[목 차]
  

차 례

 

저자의 말

 

1장 미디어 데이터 사이언스 개념

01 미디어 데이터 사이언스 정의

02 미디어와 데이터 사이언스

03 빅데이터, 인공지능, 미디어 데이터 사이언스

 

제2장 미디어 소비 분야 데이터 사이언스 활용 사례

01 신문 및 라디오 이용과 데이터 사이언스

02 TV 시청률과 데이터 사이언스

03 인터넷 이용과 데이터 사이언스

04 OTT 이용과 데이터 사이언스

05 여론 및 공론화 조사와 데이터 사이언스

06 가짜뉴스와 데이터 저널리즘

07 검색 및 추천 서비스와 데이터 사이언스

 

제3장 미디어 산업 분야 데이터 사이언스 활용 사례

01 신문산업과 데이터 사이언스

02 방송산업과 데이터 사이언스

03 광고산업과 데이터 사이언스

04 정보통신산업과 데이터 사이언스

05 문화산업과 데이터 사이언스

06 미디어 플랫폼산업과 데이터 사이언스

 

제4장 정량데이터 기반 미디어 데이터 사이언스 방법론

01 데이터 수집 및 관리

02 표본조사

03 탐색적 데이터 분석

04 분산분석

05 회귀분석

06 인자분석

07 머신러닝, 딥러닝

08 군집분석과 k-근접이웃(k-NN)

09 나이브 베이즈 분류

 

제5장 텍스트 기반 미디어 데이터 사이언스 방법론

01 자연어처리

02 텍스트 마이닝

03 토픽모델링

04 데이터 시각화

05 사회네트워크 분석

06 거대언어모델(LLM)과 ChatGPT

 

제6장 미디어 데이터 사이언스 분석 도구

01 엑셀

02 SPSS

03 SAS

04 R

05 파이썬

 

제7장 미디어 데이터 사이언스 윤리와 정책

01 미디어 데이터 윤리의 기본 원칙

02 미디어 데이터 사례와 제도화의 주요 쟁점

03 미디어 데이터의 글로벌 정책과 규제

04 미디어 데이터 사이언스와 정책 방향

 

참고문헌

찾아보기

[본 문]
  

미디어 데이터 사이언스는 데이터 사이언스라는 일반적인 범주 중에서 미디어 분야라는 특정 영역을 지칭하는 것을 의미한다. 마치 기존 통계학 방법론을 근간으로 의료와 보건, 복지 분야 데이터의 특성을 반영한 분석 방법론을 개발하여 생물통계학(biostatistics)이라는 새로운 학문이 탄생한 것에 비견할 수 있다. 즉 통계학이 분야별로 발전하여 농업통계, 공업통계, 경영통계 등의 이름으로 분화하는 것처럼 데이터 사이언스 분야도 유사한 과정을 거쳐 분야별로 새로운 이론으로 정립될 것으로 예상할 수 있다. -15-16쪽

 

인터넷에서의 콘텐츠 소비는 과거의 수동적인 소비에서 능동적이고 상호작용적인 소비로 변화하고 있다. 유튜브, 넷플릭스, 스포티파이 등의 플랫폼에서는 사용자의 시청 패턴, 평가, 공유 행동 등을 분석하여 개인 맞춤형 콘텐츠를 추천하고 있다. 이러한 개인화 기술은 사용자 만족도와 플랫폼 체류 시간을 크게 향상시켰다. 유튜브의 추천 알고리즘은 하루에 10억 시간 이상의 동영상 시청의 약 70%를 이끌어 내는 강력한 시스템으로, 이용자들의 시청 경험 진화와 플랫폼의 성장에 핵심적인 역할을 하고 있다. -60쪽

 

출판, 만화, 음악, 게임 등 다양한 장르가 포함되어 있는 문화산업은 디지털 전환과 함께 문화 콘텐츠가 기존 경로 이외의 태블릿, 스마트폰 등 다양한 매체에서 이용 가능해지면서 산업적 가치가 급증했고, 이용자의 소비 데이터뿐 아니라 댓글 등 반응 데이터가 축적되면서 데이터 기반의 의사결정이 핵심 역량으로 부각되었다. 2000년대 중반 이후 온라인 스트리밍, SNS, 디지털 마케팅이 급속히 확산되면서, 사용자 행태 분석, 추천 알고리즘, 수요 예측 모델 등 다양한 데이터 사이언스 기법이 문화산업에도 활용되기 시작했다. -105쪽

 

머신러닝과 딥러닝은 온라인 뉴스 추천에 활용되고 있다. 개인 미디어인 모바일 단말기를 통해 로그인 상태로 뉴스 서비스를 이용하게 되면서 사용자의 기사 소비 이력이 축적되고 이를 알고리즘 추천에 활용할 수 있게 되었기 때문이다. 네이버뉴스의 경우 대용량 데이터를 빠르게 처리하는 빅데이터 기술과 머신러닝(machine learning), 딥러닝(deep learning) 같은 AI 기술을 활용하여 수많은 언론사의 기사와 사용자가 남긴 로그 데이터(Log Data)를 학습하는 인공지능 기술을 활용하고 있다. -149쪽

 

사회네트워크 분석(SNA)은 네트워크와 그래프 이론을 사용하여 사회 구조를 조사하는 과정이다(wikipedia). 그래프 이론(graph theory)이란 객체 간에 짝을 이루는 관계를 모델링하기 위해 사용되는 수학 구조인 그래프를 연구하는 수학과 컴퓨터 과학의 분야이다(wikipedia). 사회네트워크 분석은 초기에는 사회학에서 인간관계망 연구를 위한 도구로 활용했다. 사회학과 수학의 융합에서 시작한 사회네트워크 분석은 인터넷과 디지털 기술의 발달로 온라인 공간에서 사람들의 관계 데이터를 쉽게 구할 수 있게 되면서 각광을 받기 시작한다. -195-196쪽

 

데이터 사이언스 윤리에서 책임성(Accountability) 원칙은 기술적, 조직적, 사회적 수준 모두에서 데이터의 수집, 처리, 분석, 활용 과정에 대한 명확한 책임 소재를 확보하고, 그 결과에 대한 설명 가능성과 정당성을 제공할 수 있어야 함을 강조하는 핵심 가치이다. 이는 단순히 사후적으로 잘못을 규명하는 것을 넘어, 데이터 기반 시스템 전반이 사전에 책임성을 내장하고 지속적으로 점검될 수 있도록 하는 구조적 메커니즘을 포함한다. 데이터와 알고리즘을 설계·관리·운영하는 주체가 그 결과에 대해 제대로 책임질 수 있어야 하며 데이터에 기반하여 파생하는 피해 발생의 책임 소재 규명, 사후 구제 조치, 제3자에 의한 검증 가능성을 포함하는 것으로 이해해야 한다. -240쪽

 

4차 산업혁명 시대의 도래와 함께 데이터는 국가 경쟁력 강화를 위한 핵심 자원으로 부상하고 있으며, 데이터 활용을 기반으로 한 신산업 육성이 주요 정책 과제로 제기되고 있다. 특히 인공지능(AI), 클라우드 컴퓨팅, 사물인터넷(IoT) 등 디지털 신기술의 확산은 데이터 활용의 범위와 가치에 구조적 변화를 초래하고 있으며, 이에 따른 혁신산업의 창출을 위해 고도화된 데이터 기반 인프라의 활성화가 요구되고 있다. 그러나 기술 활용의 확대와 병행하여 개인정보 보호와 안전한 데이터 활용을 위한 법적·사회적 규범의 정립 또한 시급한 과제로 지적되고 있다. -284쪽