디자인 씽킹의 문제 발견에서의 빅데이터 분석 활용 연구 : LDA 토픽 모델링을 이용한 한국의 기후변화에 대한 의미 도출

1. 1. 연구 배경 및 목적

인터넷과 스마트 기기의 대중화로 기존 정형 데이터에 비해 새로운 형태를 띠는 비정형 데이터가 대량으로 생성되고 있다(Noh, K., Kim, J., Nam, S., Park, S., Choi, C., Kim, M. & Kim, Y., 2020). 비정형 데이터를 포함한 빅데이터는 분석 시 인과관계뿐만 아니라 상관관계 규명이 가능해 다양한 활용 가능성을 지닌다(Kim, 2020).

무티(Mootee, 2019)에 따르면 급진적인 변화가 있는 기술 환경에서 디자인 씽킹은 인간 중심 접근법이자 전략적 혁신 프레임워크로서 가치를 창출할 수 있다. 모르타티, 마지스트레티, 카우텔라, 델 에라(Mortati, Magistretti, Cautela & Dell’Era, 2023)는 디자인 과정에서의 데이터 활용은 불확실성 대처와 실제적 이해에 도움을 줄 수 있고, 빅데이터를 활용해 혁신을 구현하는 관행이 부족하다고 언급하였다. 린(Lin, 2018)은 데이터의 규모가 커지고 형태가 복잡해짐에 따라 디자이너와 사용자 간 정보의 격차가 생성된다고 언급하였다. 디자인 씽킹 과정에서 사용자를 이해하기 위해 데이터의 활용이 필요한 시점이다. 이에 따라 디자인 씽킹의 문제 발견 과정에서 보다 심층적이고 본질적인 문제를 파악하기 위하여 빅데이터 분석 활용 연구가 필요하다.

본 연구에서는 디자인 씽킹 과정 중 문제 발견 과정에서 사용자를 이해하는 방법으로 빅데이터 분석을 활용하고자 한다. 익명성으로 인해 표현이 정제되지 않은 온라인상의 비정형 데이터 분석을 통해서 사용자를 이해하고자 한다. 비정형 데이터 수집 및 LDA 토픽 모델링을 활용하여 사용자의 의견을 분석하고 이를 토대로 디자인 인사이트를 정리해 봄으로써 디자인 씽킹을 수행하는 데에 빅데이터 활용이 발생시키는 효과를 살펴보고자 하는 것이 목적이다.

1. 2. 연구 범위 및 방법

디자인 씽킹의 문제 발견 과정에서 빅데이터 분석을 활용하기 위하여 텍스트 데이터 분석을 통해 기후변화에 관한 대중의 생각을 파악하였다. 연구 과정은 다음과 같다. 첫째, 기후변화에 관한 데스크 리서치를 위한 빅데이터 분석 계획을 설정한다. 둘째, 유튜브(Youtube) 영상의 댓글에 해당하는 비정형 데이터를 수집하고 가공하여 LDA 토픽 모델링을 실행한다. 셋째, 빅데이터 분석 결과를 바탕으로 디자인 씽킹 과정에 대한 분석을 진행하여 발견점을 도출한다. 넷째, 디자인 씽킹의 문제 발견 과정에서 빅데이터 분석 활용의 효과를 파악한다.

2. 1. 디자인 씽킹의 문제 발견 과정과 데스크 리서치

브라운(Brown, 2008)에 따르면 디자인 씽킹은 사람들의 니즈를 기술 실현과 시장 기회 전환이 가능한 비즈니스 해결책에 연결시킨다.

