트위터에 쏟아진 3만 7천 개 불만글, AI가 알아서 '주제별'로 정리해줄까?

무슨 연구인가

인도네시아 정부가 아이들에게 공짜 급식을 주는 정책을 시작하자, 소셜미디어 X(옛 트위터)에는 찬반 글이 폭주했습니다. 사람이 하나하나 읽어 "이건 예산 얘기, 저건 위생 얘기" 하고 분류하는 건 불가능하죠. 그래서 연구진은 AI에게 이 정리 작업을 통째로 맡겨봤습니다.

🔬 어떻게 분석했나

① 먼저 'MBG(무상급식)' 키워드로 X 게시물 37,368개를 긁어모았어요(스크래핑). 광고·중복·의미 없는 글을 걸러내니 10,637개가 남았습니다 — 원본의 3분의 1만 '쓸 만한 진짜 의견'이었던 셈이에요.
② 글을 숫자 좌표로 바꿨어요(임베딩) — 뜻이 비슷한 문장일수록 가까운 위치에 놓이게 하는 기술이라, 컴퓨터가 '의미'를 거리로 계산할 수 있게 됩니다.
③ 가까이 모여 있는 글끼리 자동으로 묶었어요(BERTopic의 군집화) — "예산이 부족하다"는 글은 예산끼리, "위생이 걱정된다"는 글은 위생끼리 자연스럽게 뭉칩니다. 사람이 주제를 미리 정해주지 않아도 AI가 스스로 찾아냅니다.
④ 묶음이 얼마나 깔끔한지 점수(coherence·응집도)로 확인하며 설정을 조율했어요. 한 묶음에 40개 이상 모이게 했을 때 가장 선명하게 갈렸습니다(응집도 0.74 — 대략 10점 만점에 7.4점쯤).
⑤ 마지막으로 각 묶음에 "이건 학교 급식 운영 얘기" 같은 이름표를 붙여 10개 핵심 주제로 정리했습니다.

📊 무엇을 찾았나

3만 7천 개의 뒤죽박죽 글이 '아이 영양 효과·예산·학교 운영·식품 안전·감독' 등 딱 10개 주제로 깔끔하게 정리됐어요. 두꺼운 민원 서류 한 트럭을 AI가 10개 폴더로 나눠준 셈입니다.

💡 내 연구에 가져갈 것

짧고 문법이 흐트러진 SNS 글, 게다가 영어가 아닌 언어라면 예전 방식(LDA)보다 BERTopic이 훨씬 잘 맞습니다.

📄 논문 정보

Implementasi BERTopic untuk Menganalisis Isu Program Makan Bergizi Gratis pada Media Sosial X
Marcellio Aurel Christian, Eka Dyar Wahyuni, Mohammad Al Hafidz
Jurnal Ilmu Komputer dan Sistem Informasi. · 2026-09-28 · 🔓 오픈액세스
원문 보기 ↗