2026 화성시 AI·DATA 공모전 · 지정과제 16번 — 언론보도 대시보드

기사는 쌓이는데,
오늘 손봐야 할 것은
알려주지 않습니다.

화성시 관련 언론보도를 매일 아침 6시에 자동으로 모으고, 그날 확인할 부정 보도를 사건 단위로 묶어 맨 위에 올립니다. 회의에 들고 갈 주간 보고서는 공문서 서식 그대로 나옵니다.
저희가 모은 화성시 기사 1,978건 중 부정으로 판정된 것은 145건(7.3%)입니다. 기사가 1,978건이던 때 같은 사건끼리 묶어 보니 1,325건으로 줄었고, 그중 하루를 넘겨 이어지는 사건은 7.7%뿐이었습니다. 다 읽을 필요가 없습니다. 읽어야 할 것을 골라내는 화면입니다. 위 숫자는 인용이 아니라 저희가 직접 잰 값입니다. 계산 코드와 결과를 근거 탭에 함께 두었습니다.
화면 열어 보기 출근길 간편 보기
오늘 확인할 것
지금 화면의 값을 불러오는 중입니다…
사진이 아닙니다. 지금 이 순간 화면에 떠 있는 값입니다.
매일 06:00 사람이 손대지 않습니다. 2026-08-15부터 정기 실행 17회, 실패 0회입니다.
서버 0대 백엔드도 데이터베이스도 없습니다. 호스팅·서버 비용이 들지 않습니다. 드는 것은 기사를 판정하는 AI 사용료뿐입니다.
로그인 없음 주소만 있으면 열립니다. 설치·계정 발급·보안 심의가 필요 없습니다.

누가 씁니까

화성특례시 공보실 언론담당관입니다. 저희가 상상한 사용자가 아니라, 시가 공개한 업무분장에 이렇게 적혀 있습니다. 「보도자료 작성, 신문·간행물 구독 관리, 언론 모니터링 및 스크랩 작성, 인터뷰 자료 작성」 출처 — 화성특례시 「부서 및 업무 안내」 행정전화번호부, 공보실 언론담당관 주무관 업무분장
지금은 사람이 눈으로 읽고 스크랩합니다. 그 일을 대신하는 화면입니다.

이미 있는 것과 무엇이 다릅니까

지금핀포인트
빅카인즈 전국 뉴스를 검색·분석하는 범용 도구입니다. 기관 승인과 로그인이 필요하고, 무엇을 검색할지는 담당자가 정해야 합니다. 화성시만 봅니다. 검색하지 않아도 오늘 볼 것이 이미 골라져 있습니다. 저희 검증 데이터 1,026건도 빅카인즈에서 받았습니다. 대체가 아니라 그 위에 얹는 것입니다.
포털 뉴스 알림 키워드가 걸리면 다 옵니다. 같은 사건의 후속 보도가 몇 번이고 다시 옵니다. 같은 사건을 하나로 묶어 한 번만 올립니다. 몇 개 매체가 다뤘는지가 그 옆에 붙습니다.
사람이 직접 스크랩 매일 아침 눈으로 읽고 골라 붙입니다. 고른 기준은 남지 않습니다. 고른 이유가 점수와 계산 내역으로 화면에 남습니다. 주간 보고서까지 서식 그대로 나옵니다.
저희가 못 하는 것도 적어 두었습니다. 부서를 자동으로 찍지 않고 후보만 냅니다. 도시 사이 순위를 말하지 않습니다. 100건을 사람이 검수해 분야 93%·긍부정 81%를 얻고도 「정확도」라고 부르지 않습니다. 같은 기사를 두 사람이 보면 긍부정이 77.8%만 일치했기 때문입니다. 근거를 댈 수 없는 것은 화면에 쓰지 않았습니다. 왜 못 하는지, 무엇을 어떻게 쟀는지는 「근거」 탭에 계산 결과까지 그대로 적어 두었습니다. 근거 탭 열어 보기 →
팀 핀포인트 · 수원대학교 · 2026 AI 화성 챌린지 지정과제 16번
화면 데이터는 빅카인즈 검증본 1,026건과 매일 자동 수집분 두 갈래입니다. 어느 쪽 숫자인지는 화면에 항상 밝혀 둡니다.
화성특례시 AI·DATA 공모전 · 지정과제 16번 정책 모니터링형 데이터 출처 빅카인즈 검증본 1,026건 · 수집 2026.06.06~08.06 화성시 언론·홍보 담당관이 시 브랜드 이미지를 관리하기 위해 보는 아침 업무 화면입니다
화성특례시 화성특례시

