Archives of Design Research

감성 분석에서 ‘개체(Entity)’는 감성 표현의 대상을 표현한다. 듀안, 카오, 유, 그리고 레비(Duan, Cao, Yu and Levy, 2013)의 연구에서는 호텔 리뷰 텍스트 데이터를 분석하는 연구를 진행하였는데, 이 과정에서 장소, 사고, 서비스, 사람, 심리 등 다양한 개체에 대한 감성 정보 텍스트를 시각화한다. 이 외에 리우(Liu, 2020) 저서에서는 앞서 말한 개체 외에도 상품, 주제, 이슈, 사건, 그룹(기업) 등이 모두 개체가 될 수 있다고 정의하였다. 본 연구에서는 이상에 언급한 개체의 목록 중 시각적 은유를 활용한 감성 시각화 연구에서 주로 다루는 개체 여섯 가지(사람, 행동, 심리, 장소, 사고, 상품)를 선별하여 하위 요소로 선정하였다.

‘양상(Aspect)’은 개체를 구성하는 속성을 뜻하는데, 시각적 은유를 활용한 감성 시각화에서 주로 다루는 양상은 분석 대상 자체를 나타낼 뿐만 아니라 대상이 가지고 있는 여러 측면을 고려하는 경우가 있었다. 따라서 본 연구에서는 양상의 속성들도 분류 요소들을 세분화할 필요하다고 판단하여 총 세 가지의 속성을 하위 요소로 구성하게 되었다. 양상의 하위 요소로는 대개 다른 속성과 결합하지 않은 ‘단순 속성(Simple Attribute)’, 둘 이상의 속성이 합쳐진 ‘복합 속성(Composite Attribute)’, 원래 속성에서 다른 속성의 영향을 받아 새로운 속성이 되는 ‘파생 속성(Derived Attribute)’이 있다. 남길임과 조은경(Nam and Cho, 2017)의 저서에서 ‘청바지’에 대한 상품평을 예시로 속성에 대해 정의한 바 있다. 청바지의 ‘디자인, 소재, 사이즈, 가격’ 등이 단순 속성이 되고, 이에 대해 의견 보유자가 ‘가격이 비싸지만, 디자인이 예쁘다’는 의견을 내림으로써 복합적인 속성을 가질 수 있다. 파생 속성은 다른 속성으로부터 값이 결정될 수 있는 속성을 말한다. 예를 들어, 청바지와 관련된 속성인 ‘청바지 브랜드를 광고하고 있는 모델’이나 ‘청바지 브랜드 회사의 이미지’ 등이 파생 속성에 해당한다.

‘감성(Sentiment)’은 분석된 양상에 대해 ‘의견, 평가, 입장, 태도를 가지는 주관적 견해’와 ‘감정에 바탕을 둔 행동’ 등을 포괄하는 개념을 칭한다. 감정과 감성의 뜻을 혼동하여 잘못 사용하는 경우가 많은데 감정은 직접적 기분이나 심정으로 느끼는 상태이고, 감성은 감정 이외에도 앞서 말한 주관적 견해를 포괄하는 개념이다. 감성은 크게 긍정(Positive), 중립(Neutral), 부정(Negative) 세 가지로 구분되는데, 리우(Liu, 2012)의 저서에서는 감성을 다섯 가지 단계(Emotional positive, Rational positive, Neutral, Rational negative, Emotional negative)로 확장한다.

본 연구에서는 해당 저서에서 다루는 포괄적인 감성의 개념과 극성 요소를 모두 반영하여 하위 요소를 구성하고자 하였다. 그 결과 ‘의견, 평가, 입장, 태도, 감정’이 선정되었으며 해당 요소들에는 앞서 설명한 감성의 극성들이 포함된다.

감성을 지니는 가장 작은 단위는 사람(Person)이다. 김수민과 호비(Kim and Hovy, 2006)에 의하면 의견을 표현할 수 있는 사람 혹은 조직을 ‘의견 보유자(Opinion Holder)’라고 포괄하여 지칭하였다. 리우(Liu, 2020)의 저서에서 예시로 나타나는 의견 보유자의 대표적인 유형으로는 유명인, 일반인, 단체, 커뮤니티, 도시, 주(State) 등이 있으며, 본 연구에서는 그 중 감성 시각화에서 자주 나타나는 의견 보유자의 유형을 선별하여 하위 요소를 구성하게 되었다. 그 결과 ‘글 작성자, 키 플레이어(Key Player: 유명인), 일반인, 커뮤니티’ 등이 선정되었다.