영국 디자인 문화원(Design Council, n.d.)에서는 디자인 씽킹 과정을 시각적으로 표현한 더블 다이아몬드(Double Diamond) 모델을 제시하였다. 문제 발견 과정은 조사와 공감을 통해 디자인 문제와 관련된 사용자를 이해하는 과정이다. 디자인 씽킹 과정에서 문제 질문부터 사용자의 요구 파악을 위한 조사가 실행되는 발견하기(Discover)까지의 과정이 문제 발견 과정에 해당되며 데스크 리서치(Desk research)와 직접조사인 필드 리서치(Field research)가 실행된다(Min & Lee, 2022). 비아나, 비아나, 알더, 루세나, 루소(Vianna, Vianna, Adler, Lucena & Russo, 2012)는 디자인 씽킹 과정의 데스크 리서치는 웹 사이트, 문헌과 같은 정보원에서 주제 관련 정보를 찾는 것으로, 디자인 초기에 주제에 관한 관점과 범위에 대한 이해를 얻으며 주목할 항목의 발굴 및 상호 관계에 대한 인식이 중요하다고 하였다. 민지영, 이혜선(Min & Lee, 2022)의 연구에서 실제 디자이너들이 디자인 씽킹의 문제 발견 과정에서 실행하는 데스크 리서치의 내용을 도출하였고, 인간 중심 정보로는 사람들의 인식과 변화, 사람들에게 주제가 주는 의미, 관련된 사람들에 대한 정보, 사람들의 주제 관련 행동과 이유, 페인포인트의 추정이 있다.

2. 2. 빅데이터 분석과 토픽 모델링

빅데이터 분석은 비정형 데이터를 분석하는 텍스트 마이닝을 포괄하는 개념이며 새로운 통찰을 위해 대량의 데이터에서 패턴과 정보를 파악하는 수학적, 과학적 방법이다(Joo, Kim & Kim, 2021). 본 연구에서 실행하는 빅데이터 분석 기법은 토픽 모델링이다. 텍스트에서 많이 등장하는 단어의 빈도 분석을 통해 주요점이 압축적으로 제시되는 것을 핵심어라 한다(Yoon & Lee, 2018). 토픽 모델링은 텍스트 마이닝 기법 중 많이 활용되는 기법에 해당하며 다양한 문서 집합에 내재된 주제를 파악하기 위해 사용된다(Park & Kang, 2023). 핵심어를 바탕으로 문서에서 주제인 토픽을 추출하는 확률 모델 알고리즘이며 단어를 파악함으로써 잠재된 토픽과 단어의 드러난 정도에 대한 계량적 추론이 가능하다(Yoon & Lee, 2018).

3. 1. 설계

디자인 주제는 ‘기후변화’로 설정하였다. 민지영, 이혜선(Min & Lee, 2022)의 논문의 데스크 리서치 내용에서 같은 주제에 대한 의미 및 반응이 상이한 그룹이 있음을 알 수 있었고, 이를 바탕으로 선행 연구에서 활용하지 않았던 새로운 빅데이터 분석법을 활용하여 비정형 데이터가 내포하는 가능성을 탐색하고자 하였다. 즉, 비정형 데이터의 분석을 통해 ‘기후변화는 사람들에게 어떤 의미를 갖는가’라는 질문에 관련된 발견점을 제시하고자 한다. 본 연구에서 발견점은 디자인 씽킹의 문제 정의 과정에서 인사이트로 연계될 가능성이 있으며 문제 발견 과정에서의 사용자, 주제와 관련된 중간 해석이다. 소셜 네트워킹 사이트 유튜브(Youtube)는 수억 명 이상의 사용자를 보유한 동영상 공유 사이트이다(Lee, Osop, Goh, & Kelni, 2017). 유튜브 영상의 댓글은 콘텐츠와 다른 형태의 소통이며, 사람들은 댓글을 통해 영상에 대한 직접적인 반응과 더불어 자신의 감정, 떠오른 추억, 조언, 정신적인 지지를 표현한다(Madden, Ruthven & McMenemy, 2013). 이에 따라 본 연구에서는 유튜브 영상의 댓글을 데이터로 하여 수집과 분석을 통해 디자인 씽킹 과정에 활용하기로 한다.