핀포인트 — 화성시 언론보도 대시보드 2026 화성시 AI·DATA 활용 공모전 출품작

데이터 불러오는 중… 소개 간편 보기
기간
전체 최근 7일 최근 30일 날짜 선택 ~
전체 기사
-
선택 기간 내
부정 보도
-
부정 보도 최다 분야
-
부정 기사 수 기준
핵심 키워드
-
언급 빈도 1위
AI 브리핑 선택 기간의 언론 동향을 AI 분석 결과로 요약했습니다
분석 중…

기사량 추이

분야별 비중

분야를 누르면 기사 목록 위에 그 분야의 긍정·부정 비율과 추이가 열리고, 목록도 함께 걸립니다.

주요 키워드 TOP 8

관심 부서 · 기관 · 사업

담당 부서나 기관, 사업 이름을 등록하면 그 이름이 들어간 보도만 모아 봅니다.
분류를 추측하지 않고 담당자가 직접 지정합니다. 등록한 목록은 이 브라우저에만 저장됩니다.
전체 교통 환경 행정 문화·관광 산업·경제 안전 복지 부정 이슈만

주간 동향 보고서

화면을 갈무리해 붙인 것이 아니라 개조식 보고서로 다시 씁니다. 「행정업무의 운영 및 혁신에 관한 규정」을 확인해 날짜 표기·붙임·끝 표시를 맞췄습니다. 인쇄해서 그대로 결재선에 올리거나 메일로 보내실 수 있습니다.
이번 주 보고서 열기
개조식 서술□ · ○ · - 항목기호로 정리합니다. 화면 그림을 그대로 넣지 않습니다.
공문서 표기날짜는 2026. 8. 25. 형식으로, 붙임과 끝 표시를 규정대로 답니다.
대응 필요 사항이번 주 확인이 필요한 이슈와 소관 후보 부서를 함께 싣습니다.
메일 발송본문 복사 · Gmail · Outlook 중에 고르실 수 있습니다. 비용은 들지 않습니다.

