DH Edu
이동: 둘러보기, 검색


← 메인 페이지

서울 출신 유명인물의 홍보대사 위촉 양상


-유명인물의 특성을 중심으로-


홍보대사누구조: 정진현, 김진웅, 이준서, 정진욱

연구 목적

본 연구의 1차 연구 주제 및 목적은 서울특별시의 각 지역구 홍보대사가 그 지역 홍보대사로 위촉된 이유에 대해서 알아보는 것이다. ‘홍보대사’라는 것이 지역, 기관, 축제, 캠페인 등에서 주민들에게 긍정적인 이미지를 주고 행사에 대한 관심을 높이고자 위촉하는 것이기 때문에, 각 지역 구의 홍보대사를 분석해 보면 다양한 분야에서 활동하는 유명 인물들 중에서 왜 특정 인물들이 서울의 지역구 홍보대사로 선정되었는지 이해해 보고자 했다. 이에 각 지역구 홍보대사와 그 홍보대사가 참여한 지역구 행사의 연관성에 집중하여 조사하고자 하였다.

그러나 연구 과정에서 자료 수집에 일정한 어려움을 겪었다. 특히 홍보대사가 참여한 행사에 관한 자료와 유명 인물의 인지도 및 지역과의 연관성에 대한 자료가 부족하고 일관적 데이터를 구축하기 어려웠다.

이에 따라, 본 연구의 2차 단계(최종 연구)에서는 연구 주제를 확장하여 서울특별시 출신 유명 인물들이 어느 지역구 출신인지, 그들이 수행한 다양한 홍보대사의 명칭과 분야는 무엇인지, 인물을 홍보대사로 위촉하는 기관에는 어떤 특성이 있는지에 대해 보다 광범위하게 살펴보고자 한다. 이를 통해 어떤 인물이 홍보대사에 위촉되는 원인이 무엇인지, 그 기관은 주로 어디에 위치해있는지에 대해 분석하고자 한다.

  • 2023 홍보대사
  • 2023 홍보대사.png
  • 사은평구 홍보대사.png





연구 대상

  1. 서울특별시 출신 유명인물
  2. 홍보대사를 위촉한 기관





연구 방법

연구 방법론

  • 1단계
각 지역구의 홍보대사 정보는 정보공개포털을 통해 수집하였다. 서울 출신 유명 인물들을 추가하면서, 나무위키의 지역구 출신 인물 항목을 참조했으며, 2008년부터 2023년까지 한 번 이상 홍보대사로 위촉된 유명 인물만을 연구 대상으로 선정했다. 뉴스 빅데이터 분석 서비스인 빅카인즈를 활용하여 홍보대사들의 위촉 시기 및 활동 분야, 그리고 위촉 기관에 대한 정보를 수집하였다.
  • 뉴스 기사
  • 빅카인즈.png



  • 2단계
분석을 위해 다음과 같은 Class, Relation 및 Attribute를 설정하였다.
    Class: Celebrity(유명인물), Ambassador(홍보대사), District(지역구), Occupation(직업), Institution(기관)

    Relation: isAppointedAs(위촉되다), represents(대표하다), hasOccupation(직업을 가지다), isFrom(출신이다)

    Attribute: 각 Class와 Relation에서는 다음과 같은 속성을 설정하여 연구를 진행하였다.
       1. Celebrity: 나이(birthYear), 성별(gender)
       2. District: 전체 인구수(totalPopulation)
       3. Ambassador: 홍보대사의 분야(type)
       4. Institution: 위도(latitude), 경도(longitude) 
       5. isAppointedAs: 시기(time), 위촉 당시 나이(appointedAge), 출처(refurl)


  • 3단계
연구 목적에 따라 다음의 주제를 중심으로 분석을 진행하고자 한다.
1.출신지역에 대하여
2.연령대에 대하여
3.분야별 성별에 대하여
4-1.직업군에 대하여
4-2.분야별 직업군에 대하여
5.기관의 위치에 대하여


온톨로지(Ontology)

온톨로지 그래프(OntoGraph)


온톨로지 그래프 편집하기

클래스(Class)

클래스명 한글명 설명
Celebrity 유명인물 각 지역구 출신 유명인물
Ambassador 홍보대사 홍보대사 명칭
District 지역구 서울특별시의 행정구
Occupation 직업 대표 직업군
Institution 기관 위촉 기관


릴레이션(Relation)

영문명 한글명 정의역 치역 설명
hasOccupation 직업을 가지다 Celebrity Occupation 인물이 가지는 직업
isAppointedAs 임명되다 Celebrity Ambassador 인물이 위촉된 홍보대사 명칭
isFrom 출신이다 Celebrity District 지역구의 출신 인물
represents 대표하다 Ambassador institution 홍보대사와 위촉 기관의 관계