안재욱, 플라이산트, 그리고 슈나이더만(Ahn, Plaisant and Shneiderman, 2013)의 연구에 의하면 시간은 독립 사건(Individual Events)과 집약 사건(Aggregated Events)의 특징을 가진다고 하였다. 먼저 독립 사건은 시간의 ‘단일 발생, 대체, 시작/소멸’로 분류하였다. 집약 사건은 ‘시간에 따른 형태의 변화(Shape of Change)와 변화율(Rate of Change)’의 2가지 특징으로 나뉜다. 형태의 변화에서는 ‘시간의 성장/수축, 최고/최저점, 함축’의 특징을 보여준다고 정의하였다. 본 연구에서는 이상에 언급한 시간의 속성들을 하위 요소로 반영하였다.

감성 분석에서 ‘탐지(Detection)’는 주어진 감성 정보를 특정 조건이나 연구자가 지정한 목적에 맞게 인지하는 업무이다. 감성 분석 분야와 관련된 ‘탐지’의 하위 기준으로 여덟 개의 업무를 선정하였다.

첫 번째는 감성 정보의 유형이 객관적인지 아니면 주관적인지를 탐지하는 Subjectivity Detection인데 이는 리우(Liu, 2012)의 연구에서 대상에 대해 사람들이 주관적인 소견이나 감정을 표현하는 텍스트와 대상 자체의 기능이나 사실에 대해서 전달하는 텍스트를 구분하는 과정에서 소개되었다. 두 번째는 감정을 이끌어내기 위한 원인을 찾는 Emotion Cause Detection인데, 이는 가오, 쑤, 그리고 왕(Gao, Xu and Wang, 2014)이 마이크로 블로그 환경 안에 감정을 표현하는 텍스트를 수집하고 각 텍스트에서 감정 키워드와 감정의 원인이 되는 키워드를 추출하여 연관성을 살펴봄으로써 소개된 업무이다. 세 번째는 사용자가 남긴 감성 정보의 의도를 파악하는 업무인 Identifying the intent of Sentiment Information인데, 이것은 리우(Liu, 2020)의 연구에서 감성 정보를 남긴 의도가 무엇인지를 파악하기 위해 문맥 안에 있는 감성 키워드와 그 외 키워드 간의 유사성을 계산해주는 알고리즘 연구를 통해 소개되었다. 네 번째로 선정한 기준은 감성의 원인이 되는 증거자료나 이벤트를 탐지하는 업무인 Detection of Evidence/Event that Causes Sentiment Patterns인데, 이는 알라타 그리고 샬란(Alattar and Shaalan, 2021)이 Opinion Reason Mining과 관련된 접근법 중 Event Detection과 관련된 문헌들을 수집하여 분석하는 과정에서 구체적으로 이론화되었다. 다섯 번째로 논쟁과 관련된 감성 정보를 탐지하는 Argument Expression Detection인데, 이는 소마순다란, 루펜호퍼, 그리고 위베(Somasundaran, Ruppenhofer and Wiebe, 2007)가 미팅 현장에서 여러 토론자들이 토의를 진행할 때 논쟁과 관련된 표현과 어휘 목록을 추출하는 방법을 제안하면서 소개된 업무이다. 여섯 번째는 특정 대상의 다양한 측면에서 나타나는 감성 정보를 분석하는 업무인 Aspect-based Sentiment Analysis인데, 이것은 휴 그리고 리우(Hu and Liu, 2004)의 연구에서 반복되어 출현하는 명사 어휘의 빈도를 파악하고, 빈도수에 따라 감성 어휘들을 각각 Aspect로 추출하여 그에 대한 감성 극성을 계산하는 방법을 제안함으로써 소개된 분석 업무이다. 일곱 번째는 사실이 아닌 감성 정보를 탐지하는 업무인 Detection of Fake or Deceptive Sentiment Information인데, 이는 진달 그리고 리우(Jindal and Liu, 2008)의 연구에서 의견정보의 참, 거짓을 판단하는 Opinion Spam Detection 감성 분석법 중 하나로 소개된 분석 업무이다. 더 나아가 루빈, 첸, 그리고 콘로이(Rubin, Chen and Conroy, 2015)는 뉴스 텍스트에서 자주 사용하는 거짓 또는 기만적인 정보를 정리하고, 실제 뉴스 데이터를 기반으로 뉴스의 진실성을 판단하는 시스템을 제안하는 과정에서 해당 분석 기법을 적용하였다. 마지막으로 여덟 번째는 증오 발언, 사이버 범죄, 불쾌감을 주는 발언을 감지하는 업무인 Hate-Speech/Cyber Bullying/Offensive Language Detection in Opinion/Emotion Data이다. 이는 기타리, 주핑, 데미안, 그리고 롱(Gitari, Zuping, Damien and Long, 2015)이 혐오 연설(Hate-Speech) 및 사이버 범죄에 대한 사람들의 반응에서 나타나는 감정적 표현 및 의견을 Lexicon 및 Corpus 단위로 추출하는 기술을 제안함으로써 소개된 업무이다.