왜 이렇게 만들었나

기능 설명이 아니라 판단의 사슬입니다. 각 단계마다 무엇을 보고 그렇게 정했는지 적었습니다.
1
무엇을 푸는가 — 검색으로는 "오늘 뭐가 터졌는지"를 알 수 없다
검색은 무엇을 찾을지 이미 알고 있어야 씁니다. 홍보 담당자의 실제 문제는 오늘 무엇이 터졌는지 모른다는 것입니다. 게다가 "동탄 도로 정체"처럼 제목에 화성시가 없는 기사는 검색으로 잡히지 않습니다. 그래서 읍면동 이름까지 넣어 모으고, 매일 아침 정리된 상태로 두는 것을 목표로 잡았습니다.
2
왜 부정 보도인가 — 목적은 세는 것이 아니라 브랜드 이미지 관리다
지자체장과 시의 이미지가 곧 장소브랜드 관리로 이어진다는 선행연구가 있습니다. (이효복·최지혜·김지현, 2018) 부정 보도를 세는 것은 목적이 아니라 수단입니다. 그래서 시장·기관 언급 추이를 함께 두어, 보도량뿐 아니라 누가 어떤 성격으로 언급되는지를 보게 했습니다.
3
왜 기사를 사건 단위로 묶는가 — 건수를 세면 부풀려진다
뉴스의 37.9%가 부정 사건·사고이지만 중복과 후속 보도를 빼면 실제 리스크는 1.6%라는 연구가 있습니다. (오효정·안승권·김용, 2016) 한 사건을 열 매체가 받아쓰면 열 건이 됩니다. 그래서 제목이 겹치는 기사를 사건으로 묶은 뒤 점수를 매깁니다.
4
왜 셋만 보여주는가 — 사람이 한 번에 잡을 수 있는 이슈에는 한계가 있다
공중의 주의력과 시간이 제한돼 있어 한 번에 5~7개 이상의 이슈에 집중하기 어렵다는 지적이 있습니다. (이정환, 2020) 열 개를 올리면 담당자는 아무것도 보지 않습니다. 다 보여주지 않는 것은 기능 부족이 아니라 설계 판단입니다.
5
점수 네 항목과 배점은 어디서 왔는가
항목은 저희가 지어낸 것이 아닙니다. 뉴스가치 연구는 갈퉁과 루지 이후 50여 년간 시의성·영향성·저명성·근접성을 핵심 기준으로 다뤄 왔습니다 (이종혁, 2019 · 이종혁 외, 2013). 그 가운데 제목만으로 셀 수 있는 것만 골라 최신성·퍼진 정도·기사 수·오래감으로 옮겼습니다. 근접성은 화성시 기사만 모으므로 이미 고정돼 있고, 저명성은 제목만으로 재기 어려워 뺐습니다.
최신성을 가장 크게(45점) 둔 것은 언론과 공중의 관심이 사건 직후 치솟았다가 빠르게 식기 때문입니다. 다운스의 이슈관심주기가 그 현상을 설명하고, 국내에서도 언론 관심도가 정책 결정으로 이어지는 과정에 적용돼 왔습니다 (이진실, 2017 · 유수동, 2018). 퍼진 정도는 매체들이 서로의 의제에 영향을 주고받으며 하나의 의제를 키운다는 점 (이승희·송진, 2014)에서 두 번째로 크게, 기사 수는 후속 보도로 부풀기 쉬워 (오효정 외, 2016) 가장 낮게 뒀습니다.
다만 배점의 정확한 값까지 논문이 정해 준 것은 아닙니다. 항목을 고른 근거는 있지만 45·30·15·10이라는 숫자는 저희가 정했습니다. 이슈 생존 기간이 유형별로 다르다는 연구 (유호선 외, 2017 · 김영곤·신다윗, 2021)가 있어 분야별 감쇠율과 쌍대비교로 가중치를 도출하는 AHP (최명일 외, 2013) 적용이 다음 과제입니다.
6
왜 화면이 스스로 한계를 말하는가 — 담당자가 이걸 믿고 움직이기 때문이다
틀린 값을 자신 있게 보여주면 담당자가 그것을 믿고 엉뚱한 곳에 대응합니다. 그러면 자동화가 없느니만 못한 상태가 됩니다. 그래서 숫자를 보여줄 때 그 숫자를 얼마나 믿어도 되는지를 같이 적었습니다. 표본이 작으면 순위를 말하지 않고, 수집 방식이 다른 구간은 비교하지 않는다고 화면이 먼저 밝힙니다.