속성(Attribute)

Celebrity 속성
속성명 한글명 설명
birthYear 생년 인물이 태어난 연도
gender 성별 인물의 성별
District 속성
속성명 한글명 설명
totalPopulation 전체 인구수 지역구의 전체 인구수
Ambassador 속성
속성명 한글명 설명
type 분야 홍보대사의 활동 분야
Institution 속성
속성명 한글명 설명
longitude 경도 기관의 경도
latitude 위도 기관의 위도
isAppointedAs 속성
속성명 한글명 설명
time 시기 홍보대사가 위촉된 연도
appointedAge 위촉 나이 위촉 당시 Celebrity의 나이
refurl 출처 자료의 출처


데이터 샘플링


데이터 샘플링 그래프 편집하기

연구 데이터

데이터

【데이터 시트 페이지로 이동】


노드 데이터(총 1817건)

  • Ambassador 759건
  • Institution 614건
  • Celebrity 413건
  • District 26건
  • Occupation 5건

Class 별 Node 개수.png

링크 데이터(총 3017건)

  • isAppointedAs 1339건
  • represents 793건
  • hasOccupation 455건
  • isFrom 430건

Relation.png



연구 결과

Neo4j를 통해 표현된 전체 그래프는 다음과 같다.

match (n) return n

  • 전체 데이터

  • Neo4j

  • Bloom


입력한 것을 바탕으로 문제의식에 맞추어 쿼리를 작성한 후 Neodash를 통해 얻은 Bar Chart와 Pie Chart를 중심으로 분석해보았다.

1. 출신 지역에 대하여

  • 가설과 검증방법
서울특별시 출신이라고 알려진 유명인물 중 홍보대사에 위촉된 유명인물은 어느 지역구 출신이 가장 많을까? 유명인물을 많이 
배출하는 지역구는 타 지역구에 비해 전체 인구수가 많을까? 이를 검증하기 위해서는 서울특별시 각 행정구의 전체 인구수를 
알아야 하고, 유명인물 개개인이 어느 지역구 출신인지에 대해서도 알아야 한다. 그외지역이 차지하는 값이 다른 지역구에 
비해 너무나 크기 때문에 해당 가설을 검증하기 위해서 본 연구에서는 그외지역을 제외한 지역구의 전체 인구수와 유명인물의 
분포를 1회와 4회 이상으로 나눈 데이터를 사용하였다. 이후 획득한 데이터를 토대로 유명인물 수를 전체 인구수로 나누고 
일정 값을 곱하여 각 지역구 별 상수를 추출하였다.


  • 지역구 별 전체 인구수 - Query 3

match (d: District)

match (d:District) where not d.name='그외지역' return d.name AS District, toInteger(d.totalPopulation) AS Population

ORDER BY Population DESC

구별 전체 인구수 그래프.png



  • 전체 유명인물 분포 - Query 4

match (a:Celebrity) - [r:isAppointedAs] - (b:Ambassador) with a, count(r) as s, collect(b) as c

match (a:Celebrity) - [r2:isFrom] - (d:District)
match (d:District) where not d.name='그외지역'
return d.name, COUNT(a) AS K

ORDER BY K DESC

  • 전체 유명인물 분포

  • Bloom

  • Bar Chart


  • 4회 이상 홍보대사에 위촉된 유명인물 분포 - Query 5

match (a:Celebrity) - [r:isAppointedAs] - (b:Ambassador) with a, count(r) as s, collect(b) as c

match (a:Celebrity) - [r2:isFrom] - (d:District)
where s > 3 and return d.name, COUNT(a) AS K

ORDER BY K DESC

  • 4회 이상 홍보대사에 위촉된 유명인물 분포

  • Bloom

  • Bar Chart


위촉 비율 = (유명인물의 수/전체인구수)*10000

지역구 전체인구수 전체 위촉 비율 4번 이상 위촉된 비율
송파구 635,758 26.74 1.57
강서구 555,999 30.5 10.79
강남구 500,149 49.99 14.00
관악구 496,743 20.13 12.08
노원구 496,423 34.24 14.10
은평구 454,649 85.78 4.40
강동구 448,655 73.55 28.98
성북구 436,113 22.93 2.29
양천구 426,981 39.81 4.68
구로구 424,038 18.87 2.36
영등포구 401,805 17.42 2.49
동작구 386,605 28.45 12.93
서초구 383,181 75.68 13.05
중랑구 379,127 7.91 0
마포구 362,408 19.32 5.52
동대문구 350,709 11.41 2.85
광진구 346,519 20.20 14.43
서대문구 318,308 34.56 9.42
도봉구 304,137 42.74 9.86
강북구 287,788 45.17 20.85
성동구 282,131 28.35 7.09
금천구 247,185 28.32 12.14
용산구 219,289 22.80 9.12
종로구 147,512 13.56 0
중구 147,512 31.96 0