‘요약(Summarization)’은 원본 형태의 감성 정보에서 핵심적인 내용을 추출하는 업무이다. 감성 분석 분야와 관련된 ‘요약’의 하위 기준으로 두 가지의 업무를 선정하였다. 첫 번째는 감성 정보에 나타나는 다양한 관점이나 측면, 극성 중에서 중요한 내용을 선별하여 정리하는 Opinion Summarization이다. 이는 휴 그리고 리우(Hu and Liu, 2004)가 댓글 플랫폼에 기록된 여러 측면의 의견 중, 목적에 맞는 해석을 위해 필요한 정보만을 선별하여 극성을 파악하고 요약하는 모델을 제시하면서 해당 업무를 언급하였다. 두 번째는 단일 측면이 아닌 다양한 수준에서 감성 정보를 묘사하고 요약하는 업무인 Sentiment Information Description at Multi-aspect인데, 이는 우, 잉, 다이, 황, 그리고 첸(Wu, Ying, Dai, Huang and Chen, 2020)의 연구에서 감성 분석의 대상을 여러 개로 선정하여 다양한 수준의 분석 대상을 만들고, 각각의 대상을 평가하는 감성 어휘를 세분화하여 분석하고 의견의 성격을 다각적으로 이해할 수 있는 모델을 제시함으로써 주로 소개되었다.

‘분류(Classification)’는 다양한 종류의 감성 정보를 특정 카테고리를 이용하여 구분하는 업무이다. 감성 분석 분야와 관련된 ‘분류’의 하위 기준으로 두 가지의 업무를 선정하였다.

첫 번째는 감성 텍스트에서 감정 정보만을 골라내고 유사한 감정끼리 서로 분류하는 업무인 Emotion Detection & Classification인데, 이는 타프레시 그리고 디아브(Tafreshi and Diab, 2018)가 텍스트 정보에서 추출되는 감정을 종류와 강도에 따라서 범주화하고 이를 자동으로 세분화하는 작업을 진행하면서 주로 소개되었다. 두 번째로 감성의 극성을 분류하는 업무인 Polarity Classification은, 팡 그리고 리(Pang and Lee, 2008)의 연구에서 제품 및 서비스 리뷰에서 나타나는 사용자 의견들을 긍정과 부정 또는 중립의 속성으로 분류하면서 해당 업무를 주목적으로 하였으며, 알름 그리고 스프로트(Alm and Sproat, 2005)에서는 어린이 동화에서 나오는 구절들을 읽고 독자들이 표현한 감정을 극성에 따라 분류하는 과정에서 해당 업무가 수행되었다.

‘비교(Comparison)’는 서로 다른 두 감성 대상의 특성을 대조하여 공통점과 차이점을 밝히는 업무이다. ‘비교’와 관련된 하위기준 업무로는 서로 다른 두 대상의 감성 정보 및 시간에 따른 감성 패턴 등을 비교하는 Comparison of Different Sentiments가 있는데, 이는 곤살베스, 아라우호, 베네베누토, 그리고 차미영(Gonçalves, Araújo, Benevenuto and Cha, 2013)에서 사람, 이벤트, 물건, 회사, 질병과 같은 다양한 분석 대상을 ‘LIWC, Happiness Index, SentiWordNet, SASA, PANAS-t, Emoticons, SenticNet and SentiStrength’ 등의 감성 분석 도구를 활용하여 감성의 정도를 수치화하여 계산하고 각 감성 대상을 비교하는 연구를 진행하였는데, 그 과정에서 해당 업무를 자세히 다루었다.