제목만 보던 것을 본문까지 보도록 고쳤습니다

심사에서 "내용적인 분석까지 한다고 했었잖아요"라는 말씀을 들었습니다. 저희가 발표에서 스스로 밝힌 한계이기도 합니다. 그 한계를 실제로 걷어냈습니다.
왜 지금까지 못 했는지부터 재봤습니다. 저희가 쓰던 구글 뉴스 RSS는 기사 본문을 주지 않습니다.
  • RSS의 설명(description)이 제목과 다른 내용을 담은 기사는 30건 중 0건이었습니다. 길이 중앙값 50자로, 제목 32자에 언론사 이름이 붙은 것이 전부였습니다.
  • 기사 주소는 구글의 중계 주소라 눌러도 언론사 원문으로 곧바로 가지 않습니다. 주소 문자열만 풀어서는 원문 주소를 얻지 못했습니다(6건 중 0건). 다만 브라우저로 실제로 열면 언론사 페이지까지 갑니다. 아래 95%가 그렇게 잰 값입니다.
구글 RSS만으로는 본문에 닿을 방법이 없습니다. 우리 코드의 문제가 아니었습니다.
그래서 수집 경로를 하나 더 붙였습니다. 네이버 뉴스 검색은 본문 일부와 실제 언론사 주소를 함께 줍니다. 수집 코드를 이렇게 고쳤습니다.
  • 구글에서 모은 기사에 네이버에서 받은 본문을 붙입니다. 제목이 정확히 같지 않아도 앞부분이 겹치면 같은 기사로 맞춥니다. 언론사마다 제목 뒤를 조금씩 다르게 붙이기 때문입니다.
  • 본문이 붙은 기사는 제목이 아니라 본문까지 함께 보고 분야와 긍부정을 판정합니다.
  • 구글 중계 주소를 언론사 원문 주소로 바꿔 저장합니다. 담당자가 원문을 한 번에 열 수 있습니다.
  • 본문은 기사마다 300자까지만 담습니다. 저작권 문제를 만들지 않습니다.
다만 아직 화면의 데이터에는 본문이 없습니다. 고쳤다고 해서 이미 적용된 것처럼 말하지 않겠습니다. 지금 보시는 판정은 여전히 제목으로 내린 것이고, 사람이 검수한 값이 분야 93%·긍부정 81%에 머무는 이유도 거기 있습니다.
얼마나 얻을 수 있는지는 재봤습니다. 자동수집분 1,181건 전부를 브라우저로 직접 열어 본문을 긁어 봤습니다.
  • 저희 컴퓨터에서는 1,181건 중 1,124건(95%)에서 본문을 얻었습니다.
  • 그런데 서버에서 돌리니 300건 중 124건(41%)이었습니다. 같은 코드인데 절반 아래로 떨어집니다. 언론사가 데이터센터 주소를 막는 것으로 보입니다. 그래서 매일 도는 수집에 본문을 붙이는 것은 지금 방법으로는 안 됩니다.
  • 판정에 쓸 글자가 제목 36자에서 본문 1,312자로 36배 늘어납니다.
부서는 본문을 붙여도 안 됩니다제목에 부서명이 있는 기사가 3.8%뿐이라 부서를 자동으로 못 붙였습니다. 그런데 본문에도 안 나왔습니다. 본문 1,124건을 세어 보니 「화성시 ○○과」가 나온 기사는 6.4%였습니다. 같은 방식으로 잰 제목은 0.1%이니 제목보다는 확실히 낫습니다. 그래도 열 건 중 아홉 건은 여전히 부서를 알 방법이 없습니다. 「본문에는 훨씬 자주 나온다」고 기대만으로 적어 뒀던 문장이었고, 재본 결과 부서는 앞으로도 후보로만 둡니다.
본문이 붙으면 달라지는 것 · 사건 묶기지금은 제목 낱말이 겹치는지로 묶습니다. 본문이 있으면 제목이 달라도 같은 사건인지 알 수 있습니다.
본문이 붙으면 달라지는 것 · 원문 확인구글 중계 주소를 거치지 않고 언론사 원문으로 곧바로 갑니다. 담당자가 확인하는 시간이 줄어듭니다.
그래도 지키는 것본문이 붙어도 부서를 단정하지 않습니다. 후보로 제시하고 확정은 담당자가 합니다. 근거가 늘었다고 판정을 앞세우지 않습니다.

