SlideShare uma empresa Scribd logo
1 de 26
국내 종합편성채널의
웹 가시성 분석
*언론정보학과 l 4학년 l 21021899 l 김수빈
1. 연구목적 설정
2. 종합편성 채널 검색어 별 웹 상 대중도 수치 파악
3. 채널A, JTBC, MBN, TV조선
- 네이버 트렌드
- WebONaver통한 관련 단어 간 관계망 분석
- 단어 구름 분석
- WebOMeric Anlyst
- You Tube 지도
4. 결과
- 연구목적 :
초기 종합편성채널 출범 시 예상했던 부진우려와 매각 가능성에도 불구하고
현재 출범 3년 차, 종편 자체 편성 프로그램의 시청률 상승과 시청자들의 신뢰도
가 상승하고 있다.
따라서, 시청자들의 종편에 대한 관심 증대가 웹 상에서 어떤 형태로 나타나며
어떤 단어들이 가시성이 높은지 알아보고자 한다.
- 데이터 수집 기간 : 140620~140625
- 데이터 수집 소프트웨어 : WebONaver (Hanpark.net)
- 투입 쿼리 : 국내 종합편성채널 4개의 정식 명칭
(채널A, JTBC, MBN, TV조선, +네 가지 모두)
- 네이버트렌드 : 2013.06~2014.06
- 중심성분석 및 네트워크지도 작성 소프트웨어 : NodeXL
* 사람들은 웹 상에서 종편에 대해 어떤 이야기를 하고 있을까?
0
1000000
2000000
3000000
4000000
5000000
6000000
Total
Blog
News
web
140620~140625, WebONaver
*2014.06 JTBC가 검색어로써 웹 상에서 가장 많이 언급됨을 추정 가능.
# 특정 검색어의 대중도 파악
130709 - 채널A 공식사과,
"중국인 사망 다행..헤아리지 못했다"
130828 - “이석기 의원, 압수수색 전
변장하고 도피” 채널A 보도
140531 - 이영돈 PD, 먹거리 X파일 하차...
후임 김진 기자 "식품 전문 고발 프로그램,
더욱 발전시킬 것"
* 채널A의 항공기 사고 관련 발언에 대한 공식 사과가 가장 이슈화 되었음
# 네이버 트렌드
# 단어 관계망 분석
* 의미를 가진다고 추정되는 상위 10개 단어만 추출
- WebONaver로 수집한 Web, Blog, News 데이터들을
모두 합해 하나의 text file로 취급함
- 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도,
단어 간 관계를 분석함
- <b>채널A</b>, <B>channelA</B>, channelA, 채널A가
등의 단어는 “채널A” 로
- 채널A종합뉴스, 뉴스 등은 “채널A뉴스”로
* 단어 “채널A뉴스”와 “채널A”가 고빈도 출현 상위 10개 가운데 중심성이 가장높고,
다양한 분야가 아닌 뉴스에 관련된 단어가 고빈도 단어에 랭킹됨을 알 수 있다.
# 단어 관계망 분석
– 네트워크 지도
# 단어 구름 분석
갑작스러운 오류로 결과 도출하지 못했습니다ㅠ_ㅠ
# Weboanalyst
B a s e Q u e r y : 채 널 A
130919 - 지상파 위협하는 JTBC,
판세는 뒤집히고 있다
140101 - JTBC 손석희 토론 진행,
전원책·이혜훈·유시민·노회찬 '설전'
140225 - 이경규, 14년만에
여운혁CP와 호흡...JTBC 行
140416 - JTBC 손석희,
'생존 가능성 희박' 예상
에 방송 중 10초 침묵
* 세월호 침몰 사건 관련 손석희 아나운서의 뉴스 보도가 가장 이슈화 되었음
# 네이버 트렌드
# 단어 관계망 분석
* 의미를 가진다고 추정되는 상위 10개 단어만 추출
- WebONaver로 수집한 Web, Blog, News 데이터들을
모두 합해 하나의 text file로 취급함
- 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도,
단어 간 관계를 분석함
- <b>JTBC</b>, <B>JTBC</B>, JTBC의, JTBC가 등의