지역구 위촉 비율 excel.png
  • 분석
Excel을 통해 나타낸 위의 차트에서 볼 수 있듯이, 구의 전체 인구수와 유명인물의 비율이 서로 비례하지 않는다는 것을
알 수 있다. 전체 인구수가 많은 편에 속하는 은평구와 강동구는 70을 넘는 값을 보여주며 인구수와 유명인물의 비율이 비례
한다는 것을 보여주고 있다. 그러나 전체 인구수가 높은 편에 속하는 송파구와 강서구, 관악구 등은 30 이하의 값을 보여주고 
있으며, 오히려 전체 인구수가 적은 편에 속하는 서초구와 도봉구, 강북구가 40 이상의 값을 보여주며 유명인물의 비율이 높은
것을 알 수 있다. 
4회 이상 홍보대사에 위촉된 유명인물의 비율을 살펴보면, 강동구와 강북구만이 20을 넘는 값을 보여주고 있고, 다른 지역구는
대부분 10이하의 값을 나타내고 있다. 또한, 전체 유명인물의 비율과 비교했을 때도 매우 적은 값을 나타내고 있는데, 이는
4회 이상 홍보대사에 위촉되는 것이 출신 지역구같은 공통적인 특성이 아니라 오히려 유명인물 개개인의 인지도와 사회의 
트렌드 등에 영향을 받는다는 것을 의미한다.



2. 연령대에 대하여

  • 가설과 검증방법
홍보대사의 활동 분야 별로 위촉되는 유명인물의 연령대는 차이가 있을까? 어떤 연령대가 특정 분야에서 많이 위촉되는 것일까? 
그 이유는 어떻게 되는가? 분야 별로 연령대에서 차이가 난다면, 이는 직업과 관련이 있지 않을까? 이 가설을 검증해보기 위해
서는 각 분야별로 위촉된 유명인물의 위촉 당시 나이를 살펴봐야 한다. 또한, 각 직업별로 많이 차지하고 있는 연령대를 살펴볼
것이다. 이를 통해서 홍보대사의 활동 분야, 직업, 연령대라는 세 조건 사이의 연결고리를 찾아보고자 한다. 위촉 당시 나이는 
유명인물의 생년과 홍보대사로 위촉된 연도를 통해 구하였다.


  • 활동 분야에 따른 연령대

MATCH (c:Celebrity)-[r:isAppointedAs]->(a:Ambassador)

WHERE a.type = 'XX'
WITH r.appointedAge AS ageString
WITH CASE WHEN ageString IS NOT NULL THEN toInteger(ageString) ELSE NULL END AS age
WITH

CASE
WHEN age >= 0 AND age <= 19 THEN '0-19'
WHEN age >= 20 AND age <= 29 THEN '20-29'
WHEN age >= 30 AND age <= 39 THEN '30-39'
WHEN age >= 40 AND age <= 49 THEN '40-49'
WHEN age >= 50 AND age <= 59 THEN '50-59'
ELSE '60+'

END AS AgeRange, COUNT(*) AS Count
RETURN AgeRange, SUM(Count) AS Total
ORDER BY AgeRange

(※ XX = '지역및기관', '문화및예술', '사회및복지')

  • 전체 유명인물의 연령대

전체 연령대.png

  • 문화및예술 분야에서의 인물 연령대

문화및예술 연령대.png

  • 지역및기관 분야에서의 인물 연령대

지역및기관 연령대.png

  • 사회및복지 분야에서의 인물 연령대

사회및복지 연령대.png

  • 직업에 따른 연령대

MATCH (c:Celebrity)-[ho:hasOccupation]->(o:Occupation)

WHERE o.name = 'XX'
MATCH (c)-[r:isAppointedAs]->(a:Ambassador)
WITH r.appointedAge AS ageString
WITH CASE WHEN ageString IS NOT NULL THEN toInteger(ageString) ELSE NULL END AS age
WITH

CASE
WHEN age >= 0 AND age <= 19 THEN '0-19'
WHEN age >= 20 AND age <= 29 THEN '20-29'
WHEN age >= 30 AND age <= 39 THEN '30-39'
WHEN age >= 40 AND age <= 49 THEN '40-49'
WHEN age >= 50 AND age <= 59 THEN '50-59'
ELSE '60+'

END AS AgeRange, COUNT(*) AS Count
RETURN AgeRange, SUM(Count) AS Total
ORDER BY AgeRange

(※ XX = '가수', '배우', '개그맨', '운동선수', '그외직업')