매개의 마지막 중분류 요소인 ‘탐색(Exploration)’은 중요한 정보 및 목적에 부합하는 정보를 추적하여 찾아내는 업무이며, 때에 따라 특정 기간 수집되는 정보들의 패턴을 찾아내는 업무도 탐색에 속한다. 감성 분석과 관련된 탐색의 하위 기준으로는 세 가지의 업무를 선정하였다. 첫 번째로 시간별로 전개되는 의견 양상의 변화 및 감정의 변화를 분석하는 업무인 Timeline Analysis인데, 이는 후쿠하라, 나카가와, 그리고 니시다(Fukuhara, Nakagawa and Nishida, 2007)가 소셜 미디어에서 발견되는 다양한 사건, 인물, 서비스에 대한 의견을 시간별로 정리한 다음 각 의견의 빈도수 추이를 그래프 형태로 제공하는 Temporal Sentiment Analysis를 진행함으로써 주로 나타나게 된 업무이다. 이 논문을 기반으로 다양한 연구 분야와 감성 분석 리소스에서 시간별로 감성 정보의 흐름을 나타내려는 경향이 나타나기 시작했다. 두 번째로 연구의 목적에 결정적인 역할을 하는 의견이나 감정, 인물의 입장이나 태도를 찾는 업무인 Finding Significant Person/Opinion/Fact/Stance/Attitude는 모함마드, 솝하니, 그리고 키릿첸코(Mohammad, Sobhani and Kiritchenko, 2017)의 트윗 텍스트를 분석하여 글을 남기는 사람의 입장과 태도를 추출하는 연구 및 화이트로, 가르그, 그리고 아르가몬(Whitelaw, Garg and Argamon, 2005)의 영화 리뷰에 나타나는 중요한 등장인물, 사람들의 의견과 영화에 대한 평가, 태도와 관련된 어휘를 추출하고 분류해내는 연구 등에서 주요하게 나타났다. 세 번째로 많은 양의 감성 정보를 대상으로 원하는 정보를 쉽게 찾기 위한 업무인 Easy Exploration of Sentiment Information은 마르쿠스, 베른슈타인, 바다르, 카거, 매든, 그리고 밀러(Marcus, Bernstein, Badar, Karger, Madden and Miller, 2011)가 여러 시간에 걸쳐서 수집된 트윗 텍스트 정보를 더욱 손쉽게 탐색할 수 있도록 레이블링을 하거나 트윗이 이루어진 지리적 정보, 트윗 텍스트의 극성의 비율을 보여주는 통계자료 등을 제시함으로써 해당 업무가 수행되었다. 이후 감성 시각화를 다루는 연구 분야에서도 다양한 시각적 자료를 이용하여 감성 정보의 손쉬운 탐색을 제공하는 사례(Sun, Z., Sun, M., Cao and Ma, 2016 & Zhao, Gou, Wang and Zhou, 2014)들이 나오기 시작했다.

시각적 은유 과정에서 분석 대상을 대체할 수 있는 재현물은 분석 대상과는 다른 형상을 가지고 있지만, 그 대상과 밀접하게 해석될 수 있는 개체이거나, 각 분석 대상의 양상을 일대일로 대응할 수 있는 물체로 이루어지는 경우가 있다. 본 연구에서는 이러한 재현물들을 ‘Element(개체 은유)’라고 하며, 이를 세분화하여 분류하기 위한 여러 요소를 마련하고자 비엔나 협정코드에 나오는 주요 개체들을 하위 요소로 선정하였다. 비엔나 협정코드(특허청, 2010)는 파리조약 가입국들이 상표에 포함된 도형 요소를 일관되게 분류하여 데이터베이스를 구축할 목적으로 만든 도형상표 분류 체계이다. 여러 개체를 심볼(Symbol)화하여 표준화시킨 다음 국제적으로 인정된 표준에 대해서 숫자 코드를 할당하며, 해당 표준 안에는 관련된 개체들의 세부적 도형 요소를 정의하여 정리하게 된다. 본 연구에서는 비엔나 협정코드에서 대분류로 정의한 30가지의 주요 표준의 대분류 중, 19가지의 개체를 선정하여 분석 작업에 활용하고자 하였다.

‘Process(과정 은유)’는 재현물이 특정 행동이나 현상 등으로 대체되어 나타나는 경우를 말한다. 바르, 비들, 그리고 노블(Barr, Biddle and Noble, 2002)의 연구는 시스템(분석 대상)이 가지고 있는 기능이나 작동 방식을 더욱 쉽게 해석하기 위해 또 다른 프로세스와 구체적으로 비교 설명하는 경우에 과정 은유가 이루어진다고 언급하였다.

