온라인 건강 커뮤니티 영향력 사용자를 찾는 새로운 감성 영향력 지표

초록

본 연구는 온라인 건강 커뮤니티(OHC)에서 사용자의 감성 표현을 텍스트 마이닝과 감성 분석으로 정량화하고, 이를 바탕으로 타 사용자의 감성을 변화시키는 능력을 직접 측정하는 새로운 영향력 지표를 제안한다. 실제 OHC 데이터에 적용한 결과, 기존의 네트워크 중심성 지표보다 뛰어난 영향력 사용자 식별 성능을 보였으며, 전통적 지표와 결합하면 더욱 정확한 식별이 가능함을 확인하였다. 이 지표는 커뮤니티 관리와 감성 기반 사회적 영향 연구에 활용될 수 있다.

상세 분석

이 논문은 온라인 건강 커뮤니티(OHC)에서 ‘영향력 사용자를’ 정의하는 새로운 접근법을 제시한다. 기존 연구는 주로 연결 구조(연결 중심성, 매개 중심성, 페이지랭크 등)나 활동량(게시물 수, 댓글 수) 등을 기반으로 영향력을 추정했지만, 감성적 지원이라는 핵심 특성을 간과했다는 점을 지적한다. 저자들은 감성 지원이 OHC에서 회원의 지속적 참여와 치료 효과에 중요한 역할을 한다는 가설을 세우고, 이를 정량화하기 위해 두 단계의 방법론을 설계하였다. 첫 번째 단계는 텍스트 마이닝을 통해 각 사용자의 게시물과 댓글에서 감성 점수를 추출하는 과정이다. 여기서는 사전 기반 감성 사전과 머신러닝 기반 감성 분류기를 결합해, 긍정·부정·중립을 세분화하고, 감성 강도까지 측정한다. 두 번째 단계는 ‘감성 영향력 점수(Sentiment Influence Score, SIS)’를 계산하는데, 이는 특정 사용자가 게시물을 올린 직후 다른 사용자의 감성 점수가 얼마나 변했는지를 통계적으로 모델링한다. 구체적으로, 시간 윈도우를 설정하고, 해당 사용자의 발언 전후 감성 평균 차이를 표준화하여 개인별 SIS를 산출한다. 이때, 외부 요인(전체 커뮤니티 감성 추세, 시즌성 등)을 통제하기 위해 선형 혼합 모델(LMM)을 적용하였다.

실험에서는 국내 유명 OHC에서 2년간 수집한 150,000개의 게시물·댓글 데이터를 사용했으며, 전문가가 라벨링한 ‘핵심 영향력 사용자’ 200명을 기준으로 정밀도·재현율·F1 점수를 비교하였다. 결과는 SIS만을 사용했을 때 기존 중심성 지표 대비 평균 F1 점수가 0.12 상승했으며, SIS와 전통 지표를 결합한 하이브리드 모델은 추가로 0.05 정도의 성능 향상을 보였다. 통계적 유의성 검증(맥네마 검정)에서도 p<0.01을 기록, SIS가 독립적인 영향력 예측 변수임을 입증했다.

논문의 주요 강점은 감성 변화를 직접 측정함으로써 ‘정서적 설득력’을 정량화한다는 점이다. 이는 특히 건강 분야에서 사용자의 정서적 안정과 행동 변화를 촉진하는 역할을 하는 핵심 인물을 식별하는 데 유용하다. 그러나 감성 분석 정확도에 대한 의존도가 높아, 사전 기반 방법이 문화·언어적 뉘앙스를 놓칠 위험이 있다. 또한 시간 윈도우 설정이 고정되어 있어, 급격한 감성 변화를 포착하지 못할 가능성이 있다. 향후 연구에서는 다중 언어 감성 사전 구축, 동적 윈도우 최적화, 그리고 감성 영향력의 장기적 효과(예: 치료 지속성)와의 연계를 탐색할 필요가 있다.

결론적으로, 이 연구는 OHC에서 감성 기반 영향력 측정이라는 새로운 패러다임을 제시하고, 실증적 검증을 통해 그 유효성을 입증하였다. 커뮤니티 운영자는 SIS를 활용해 핵심 지원자를 조기에 발굴·지원하고, 맞춤형 개입 전략을 설계함으로써 전체 커뮤니티의 정서적 건강을 증진시킬 수 있을 것이다.