  • 가수 직업군의 연령대

가수 연령대.png

  • 배우 직업군의 연령대

배우 연령대.png

  • 개그맨 직업군의 연령대

개그맨 연령대.png

  • 운동선수 직업군의 연령대

운동선수 연령대.png

  • 분석
전체 유명인물의 연령대를 보면, 20대가 가장 많고 30대와 40대가 그 뒤를 이었다. 활동 분야 별로 자세히 살펴보면 문화및
예술 분야에서는 20대가 30대나 40대의 거의 두배에 가까운 수치를 보여주고 있다. 지역및기관과 사회및복지 분야에서는 30대가 
20대보다 조금 더 많이 위촉되었으며, 40대 또한 20대와 비슷하게 위촉되었음을 알 수 있다. 직업군에 따른 연령대 비율을 보면
가수는 20대에 가장 많이 위촉되었고, 배우는 20대와 30대에 고르게 위촉되었으며, 개그맨은 30대, 운동선수는 20대와 40대가
비슷하게 나타남을 볼 수 있다. 
이는 각 직업과 연령대가 가지는 사회문화적 맥락에서 해석할 수 있다. 먼저, 문화및예술 분야에서는 해당 홍보 활동이 젊음과 
신선함, 다채로움의 이미지를 가지고 있기 때문에 20대의 가수가 가장 많이 위촉한다고 할 수 있다. 사회및복지와 지역및기관
분야에서는 정책이나 지자체에 대한 신뢰와 안정감을 주기 위해 20대보다는 30대와 40대의 배우와 운동선수를 위촉하는 것으로
해석할 수 있다.


3. 성별에 대하여

  • 가설과 검증방법
생물학적으로 남성과 여성의 성비는 1:1에 가깝다. 홍보대사를 위촉하는 것에서도 이같은 비율이 유지되는가? 아니면 특정 
성별이 더 많이 위촉되는가? 홍보대사의 활동 분야에 따라 선호되는 성별이 있을까? 그렇다면 그 이유는 무엇인가? 이를 알아
보기 위해 홍보대사에 위촉되는 유명인물의 전체 성비와 분야 별 성비를 분석했다. 위에 있는 출신 지역과 연령대에서는 Bar 
Chart를 사용하였지만, 성별과 관련된 부분에서는 '남성'와 '여성' 두 변수만 존재하기 때문에 Pie Chart를 통해서 전체적인 
비율을 알아보고, 이에 대해 분석해보고자 한다.


match (a:Celebrity) - [r1:isAppointedAs] - (b:Ambassador)

where b.type='XX'
return a.gender, COUNT(*) AS GenderCount
ORDER BY GenderCount DESC

( ※ XX = '사회및복지', '지역및기관', '문화및예술' )

  • 전체성비

전체 성별 비율.png

  • 사회및복지 분야에서의 성비

사회및복지 성별비율.png

  • 지역및기관 분야에서의 성비

지역및기관 성별비율.png

  • 문화및예술 분야에서의 성비

문화및예술 성별비율.png

  • 분석
홍보대사에 위촉된 전체 유명인물의 성비는 남성:여성 = 62:38의 비율을 보여준다. 남성 유명인물이 여성 유명인물보다 더 많
다는 것이고, 홍보대사의 각 활동 분야에서도 남성 유명인물이 여성 유명인물보다 더 많이 위촉된다는 것을 보여준다. 
즉, 1:1이라는 비율이 홍보대사의 위촉 영역에 있어서는 유지되지 않는다는 것을 알 수 있다. 각 분야별로 자세히 살펴보면,
사회및복지 분야에서는 여성 홍보대사의 비율이 다른 분야에서보다 높은 것을 볼 수 있다. 사회및복지 분야에 있는 홍보대사의
이름에 '나눔', '캠페인', '아동' 등이 포함되는 경우가 많은데, 이는 여성이 일반적으로 남성에 비해 더 따뜻하고 친근한 이미
지를 가지고 있다는 인식이 있으며 이러한 특성이 사회및복지 분야에서 활동하는 홍보대사에게 적합하다고 여겨지기 때문이다.
반대로, 문화및예술과 지역및기관에서는 홍보대사의 성별보다는 앞서 살펴본 직업이나 연령대가 더 중요하게 작용하기 때문에
성별의 비율이 크게 달라지지 않는 것을 알 수 있다.