3. 2. 빅데이터 분석 실행

3. 2. 2. 텍스트 데이터 전처리

수집한 텍스트 데이터는 한 번에 모아 정렬했고 불필요한 댓글을 삭제하여 총 12,370개의 댓글을 최종 분석 데이터로 삼았다. 제외된 댓글에는 의미 없는 언어의 반복적 댓글, 앵커 혹은 정치인 등이 언급되며 콘텐츠 혹은 기후변화와 관련이 없는 것 등이 포함되었다. 한국어 형태의 텍스트 전처리는 영어 텍스트와 다른 형태소 분석 과정이 필요하며 <Table 1>과 같은 과정을 거쳤다. 한국어 형태소 사전으로는 소셜 미디어상의 짧은 텍스트에 적합하고 비교적 짧은 분석 시간이 요구되는 okt 사전을 사용하였다.

Table 1

Text data preprocessing process

4. 1. 토픽 개수와 주제별 토픽어

토픽 개수에 따른 coherence score와 perplexity score를 고려하여 토픽 개수를 6개로 선정하였다. LDA 토픽 모델링에서 응집성 지수인 coherence score값은 높을수록 의미론적 일관성이 높다는 것을 의미한다(Newman, Lau, Grieser & Baldwin, 2010; Kang & Lim, 2020). 혼잡도인 perplexity score는 엔트로피를 모델링하여, 낮을수록 안정적으로 구성된 토픽으로 무질서도가 낮음을 의미한다(Lee & Yi, 2021). <Figure 1>에 따르면 토픽 개수가 증가함에 따라 perplexity score는 계속 감소하지만, coherence score는 토픽 개수가 6개일 경우 급격히 증가한다. 더불어 토픽 개수가 10개 이상일 경우에는 시각화 결과의 그룹이 겹치는 것이 많기에 최종 토픽 개수를 6개로 선정하였다.

Figure 1

Perplexity score & Coherence score by number of topics

토픽 개수를 6개로 하여 분석한 시각화 결과는 <Figure 2>와 같다. 각 토픽별 coherence score와 가중치값이 큰 상위 20개의 토픽어 도출 결과는 <Table 2>와 같으며 그 중 상위 10개는 굵은 글씨체로 표현하였다. <Table 2>의 시각화 결과에서 원의 상대적 크기값은 전체에서 각 토픽이 차지하는 비율을 나타낸다. 각 문서에서 토픽 분포를 합산해 문서의 총수로 나눈 것을 소수점 다섯째 자리에서 반올림한 값이다.

Figure 2

LDA topic modeling visualization

Table 2

LDA topic modeling results

4. 2. 토픽별 댓글 결과

토픽별로 관련성(relevance)이 높은 상위 댓글 20개를 도출하였고 가장 상위 첫 번째 댓글은 <Table 3>에 기재하였다. 관련성이 높은 댓글은 해당 주제와 관련이 많으며 각 토픽에 해당하는 비율(per-contribution)이 높은 상위 댓글에 해당한다. per-contribution은 각 댓글에서 특정 주제에 할당된 확률이다. 하나의 댓글은 두 개 이상의 주제에 할당되므로 per-contribution이 과반의 확률에 해당될 때, 해당 토픽에 주로 기여한다고 볼 수 있다. 이에 따라 각 토픽에서 per-contribution값이 0.5 이상인 데이터에서 텍스트의 길이, 어휘의 다양성을 나타내는 중복되지 않는 고유한 단어들의 비율, 단어 수를 측정해 평균값을 내었다. 이는 토픽별 텍스트의 길이, 복잡성, 정보성을 의미할 수 있으며 <Table 3>에서 소수점 넷째 자리까지 제시하였다. 평균 고유 단어 비율은 토픽 2가 가장 크고, 토픽 3은 평균 길이와 평균 단어수가 가장 작으며, 토픽 5는 평균 길이와 평균 단어수가 가장 크고 평균 고유 단어 비율이 가장 작은 값을 가졌다.