실제 시각적 은유를 활용한 감성 시각화 사례를 조사하는 과정에서도 감성 정보가 이동하는 경로를 나타내기 위해 자연현상(Cao, Lin, Sun, Lazer, Liu and Qu, 2012)이나 공간의 이동(Chen, Li, Chen and Yuan, 2019)을 활용한다거나, 감성 평가의 극성이 시간에 따라 어떻게 변화하는지를 나타내기 위해 사람의 행동 변화(da Silva Franco, Santos do Amor Divino Lima, Paixão, Resque dos Santos and Serique Meiguins, 2019)를 활용하여 과정 은유가 이루어지는 것을 발견할 수 있었다. 본 연구에서는 감성 시각화에서 이루어지는 다양한 과정 은유를 분류하기 위해, 실제 사례에서 발견되는 과정 은유들을 유형별로 정리하였다. 그 결과 ‘자연현상, 기계의 작동, 사람의 행동, 시공간의 이동’ 등의 유형이 도출되었으며 해당 유형들을 분류 체계의 하위 요소로 활용하게 되었다.

‘명암도(Value)’는 색상의 측면에서 물체가 얼마나 밝거나 어둡게 나타나는지 그 양상을 표현하는 것을 말한다. 자크 베르탱에 의해 정리된 시각적 변수 체계에서 명암도는 핵심 시각적 변수로 분류되었으며, 해당 변수는 시각적 계층 구조를 표현하는 것에 유용하다고 설명되었다. 로스(Roth, 2017)의 연구에서는 명암도가 밝은 부분과 어두운 영역의 인식으로서 활용되었고, 맥클리어리(McCleary, 1983)와 웡(Wong, 2010)의 연구에서도 명암도가 시각적 변수의 요소로 활용되었다. 본 연구에서 사용하는 명암도는 감성 데이터의 양이나 사용자의 참여도에 따라 은유 요소의 명도가 달라지는 것을 뜻한다.

‘색상(Color)’은 빨강, 초록, 파랑 등 시각적 범주에 해당하는 인간의 지각 속성이다. 카펜데일(Carpendale, 2003)의 연구에서는 색상을 통해 요소가 선택되었거나 한 그룹으로 연결되어 있다는 것을 효과적으로 표현할 수 있다고 언급하였다. 본 연구에서는 사용자 감정의 극성이나 시간의 흐름 등의 변화를 나타내기 위해서 정보 시각화에서 재현물의 색조를 변화한 사례에 대해, 해당 하위 요소를 사용하여 분류하였다.

베르탱(Bertin, 1967)은 크기를 면적의 치수 변화를 나타낼 수 있는 변수라고 정의하였다. 크기의 정의에는 ‘길이’의 개념도 함께 포함된다. 로스(Roth, 2017)의 연구에서 또한 ‘크기’는 요소가 차지하는 공간의 양으로, 크기는 지도에서 조작될 수 있는 주요 시각적 변수라고 정의하였다. 본 연구에서는 분석 대상이 가진 데이터의 양이나, 상대적으로 중요하게 부각해야 하는 정보를 표현하기 위해 재현물의 크기가 변화하는 사례가 있을 때, ‘크기(Size)’를 사용하여 분류 작업을 진행하였다.

‘모양(Shape)’은 요소의 외부 형태를 나타내는 시각적 변수이며, 분류 체계의 하위 요소를 구성하는 데 있어 필수적이다. 로스(Roth, 2017)의 연구는 ‘모양’을 원, 사각형, 삼각형과 같은 추상적인 형태뿐 아니라 나타내고자 하는 것을 직접적으로 모방하는 상징적인 형태까지 다양하게 포함하였다. 본 연구에서는 다른 의견을 나타내는 두 그룹이 대립하는 양상을 다른 모양의 재현물을 이용하여 시각화하거나, 중요한 인물이나 사건일 경우 다른 모양을 통해 다른 일반 사용자나 사건과 구별할 수 있도록 표현하는 사례가 있을 때 ‘모양’ 요소를 사용하여 분류 작업을 진행하였다.