4-1. 직업군에 대하여

  • 가설과 검증방법
유명인물의 직업이 홍보대사의 위촉에 영향을 주는가? 만약 영향을 준다면, 어떤 직업군이 가장 많이 홍보대사로 위촉되는가? 
또, 한 번만 홍보대사로 위촉되는 것과 4회 이상 홍보대사로 위촉되는 것에 직업이 영향을 줄 수 있는가? 이를 검증하기 위해 
먼저 모든 유명인물의 직업군의 비율을 알아야 한다. 4번 이상 홍보대사에 위촉된 유명인물의 직업군을 알아내기 위해 Query 2
의 쿼리를 만들어 유명인물이 홍보대사로 위촉된 횟수에 대해 4회 이상이라는 조건을 부여한 후, 해당 유명인물의 직업군을 
내림차순으로 정리하였다.


  • 모든 유명인물의 직업 - Query 1

match (a:Celebrity) - [r:isAppointedAs] - (b:Ambassador) with a, count(r) as s, collect(b) as c

match (a:Celebrity) - [r2:hasOccupation] - (d:Occupation)
return d.name, COUNT(a) AS K

ORDER BY K DESC

  • 모든 유명인물의 직업

  • Neo4j

  • Bloom

  • Bar Chart

  • 4회 이상 홍보대사에 위촉된 유명인물의 직업 - Query 2

match (a:Celebrity) - [r:isAppointedAs] - (b:Ambassador) with a, count(r) as s, collect(b) as c

match (a:Celebrity) - [r2:hasOccupation] - (d:Occupation)
where s > 3 return d.name, COUNT(a) AS K

ORDER BY K DESC

  • 4회 이상 홍보대사에 위촉된 유명인물의 직업

  • Neo4j

  • Bloom

  • Bar Chart

  • 분석
두 개의 Bar Chart는 서로 비슷한 모양을 띄고 있다. 가수와 배우 직업군이 홍보대사로 가장 많이 위촉되는 직업군이라는 것을 
알 수 있으며 유명인물 중 가수와 배우의 직업군에 속한 인물이 각각 180명, 158명임을 알 수 있다. 또한, 4회 이상 위촉된 
유명인물의 직업 부분에서는 서로 동일하게 51명이라는 수치를 보여주고 있다. 3위와 4위인 개그맨과 그외직업의 경우 서로간의
순위 변동이 있었으나, 그 차이는 매우 적었다. 이를 통해 한 번 이상 홍보대사로 위촉되는 경우와 4번 이상 홍보대사로 위촉되
는 경우 사이에 직업이 미치는 영향이 그리 크지 않음을 알 수 있다.



4-2. 분야 별 직업군에 대하여

  • 가설과 검증방법
홍보대사들의 직업 분포를 살펴봤을 때, 직업과 홍보대사의 활동분야가 어떤 관계가 있는지에 대해서도 생각해볼 수 있다.
사회및복지에서는 어떤 직업이 주로 위촉되는가? 문화및예술에서 배우가 많이 위촉되는 이유는 무엇일까? 이를 검증하기 위해서
다음과 같은 쿼리를 사용하였다. 먼저, 유명인물이 홍보대사에 위촉될 때, 그 홍보대사의 위촉 분야를 조건으로 주었다. 이후
유명인물과 직업 사이의 관계를 다시 한 번 사용하여 특정 분야의 홍보대사와 직업을 연결시켰다. 이를 통해 획득한 데이터를
Pie Chart로 표현하여, 활동 분야에 따른 직업군의 비율을 알아보고자 한다.

match (a:Celebrity) - [r1:isAppointedAs] - (b:Ambassador) where b.type='XX'

match (a:Celebrity) - [r2:hasOccupation] - (c:Occupation)
return c.name, COUNT(a) AS CelebrityCount

( ※ XX = '사회및복지', '지역및기관', '문화및예술' )

  • 전체 활동 분야 별 위촉

Typecount.png

  • 사회및복지 분야에서의 직업군

사회및복지직업.png

  • 지역및기관 분야에서의 직업군

지역및기관직업.png

  • 문화및예술 분야에서의 직업군

문화및예술직업.png


  • 분석
홍보대사들의 직업 분포를 살펴보면, 가수, 배우, 기타 직업, 개그맨, 운동선수 순으로 비율이 높게 나타난다.
각 홍보대사의 Type별로 직업 비율을 분석했을 때, 전체적인 비율과 유의미한 차이가 있을 것으로 기대했으나, 실제로는 
그러한 차이가 관찰되지는 않았다. 이에 따라, 홍보대사의 직업과 홍보대사의 Type 간에는 뚜렷한 상관관계가 없다고 결론을
내릴 수 있다. 다만, 문화및예술 분야에서는 배우가 차지하는 비율이 다른 분야에 비해 높은 것은 확인할 수 있었다. 이에 대해
서는 문화및예술 분야에서 목포해양영화제, 무주산골영화제와 같이 영화제와 관련된 홍보대사의 비율이 높고, 이러한 홍보
대사에 배우가 주로 위촉되기 때문이라고 할 수 있다.

