1. WEBOMETRICS
INSTITUTE
웹보메트릭스로 밝혀낸
소셜미디어 감성
박한우 교수
영남대 언론정보학과
영남대사이버감성연구소
아시아트리플헬릭스학회
WCU웹보메트릭스사업단
TEDxPalgong
대구경북 소셜미디어 포럼
www.hanpark.net
2. ▶ 감성 (Affect or sensibility) 이란?
정서(Emotion)
정서(Emotion)
감성을 구성하는 가장 핵심적이면서도 복잡한 요소로서 비교적 단시간 동안 특정 대상에 대해서 가
지게 되는 감정을 의미한다. (Cacioppo and Gardner. 1999)
청취 또는
기분(Mood) 기분(Mood)
감정은 미약하지만 상대적으로 정서보다 훨씬 더 오랜 기간 동안 지속되는 감성이다. 청취는 특정한
내용이나 대상과 관계없이 막연한 신체적 생리 상태에 대한 감각이다.
인상(Impression)
인상(Impression)
세상의 대상물에 의해서 생체에 각인되는 변화로써 어떤 대상물에 대해서 처음으로 마음에 나타나는
감정을 인상이라 한다. 인상이 마음에서 다시 재생되면 정서라는 관념으로 변하게 되는데 어떤 특정
한 대상을 보고 단기간에 느끼는 감정이지만 아직 정서로서 관념화되지는 않은 감성이다.
개성
개성(Personality)
(Personality)
이러한 인상 중 특히 사람에 대해서 느끼는 인상을 개성이라고 한다. 최근 브랜드 개성이나 웹사이트
개성처럼 적용 범위가 확대되어 가고 있다.
Dept. of Media & Communication, YeungNamUniversity
3. ▶ 감성이란?
감성
Human Computer Interaction 개론 : 사람과 컴퓨터의 어울림 , 김진우, 2003
• 한국감성과학회 http://koses.or.kr/
Dept. of Media & Communication, YeungNamUniversity
4. 사이버감성: 웹보메트릭스 접근법이 유용함
CYBEREMOTIONS is a research domain that
studies observable and analyzable phenomena
related to any means of communication provided by
the Internet - such as text, sound, visual, or any
combination of these - that are related to emotional
processes in individuals or groups. Transcending the
classical analysis of human emotions, researchers in
this domain also deal with emergent properties of the
interplay between individual human emotions, the
technical infrastructure of the Internet, and
communication processes linked to all spheres of
life.
http://www.cyberemotions.eu/index.html
5. 사이버감성: 웹보메트릭스 접근법이 유용함
Therefore, research in the area of
CYBEREMOTIONS is closely linked with human
emotional processes in general
(biological, behavioral, and experiential), with
Internet-mediated communication (partially erasing
space and time boundaries, and with creating
specific networks of interactions).
A particular emphasis lies on the automatic analysis
of online messages using methodologies such as
sentiment analysis to provide access to emotional
cues in large samples. The precise relationships
between individual and collective emotions on the
Internet are not yet known and likely require complex
systems and network approaches.
http://www.cyberemotions.eu/index.html
6. 사이버감성을 분석한 웹보메트릭스 연구실
e-Social Science, Cyber-infrastructure, e-Research
- e stands for “enhanced” as well as “electronic”
웹보메트릭스 연구방법
싸이월드 정치인 미니홈피 방명록 분석
정치인 트위터, 페이스북 메시지 내용분석
온라인 이미지와 웹가시성 비교
소셜미디어 공간에 나타난 국가간 차이
위기시 소셜미디어 이용자들의 정서적 반응
7. Problem statement
Web: An interactive communication arena with
visually rich and emotional content
Most of the previous studies of cyberemotions have
considered Western countries such as the U.S. and
the U.K.
However, Internet usage patterns in Eastern
countries may be different from those in Western
ones.
8. Problem statement
For instance, in the Asia-Pacific region, local
platforms such as Mixi in Japan, Renren in China,
and Cyworld in South Korea dominate the SNS
market, whereas global services such as Facebook
and Myspace have found limited success in the
region.
Therefore, I have been trying to identify Asian-
specific cyberemotions, particularly based on several
Korean cases and I would like share some recent
works with you.
9. 왜 웹보메트릭스 연구방법인가?