단어는 “JTBC”로
- 손석희아나운서 등은 손석희로
- 세월호사건, 세월호는 등의 단어는 세월호로 정제함.
# 단어 관계망 분석
– 네트워크 지도
* 단어 “JTBC”가 고빈도 출현 10개 가운데 중심성이 가장높고,
사회적 이슈 보다는 JTBC 관련 단어들이 출현 빈도가 높게 나타나는 편이다.
# 단어 구름 분석
* 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여
단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
# Weboanalyst
B a s e Q u e r y : J T B C
140418 - MBN 민간잠수부 인터뷰 논란…
해경 "생존자 보고 없었다"
* 세월호 침몰 사건 관련 민간 잠수부 홍가혜 거짓 인터뷰가 가장 이슈화 되었음
# 네이버 트렌드
# 단어 관계망 분석
* 의미를 가진다고 추정되는 상위 10개 단어만 추출
- WebONaver로 수집한 Web, Blog, News 데이터들을
모두 합해 하나의 text file로 취급함
- 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도,
단어 간 관계를 분석함
- <b>MBN</b>, <B>mbn</B>, MBN의, MBN에서 등의
단어는 MBN로
- 민간잠수부 홍가혜 등은 홍가혜로
- 세월호사건, 세월호는 등의 단어는 세월호로 정제함.
# 단어 관계망 분석
– 네트워크 지도
* 단어 “MBN”이 고빈도 출현 상위10개 가운데 중심성이 가장높고, 특이한 점은
MBN 인터뷰에서 논란이 되었던 ‘홍가혜’가 네이버트렌드에 이어 또 등장 하였다.
# 단어 구름 분석
* 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여
단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
B a s e Q u e r y : M B N
# Weboanalyst
130930- TV조선,
논란 ‘신정아’ MC 기용 전격 취소
140430- 세월호,
허둥지둥 TV프로그램들 일제히 '철퇴'
* 사회적 물의를 일으킨 대학교수 신정아 MC기용 취소가 가장 이슈화 되었음
# 네이버 트렌드
# 단어 관계망 분석
* 의미를 가진다고 추정되는 상위 10개 단어만 추출
- WebONaver로 수집한 Web, Blog, News 데이터들을
모두 합해 하나의 text file로 취급함
- 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도,
단어 간 관계를 분석함
- <b>tv조선</b>, <B>TV조선</B>, TV조선의, tv조선이 등의
단어는 “TV조선”으로
- TV드라마 등은 “드라마”로
* 단어 “TV조선”이 고빈도 출현 10개 가운데 중심성이 가장높고,
사회적 이슈 보다는 JTBC 관련 단어들이 출현 빈도가 높게 나타나는 편이다.
# 단어 구름 분석
* 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여
단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
# Weboanalyst
B a s e Q u e r y : T V 조 선
1. 전반적으로 종편 방송 자사와 관련된 검색어의
대중도가 높다. (사회적 이슈 대중도는 낮은 편)
2. 대중적인 검색어의 경우
채널A는 뉴스관련중심,
JTBC는 콘텐츠허브,뉴스,드라마,손석희 등 다양하게,
TV조선은 다시보기, 시청소감, 이벤트 등
시청자 지향 단어 들이 중심적이다
이처럼 각 방송사 마다 대중성을 띠는 단어들이
조금씩 다르다고 볼 수 있다.
* 시청자들은 각각의 다양한 이유들로
각 종합편성방송에 대해 이야기 하고 있다고 추정할 수 있다.
감사합니다!