‘위치(Position)’는 베르탱(Bertin, 1967)이 정의한 시각적 변수 체계에서 공간(Plane)의 좌표로 사용되었다. 그리고 카펜데일(Carpendale, 2003)은 컴퓨터 디스플레이상에서 ‘위치’의 개념을 ‘x, y 좌표에 따라 변화하는 2D 상의 시각적 요소’와 ‘x, y, z 좌표에 변화하는 3D 상의 시각적 요소’로 나누어 정의하였다. 본 연구에서는 이를 토대로 재현물들의 절대적 위치만이 아니라, 사용자의 의견 변화에 따라 재현물들이 원래 위치에서 사라지거나 새로운 위치에 반복되어 생성되는 사례, 3차원적 공간 안에서 재현물들의 위치에 따라 서로 다른 감성의 성향을 보여주는 사례에 대해서도 해당 요소를 사용하여 분류 작업을 진행하였다.

요소가 기본값에서 회전했을 경우, 해당 요소의 ‘방향(Orientation)’이 달라졌다고 표현할 수 있다. 로스(Roth, 2017)의 연구에서는 방향이 같거나 비슷한 경우, 같은 그룹으로 나타나는 경향이 있다고 설명하였다. 카펜데일(Carpendale, 2003)의 연구에서는 방향이라는 시각적 변수를 통해 특정 개체가 다른 개체와 다른 방향을 가짐으로써 둘의 특성이 서로 다른 경향성을 보임을 설명할 수 있다고 언급하였다. 본 연구에서는 재현물이 가지고 있는 감성의 극성이나 의견의 성향에 대한 정보를 표현하기 위해 재현물의 방향을 바꾸는 경우(회전하는 경우), 시각적 변수로 ‘방향’이 사용되었다고 분류하였다.

‘거리(Distance)’의 경우, 서로 다른 대상의 위치가 얼마만큼 떨어져 있는가를 나타낸다. 해당 요소는 기존 시각적 변수를 다루는 사전 연구에서는 다루지 않은 요소였으나, 시각적 은유를 활용한 감성 시각화 사례를 찾는 도중 거리라는 시각적 변수를 이용하여 재현물의 정보를 설명하는 경우가 자주 발견되었다. 첸, 안드리엔코우 M, 안드리엔코우 G, 리, 그리고 유안(Chen, Andrienko, N., Andrienko, G., Li and Yuan, 2020)의 연구에서는 다리라는 재현물을 사용할 때, 데이터의 양(트윗의 양)에 따라 각 스트림 사이의 거리에 변화를 주었다. 이 과정에서 거리라는 시각적 변수의 개념이 활용되었다. 또한, 카오, 루, 린, 왕, 그리고 웬(Nan, Lu, Lin, Wang and Wen, 2015)의 연구에서는 DNA의 구조를 재현물로 활용한 사례가 있는데 논쟁의 정도에 따라서 두 개의 외가닥이 멀어졌다 가까워지는 시각적 변화를 통해 거리라는 시각적 변수가 사용되었다. 이러한 사례들이 나온 것으로 미루어볼 때, ‘거리’라는 시각적 변수가 존재함을 알 수 있고 이러한 변수를 하위 요소로 추가하는 것이 필요하다고 판단하였다. 따라서 재현물 사이의 거리가 넓어지거나, 좁아질 경우, ‘거리’ 시각적 변수가 사용된 것으로 분류하였다.

우선, 분류 체계에 대한 활용성에 대해서 세 피실험자를 대상으로 의견을 수집하였다. 그 결과, ‘본 연구에서 제공된 분류 체계가 감성 데이터의 시각적 은유 과정의 흐름을 전반적으로 이해하는 데에 도움이 되었다고 답변하였다. 특히, ‘매개’라는 대분류 요소로 은유 과정을 정리했을 때, ‘SocialHelix’ 사례에서 시각적 은유를 왜 하는지에 대한 배경과 필요한 수행 과제들을 명확히 파악할 수 있어 도움이 되었다.’, ‘분류 체계에서 각각의 중분류(Subcategory Level 1)가 제공되는 순서(분석 대상→매개→재현물→시각적 변수→시각화 테크닉)는 은유가 이루어지는 과정을 순차적으로 파악하는 데 유용하였다.’, ‘중분류에 포함된 하위 요소(Subcategory Level 2)들의 구성이 다채로웠기 때문에 사례를 보다 정밀하게 분류하는 것이 가능했다.’라는 의견을 통해서 분류 체계의 활용성에 대한 긍정적인 반응을 얻을 수 있었다.

