빅데이터 기반의 전시 관람객 연구 : 서울시립미술관 〈데이비드 호크니〉展을 중심으로 :(A) study on museum visitors based on big data : case study on 〈David Hockney〉 2019

강지수

추천

검색

자료유형: 학위논문

저자정보: 강지수 (중앙대학교, 중앙대학교 첨단영상대학원)

지도교수: 이보아

발행연도: 2022

저작권: 중앙대학교 논문은 저작권에 의해 보호받습니다.

이용수167

이 논문의 연구 히스토리 (2)

2022

관람 경험이 투영된 빅 데이터 분석 기반의 〈데이비드 호크니〉전 관람객 연구

강지수 , 이보아 한국컴퓨터정보학회논문지 2022.02 학술저널

빅데이터 기반의 전시 관람객 연구 : 서울시립미술관 〈데이비드 호크니〉展을 중심으로

강지수 영상학과 영상공학-예술공학 전공 2022.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 서울시립미술관 <데이비드 호크니>전의 인스타그램 데이터 분석에 기반하여 전시 관람 경험의 특성을 도출하고, 빅데이터 분석 기반의 관람객 연구에 대한 시사점을 도출하는 데 목적을 두었다. 연구자는 <데이비드 호크니> 전시(2019.3.22. ~ 2019.08.04.) 기간에 포스팅된 #데이비드호크니전 인스타그램 게시물 8,023개를 크롤링하여 24,295개의 이미지 및 7,974건의 게시글을 수집했다. 이미지 데이터의 경우, 구글 클라우드 비전 API를 활용해서 라벨링을 진행했다. Word2Vec을 통해 총 212,567개의 라벨이 9개로 유형화되었으며, 사람 라벨 유형과 함께 미술관 공간, 포토존, 건축물 등의 빈도수가 높게 제시되었다. 텍스트 데이터의 경우, 한국어 형태소 분석기를 통해 57,574종의 단어로 이뤄진 데이터셋을 구축하였으며, TF-IDF 기법을 적용하여 선호 작품, 동반관람객, 관람 목적 등과 관련한 핵심어가 도출되었다.
분석 결과를 종합해보면, 관람객은 전시를 경험하면서 물리적 장소와 공간에 대한 경험과 기억을 큐레이팅했다. 이 결과는 사회적 현존감과 장소 만들기를 강조했던 선행 연구의 결과를 재입증해 주었다. 또한, 관람객이 능동적으로 작성한 문장 단위의 게시글 TF-IDF 분석 결과에는 인스타그램 해시태그 분석방법론의 한계로 제시되었던 예술적 경험, 감상 및 후기에 대한 핵심어가 도출되어 유의미한 시사점을 제공했다.
본 연구는 학술적 측면에서 예술경영과 예술공학의 융합적 접근을 통해 뮤지엄 3.0 시대의 관람객 빅데이터 연구방법론을 제시하였다. 실무적 차원에서는 미술관 전문 인력이 관람객 연구에 적용할 수 있도록 이용이 용이한 AI 서비스 플랫폼 및 패키징 도구를 활용하였으며, 관람 경험에 대한 새로운 정보 유형과 시사점을 제공했다. 본 연구가 향후 데이터 기반 미술관 경영을 통한 관람객 중심의 프로그램 개발에 도움이 되기를 기대한다.

The purpose of this study is to analyze the characteristics of visitors'' experiences based on the Instagram data analysis of the Seoul Museum of Art <David Hockney> and to derive implications for visitor research methodology using big data technology.
In this study, 24,295 images and 7,974 posts were collected by crawling 8,023 posts on #DavidHockneyjeon(#데이비드호크니전) Instagram posted during the <David Hockney> exhibition(2019.3.22 ~ 2019.08.04.). In the case of image data, label detection was conducted using Google Cloud Vision API. As a result of frequency analysis, the frequency of ‘museum space’, ‘photo zone’, ‘people’, and ‘building’ was presented high. In the case of text data, a dataset consisting of 57,574 words was constructed through a Korean morpheme analyzer, and keywords related to preferred works, accompanying visitors, and viewing purposes were derived through TF-IDF analysis.
In conclusion, visitors curated their experiences and memories of physical places and spaces while experiencing the exhibition. This result proved the results of previous studies that emphasized social presence and placemaking. In addition, the TF-IDF analysis of sentence-level posts actively written by visitors provided significant implications by deriving additional forms of artistic experience, appreciation, and review, which were presented as limitations of the Instagram hashtag analysis methodology.
This study presented a big data research methodology for visitors in the era of Museum 3.0 through a convergent approach between art management and art technology from an academic perspective. At the practical level, AI service platforms and code package tools that are easy to use for art museum professionals to apply to visitor research were used, and new information types and implications for visitor experiences were provided. It is hoped that this study will help develop a visitor-centered program through data-based art museum management in the future.

#빅데이터 #인스타그램 #관람 경험 #구글 클라우드 비전 #Word2Vec #TF-IDF #예술경영 #관람객 연구 #Big data #Instagram #Visitor experience #Google Cloud Vision #Word2Vec #TF-IDF #Art management #Visitor research

1. 서론 1
1.1 연구 배경 및 목적 1
1.2 연구 대상 및 방법 4
2. 연구 방법 및 설계 7
2.1 연구 문제 및 연구 모형 7
2.2 데이터 수집 절차 11
2.3 데이터 전처리 및 정제 절차 12
2.3.1 이미지 데이터 전처리 및 정제 12
2.3.2 텍스트 데이터 전처리 및 정제 13
2.4 데이터 분석 절차 15
2.4.1 이미지 데이터 분석 15
2.4.2 텍스트 데이터 분석 18
3. 이론적 고찰 20
3.1 <데이비드 호크니>展 개요 20
3.2 빅데이터 기반 전시 관람객 연구 동향 22
3.2.1 빅데이터 기술 개요 22
3.2.2 빅데이터 기반 전시 관람객 연구 사례 23
3.3 SNS 빅데이터 기반 전시 관람객 연구 동향 43
3.3.1 SNS를 활용한 미술관 마케팅 현황 43
3.3.2 인스타그램 빅데이터 기반 전시 관람객 연구 사례 47
4. 분석 결과 49
4.1 이미지 데이터 라벨 유형 빈도 분석 결과 49
4.2 텍스트 데이터 TF-IDF 핵심어 분석 결과 60
5. 결론 및 향후 연구 66
5.1 인스타그램 빅데이터 기반 관람객 연구의 시사점 및 의의 66
5.2 연구의 한계점과 제언 69
참고문헌 72
국문초록 81
ABSTRACT 83

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)