Table 3

Top comment with high “Relevance” values & characteristics

5. 1. 종합 분석

토픽 1은 상위 토픽어에 따르면 ‘원전’, ‘바닷물’, ‘부동산’ 등 다양한 이슈와 종말의 ‘시작’과 관련된 ‘준비’에 관한 내용에 해당한다. ‘-그니까 석유 가스 쓰지말고 원전쓰라고-’, ‘진짜 무서운 건 이건 시작에 불과하다는 거지’, ‘-경각심을 가지면 뭐해 근본을 때려잡아야지.’ 등의 댓글이 이를 뒷받침한다. 관련성이 높은 상위 댓글에서도 ‘원전 늘리고 석탄, 가스발전 줄이면서 친환경 늘리는 게 현실적인 대안 아닌가요?’, ‘-대기업, 중소기업만 제대로 엄벌부터 해야 한다-’ 등을 통해 토픽 1에 해당하는 사람들은 대안을 찾으려 노력하며 사회, 정책적 문제에 대한 의견을 제시하였음을 알 수 있다. 이는 토픽 1의 coherence score값이 0.6050으로 가장 커 일관적이었던 것과 상응한다. 토픽 2는 상위 토픽어에 따르면 ‘바닷가’ 주위 ‘지역’에 ‘건물’의 ‘침몰’에 대한 내용이 해당된다. 이는 한국의 인천, 부산 등의 바닷가 지역 침몰에 관한 내용이 유튜브 영상에 대부분 포함되었기 때문이다. 관련성 상위 댓글 내용에서는 생존에 위협을 느끼며 근시안적인 당장의 이슈를 논하기보다 종말에 이르렀다는 생각을 제시함을 알 수 있었다. ‘-세상 끝이다.-’. ‘지구온난화 심각해지면 고원지대로 피신해야합니다.-’, ‘-이러다간- 몰살당한다-’ 등이 이를 뒷받침한다. 평균 고유 단어 비율이 0.9774로 가장 크므로 가장 다양한 어휘를 사용했고 시각화 결과에서 토픽 1과 거리가 가까워 유사 내용을 포함하고 있음을 알 수 있다. 토픽 1보다 비교적 감정이 격한 표현을 사용하지만 기후변화에 대한 무서움에 그치는 것이 아니라 토픽 1과 같이 이에 대한 대안을 주로 함께 언급한다. 토픽 3은 상위 토픽어에 따르면 ‘침수’와 관련된 ‘집값’, ‘지대’에 관한 내용이 해당한다. 관련성 상위 댓글 내용에서는 기후변화에 관련된 이유나 구체적 행동이 아닌 다른 이야기에 대해 주로 언급하였다. 이는 평균 길이값이 가장 작았던 것과 상응한다. 토픽 4는 ‘인간’으로 인해 시작된 ‘지구’에 관한 내용이 주로 언급된다. ‘대멸종의 시작은 인간이다.’, ‘-지구 자정 작용하는 날 인류가 사라질 것이다.-’ 등의 댓글이 이를 뒷받침한다. 관련성 상위 댓글 내용에서는 인간에 대한 회의감과 체념이 나타난다. ‘잔인한 소리겠지만 인구 반정도가 되어야 지구는 원 상태로 되돌아갈 수 있을 듯 싶네요. 인간은 너무 이기적임.-’, ‘지구가 주는 마지막 경고 무시하지 마세요.-’ 등으로 인해 알 수 있다. 시각화 결과에서 상대적 원의 크기가 0.2774로 제일 크므로 가장 많은 분포 비율의 내용에 해당한다. 토픽 5은 주요 토픽어에 따르면 ‘이미’ 한계라는 것을 직시하며 ‘중국’을 포함한 내용이 언급된다. ‘이미- 노력한다고 해도 별 의미 없을 수도 있다-’, ‘-중국처럼 거대 대륙이 발전을 시작했다- 제동을 걸 수조차 없다-’ 등의 댓글이 이를 뒷받침한다. 관련성 상위 댓글 내용에 따르면 ‘-미국전체영토-’, ‘-세계적으로 가축 사료작물 재배-’, ‘중국 인도의 생활수준이 올라가면 갈수록-’ 등의 댓글을 통해 세계적이고 구체적인 내용에 대해 언급함을 알 수 있다. 평균 문장의 길이와 단어 수가 가장 크지만 고유 단어 비율이 작아 댓글 안에서 구체적으로 길게 서술한다고 볼 수 있다. 토픽 6은 토픽어에 따르면 ‘해수면’의 ‘상승’으로 인한 ‘서울’의 ‘아파트’, ‘동네’의 내용을 포함하지만 coherence score값이 가장 작으므로 단어보다는 상위 댓글 내용에서 토픽의 주요 내용을 파악할 수 있다. ‘-에어컨 조금만 틀고 일회용품 대신 다회용품을 애용해주세요.-’, ‘제발 지금부터라도 친환경 제품으로 바꿔보고-.’ 등의 댓글에서 주변 생활과 관련된 내용을 언급함을 알 수 있다. 각 토픽에 대한 종합 명명은 <Table 4>와 같다.