Mais conteúdo relacionado

Destaque

A product-focused introduction to Machine Learning
A product-focused introduction to Machine LearningA product-focused introduction to Machine Learning
A product-focused introduction to Machine Learning
Satpreet Singh
 
2-Agents- Artificial Intelligence
2-Agents- Artificial Intelligence2-Agents- Artificial Intelligence
2-Agents- Artificial Intelligence
Mhd Sb
 

Destaque (20)

AI ch6
AI ch6AI ch6
AI ch6
 
01 intro1
01 intro101 intro1
01 intro1
 
Microsoft Machine Learning Smackdown
Microsoft Machine Learning SmackdownMicrosoft Machine Learning Smackdown
Microsoft Machine Learning Smackdown
 
Artificial intelligence
Artificial intelligence Artificial intelligence
Artificial intelligence
 
Machine Learning in the age of Big Data
Machine Learning in the age of Big DataMachine Learning in the age of Big Data
Machine Learning in the age of Big Data
 
3 problem-solving-
3 problem-solving-3 problem-solving-
3 problem-solving-
 
[Webinar] How Big Data and Machine Learning Are Transforming ITSM
[Webinar] How Big Data and Machine Learning Are Transforming ITSM[Webinar] How Big Data and Machine Learning Are Transforming ITSM
[Webinar] How Big Data and Machine Learning Are Transforming ITSM
 
Big data, new epistemologies and paradigm shifts
Big data, new epistemologies and paradigm shiftsBig data, new epistemologies and paradigm shifts
Big data, new epistemologies and paradigm shifts
 
A product-focused introduction to Machine Learning
A product-focused introduction to Machine LearningA product-focused introduction to Machine Learning
A product-focused introduction to Machine Learning
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Big Data and Machine Learning
Big Data and Machine LearningBig Data and Machine Learning
Big Data and Machine Learning
 
2-Agents- Artificial Intelligence
2-Agents- Artificial Intelligence2-Agents- Artificial Intelligence
2-Agents- Artificial Intelligence
 
6 games
6 games6 games
6 games
 
5 csp
5 csp5 csp
5 csp
 
20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치20120924134035 빅데이터시대,ai의새로운의미와가치
20120924134035 빅데이터시대,ai의새로운의미와가치
 
Introduction to Machine Learning (case studies)
Introduction to Machine Learning (case studies)Introduction to Machine Learning (case studies)
Introduction to Machine Learning (case studies)
 
4 informed-search
4 informed-search4 informed-search
4 informed-search
 
Big Data & Artificial Intelligence
Big Data & Artificial IntelligenceBig Data & Artificial Intelligence
Big Data & Artificial Intelligence
 
Spark 의 핵심은 무엇인가? RDD! (RDD paper review)
Spark 의 핵심은 무엇인가? RDD! (RDD paper review)Spark 의 핵심은 무엇인가? RDD! (RDD paper review)
Spark 의 핵심은 무엇인가? RDD! (RDD paper review)
 
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
빅데이터, 클라우드, IoT, 머신러닝. 왜 이렇게 많은 것들이 나타날까?
 

Mais de Webometrics Class

언론정보학과 4학년 21021863 김귀현
언론정보학과 4학년 21021863 김귀현언론정보학과 4학년 21021863 김귀현
언론정보학과 4학년 21021863 김귀현
Webometrics Class
 
언론정보학과 21113132 이은혁
언론정보학과 21113132 이은혁언론정보학과 21113132 이은혁
언론정보학과 21113132 이은혁
Webometrics Class
 
웹보메트릭스21110569 이지은
웹보메트릭스21110569 이지은웹보메트릭스21110569 이지은
웹보메트릭스21110569 이지은
Webometrics Class
 
웹보메트릭스 손혜영
웹보메트릭스 손혜영웹보메트릭스 손혜영
웹보메트릭스 손혜영
Webometrics Class
 
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
Webometrics Class
 
20130621134459 언론정보학과20722115임유정
20130621134459 언론정보학과20722115임유정20130621134459 언론정보학과20722115임유정
20130621134459 언론정보학과20722115임유정
Webometrics Class
 
