는 정규화 과정을 거쳤다. 그 결과, “사이버렉카” 콘텐츠는 욕설이나 비속어보다는 외모 비하나 조롱 목적의 멸칭과 모욕적 상징이 함축된 고유 명사가 사용되는 악플을 양산하고 있었고 이 과정에서 다양한 언어적 변이가 일어나고 있음을 발견했다. 이러한 결과를 바탕으로 기계학습의 방법을 이용한 악플 탐지의 가능성을 진단하고 그 한계를 극복하는 방안을 논의했다. Considering the so-called “cyber wrecker,” which spreads hatred with sensational YouTube content about celebrities, this study collected comments posted on its channels, classified malicious comments with a machine learning algorithm, and analyzed their lexical characteristics. To this end, a logistic regression model was used as the algorithm and a regularization process was applied to improve prediction performance by preventing overfitting. As a result, we found that “cyber wrecker” content produced malicious comments using proper nouns, which connoted a derogatory or insulting meaning for mocking purposes, rather than swear words or slang. Also, various linguistic variations were found in the posting of malicious comments. Based on these results, we discussed the machine learning method for detecting malicious comments and ways to overcome its limitations.

온라인 댓글의 주제 분석을 위한 토픽 모델링 : 이슈 포착과 분류에 활용 가능한 LDA와 BTM의 비교와 검증

이신행 한국언론학회 2023 한국언론학보 Vol.67 No.4

Using computers to rapidly and efficiently build a model to organize massive volumes of textual data, topic modeling is an unsupervised machine learning technique that can be used to classify texts into related themes or to analyze the nature and distribution of topics. However, topic modeling's usage in media research has recently come under fire for failing to take into account reliable and valid measures of theoretically defined concepts. This means that topic modeling needs methodological validation and reliability in order to be employed in media research as a tool for investigating and summarizing massive volumes of textual material. Additionally, it is helpful to be able to group online comments into "issues" and list their important points in order to quickly identify social issues and monitor discourse patterns in real-time on digital platforms. For this reason, attempts to diagnose the methodological validity of topic modeling for analyzing the topics of comments are of great significance. Therefore, this study validates topic modeling for analyzing online comments by verifying its performance as follows. First, we discussed why topic analysis of comments is necessary and what the implications are through the conceptualization of "issues" in the context of online comments. Then, with an emphasis on the Latent Dirichlet Allocation (LDA) model, we reviewed the principle of topic modeling to estimate the topic of text and the assumptions of statistical models that affect topic estimation. Additionally, we contrasted the merits and drawbacks of LDA and the Biterm Topic Model (BTM) to suggest topic modeling as a means of identifying the subject of comments and categorizing them as "issues." Based on the above theoretical discussion, we applied topic modeling to analyze 9,000 online news comments on articles covering nine social issues and validate whether the topics are useful to classify comments according to the "issues" of the news. The results are as follows. First, compared to BTM, LDA is highly dependent on the hyperparameter, , with lower values leading to better model performance. Second, both BTM and LDA were able to estimate the optimal number of topics (K ), but BTM showed less variation in performance with value selection than LDA, and performance degradation was worse when the value was lower than the optimal K than when it was higher. Third, both BTM and LDA performed better when adding bigrams along with unigrams to the vocabulary, but the difference was more pronounced for LDA. Based on these validation results, we assessed the validity of topic modeling for analysis of comments and discussed its implications. 토픽 모델링은 컴퓨터를 이용해 빠르고 쉽게 방대한 양의 정보를 구성하거나 파악하는 모델을 추정하는 비지도 기계학습 방법으로 문서를 비슷한 토픽별로 묶어내거나 토픽의 내용과 분포를 파악하고자 할 때 활용된다. 그런데 토픽 모델링을 미디어 연구에 활용함에 있어 이론적으로 정의된 개념을 타당하고 신뢰할 수 있는 측정하는 방법으로써의 고민이 부족했다는 지적이 최근 제기되고 있다. 대단위 텍스트 자료를 탐색하고 요약하는 도구인 토픽 모델링을 미디어 연구에 활용하기 위해서 방법적 타당성 검증과 신뢰성 확보가 필요하다는 것이다. 더욱이, 온라인 플랫폼을 통해 거대한 규모로 빠르게 발생하고 있는 댓글을 ‘이슈’에 따라 분류하고 그 주요 주제를 요약하는 방법은 사회적 쟁점을 즉각적으로 파악하고 담론 양상을 통시적으로 추적하는데 유용하다. 이러한 이유에서 댓글의 주제를 분석하기 위한 토픽 모델링의 방법적 타당성을 진단하는 시도는 그 의의가 크다고 할 수 있다. 이에 본 연구는 온라인 댓글의 주제 분석을 위한 토픽 모델링 방법을 제시하고 그 성능과 타당성을 다음과 같이 검증했다. 우선, 온라인 댓글의 맥락에서 다뤄지는 ‘이슈’에 대한 개념화를 통해 댓글의 주제 분석이 왜 필요하고 어떠한 함의가 있는 것인지에 대해 논의했다. 그리고 토픽 모델링이 텍스트의 주제를 추정하는 원리와 주제 추정에 영향을 미치는 통계 모델로써의 가정들에 대해 Latent Dirichlet Allocation(LDA) 모델을 중심으로 살펴봤다. 또한 댓글의 주제를 포착하고 ‘이슈’별로 분류하기 위한 토픽 모델링을 제안하고자 LDA와 Biterm Topic Model(BTM)의 성능과 한계를 비교했다. 이상의 이론적 논의를 토대로 9개의 사회적 이슈를 다루고 있는 기사에 달린 9,000건의 온라인 뉴스 댓글을 토픽 모델링으로 분석해 주제를 추정하고 이에 따라 댓글이 뉴스의 ‘이슈’에 따라 분류되는지를 모델별로 비교 검증했다. 그 결과는 다음과 같다. 첫째, BTM에 비해 LDA는 초모수 에 많은 영향을 받았는데 값이 낮아질수록 모델의 성능이 좋아졌다. 둘째, BTM과 LDA 모두 최적의 주제의 개수(K)를 추정할 수 있었으나, BTM이 K값 선정에 따른 성능 변화가 LDA보다 적었고 K값이 최적의 값보다 클 때보다 낮을 때 성능 저하가 심해졌다. 셋째, BTM과 LDA 모두 분석 단어 목록에 단일 형태소와 함께 바이그램(bigram)을 추가할 때 성능이 좋아졌으나 그 차이는 LDA에서 더욱 뚜렸했다. 이러한 검증 결과를 토대로 댓글의 주제 분석을 위한 토픽 모델링의 활용 가능성을 진단하고 그 함의를 논의했다.