Table 4

Synthesis and analysis of results

5. 2. 발견점 도출

<Table 2>의 coherence score값에 해당하는 응집성 지수, 원의 상대적 크기값에 해당하는 분포 비율을 각각 x, y축으로 하여 <Figure 3>과 같이 토픽 종합을 시각적으로 배치하였다. 또한 <Table 4>의 평균 길이, 평균 고유 단어 비율, 평균 단어 수를 토픽 1에서 3개의 값이 같도록 표준화하여 막대의 길이로 그 비율을 표현해 그래프로 시각화하였다. 상위 20개의 댓글에서 토픽 1은 기후변화 대응에 대한 생각을 발산적으로, 토픽 2는 종말에 이르는 생각을 비교적 격한 감정으로, 토픽 3은 환경과는 직접적 관련이 적은 내용을 가볍게, 토픽 4는 인간의 행동에 대해 회의적으로, 토픽 5는 국제적 이슈에 대해 비판적으로, 토픽 6은 실생활에서의 환경 관련 행동 촉구를 설득적으로, 내용을 주로 서술하는 것으로 판단할 수 있었다. 이와 더불어 <Table 4>, <Figure 3>을 통해서 <Table 5>와 같이 발견점 10개를 도출하였다. 토픽 2와 토픽 3의 종합 명명에 따라 발견점 1이 도출되었다. 토픽 3에서 상위 토픽어를 통한 종합은 주로 침몰에 관한 영상 관련 내용에 해당되지만, 상위 댓글은 영상과 관련이 적은 이야기로 짧게 구성되었다. 이와 같은 차이로 인해 발견점 2가 도출되었다. 토픽 4, 토픽 5의 분포 비율이 높다는 점에서 발견점 3이 파악되었고, 토픽 4의 분포 비율이 토픽 1의 분포 비율보다 높아 발견점 4가 도출되었다. 해결책보다는 환경 이슈에 대해 많이 이야기하는 토픽 4, 토픽 5의 분포 비율이 해결안에 대해 주로 이야기하는 토픽 1, 토픽 2의 분포 비율보다 높아 발견점 5가 도출되었다. 토픽 4, 토픽 5에서는 기후변화에 대한 해결에 대해 노력하기보다는 회의적이고 비판적이므로 발견점 6이 파악되었다. <Table 2>에서 토픽 2의 ‘집값’, 토픽 3의 ‘집값’, 토픽 4의 ‘똥값’, 토픽 6의 ‘땅값’이 도출된 것처럼 사람들은 기후변화를 경제와 연관지어서 생각함을 알 수 있다. 오히려 친환경 제품, 에어컨 사용 줄이기와 같이 생활 방식에 관련된 내용인 토픽 6은 응집성 지수도 낮고 분포 비율도 높지 않았다. 이에 따라 발견점 7이 도출되었다. 토픽 1, 토픽 2의 경우 사회 및 정책적, 비현실적과 같이 방향은 다르지만 해결하기 위한 생각이 댓글에서 표현되었기에 발견점 8이 도출되었다. 특히 토픽 1의 경우 일관성이 크고 댓글의 서술 형태가 발산적이므로 발견점 9가 파악되었다. 발견점 10의 사회 및 정책적, 비현실적, 현실 도피적, 범지구적, 국제적, 라이프스타일 중심적은 각각 토픽 1, 토픽 2, 토픽 3, 토픽 4, 토픽 5, 토픽 6에서의 사람들의 관점으로 인해 파생되었다.

Figure 3

Topics in new matrix for searching findings

Table 5

Findings