그래프서치20810587우대식
그래프서치20810587우대식그래프서치20810587우대식
그래프서치20810587우대식
Webometrics Class
 
소셜마케팅 5장 유투브마케팅활용
소셜마케팅 5장 유투브마케팅활용소셜마케팅 5장 유투브마케팅활용
소셜마케팅 5장 유투브마케팅활용
Webometrics Class
 
20130506132258 빅데이터시대sns의진화-지용석[1]
20130506132258 빅데이터시대sns의진화-지용석[1]20130506132258 빅데이터시대sns의진화-지용석[1]
20130506132258 빅데이터시대sns의진화-지용석[1]
Webometrics Class
 
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
Webometrics Class
 
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
Webometrics Class
 
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
Webometrics Class
 

Mais de Webometrics Class (20)

20922266 박경혜
20922266 박경혜20922266 박경혜
20922266 박경혜
 
21013532양몽원
21013532양몽원21013532양몽원
21013532양몽원
 
언론정보학과 4학년 21021863 김귀현
언론정보학과 4학년 21021863 김귀현언론정보학과 4학년 21021863 김귀현
언론정보학과 4학년 21021863 김귀현
 
언론정보학과 21113132 이은혁
언론정보학과 21113132 이은혁언론정보학과 21113132 이은혁
언론정보학과 21113132 이은혁
 
21110978 박정은
21110978 박정은 21110978 박정은
21110978 박정은
 
웹보메트릭스21110569 이지은
웹보메트릭스21110569 이지은웹보메트릭스21110569 이지은
웹보메트릭스21110569 이지은
 
웹보메트릭스 손혜영
웹보메트릭스 손혜영웹보메트릭스 손혜영
웹보메트릭스 손혜영
 
웹보메트릭스 2014-1학기 언론정보학과 오지수
웹보메트릭스 2014-1학기 언론정보학과  오지수 웹보메트릭스 2014-1학기 언론정보학과  오지수
웹보메트릭스 2014-1학기 언론정보학과 오지수
 
CJ E&M 계열 채널 웹가시성 분석
CJ E&M 계열 채널 웹가시성 분석CJ E&M 계열 채널 웹가시성 분석
CJ E&M 계열 채널 웹가시성 분석
 
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
웹보팀Ppt 에이랜드 마케팅 제안 김보미, 손세욱, 곽동엽, 임유정
 
20130621134459 언론정보학과20722115임유정
20130621134459 언론정보학과20722115임유정20130621134459 언론정보학과20722115임유정
20130621134459 언론정보학과20722115임유정
 
Zara vs aland
Zara vs alandZara vs aland
Zara vs aland
 
20130621103231 페북
20130621103231 페북20130621103231 페북
20130621103231 페북
 
그래프서치20810587우대식
그래프서치20810587우대식그래프서치20810587우대식
그래프서치20810587우대식
 
소셜마케팅 5장 유투브마케팅활용
소셜마케팅 5장 유투브마케팅활용소셜마케팅 5장 유투브마케팅활용
소셜마케팅 5장 유투브마케팅활용
 
유튜브이야기
유튜브이야기유튜브이야기
유튜브이야기
 
20130506132258 빅데이터시대sns의진화-지용석[1]
20130506132258 빅데이터시대sns의진화-지용석[1]20130506132258 빅데이터시대sns의진화-지용석[1]
20130506132258 빅데이터시대sns의진화-지용석[1]
 
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
청소년 위기 극복을 위한 빅데이터 기반 정책 시나리오
 
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
 
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
소셜 분석으로 살펴본 청소년 자살예방정책의 시사점(NIA)
 

