연구보고서
감염병 예방 및 관리를 위한 사회-접촉 그래프 모델링 및 분석
(Modeling and Analyzing a Contact Social Graph for Predicting and Managing Outbreak Disease)
상세데이터 조회
등록번호
TRKO202400011648
발행년월
2023-11
발행기관명
성균관대학교
발행국가/사용언어
대한민국
/국문
발주기관
한국연구재단
과제관리(전문)기관
한국연구재단
키워드
사회-접촉 그래프;질병 전파 모델링;상황 예측;인공지능;인포데믹;그래프 모델링;
Contact social graph;Disease transmission modeling;Situation prediction;Artificial Intelligence;Infodemic;Graph modeling;
초록
□ 연구목적
코로나19와 같은 감염병을 예방하고 관리하기 위해, 사람 간의 온라인 및 물리적인 사회적 상호작용을 나타낼 수 있는 사회-접촉 그래프 구축 및 분석
□ 연구내용
1. 감염병 관련 빅데이터 수집 및 감염병 관련 정보 확산 유형 분석
2. 인포데믹 현상 판별, 감염병의 미래 상황에 대한 예측 및 감염병의 시공간적 확산 패턴 특성화
3. 다중 계층 네트워크 모델 구축 및 분석, 감염병 전파의 미래 상황 예측
□ 연구결과
1. 감염병 관련 빅데이터 수집 및 감염병 관련 정보 확산 유형 분석
- 소셜미디어 내 코로나 가짜뉴스의 확산 유형에 관한 2가지 확산 패턴 발견: 코로나 관련 가짜뉴스 트윗은 여러 사용자의 리트윗을 단계적으로 거쳐 확산됐지만, 코로나 이외 가짜뉴스는 주로 하나의 트윗에서 바로 확산됨.
- 상대적으로 정파적인 이슈는 상호확증 경향이 강하게 나타나지만, 코로나 관련 이슈는 상호확증 경향이 상대적으로 덜 나타나 여러 집단에서 루머가 공유됨.
- 수집한 데이터셋을 이용해 분석한 결과, 코로나 팬데믹 기간에 인간관계, 사회와 관련된 스트레스 원인이 증가하였음.
2. 인포데믹 현상 판별, 감염병의 미래 상황에 대한 예측 및 감염병의 시공간적 확산 패턴 특성화
- 가짜뉴스 판별의 대상이 되는 뉴스 클레임의 정보와 함께 해당 클레임의 확산 정보, 관련 뉴스 클레임의 정보를 모두 고려하는 것이 가짜뉴스 판별에 중요함을 확인하였음.
- 감염병의 시공간적 확산 패턴을 분석한 결과, 참여자들의 적극적인 접촉 사례 보고가 확진자 수 예측에 주요한 변수로 작용한다는 사실을 발견하였음.
3. 다중 계층 네트워크 모델 구축 및 분석, 감염병 전파의 미래 상황 예측
- 사람 간 물리적 접촉을 의미하는 접초 그래프와 소셜 네트워크 상 정서와 담론을 모두 사용하는 것이 예측 성능을 개선한다는 점을 확인함.
□ 연구결과의 활용계획
1. 사람 간의 물리적 및 온라인 상호작용을 통한 감염병 전파 상황에 대한 종합적인 이해
- 사람들의 물리접 접촉과 온라인 상호작용 관련 빅데이터를 수집 및 분석하여 감염병에 대한 사람들의 행동방식과 전염병의 확산과정 그리고 질병 관련 정보의 이동에 대한 분석 및 예측을 통하여 전반적인 감염병 전파 상황을 이해할 수 있음
2. 감염병 전파 상황 예측 모델 개발
- 다양한 종류의 빅데이터를 종합적으로 고려하여 향후 감염병 발생 시기와 장소를 예측하는 모델과 시간 순서에 따라 전염병의 확산을 예측할 수 있는 모델을 개발함으로써 추후 감염병 전파 상황에 대한 예측 및 예방, 관리가 가능함.
3. 코로나19와 같은 감염병 발생 시 해당 상황을 판단하고, 관리할 수 있는 가이드라인 구축
- 코로나19와 같은 감염병의 확산과정을 시공간적 데이터를 기반으로 분석할 뿐 아니라 추후 발생할 수 있는 전염병을 관리하기 위한 가이드라인 제시
(출처 : 연구결과 요약문 (국문) 3p)
□ Purpose
To prevent and manage infectious diseases like COVID-19, constructing and analyzing social-contact graphs that can represent online and physical social interactions among people
□ Contents
1. Collection and analysis of big data related to infectious diseases and the types of spread of infectious disease-related information
2. Identifying infodemic trends, forecasting future infectious disease scenarios, and defining their spread patterns over time and space
3. Construction and analysis of multi-layer network models, predicting the future situation of infectious disease spread
□ Results
1. Collection and analysis of big data related to infectious diseases and the types of spread of infectious disease-related information
- Identified two main ways fake news circulates on social media: COVID-related news through widespread retweeting and other fake news from single, original tweet.
- While political content often reinforced existing beliefs, COVID-related information crossed group lines with less confirmation bias.
- Analysis using the collected dataset showed that causes of stress related to human relationships and society increased during the COVID pandemic.
2. Identifying infodemic trends, forecasting future infectious disease scenarios, and defining their spread patterns over time and space
- It was confirmed that considering the spread information of the news claim, along with the information of the news claim subject to fake news determination, is crucial for discerning fake news.
- Analysis of the spatiotemporal spread patterns of infectious diseases found how diseases spread over time and place, especially through active case reporting, is vital for accurate case prediction.
3. Construction and analysis of multi-layer network models, predicting the future situation of infectious disease spread
- Using the both contact graph, which signifies physical contacts between people, and the motional and discursive content on social networks, improves the prediction performance.
□ Expected Contribution
1. Deep analysis of how infectious diseases propagate through direct and indirect human interactions by leveraging extensive data on physical presence and online activity to comprehend and forecast disease dynamics.
2. Advancing predictive models that utilize diverse big data to determine not only when and where diseases may appear but also their chronological spread, aiding in strategic disease control.
3. Crafting protocols for assessing and responding to infectious disease outbreaks, using spatio-temporal analysis to guide future epidemic management.
(source : SUMMARY 4p)
NTIS에서 제공하는 본 정보는 국가연구개발사업 수행을 통해 발생한 연구보고서를 과제관리(전문)기관을 통해 연구성과 전담기관(KISTI)에 등록된 정보를
제공하고 있으며, 연구보고서 정보 공개/비공개 여부, 연구보고서 원문 활용 여부 등은 해당 과제관리(전문)기관에 문의하시기 바랍니다.
