한국어 포털뉴스에서 기업 위기 사건 보도가 매체를 넘어 얼마나 닮는지(동조), 그리고 본문을 사실상 베낀 복제가 있는지를 의미 임베딩으로 정량화하는 연구입니다. 논문 게재에 맞춰 연구 해설과 결과를 공개한 포털이며, 분석 프로그램과 데이터는 요청 시 제공한다.
📺 안내 영상 — 안내봇 리포가 이 연구를 쉽게 설명합니다.
🎨
방법론에 대한 이해
수식 없이 누구나 이해하는 그림 해설. 동조·복제를 왜 '매체간'으로 보고, 사건 전후로 어떻게 검정하는지 방법론을 풀었어요.
🎬
사례 이야기 & 스토리북
왜 이 5개 사건인가(선정 이유·3기준)부터 각 사건의 드라마까지 한 곳에. 재미있게 읽고 숫자로 확인.
📊
연구결과
방법론에 따른 결과 정리 — 검증(88/83)·동조(사례별 사전/사후)·매체간vs매체내·복제율(교차복제+자가복제)을 표와 그림으로.
🧰
우리가 쓰는 도구들
L2 정규화 · 매체간 코사인 · Mann-Whitney U · LLM 배심원을 아주 쉬운 예시로 한 곳에.
📑
연구 보고서 (웹 열람판)
데이터·방법·검증·딜리버리를 담은 종합 연구 보고서. 매체 코드표·데이터 접속법 포함.
📄
논문 (웹 열람판)
다운로드의 경영과학회지 투고 논문과 내용·서식이 동일한 HTML 열람판 (형식만 HTML, 매체 실명 마스킹).
✉️
프로그램·데이터 요청
분석 프로그램과 데이터는 연구 목적의 요청이 있을 때 제공 · 문의 dkpark@cha.ac.kr
🤖
AI 안내소 — 안내봇 (라이브)
이 연구를 쉬운 말로 설명하는 AI 안내봇. 글로 묻기 · 음성 대화 · 아바타와 얼굴 보며 대화. 팀이 이슈를 재미있게 묻고 공유해요.
데이터·방법. 국내 최대 뉴스 포털 네이버 유통 기사(주요 매체 90개·7유형 한정) → 의미 임베딩 4종(OpenAI text-embedding-3-large·bge-m3, 본문/명사) → 매체 간 기사쌍의 코사인으로 동조·복제 측정(부정 이진 · 2×2 Mann-Whitney U · LLM 배심원 5종). 수치와 설계는 게재 논문을 기준으로 함.