５. 기관의 위치에 대하여

  • 가설과 검증방법
지금까지는 홍보대사에 위촉되는 유명인물이 가지는 특성에 대해 살펴보았다. 이번 파트에서는 홍보대사를 위촉하는 기관이
과연 어디에 위치해있는지에 대해 살펴보고자 한다. 위촉 기관이 특정 지역에 많이 분포해있을까? 그렇다면 그렇게 분포된
이유는 무엇인가? 이를 위해 다음과 같은 쿼리를 사용하였다. 홍보대사와 기관 사이의 관계를 설명하는 쿼리에서 관계의 횟수,
다시 말해 기관이 홍보대사를 위촉하는 횟수를 내림차순으로 정리하였고, 이를 다시 히트맵에 나타내는 방식으로 검증하였다.


  • 홍보대사 분야에 따른 기관의 위치

MATCH (a:Ambassador)-[r:represents]-(b:Institution)

WHERE a.type='xx'
WITH b, count(r) as relations
RETURN b, relations
ORDER BY relations DESC

( ※ XX = '지역및기관', '문화및예술', '사회및복지' )


  • 전체 분야에 대한 히트맵

  • 전국

  • 서울

  • 사회및복지에 대한 히트맵

  • 전국

  • 서울

  • 지역및기관에 대한 히트맵

  • 전국

  • 서울

  • 문화및예술에 대한 히트맵

  • 전국

  • 서울

  • 분석
전국 단위의 히트맵 분석 결과, 문화및예술 분야에서는 기관이 비교적 여러 지역에 분포하는 반면, 사회및복지 분야의 홍보
대사를 위촉하는 기관은 서울특별시에 더욱 밀집되어 있는 경향을 보여준다. 분포하는 반면, 사회 및 복지 관련 홍보대사 위촉
기관들은 서울특별시에 더 밀집되어 있는 경향을 보여준다. 기관의 위치 선정에서 나타나는 이러한 차이점은 각 기관의 목표
와 필요성에 기인한다고 볼 수 있다. 문화및예술의 경우, 기관의 활동은 지역 커뮤니티와의 깊은 연결과 지역 문화의 특성을 
반영하는 것이 중요하기 때문에 해당 지역에 위치하는 것이 유리하다. 이에 반해, 사회및복지 분야에서는 중앙 정부와의 밀접
한 협력, 정책 결정 과정에서의 참여, 그리고 주요 관리 기관과의 접근성이 필수적인데, 이를 위해서는 수도권에 위치하는 것이
효과적이기 때문이다. 
또한, 서울로 확대한 히트맵에서는 모든 분야에서 기관이 한강 이북, 특히 중구와 용산구에 위치한 것을 볼 수 있다. 이는,
홍보대사를 위촉하는 기관들이 정부 기관과 긴밀하게 상호작용해야 하는 경우가 많기 때문에, 그 주변으로 많이 포진되는 양상
을 보이기 때문이다.



결론

본 연구는 서울특별시 출신의 유명인물들이 홍보대사로 위촉되는 것과 관련된 다양한 요소들을 분석하고 이해하고자 했다.

  • 출신 지역과 인구수 분석

홍보대사로 위촉된 유명인물의 분포가 지역구의 인구수와 직접적인 비례 관계가 없음을 확인했다.

  • 연령대 분석

홍보대사의 활동 분야별로 연령대의 차이를 분석한 결과 특히 문화 및 예술 분야에서는 젊은 세대가 주로 활동하는 반면, 사회 및 복지 분야에서는 상대적으로 연령대가 높은 인물들이 활동하는 경향을 보였습니다. 이는 각 분야의 특성과 관련된 활동 및 이미지가 연령대 선정에 영향을 미친 것으로 해석된다.

  • 성비 분석

남성 홍보대사가 여성 홍보대사보다 더 많았다. 다만 사회 및 복지 분야에서 여성 홍보대사의 비율이 상대적으로 높았으며, 이는 여성이 따뜻하고 친근한 이미지를 가지고 있다는 인식에 기인한다고 볼 수 있다.

  • 직업군 분석

가수와 배우가 홍보대사로 가장 많이 위촉되는 직업군으로 나타났으며, 이는 그들의 인지도와 대중적 인기가 홍보대사 역할에 적합하기 때문일 것이다. 또한, 문화 및 예술 분야에서 배우의 비율이 높은 것은 영화제와 같은 행사가 큰 비중을 차지하기 때문이다.

  • 위촉 기관의 위치 분석

문화 및 예술 분야 기관이 다양한 지역에 분포하는 반면, 사회 및 복지 분야 기관은 서울특별시에 집중되어 있다. 이는 각 기관의 목표와 필요성이 위치 결정에 영향을 미치는 것으로 해석된다.