검색어 대중도, 연결망 분석 - 21021899 김수빈

  • 1. 국내 종합편성채널의 웹 가시성 분석 *언론정보학과 l 4학년 l 21021899 l 김수빈
  • 2. 1. 연구목적 설정 2. 종합편성 채널 검색어 별 웹 상 대중도 수치 파악 3. 채널A, JTBC, MBN, TV조선 - 네이버 트렌드 - WebONaver통한 관련 단어 간 관계망 분석 - 단어 구름 분석 - WebOMeric Anlyst - You Tube 지도 4. 결과
  • 3. - 연구목적 : 초기 종합편성채널 출범 시 예상했던 부진우려와 매각 가능성에도 불구하고 현재 출범 3년 차, 종편 자체 편성 프로그램의 시청률 상승과 시청자들의 신뢰도 가 상승하고 있다. 따라서, 시청자들의 종편에 대한 관심 증대가 웹 상에서 어떤 형태로 나타나며 어떤 단어들이 가시성이 높은지 알아보고자 한다. - 데이터 수집 기간 : 140620~140625 - 데이터 수집 소프트웨어 : WebONaver (Hanpark.net) - 투입 쿼리 : 국내 종합편성채널 4개의 정식 명칭 (채널A, JTBC, MBN, TV조선, +네 가지 모두) - 네이버트렌드 : 2013.06~2014.06 - 중심성분석 및 네트워크지도 작성 소프트웨어 : NodeXL * 사람들은 웹 상에서 종편에 대해 어떤 이야기를 하고 있을까?
  • 4. 0 1000000 2000000 3000000 4000000 5000000 6000000 Total Blog News web 140620~140625, WebONaver *2014.06 JTBC가 검색어로써 웹 상에서 가장 많이 언급됨을 추정 가능. # 특정 검색어의 대중도 파악
  • 5. 130709 - 채널A 공식사과, "중국인 사망 다행..헤아리지 못했다" 130828 - “이석기 의원, 압수수색 전 변장하고 도피” 채널A 보도 140531 - 이영돈 PD, 먹거리 X파일 하차... 후임 김진 기자 "식품 전문 고발 프로그램, 더욱 발전시킬 것" * 채널A의 항공기 사고 관련 발언에 대한 공식 사과가 가장 이슈화 되었음 # 네이버 트렌드
  • 6. # 단어 관계망 분석 * 의미를 가진다고 추정되는 상위 10개 단어만 추출 - WebONaver로 수집한 Web, Blog, News 데이터들을 모두 합해 하나의 text file로 취급함 - 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도, 단어 간 관계를 분석함 - <b>채널A</b>, <B>channelA</B>, channelA, 채널A가 등의 단어는 “채널A” 로 - 채널A종합뉴스, 뉴스 등은 “채널A뉴스”로
  • 7. * 단어 “채널A뉴스”와 “채널A”가 고빈도 출현 상위 10개 가운데 중심성이 가장높고, 다양한 분야가 아닌 뉴스에 관련된 단어가 고빈도 단어에 랭킹됨을 알 수 있다. # 단어 관계망 분석 – 네트워크 지도
  • 8. # 단어 구름 분석 갑작스러운 오류로 결과 도출하지 못했습니다ㅠ_ㅠ
  • 9. # Weboanalyst B a s e Q u e r y : 채 널 A
  • 10. 130919 - 지상파 위협하는 JTBC, 판세는 뒤집히고 있다 140101 - JTBC 손석희 토론 진행, 전원책·이혜훈·유시민·노회찬 '설전' 140225 - 이경규, 14년만에 여운혁CP와 호흡...JTBC 行 140416 - JTBC 손석희, '생존 가능성 희박' 예상 에 방송 중 10초 침묵 * 세월호 침몰 사건 관련 손석희 아나운서의 뉴스 보도가 가장 이슈화 되었음 # 네이버 트렌드
  • 11. # 단어 관계망 분석 * 의미를 가진다고 추정되는 상위 10개 단어만 추출 - WebONaver로 수집한 Web, Blog, News 데이터들을 모두 합해 하나의 text file로 취급함 - 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도, 단어 간 관계를 분석함 - <b>JTBC</b>, <B>JTBC</B>, JTBC의, JTBC가 등의 단어는 “JTBC”로 - 손석희아나운서 등은 손석희로 - 세월호사건, 세월호는 등의 단어는 세월호로 정제함.
