| 초록 |
□ 과제목표 ◦ 최종목표: 인간의 뉴스 소비 관련 인지 요소와 딥러닝 기반의 가짜뉴스 식별 지원 프레임워크 구축 및 적용 - 세부목표 #1: 인지과학, 의사결정 이론 기반 인간의 가짜뉴스 판단 기준 요소 파악 및 정량화 - 세부목표 #2: 가짜뉴스 관련 대규모 SNS 데이터 확보 및 활용 - 세부목표 #3: 가짜뉴스 전파 핵심 요소인 에코 챔버 현상 교육 위한 게임 개발 및 영향력 검증 - 세부목표 #4: 딥러닝을 활용한 가짜뉴스의 데이터 생성 및 탐지 모델 개발 - 세부목표 #5: 딥러닝 기반의 가짜뉴스 식별 지원 프레임워크(News Information Verification System, NIVS) 구축 및 효과성 검증 □ 주요내용 ◦ 연구 내용 #1: 인지과학, 의사결정 이론 기반 인간의 가짜뉴스 판단 기준 요소 파악 및 정량화 - 뉴스 생산 및 소비의 관점에서 컴퓨터 공학 및 사회과학 분야에서 진행해 온 대표적인 가짜뉴스 대규모 문헌 조사를 통해, 가짜뉴스 판단 기준 및 내ž외부 요소 파악 - 사람에 대한 이해 기반의 모델 및 시스템 개발하는 융ž복합적 향후 연구 방향성 제언 ◦ 연구 내용 #2: 가짜뉴스 관련 대규모 SNS 데이터 확보 및 활용 - 오류 정보에 관한 팩트 체크 뉴스에 대한 이용자 반응을 위해, 총 33만개 개별 댓글 데이터 수집 - 자연어처리 및 휴먼코딩 기반의 사전 구축 방법을 사용하여, 이용자들의 언어적 특성, 정서적 반응 및 논쟁 댓글을 통한 상호작용 양상을 관찰 ◦ 연구 내용 #3: 가짜뉴스 전파 핵심 요소인 에코 챔버 현상 교육 위한 게임 개발 및 영향력 검증 - 가짜뉴스 전파에 영향을 미치는 에코 챔버의 특징, 생성과정, 부정적 효과를 학습할 수 있는 게임 개발 - 게임 전후 실제 에코 챔버 특징을 가진 tweet의 신뢰도의 유의미한 차이를 통하여, 해당 게임의 효과성 및 영향력 검증 ◦ 연구 내용 #4: 딥러닝을 기반 가짜뉴스 데이터 생성 및 탐지 모델 개발 - Deepfake 탐지 모델 학습을 위한 GAN (Generative Adversarial Network) 기반의 data augmentation 프레임워크 개발 - Two-Stream Convolutional Networks 기반의 Deepfake 동영상 탐지 프레임워크 개발 ◦ 연구 내용 #5: 딥러닝 기반의 가짜뉴스 식별 서포팅 NIVS 프레임워크 구축 - Bidirectional Recurrent Neural Network(RNN)과 Bidirectional Encoder Representations from Transformers(BERT)을 기반으로 댓글 감정 분석 예측 모델 개발, knowledge graph 기반의 구조화된 뉴스 기사 본문 시각화 기능, 외부 팩트 체크된 정보 제공 기능을 통해 딥러닝 기반의 가짜뉴스식별 지원 프레임워크 구축(NIVS, New Information Verification System) 및 편향 완화 효과 검증 □ 기대효과 ◦ 최신 인공지능 기술 학습 및 응용 협업 연구 - 해외대학 우수 연구진과 최신 딥러닝 인공지능 알고리즘 개발 기술 및 적용 방법에 연구 경험 습득 - 인공지능, 빅데이터, 데이터과학, 인간-컴퓨터 상호작용의 방법론을 결합한 융합 및 협업 연구 진행 ◦ 연구 적용 범위 확대 및 인공지능 활용 사회현상 연구 적용 - 인간-인공지능 융합 및 상호작용(Human-AI Integration and Interaction) 연구 결과의 개인·사회적 영향 분석을 통한 사회과학에서의 인공지능 연구 범위 확장 - 대규모 실험 및 사회과학기반 결과 해석을 통한 다학제 기반 연구의 가능성 제시 ◦ 글로벌 인재양성 효과 - 세계 최고 수준의 인공지능 연구기관과 국제협력 프로그램을 통한 글로벌 인공지능 고급 전문가 양성 - 인공지능과 인문사회과학 연구를 결합한 융합 인공지능 연구 전문가를 양성 기대 (출처 : 요약문 4p) |