저장과 개인정보

공공기관에서 쓰는 도구라면 반드시 나오는 질문입니다. 미리 답을 적어 둡니다.
묻는 것저희 답
데이터를 어디에 저장합니까 데이터베이스가 없습니다. 공개된 언론보도를 모은 JSON 파일 몇 개가 전부이고, 그 파일은 저장소에 그대로 공개돼 있습니다.
시민 개인정보가 들어갑니까 들어가지 않습니다. 저희가 다루는 것은 이미 공개된 언론 보도뿐입니다. 민원 문서나 시민 정보를 취급하지 않습니다.
담당자가 입력한 값은 어디로 갑니까 관심 부서 등록과 대응 상태는 그 브라우저 안에만 저장됩니다. 서버로 보내지 않으므로 저희도 무엇을 등록했는지 알 수 없습니다.
누가 무엇을 봤는지 기록됩니까 기록하지 않습니다. 로그인이 없고 분석 도구도 붙이지 않았습니다. 화면이 부르는 외부 주소가 0개라 사용 기록이 밖으로 나갈 통로 자체가 없습니다.
AI에 무엇을 보냅니까 수집 단계에서 기사 제목만 보냅니다. 담당자가 입력한 값이나 화면을 본 기록은 보내지 않습니다. 판정은 매일 새벽에 한 번 끝나고, 화면을 볼 때는 AI를 부르지 않습니다.
API 키는 어떻게 관리합니까 코드에 넣지 않았습니다. 저장소의 비밀값으로 두고 자동 실행 때만 꺼내 씁니다.
서버도 로그인도 두지 않은 것이 보안 설계이기도 합니다. 지킬 서버가 없고, 새어 나갈 개인정보가 없고, 남는 접속 기록이 없습니다. 기관 내부망에 두고 쓰셔야 한다면 파일 세 개를 그대로 옮기면 그대로 동작합니다.

우리가 하지 않은 것

못한 것이 아니라, 재보고 접은 것입니다. 그 판단의 근거도 함께 적습니다.
부서 자동 판정제목에 부서명이 있는 기사가 1,596건 중 61건, 3.8%뿐이었습니다. 나머지 96%는 근거 없이 찍어야 합니다. 맞히지 못하는 것을 맞히는 척하는 대신 소관 후보만 제시하고 확정은 담당자가 하게 했습니다.
도시 순위 발표도시당 80~85건인 탐색 표본입니다. 피셔 정확검정으로 재보면 수원·용인과의 차이가 확인되지 않습니다. 그래서 순위를 말하지 않습니다.
정확도라는 말100건을 사람 다섯이 검수해 분야 93%, 긍부정 81%를 얻었습니다. 그런데 같은 기사를 두 사람이 보면 긍부정이 77.8%만 일치했습니다. 정답이 하나로 정해지지 않는 문제라 여전히 정확도라고 부르지 않습니다. 자세한 것은 아래 「사람이 검수한 결과」를 보십시오.
검증본과 자동수집분 직접 비교수집 방식이 달라 모집단이 다릅니다. 검증본 비율은 참고선으로만 두고, 변화는 같은 수집 방식이 유지된 구간끼리만 봅니다.

