KCI등재
2016 리우올림픽 소셜 빅데이터를 활용한 한국 국가대표 축구 선수 평가모형 개발 : 머신러닝을 적용한 감성분석 = Korea National Soccer Player Evaluation Model Development based on Social Big Data of 2016 Rio Olympic Games: Sentiment Analysis Using Machine Learning
The purpose of the study is to develop a player assessment model based on social big data by utilizing a sentiment analysis, a field of text mining, with male soccer players who participated in the 2016 Rio Olympics. To achieve this goal, the textual comments of the Korean Olympic team's soccer match on the n-portal and d-portal sites were selected as research data and automatically collected by the web crawling method. The web crawler is developed for data collection by utilization of Python 3. The study collected 119,869 comments in total. To develop the player assessment model, the main purpose of this study, the author constructed the database by selecting the comments of players who attended the game among all comments. The study results are as follows. First, the sentiment dictionary was made by setting the cost-complexity parameter as .2055 to assess soccer players. The word “object” and “carry” were found to be the most positive words which regression coefficient was .237. The regression coefficient for the word 'excluding' was -.295, which was the most negative word. Second, the assessment of the players of the 2016 Korean Olympics men's soccer team was conducted with the sentiment dictionary. In the match against Fiji, Ryu OO's evaluation index was 9.31 points which is the highest. In the match against Germany, Son OO scored the highest which was 8.49 points. In the match against Mexico, Jang OO scored 7.85 which was the highest point among players. In the game against Honduras, Ryu OO's evaluation index was the highest, 7.24 points. Third, keyword analysis of the best players and worst players was conducted for each game. As a result, it was identified that in the case of the best player, the keyword ‘playing well’ appeared frequently. For the worst player, mostly the negative keywords were showed with a high frequency. Especially, the words ‘cross’ and ‘pass’ appeared frequently. The result of this study can be used as a new indicator to assess the athletic performance of soccer players.
더보기이 연구는 2016 리우올림픽에 참가한 남자 축구 선수들을 대상으로 택스트마이닝(Text Mining)의 한 분야인 감 성분석(Sentiment Analysis)을 활용하여 소셜 빅데이터 기반 선수 평가모형을 개발하는 것이다. 이 목적을 달성하기 위하여 n포털 사이트와 d포털 사이트에서 제공하는 리우올림픽 대한민국 남자축구대표팀 경기의 문자중계 댓글을 연 구자료로 선정하여 웹 크롤링(web crawling)방법으로 자동 수집하였다. 자료 수집을 위해 python 3을 활용하여 웹 크롤러를 개발하였다. 전체 연구자료는 총 119,869건의 댓글을 수집하였다. 이 연구의 주요 목적인 선수 평가 모형 을 개발하기 위해서 전체 댓글 자료 중에서 출전선수의 댓글만 추출하여 경기별 출전선수별로 데이터베이스를 구축 하였다. 연구결과는 다음과 같다. 첫째, 축구 선수 평가를 위해 벌점모수 .2055로 설정하여 감성사전을 제작하였다. ‘물건’단어와 ‘캐리’단어의 회귀계수가 .237로 가장 긍정적인 단어로 나타났다. ‘빼자’단어의 회귀계수가 -.295로 가 장 부정적인 단어로 나타났다. 둘째, 제작한 감성사전을 활용하여 2016 리우올림픽 대한민국 남자 축구대표팀의 선 수 평가를 실시하였다. 피지와의 경기에서는 류OO선수의 평가지표가 9.31점으로 가장 높게 나타났다. 독일과의 경 기에서는 손OO선수의 평가지표가 8.49점으로 가장 높게 나타났다. 멕시코와의 경기에서는 장OO선수의 평가지표가 7.85점으로 첫 번째로 높게 나타났다. 온두라스와의 경기에서는 류OO선수의 평가지표가 7.24점으로 가장 높게 나 타났다. 셋째, 경기별 베스트선수와 워스트선수의 키워드 분석을 실시하였다. 그 결과 베스트선수의 경우 ‘잘하다’의 키워드가 많은 빈도로 산출된 것을 확인할 수 있었으며 워스트선수의 경우 대부분 부정적인 단어들이 높은 빈도를 나타냈으며 특히, ‘크로스’와 ‘패스’의 단어들이 높은 빈도를 나타냈다. 이 연구의 결과는 축구 선수들의 경기력을 평 가하는 새로운 평가지표로 활용될 수 있을 것이다.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2019-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2016-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2012-01-01 | 평가 | 등재 1차 FAIL (등재유지) | KCI등재 |
2009-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2008-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2007-01-01 | 평가 | 등재후보 1차 FAIL (등재후보1차) | KCI후보 |
2005-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.12 | 1.12 | 1.19 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.2 | 1.2 | 1.171 | 0.25 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)