  • 한계 및 개선 방안

서울 출신 유명인물을 한 눈에 볼 수 있는 수단이 나무위키밖에 없어 다양한 곳에서의 조사를 통해 신뢰성을 검증할 수 없는 부분이 아쉬웠다. 이 부분은 후속 연구를 통해 신뢰성이 검증될 수 있다고 생각한다.
또한, 홍보대사를 활동 분야에 따라 나눌 때 국제구호개발기구, 배리어프리영화제같이 사회및복지의 성격을 가진 기관이나 축제 같이 하나의 홍보대사가 여러 종류의 성격을 가지는 경우 이를 분류하는 것에 있어 어려움을 겪었고, 하나의 분야로 정하다 보니 다른 분야에 포함시키지 못한 것이 아쉬운 부분이 있었다.
서울 지역구 단위로 지역 인구수에 따른출신 인물의 홍보대사 위촉 수를 볼 때, 표본의 수가 적어, 특히 4회 이상 홍보대사로 위촉된 유명인물 수의 경우 유의미한 해석을 도출하기 어려웠다.
또한 구청 및 일부 기관을 제외하고는 대부분의 기관으로부터 홍보대사 위촉에 대한 자료를 직접 받을 수 없어서 뉴스 데이터베이스 빅카인즈를 이용했기 때문에 인물의 인지도나 활동 연차, 분야에 따른 검색 결과량에 차이가 있었다. 이로 인해 누락된 유명인물도 있었을 것이라 생각한다.
따라서 '유명인물의 홍보대사 위촉 경향'을 주제로 할 때 서울보다 더 넓은 범위를 표본으로 연구하고, 대부분의 자료를 객관성이 보장된 곳에서 얻을 수 있다면, 보다 유의미한 해석을 내릴 수 있을 것이다.

연구 후기


JJH23KU 😄 호기심에서 출발한 주제이기도 하고 일관된 데이터로 구축한다는 개념이 익숙하지 않아서 초중반까지는 애를 많이 먹었던 것 같습니다. 생각대로 안 되고 주제 방향도 틀면서 다같이 고민을 많이 했는데, 결과물을 보니까 신기하고 아이디어로 결과물까지 만드는 경험을 거의 처음 해봐서 새로웠습니다. 위촉 기관의 위도 경도를 열심히 찍은 거 대비 히트맵에 대한 분석은 어떻게 해야 할지 감이 잘 안 왔는데, 지자체가 문화및예술 쪽에만 홍보 예산을 쓰더라는 교수님의 의견을 듣고 새로운 통찰을 얻어갔습니다. 조장의 역량이 제일 부족한 것 같아 조원분들께 부끄러웠지만 많이 배웠고 감사했습니다.



LJS23KU 😁 한학기 동안 정말 빠지지 않고 매주 일요일 21시마다 만나서 하던 팀플이였습니다. 주제를 정하고, 그에 맞는 자료를 수집하고, 다시 주제를 변경해서 자료를 수집하고 정리하는 과정에서 힘들지만, 재미있는 기회였습니다. 그리고 자료를 다 수집했다고 하더라도, 이를 통해 유의미한 결과를 해석하는 것은 또 다른 일이라는 것을 배웠습니다. 태어나서 처음으로 컴퓨터로 게임하는 것 외에 다른 일을 해볼 수 있었고, 그래도 나름대로 있는 지식 없는 지식 잘 굴려가며 마무리할 수 있었습니다. 홍보대사에 대해 조사하면서 '이 사람이 이런 홍보대사를 했다고?'하는 사례들을 보는 재미도 있었습니다. 산악인 엄홍길씨가 18개의 홍보대사를 했던 점도 꽤 흥미로웠습니다. 한 학기 동안 조별과제에 이렇게 열정을 쏟을 수 있을까 싶을 정도로 열심히해서 후회도 없고, 뿌듯한 마음뿐입니다. 이 수업을 통해 조금이나마 성장할 수 있었습니다. 감사합니다.



KJW23KU 🙄 (※김진웅 학생 여기에 한 학기 동안의 연구 후기를 작성해주세요)



JJW23KU 😛 한학기 동안 매주 만나면서 하는 팀플은 이게 처음이었던것 같습니다.

