Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
2023년 튀르키예 지진 당시 100만 개 이상의 트윗을 분석하여 재난 상황에서의 대처 스타일을 탐지하는 연구입니다. BERTurk 모델을 활용해 문제 중심, 정서 중심, 의미 형성 대처 스타일을 성공적으로 분류하고 시간적 변화 양상을 규명했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기재난이 발생했을 때 사람들은 어떻게 대처하며, 사람들이 작성한 글을 통해 이를 대규모로, 실시간으로 탐지할 수 있을까요? 본 연구는 국가 선거를 불과 몇 달 앞두고 정치적으로 매우 양극화된 상황에서 발생한 2023년 2월 6일 튀르키예 지진 이후 게시된 100만 개 이상의 터키어 트윗을 사용하여 이 질문을 다룹니다. Lazarus와 Folkman(1984)의 대처 이론 (Coping theory)에 기반하여, 우리는 이론적으로 동기 부여된 4가지 위기 단계에 걸쳐 세 가지 대처 스타일(문제 중심, 정서 중심, 의미 형성)을 탐지하기 위한 다중 레이블 BERTurk 분류기를 개발했습니다. BERTurk는 0.693의 macro F1을 달성하며, zero-shot mDeBERTa 베이스라인(macro F1 = 0.324)을 크게 상회하는 성능을 보였습니다. 전체 코퍼스(Corpus)에 적용했을 때, 이 분류기는 명확한 시간적 궤적을 드러냅니다: 문제 중심 대처 (Problem-focused coping)는 긴급 단계에서 지배적이다가 급격히 감소하며, 정서 중심 대처 (Emotion-focused coping)는 상승하여 안정화되고, 의미 형성 (Meaning-making)은 단조 증가합니다. 분노는 의미 형성과 가장 강력한 상관관계(Spearman r = 0.387)를 보였는데, 이는 분노가 실질적인 행동보다는 비난의 귀인(Blame attribution)을 향한 동원력으로 작용함을 시사합니다. 이러한 연구 결과는 대처 이론이 실제 디지털 위기 데이터에서 신뢰성 있게 운용될 수 있음을 입증하며, 이를 통해 인도주의적 구호 단체들이 실제 인구 집단이 처한 상태에 맞춰 대응을 맞춤화하는 데 도움을 줄 수 있음을 보여줍니다.