<aside> 📌

서비스 디자인 초안 및 구조도

</aside>

<aside> 💻

서비스 작동 원리

</aside>

• Step 1 : 자료 수집 및 데이터 전처리(유형화)

  • 기존에 BigKinds에 정기적으로 적재되고 있는 지역 언론 기사들과 별개로, 각 지자체별 지방 의회 회의록 및 지방연구원의 연구자료들을 외부에서 추가로 수집

  • 각 기사/회의록/연구자료 텍스트에 개체명인식(NER) 알고리즘을 적용해 어떠한 지역을 언급했는지 확인

    

  • 이후 특정 주기 ex. 일(day), 주(week) 마다 수집된 텍스트에 대해  유형화(clustering) 작업을 실시. 이는 해당 기간에 발생한 지역별 이슈들의 유형(토픽)을 파악하기 위함. 단, 아래의 예시 이미지에서 볼 수 있듯, 각 이슈 토픽은 서로 다른 출처의 자료들로 구성되며, 일부 이슈에서는 특정 유형의 자료가 누락되어있을 수 있음.

    

    가령 **빨간색 점(×)**은 지역언론사 기사, **초록색 점(×)**은 회의록, **하늘색 점(×)**은 연구보고서를 의미한다고 할 때, 이슈 #1/2/3에는 서로 다른 유형의 자료들이 모두 포함되어있지만, 이슈 #4를 다룬 지역 신문 기사들은 하나도 없음. 이처럼 지역 언론사들이 누락하지만 중요하다고 파악되는 이슈를 별도 DB에 기록해둘 수 있을 것.

    뿐만 아니라, 이 유형화 작업은, 기술적으로 서로 다른 소스의 자료를 **매칭(matching)**하는 작업으로도 볼 수 있음. 그렇기에 여러 유형의 자료들이 포함된 이슈들에서도 언론이 다룬 포인트와 회의록, 연구보고서가 다룬 포인트가 어떻게 서로 같고 다른지 역시 판단하고 기록할 수 있게 됨.

• Step 2 : 지역 이슈 큐레이션 컨텐츠 서비스 (2025 하반기)

  위 Step 1에서 수집 및 이슈 유형화가 안정적으로 진행된다면, 큐레이션 컨텐츠 서비스를 운영하기 위해 다음의 변수들을 추가적으로 추출·생성해야 함.

  • 주제 분류 : 각 이슈가 어떠한 주제에 속하는지 분류(classification). 현재는 "경제", "치안", "보건", "교육", "환경", "정치"의 여섯 개 카테고리를 고려 중. 이후 수정 가능.
  • 해설 컨텐츠 : 각 이슈에 속한 모든 자료들을 종합하여 생성모델(Generative AI / LLM)을 활용하여 생성. 실제 서비스 상에서는 개별 이슈 카드를 클릭하면 모달(modal)창이 등장하는 방식으로 작동할 것. 언더스코어의 기존 서비스들(#1, #2, #3)의 구조를 참고해 볼 수 있음.
  • 규모 : 각 이슈의 크기. 상단의 이미지에서 점선으로 표현된 원의 크기와 동일한 개념. 이러한 이슈의 크기를 포함해, 한 이슈 내에서 점(×)들이 얼마나 퍼져있는지(variance) 등의 정량적 지표들 역시 추후 그래프를 통해 시각화 가능.
  • 논조 : 해당 이슈가 해당 지역에 대해 긍정·우호적인 소식인지, 아니면 부정·적대적인 소식인지 분류(classification) 가능. ex."7년째 출산율 1위, 세종시의 비결을 묻다" → 긍정, "강동구 싱크홀 50일…구멍 메웠지만 불안은 못 메워" → 부정

• Step 3 : 지역 언론사 심층 취재 정보 제공 (2026 상반기)

  첫 해에는 BigKinds 페이지 내 큐레이션 서비스 운영에 집중한다면, 차년도 사업부터는 지역언론 종사자들에게 보다 심층적인 취재 정보를 제공하는데까지 서비스를 확장할 수 있음

  • 첫 번째, 회의록 및 연구보고서 기반 심층 취재안 제안
    • 앞서 Step 1에서 서술한 바와 같이, 우리는 "회의록과 연구보고서에서는 다뤄졌지만, 기존 언론사 기사에서는 발견할 수 없던 지역 이슈"를 포착하고, 이를 기록할 수 있음. 또한 언론사가 다루었더라도 회의록·보고서의 특정 내용들이 보다 논지를 강화해줄 수 있는 기사들 역시 존재할 것.
    • 이에 ①해당 이슈와 가장 유사한 내용의 기사를 작성한 지역 언론 기자에게 ②어떻게 기존의 취재를 확장하거나 신규로 취재를 진행할지 ③그 내용을 생성하여 자동으로 기자의 이메일로 발송하는 서비스를 개발 가능.
  • 두 번째, 광역 지자체보다 세분화된 시·군·구 단위 정보 제공
    • 서비스 UI의 편의성을 위해 BigKinds 내 "지역 이슈 큐레이션"에서는 의도적으로 17개 지자체(광역권) 단위의 큐레이션이 이뤄질 것. 그러나 실제로 데이터 수집·전처리 단계에서는 그보다 하위 지역 단위에 대해서까지 정보를 기록할 수 있음. (ex. "서울시 강동구"로 DB에 기록하지만 서비스 상에서는 "서울시"로만 처리)
    • 이에 해당 지자체의 언론사에게 해당 데이터 및 시각화 서비스를 제공할 수 있을 것