주제부터 시작해서 모든 과정을 팀원들과 함께 회의해야했으며, 새로운 것들을 배워가는 과정이었습니다. 그래도 흥미로운 주제에 대해서 분석해 나갔지만, 분석해가면서 데이터 수집의 불가능때문에 더이상 분석이 불가능하게 되는 한계점,일관적 기준을 유지하기 어렵다는 등 문제점에 대해서도 많이 생각해 볼 수 있는 기회가 된것 같습니다. 데이터 일관성을 유지하고 싶었고, 객관적인 자료나 일관된 기준을 가지고 설명을 하기 위해서 노력했습니다. 처음 자료를 조사하는 과정에서 해야하는 양에 놀라기도 했고 자료 자체를 다 정리하는데 까지 많은 시간을 써야했습니다. 또 유의의한 분석을 하기 위해서 조사된 내용을 가지고 이렇게 저렇게 분류해보는 과정들이 다른 연구를 하거나 조사를 할때에도 쓰일 수 있을 것이라고 생각합니다. 한학기동안 다들 너무 고생하셨습니다.






코멘트

왜뽑았조

2JS23KU 😺 문화및 예술 분야에서 특이하게 배우가 차지하는 비율이 다른 분야에 비해 높다는 결과가 흥미로웠습니다. 또한 홍보대사 출신 지역을 히트맵으로 분석하여 분야별 유의미한 차이점을 도출해냈다는 점이 좋았습니다. 데이터 시각화 자료들도 굉장히 많네요. 너무 고생 많으셨습니다. 다만 직업말고도 다른 특징과 엮어서 더 재밌는 상관관계를 발견할 수 있었으면 좋았을 것 같습니다.



KJS23KU 🐯 자료 퀄리티가 높아서 보는데 쏙쏙 들어왔습니다. 자료에 대한 이해도가 정말 높으셔서 듣고 보는 재미가 있었습니다!! 치밀한 가설 설정과 다각적으로 제시되는 자료들의 정밀한 분석이 돋보였습니다!!!



KSR23KU 🐹 주제 자체가 신선하다고 늘 생각했습니다. 연구의 목적과 이유가 뚜렷하여서 듣는 내내 이해가 잘 되었습니다. 그러나 마찬가지로 1차원적인 분석만을 하신 것 같아서 아쉬웠습니다. 처리하기 어려운 모호한 부분들이 많으셨을 거 같은데 잘 분석하신 것 같습니다. 모두 고생 많으셨습니다!



KHM23KU 🦊 홍보대사의 분야를 구분하는 것이 어려웠다는 문제와 그것을 해결하는 과정까지 상세하게 서술해줘서, 연구에 대해 전반적으로 잘 이해할 수 있었습니다. 또, 처음에는 인구 수와 홍보대사가 무슨 관계가 있는지에 대한 궁금증이 있었는데, 이에 대한 설명으로 "단순한 호기심"이었다는 점이 오히려 더 흥미를 끌었습니다. 또, 전반적으로 데이터를 분석하고 그것에 대한 조사자분들의 해석을 넣으셔서, 그것이 매력적으로 다가왔습니다.


박물관이살아있조

HCM23KU 🐰 발표 흥미롭게 잘 들었습니다. 특히 홍보대사 선정 기관의 위치를 히트맵으로 시각화하셨던 게 인상깊었습니다. 한 가지 분석 결과에도 여러 시각화 자료들을 만드신 부분에서 시각화 방법에 대해 많은 고민을 하신 흔적이 느껴졌던 것 같습니다. 성별, 직업 등 분류 기준들도 흥미롭고 유의미했던 것 같습니다. 수고 많으셨습니다!



LSY23KU 🐨 다양한 형태의 시각화 자료를 써서 연구 결과를 흥미롭게 들을 수 있었습니다. 시각화 과정에서의 오류나 오독의 가능성을 인지하고 다른 대안으로 해석을 명확화한 점이 듣는 사람의 입장을 잘 고려해주신 것 같아 감사했습니다! 질문에 대한 답도 잘 해줘서 궁금한 점이 해소되었습니다. 고생하셨습니다:)



MH23KU 🐺 (※마회 학생, 홍보대사누구조의 발표에 대해 코멘트를 작성해주세요.)



NJH23KU 🐸 홍보대사는 누가 될까? 주제를 처음 들은 순간 저 역시 매우 궁금해졌습니다. 나이 성별 직업등 다양한 특성을 가지고 홍보대사에 대해 정리하신 발표 인상깊게 들었습니다. 다양하면서도 명확한 그래프 역시 좋았다고 생각합니다. 한학기동안 수고 많이 하셨습니다!






참고 자료

(참고 자료 및 주석은 출처 표기 규칙 페이지를 참고할 것!)

"분류:서울특별시의 출신지별 인물", 『나무위키』online, 나무위키.
『정보공개포털』online, 정보공개포털.
『빅카인즈』online, 빅카인즈.




주석





원본 주소 "http://dh.aks.ac.kr/~jisun/edu/index.php?title=TeamWhoAmabassadorKU23&oldid=30386"