반면에 ‘재현물 중 개체 은유와 관련된 하위 요소들이 여러 개 구성되어 있으나 대상 개체의 분야가 다양하다 보니 이를 비슷한 속성끼리 묶어서 정리하면 어떨까 싶다.’, ‘시각적 은유에 사용하는 재현물은 동물/식물과 같이 넓은 개념의 단위를 가지는 개체가 사용될 수도 있겠지만, DNA의 외가닥/인산염과 같이 미시적 규모의 단위에서 재현물이 구성되는 경우도 있다. 그러나 현재 구성된 개체 은유의 하위 요소들은 넓은 개념을 가지고 있는 개체들로 구성되었기 때문에 이를 세분화하는 것이 적절할 것으로 보인다. 관련 예시를 든다면 DNA를 이루는 개체들을 화합물로 분류할 수도 있지만, 그 안에 있는 세부적인 구성물을 분류할 수 있도록 ‘원소(물질을 이루는 기본 단위)’와 같은 분류 체계가 추가될 수 있다.’, ‘분류 체계를 이루는 재현물의 하위 요소들의 정의를 추가로 설명해주면 좋을 것 같다.’, ‘매개를 이루는 세부적 하위 요소는 전문적인 기술과 관련된 부분들이 있어 분류 사례와 대조하기 어려운 점이 있었다.’라는 의견도 있었는데 이를 통해 본 연구의 분류 체계가 앞으로 개선해야 할 부분이 무엇인지를 정리할 수 있었다.

분석 대상이 ‘시간 및 감성’일 경우의 검증 결과를 서술하면 아래와 같다.

첫 번째로 매개 부분에서는 세 명의 참가자 모두 ‘시계열 분석’을 매개로 선정하였으며, 본 연구에서 분석한 자료(Table 7)와 동일한 선택을 했다.

두 번째로 재현물에서는 세 명의 참가자 모두 커뮤니티들의 주제를 나타내는 DNA의 외가닥을 선정함으로써 본 연구에서 제시한 분석 예시와 동일한 결과를 보여주었다. 다만 DNA의 외가닥에 대해서 본 연구의 사례와 피실험자 1, 2 는 ‘화합물’이라고 분류했으나 피실험자 3은 이를 ‘구조물’로 분류하였다. 이는 재현물인 외가닥을 보는 시각의 차이가 생물학적인 화합물로, 아니면 사람들이 DNA 구조에 대해서 인위적으로 만들어놓은 분자 구조물의 관점으로 보았는지에 따라 사용된 분류 요소가 달라진 것으로 해석된다. 그리고 피실험자 1, 3은 DNA가 이중나선을 그리며 생성되는 과정을 ‘자연현상’으로 분류하였고, 이는 본 연구에서 제시한 과정 은유와 동일한 결과였다. 다만 피실험자 2는 해당 부분을 기재하지 않았는데 그 사유를 물어본 결과, 실험에서 제시된 이미지 자료가 전체 시간을 대상으로 하고 있어 시각화가 동적으로 전개되는 것을 인지하지 못했다고 답변했다. 추후 피실험자 2에게 본 연구에서 분류한 과정 은유 결과물을 보여준 뒤에 어느 정도 공감하는지를 묻게 되었는데, 시간에 따라 DNA가 오른쪽으로 생성된다는 것을 이해하고 난 뒤에는 과정 은유에 대해서 공감할 수 있었다고 답변했다.

세 번째로 시각적 변수에 대해서는 세 피실험자 모두 시간에 따라 변화되는 주제에 대해 두 커뮤니티의 입장이 가까워지고 멀어짐에 따라 외가닥의 ‘거리’들이 달라진다는 것, 감성의 극성에 따라 ‘색상’이 달라진다는 것을 적절히 분류한 것으로 나타났다. 그리고 이러한 결과는 본 연구의 시각적 변수 분류 작업 결과물과 동일하였다. 그런데 피실험자 3은 ‘거리’ 및 ‘색상’ 이외에도 ‘방향’에 대한 시각적 변수를 추가로 분류하였다. 해당 분류 요소를 선정한 사유를 알아본 결과, 피실험자 3은 제시된 연구 사례에서 이중나선이 진행될 때 커뮤니티의 감성이 긍정으로 갈수록 우상향이 되고 부정으로 갈수록 우하향이 되는 것을 관찰하였고, 관련된 사항이 분류 체계에 ‘방향’으로 존재하여 이를 적용한 것으로 나타났다. 해당 시각적 변수의 선정은 본 연구에서 고려하지 않았으나, 분류 체계에서 다양한 분류 요소들이 마련되어 있었기 때문에 피실험자가 이를 참고하여 은유의 요소를 추가로 분석해 낸 케이스였다. 이를 미루어볼 때, 본 연구의 분류 체계로 인해 시각적 은유를 활용한 감성 시각화 사례들의 분류 작업이 더 다양화되고 세분될 수 있다는 가능성을 확인했다.