색을 이렇게 고른 이유

심사 전 "디자인만 바꾸면 괜찮을 텐데"라는 말씀을 들었습니다. 고치면서 저희가 쓰던 색에 근거가 없다는 것을 알게 됐습니다. 그 과정을 그대로 적습니다.
먼저 바로잡습니다. 저희는 기준색을 초록으로 쓰면서 "화성시 상징색이 녹색이라서"라고 설명해 왔습니다. 확인하지 않고 쓴 말이었고, 사실이 아닙니다. 화성시청 시 상징 안내는 오렌지와 회색이라고 적고 있습니다. 화성시청 화면을 직접 재봤을 때도 강조색은 주황과 파랑이었고 초록은 없었습니다.
그렇다고 오렌지로 바꾸지도 않았습니다. 재본 값이 막았습니다. 흰 바탕에서의 명암비(WCAG 2.1)입니다. 본문 글자는 4.5 이상이어야 합니다.
  • 본문 먹색 16.17 · 남색 11.72 · 옛 초록 5.24
  • 화성시 오렌지 3.01, 화성시청 파랑 2.90 — 둘 다 본문 기준 미달입니다.
게다가 오렌지는 부정 보도를 표시하는 빨강과 RGB 거리 76으로 붙어 있습니다. 초록은 121이었습니다. 부정 보도를 세는 화면에서 기준색과 경고색이 붙어 있으면 안 됩니다.
그래서 기준색은 남색 하나이미 제목에 쓰던 남색으로 모았습니다. 강조색이 둘이면 눈이 두 번 판단해야 합니다. 명암비도 11.72로 가장 편합니다.
화성시 전용색은 제호 위 띠 한 줄글자가 아니므로 명암비 문제도, 경고색과의 혼동도 생기지 않습니다. 확인한 사실은 쓰되, 쓸 수 있는 자리에만 씁니다.
분야 7색은 그대로그것은 상징색이 아니라 항목을 구분하는 색입니다. 순서가 없는 항목이라 밝기가 아니라 색상으로 나눕니다.
큰 숫자는 색을 빼고 먹색으로숫자에 색이 있으면 좋고 나쁨을 뜻하는 것처럼 읽힙니다. 좋고 나쁨을 말하는 자리에서만 색을 씁니다.

사람이 검수한 결과

저희가 가장 큰 약점이라고 말해 온 것입니다. 2026년 8월 29~30일, 팀원 다섯 명이 기사 100건을 나눠 직접 채점했습니다.
93%분야 분류
100건 중 93건
81%긍부정 판별
100건 중 81건
77.8%사람끼리 일치
같은 기사, 두 사람
세 번째 숫자가 가장 중요합니다. 구간을 겹쳐 검수한 27건에서, 같은 기사를 두 사람이 보면 긍부정 판단이 77.8%만 일치했습니다. 분야는 92.6%가 일치했습니다. 사람끼리도 다섯 건 중 하나는 갈립니다. 그러니 "AI가 몇 % 맞혔다"는 말은 애초에 성립하기 어렵습니다. 정답이 하나가 아니기 때문입니다.
그런데 어디서 갈리는지가 다릅니다. 사람이 「틀림」이라 한 긍부정 20건을 AI 판정별로 나눠 봤습니다.
  • AI가 중립이라 한 기사 — 이의 17건
  • AI가 긍정이라 한 기사 — 이의 3건
  • AI가 부정이라 한 기사 — 이의 0건
갈린 기사 제목을 보면 전부 이렇습니다 — 「개발 갈등 해결 국면 접어드나」, 「PBA 팀리그 개막」, 「의장 3일 연속 현장 행보」, 「송산포도축제 판 키운다」. 전부 긍정이냐 중립이냐입니다.
이 화면은 부정만 씁니다오늘 확인할 것, 급증 경고, 다른 시와 견주기, 주간 보고서. 전부 부정 기준입니다. 긍정인지 중립인지는 담당자가 할 일을 바꾸지 않습니다.
정말 중요한 판정은 갈리지 않았습니다AI가 부정이라 한 기사에 다섯 사람 중 아무도 이의를 달지 않았습니다. 화재, 4중 추돌, 신청사 예산 칼럼 — 부정인지 아닌지는 사람마다 다르지 않았습니다.
엄한 쪽 값을 씁니다겹친 구간에서 한 사람이라도 「틀림」이라 했으면 틀린 것으로 셌습니다. 너그럽게 세면 분야 95%·긍부정 87%가 됩니다. 낮은 쪽을 적습니다.
이것도 한계가 있습니다검수 도구가 「맞음/틀림」만 받고 「그럼 무엇이어야 하나」는 받지 않았습니다. 그래서 부정이 아닌 기사를 누군가 부정으로 봤는지는 이 자료로 알 수 없습니다. 도구를 그렇게 만든 저희 잘못이고, 다음에 고칠 것입니다.
독립 라벨링이 아니라 검수입니다AI 답을 먼저 보여주고 맞는지 물었습니다. 판단이 AI 쪽으로 끌릴 수 있습니다. 처음부터 사람이 매기는 정답지는 아직 없습니다.

