빅데이터 방법론을 활용한 한국인의 페이스북 이용 분석

국문 초록 (Abstract)

1) 연구 방법

o 데이터 수집 방법
- 페이스북 앱을 배포 연구에 동의한 대상자 약 5,000명 이상의 포스트 수백만 건 이상을 익명으로 수집해 분석(공개된 콘텐츠만 수집하며, 메시지 등 사적 내용 배제)
- 확보한 메일링 리스트를 활용해 광범위하게 앱을 배포하고, 배포된 앱을 통한 추가적인 앱 설치를 유도(※ 서울대학교 언론정보연구소 명의로 연구윤리 준수)
- 데이터 수집항목 : 이용자 프로파일, 친구 리스트, 오브젝트(텍스트, 사진, 동영상, 링크 등 이용자의 뉴스피드에 게시되는 콘텐츠), 엣지(객체에 대해 반응, 즉, 좋아요, 댓글, 공유 등)

2) 연구 내용

① ‘소셜’ 소프트웨어로서 페이스북의 특성 : 이론적 검토
- ‘소프트웨어화(softwarization)’는 기존 미디어 제작 기술(영화, 사진, 회화, 음악 등)이 소프트웨어로 전환되는 과정(Manovich, 2008; 2011a)을 말하는데, 페이스북은 사람과 사람 사이의 관계인 이른바 ‘소셜’을 소프트웨어화, 즉 기술적으로 구현한 소프트웨어라고 할 수 있음(오세욱·이재현, 2013)
- 한국인 페이스북 이용자들의 이용 행태 분석을 통해 페이스북이 소프트웨어화한 ‘소셜’ 수단들은 무엇인지, 어떠한 ‘소셜’ 수단을 가장 많이 이용되고 있는지 등을 분석, 소프트웨어로서 페이스북의 특성을 도출함

② 페이스북의 플랫폼 속성에 따른 한국인 이용자의 일반적 이용행태
- 이용자 프로필 분석을 통한 성, 연령, 학력, 지역 등 인구통계학적 특성
- 가입시점, 친구 리스트, 그룹 가입 현황, 페이지 구독 현황 등 기본적 이용행태

③-1. 한국인 페이스북 이용자의 네트워킹 행태
- 친구 수, 즉 네트워크 크기와 상호 연결망 분석네트워킹 행태
- 밀그램(Milgram, 1967)의 6단계 분리 이론과 와츠와 스트로가츠(Watts & Strogatz, 1998)의 ‘작은 세상(small world)’ 이론에 대한 한국인 이용자 검증

③-2. 한국인 페이스북 이용자들의 커뮤니케이션 행태 분석
- 포스트 건수, 댓글달기 건수, 댓글받기 건수, 좋아요 등 오브젝트와 엣지의 빈도를 수집해 기본적인 커뮤니케이션 유형 분석
- 오브젝트의 유형과 엣지 유형을 분석해 오브젝트와 엣지 유형에 따른 한국인 페이스북 이용자의 커뮤니케이션 행태 범주화
- 수집한 오브젝트와 엣지 분석을 통해 비익명적, 맥락단서, 사교적 정보 등 전통적 CMC와의 차이점 분석
- 1:1 구조의 대인커뮤니케이션(대화 모델)과 1:다 구조의 매스커뮤니케이션(방송 모델)이 혼재된 혼종적 커뮤니케이션 양식의 전개 양상 분석

③-3. 한국인 이용자에게 나타나는 페이스북의 미디어 플랫폼 특성
- 페이스북의 미디어 콘텐츠 교류 행태 분석(뉴스, 동영상, 이미지, 하이퍼 링크 등) : 페이스북은 이미지 플랫폼인가? 텍스트 플랫폼인가? 뉴스 플랫폼인가? 등
- 미디어 유형에 따른 소스와 미디어의 전달 및 미디어 생산 행태 분석
- 네트워크 크기 및 요일, 시간대, 장소별 미디어 콘텐츠 교류 특성 분석
- 전통적 미디어 기업에 주어진 플랫폼 확장의 기회이자 광고 매체로서 가치성 여부 분석

④ 한국인 페이스북 이용자의 정보의 공유 및 토론과정 분석(정치적 함의)
- 누구와 친구를 맺느냐에 따라 각기 다른 ‘세계’를 보게 된다는 관점에서 페이스북 매개 토론 및 상호작용과정 분석
- 페이스북 유력자의 존재 여부 그 존재가 정보의 공유 및 토론 과정에 미치는 영향 분석
- 한국인 이용자들이 페이스북 커뮤니케이션 과정에서 보여준 내용의 일반적 특성 분석

⑤ 빅데이터 분석에 있어서 방법론적 문제 검토 : 방법론적 함의
- 라투르(Latour, 2009)는 “사회학은 계량적 과학이 되려는 목표에 사로잡혀 있어 왔지만, 사회학은 사회적 영역에서 수량화가 가능한 지식과 그렇지 못한 지식 사이에 선을 그으려 하기 때문에 이러한 목표에 도달한 적이 한 번도 없다”고 지적했음
- “숫자가 모든 것을 말해주기 때문에 이론은 더 이상 필요 없다”(Anderson, 2008)는 표현처럼 빅데이터가 강력한 것으로 부각되고 있지만 방법론적 문제는 존재함
- 첫째, 빅데이터의 대표적 사례인 트위터처럼 매우 열악한 저장 기능(archiving)과 검색 기능으로 인해 대부분의 연구가 현재 혹은 매우 가까운 과거에만 치중되고 있음
- 둘째, 빅데이터 연구는 대규모 데이터를 다루게 되면서 서로 연관성이 없는 현상에도 전방위적으로 관계를 추론해 실제와는 전혀 다른 결과로 이어질 수 있음(Boyd & Crawford, 2012) 즉, 표집 오차(sampling error)의 문제가 발생할 소지가 큼
- 이외 빅데이터 연구에 있어서 윤리적 문제와 데이터 접근 권한 차이에 따른 이른바 ‘데이터 격차(data divide; Manovich, 2011b)’ 등의 문제에 대해서도 검토할 예정임