마지막으로 시각화 테크닉과 관련된 분류 작업 결과물은 세 실험자 모두 시간 지향 시각화가 적용되었다고 분류하였으며, 분열의 원인이 되는 주요 키워드를 텍스트 형태로 보여주기 위해 워드 클라우드 시각화를 사용한 부분에 대해서는 피실험자 1과 2만이 이를 인지하고 분류를 진행한 것으로 나타났다.

분석 대상이 ‘글 작성자’일 경우의 검증 결과를 서술하면 아래와 같다.

우선, 피실험자 1과 2는 본 연구가 제시한 매개의 분류 요소와 동일하게 ‘커뮤니티에서 논쟁 분열의 원인이 된 중요 인물을 찾는 것’을 선정하였다. 그러나 피실험자 3은 인물이 가진 논쟁의 차이를 탐지하는 것을 연구의 주된 목적으로 판단하여 ‘논쟁 표현 감지’를 매개로 선정하였다. 본 연구에서는 피실험자 3의 매개 선택의 기준이 충분히 고려할 수 있었던 사항이라고 결론을 내렸고, 새롭게 제안될 수 있는 분류 작업의 일환으로 해석하였다.

다음으로 재현물에서는 피실험자 모두가 인산염을 선택한 것으로 나타났다. 다만 과정 은유에 대해서는, 본 연구의 사례 및 피실험자 1과 2는 과정 은유가 없다고 결론을 내렸지만, 피실험자 3은 두 커뮤니티를 구성하는 중요 인물이 서로 비슷한 극성의 의견을 내놓을 경우 인산염들이 융합되는 현상에 대해서 ‘자연 현상’의 과정 은유가 들어간 것으로 판단하였다. 본 연구는 이상의 상황을 종합한 결과 인산염이 서로 융합되는 부분은 ‘자연 현상’이라는 과정 은유와 ‘인산염의 모양이 변형’되는 시각적 변수 모두 해당될 수 있을 것이라는 결론을 내렸다. 이러한 과정에서도 분류 작업물이 개선될 수 있다는 점을 발견할 수 있었다.

시각적 변수에서는 앞서 언급한 ‘모양’ 이외에도 중요 인물이 가지는 감성의 극성을 ‘색상’으로 표시하고 활동량에 따라서 ‘크기’가 변한다는 점을 분류하여 제시였는데, ‘색상’과 ‘크기’에 대해서는 피실험자 모두 동일하게 분류한 것으로 나타났다.

마지막으로 실험에 참가한 모든 사람이 버블 차트 테크닉이 사용되었다고 분류하였으며, 이는 본 연구에서 사전에 분류한 자료와 일치했다. 추후 인터뷰를 통해 버블 차트는 어떤 부분을 관찰하고 선정하게 되었는지 물어본 결과, 모든 참가자가 ‘유저 그룹을 나타내는 인산염이 원(Circle)의 형태로 표현되어 있고 원들이 여러 개로 군집 되어 분포되다 보니 이를 인산염으로 봐야 할지, 아니면 유저 그룹을 묶어서 버블 차트로 봐야 할지, 아니면 둘 다 적용해야 할지 고민이었으며 결과적으로는 두 요소를 모두 적용했다.’는 답변을 하였다. 그러나 실제 사례에 나타난 버블 차트 시각화 테크닉은 DNA 외가닥 안에 있는 인산염이 아닌 영역을 따로 분리해서 원형의 노드만 보여주는 보조 시각화 형태로 나타내고 있어, 모든 참가자가 재현물과 시각화 테크닉을 구분하지 못했다는 것을 알 수 있다. 그러므로 본 연구는 재현물과 시각화 테크닉을 확실하게 구분할 수 있도록 각 분류 체계의 하위 요소 구성을 보완하고, 중분류 요소의 정의를 구체화할 필요가 있음을 알게 되었다.