참고한 연구

논문을 보고 설계한 것이 아니라, 만든 뒤 판단이 선행연구와 어긋나지 않는지 확인했습니다.
  • 오효정·안승권·김용(2016) 「소셜 빅데이터 기반 사회적 이슈 리스크 유형 분류」, 『한국콘텐츠학회논문지』 16(8) — 중복·후속 보도를 빼면 실제 리스크가 크게 줄어든다
  • 유호선·명현·오효정(2017) 「소셜미디어에서의 사회재난 이슈 생존 주기 분석」, 『한국정보기술학회논문지』 — 이슈 생존 기간은 유형별로 다르다
  • 최명일·김신애·최믿음(2013) 「뉴스 프로그램 선택요인의 상대적 중요도 및 우선순위 분석」, 『미디어 경제와 문화』 — AHP로 가중치를 도출하는 방법
  • 이정환(2020) 「누가 이슈의 중요도를 결정하는가」, 한국언론정보학회 — 한 번에 집중 가능한 이슈는 5~7개를 넘기 어렵다
  • 이효복·최지혜·김지현(2018) 「퍼스널 브랜드로서의 지방자치단체장 이미지 구성 요인과 영향에 관한 연구」, 『광고학연구』 — 지자체장 이미지가 장소브랜드 관리로 이어진다
  • 오혜윤(2025) 「디지털 환경에서의 정보 시각화를 위한 디자인 프레임워크 제안」, 『Design Works』 — 정보의 위계에 따른 배열
  • 이승선(2014) 「지방자치단체의 언론대응 방식 특성과 함의」, 『사회과학연구』 — 지자체의 실제 언론 대응 방식
  • 김병희(2016) 『뉴스 어뷰징과 검색 알고리즘』 — 뉴스 랭킹에서 최신성의 비중
  • 이종혁(2019) 「뉴스가치의 개념, 유형, 작동 기제 및 규범에 대한 종합 고찰」, 『방송문화연구』 — 갈퉁·루지 이후 뉴스가치 기준의 종합
  • 이종혁·길우영·강성민·최윤정(2013) 「다매체 환경에서의 뉴스 가치 판단 기준에 대한 종합적 구조적 접근」, 『한국방송학보』 — 새로움·영향성·관련성·시의성·근접성
  • 이진실(2017) 「아동복지 이슈에 대한 언론의 관심도와 정책결정에 관한 연구: Downs의 이슈관심주기이론을 중심으로」 — 언론 관심은 시간에 따라 식는다
  • 유수동(2018) 「사회적 이슈에 대한 공공의 관심도와 예산결정에 관한 연구」 — 이슈관심주기가 행정 결정으로 이어지는 경로
  • 이승희·송진(2014) 「재난보도에 나타난 소셜 미디어와 방송 뉴스의 매체 간 의제설정」, 『한국언론학보』 — 매체들이 서로의 의제를 키운다
  • 김영곤·신다윗(2021) 「운형함수 모형을 적용한 병역 관련 사회적 이슈의 생존주기 탐색 및 유형화 연구」, 『행정논총』 — 이슈마다 생존 곡선이 다르다
  • 임현수·이준웅(2011) 「보도자료 기사화 과정에서의 영향요인에 관한 연구」, 『한국언론학보』 — 영향력·갈등성·의외성·저명성·근접성·새로움이 기사 채택에 미치는 영향
쓰시는 분의 의견을 듣고 싶습니다
이 화면은 화성시 언론·홍보 담당자가 실제로 쓰는 것을 목표로 만들었습니다. 저희는 공무원이 아니라서 실제 업무 흐름을 다 알지 못합니다. 분류 기준이 실무 감각과 다르거나, 화면에 없어서 불편한 것이 있으면 알려 주십시오. 받은 의견은 다음 판에 반영하고, 무엇을 어떻게 고쳤는지 이 화면에 적겠습니다.