  • 12. # 단어 관계망 분석 – 네트워크 지도 * 단어 “JTBC”가 고빈도 출현 10개 가운데 중심성이 가장높고, 사회적 이슈 보다는 JTBC 관련 단어들이 출현 빈도가 높게 나타나는 편이다.
  • 13. # 단어 구름 분석 * 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여 단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
  • 14. # Weboanalyst B a s e Q u e r y : J T B C
  • 15. 140418 - MBN 민간잠수부 인터뷰 논란… 해경 "생존자 보고 없었다" * 세월호 침몰 사건 관련 민간 잠수부 홍가혜 거짓 인터뷰가 가장 이슈화 되었음 # 네이버 트렌드
  • 16. # 단어 관계망 분석 * 의미를 가진다고 추정되는 상위 10개 단어만 추출 - WebONaver로 수집한 Web, Blog, News 데이터들을 모두 합해 하나의 text file로 취급함 - 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도, 단어 간 관계를 분석함 - <b>MBN</b>, <B>mbn</B>, MBN의, MBN에서 등의 단어는 MBN로 - 민간잠수부 홍가혜 등은 홍가혜로 - 세월호사건, 세월호는 등의 단어는 세월호로 정제함.
  • 17. # 단어 관계망 분석 – 네트워크 지도 * 단어 “MBN”이 고빈도 출현 상위10개 가운데 중심성이 가장높고, 특이한 점은 MBN 인터뷰에서 논란이 되었던 ‘홍가혜’가 네이버트렌드에 이어 또 등장 하였다.
  • 18. # 단어 구름 분석 * 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여 단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
  • 19. B a s e Q u e r y : M B N # Weboanalyst
  • 20. 130930- TV조선, 논란 ‘신정아’ MC 기용 전격 취소 140430- 세월호, 허둥지둥 TV프로그램들 일제히 '철퇴' * 사회적 물의를 일으킨 대학교수 신정아 MC기용 취소가 가장 이슈화 되었음 # 네이버 트렌드
  • 21. # 단어 관계망 분석 * 의미를 가진다고 추정되는 상위 10개 단어만 추출 - WebONaver로 수집한 Web, Blog, News 데이터들을 모두 합해 하나의 text file로 취급함 - 합산 데이터를 Krkwic을 이용하여 단어 출현 빈도, 단어 간 관계를 분석함 - <b>tv조선</b>, <B>TV조선</B>, TV조선의, tv조선이 등의 단어는 “TV조선”으로 - TV드라마 등은 “드라마”로
  • 22. * 단어 “TV조선”이 고빈도 출현 10개 가운데 중심성이 가장높고, 사회적 이슈 보다는 JTBC 관련 단어들이 출현 빈도가 높게 나타나는 편이다.
  • 23. # 단어 구름 분석 * 상위 10개의 단어만 살펴 본 Krkwic 결과와 달리 전체 파일을 투입하여 단어들의 등장 빈도를 전반적으로 살펴볼 수 있다. (특이한 점 없음)
  • 24. # Weboanalyst B a s e Q u e r y : T V 조 선
  • 25. 1. 전반적으로 종편 방송 자사와 관련된 검색어의 대중도가 높다. (사회적 이슈 대중도는 낮은 편) 2. 대중적인 검색어의 경우 채널A는 뉴스관련중심, JTBC는 콘텐츠허브,뉴스,드라마,손석희 등 다양하게, TV조선은 다시보기, 시청소감, 이벤트 등 시청자 지향 단어 들이 중심적이다 이처럼 각 방송사 마다 대중성을 띠는 단어들이 조금씩 다르다고 볼 수 있다. * 시청자들은 각각의 다양한 이유들로 각 종합편성방송에 대해 이야기 하고 있다고 추정할 수 있다.