5C

카테고리(Category) : 새로운 연구의 초석, 시청자들의 로그를 활용해 프로그램 장르를 분류

맥락(Context) : 선행연구는 TV기반 방송프로그램을 재분류 하는 것에만 초점을 맞췄지만, 이 논문에서는 시청장들의 시청기록을 이용하여 재분류

정합성(Correctness) : 가정이 적절해 보이는가?

기여(Contributions) : 미디어 환경 변화에 따른 디지털 방송 재분류를 통해 플랫폼사, 콘텐츠사,광고회사에 기여를 기대

명확성(Clarity) : 서론 - 결과 - 결론의 주장 일치

키워드

클러스터링, 디지털 콘텐츠 분류

배경지식

스펙트럴 클러스터링
참고 : https://elecs.tistory.com/167

Strength

• 선행연구와는 다른 관점으로 방송 재분류를 하였음
• 비지도 학습 머신러닝을 통해 프로그램의 유형을 새롭게 분류, 새로운 카테고리를 생성
• 결국, 빅데이터를 활용하여 기존의 영역을 타파하여, 새로운 지평을 열 수 있다. 이는 사회 문제 해결에 큰 도움이 될 수 있다는 생각이 들었다.

Critical Thinking

• 논문에도 한계점으로 적혀있지만, 군집 명 선정에 아쉬움이 있다. 논문에서는 단어 빈도 분석과 키워드 추출분석을 하였으나, 단어 빈도 분석만으로 군집명을 선정하기에는 정확도가 떨어지지 않나라는 생각이 들었다. 키워드들을 아우를 수 있기 위해서는 키워드간 유사도를 통해서 군집명의 타당성을 높일 수 있다는 생각이 든다.
• 시사점에서, 콜드스타트를 해결할 수 있다고 주장하였으나, 유사성이 높은 프로그램을 제안할 경우 높은 확률로 넘어갈 수 있냐는 주장에 대해서 디펜스할 것이 없다.

결론 도식화

시청자들의 디지털 방송프로그램 시청 패턴을 클러스터링 분석한 후, 선행연구와는 달리 군집명과 주제어를 선정하여 시청자 인식 기반의 디지털 방송 프로그램을 분류하여, 플랫폼사 등에게 활용방안 제언하였다.

흥미롭게 느낀점 정리하기

1. 문제를 다르게 해결하거나 개선할수 있는 방법에 대해 고민해보기

• 시청자들의 시청 기록을 이용하였는데, 영상 내용을 키워드 도출한 뒤, 벡터화하여 유사도를 측정하는 방법이 생각났다.
• 아니면, 태그를 통한 키워드 분석도 생각을 해보았는데,... 효용성이 있을까 싶긴하네

2. 어떤것을 배웠는지, 흥미로웠는지 별로였는지에 대해 생각하기

• 클러스터링 기법에 대해서 공부할 수 있었고, 기존 분류 체계를 새로운 관점에서 봐야하는 점에 대해서 배울 수 있었다.
• 논문 작성시, '문제상황 제시 - 연구 목적 - 연구 방향성 - 결과 - 결론'이 과정이 글에서 매우 잘 드러나야한다는 점에대해서 잘 알 수 있었다.
• 클러스터링이 되었다고, 추천할 수 있는 것에 대해서는 비약이 크다.

3. 문제 자체에도 의문을 제기해보기

• 장르의 변화가 있을지언정, 소재를 통해서 시청자들은 스스로 구분하지 않는가?