핀포인트 — 화성시 언론보도 대시보드

AI 브리핑 선택 기간의 언론 동향을 AI 분석 결과로 요약했습니다

분석 중…

전체 기사

-

선택 기간 내

부정 보도

-

최다 보도 분야

-

기사 수 기준

핵심 키워드

-

언급 빈도 1위

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.

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 보고 있습니다 — 그 한계와 근거

심사에서 "내용적인 분석까지"라는 말씀을 들었습니다. 왜 아직 못 하는지, 무엇이 있어야 되는지를 재본 값과 함께 적습니다.

저희가 쓰는 구글 뉴스 RSS는 기사 본문을 주지 않습니다. 실제로 재봤습니다.

RSS의 설명(description) 항목이 제목과 다른 내용을 담은 기사는 30건 중 0건이었습니다. 길이 중앙값 50자로, 제목 32자에 언론사 이름이 붙은 것이 전부입니다.
기사 주소도 구글의 중계 주소라 눌러도 언론사 원문으로 곧바로 이어지지 않습니다. 수집 단계에서 본문을 긁어올 수 없습니다.

그래서 저희 판정은 제목 32자로 내려집니다. 재판정 일치율이 분야 89%, 긍부정 92%에 머무는 이유도 여기 있습니다. 같은 사건인데 제목이 다르면 다르게 판정될 수 있습니다. 이 한계를 감추면 화면의 모든 숫자가 실제보다 단단해 보입니다.

본문을 얻는 길 · 빅카인즈검증본 1,026건을 받은 곳입니다. 본문을 제공하므로 제목 밖의 사실을 볼 수 있습니다. 다만 기관 이용 승인이 필요합니다.

본문이 있으면 달라지는 것같은 사건인지 다른 사건인지 제목이 아니라 내용으로 묶을 수 있고, 어느 부서 소관인지도 본문에서 훨씬 잘 잡힙니다. 제목에 부서명이 3.8%뿐이라는 문제가 여기서 풀립니다.

지금 할 수 있는 것제목만으로 못 하는 것을 하는 척하지 않는 것입니다. 그래서 부서를 찍지 않고 후보만 제시하고, 모든 기사에 원문 링크를 답니다.

저장과 개인정보

공공기관에서 쓰는 도구라면 반드시 나오는 질문입니다. 미리 답을 적어 둡니다.

묻는 것	저희 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.

정확도 수치사람이 만든 정답지가 없습니다. 89%·92%는 같은 기사를 다시 분류해 얻은 재판정 일치율이지 정확도가 아닙니다. 정답지 만들기가 다음 1순위 과제입니다.

검증본과 자동수집분 직접 비교수집 방식이 달라 모집단이 다릅니다. 검증본 비율은 참고선으로만 두고, 변화는 같은 수집 방식이 유지된 구간끼리만 봅니다.

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.

핀포인트 — 화성시 언론보도 대시보드

기사량 추이

분야별 비중

이번 주 대 지난주 — 분야별 부정 보도

시장·기관 언급 추이 — 브랜드 이미지 관리

분야별 부정 보도 — 어디를 먼저 봐야 하나

다른 시와 견줘 어디를 손봐야 하나