인터넷 기술의 발전과 보급으로 인한 사회 현상의 변
화 양상은 사회과학자들에게 새로운 연구 방법에 대
한 도입의 필요성을 인식시킴.
웹공간(Webosphere)에 있는 무한한 정보들을 어떻게 정
제(수집 및 가공)할 것인가?
엄청난 규모의 자료를 어떻게 분석 처리할 것인가?
자료중심적(data-intensive) 방법론에 대한 관심 증대
자료의 수집, 저장, 가공, 분석 등에 대한 인식 전환
수단 목적
11. 미디어 융복합 환경에서 전통적
연구방법론이 아직 유효한가?
• Axel Bruns: ProSumer - > ProdUser 변화 주장
- 수용자에 대한 passive/active 이분법 논의 폐기
• M. Savage: Coming Crisis of Empirical Sociology
- 샘플링 기반한 Survey 연구의 유용성?
- transactional data의 획득 가능성 유이
• N. Jankowski, D. Larzer, R. Schroeder, H.W.
Park: e-Social Science, Computational Social
Science
- relational data를 이용한 visualization
- sensory data를 이용한 인간 행위 모델링/예측
12. 웹보메트릭스 연구방법
월드와이드웹 (World Wide Web)의 „웹(Web)‟과 계량
적 분석을 뜻하는 „메트릭스(Metrics)‟를 합성한 용어
로서
인터넷 정보와 디지털 기술의 사용방식을 계량적으로
분석하는 연구 방법
인터넷 이용자 연구에서 설문조사 혹은 인터뷰 등
self-reported data에만 의존하는 연구 방법은 인상비
평에 머무는 한계가 있음
이에 대한 대안으로 내용분석이 사용되고 있으나 해
석의 주관성이라는 한계
웹보메트릭스 연구방법은 위 연구방법에 대한 대안이
될 수 있는 장점이 있음
13. 웹보메트릭스(Webometrics) 연구방법
웹보메트릭스라는 이름은 Almin와 Ingwersen(1997)의 논문에
서 처음 등장.
웹보메트릭스 분야는 하이퍼링크 네트워크, 웹 가시성 추적, 블
로그 관계망, 검색엔진 비교 분석을 포함하면서 사회정보학을
벗어나 급속히 확대되고 있음.
특히 웹보메트릭스 연구방법은 웹사이트의 콘텐츠와 하이퍼링
크 등을 통한 사회네트워크분석(social network analysis)에 자
주 활용되고 있음
14. 웹보메트릭스 분석 방법
• 시각화: 축적된 데이터베이스를 이용해 자료들을 2차원 혹은 3차원
공간에 맵핑(mapping)시키는 방법이며, 정보를 묘사하고 탐색하는
방법임. 웹가시성분석 (webvisibility)
• 통계분석: 데이터가 구조화된 형태로 축적되었을 때 적용하는 방법.
기술통계, 군집분석등의 방법으로 데이터를 분류
• 추세분석: 기술의 시간적 진화에 대한 분석을 실시하고자 할 때 적용
하는 방법. 과거자료의 패턴을 확장하여 미래를 추정함으로써 기술기
획과정을 지원하는 방법.
• 데이터마이닝: 텍스트마이닝과 웹마이닝으로 구분되며, 텍스트마이
닝은 구조화되어 있지 않은 문서로부터 자동적으로 정보를 추출하여
패턴을 분석하는 방법이고 웹마이닝은 인터넷을 이용하는 사람들의
행동패턴이나 웹페이지, 웹문서를 분석하는 방법임.
• 지표분석: 조사된 자료로부터 지표(index)를 개발하여 각 개체들의
특성을 분석하는 방법임.
15. EVIDENCE BASED RESEARCH (EBR)
• 체계적으로 수집한 데이터로부터 나온 리서치 결과물 강
조
• 이용 가능한 자료뿐만 아니라 이용자의 특성, 커뮤니케이
션 상황 등도 종합화해 결론 도출 강조
16. 주요 e-리서치 도구 (사업단 자체 개발)
WeboNaver/WeboDaum:
한국의 대표적인 포털사이
트인 “네이버”와 “다음”을 이
용한 Open API(Application
Programming Interface)기
반 자동 검색 프로그램.
블로그, 온라인 커뮤니
티, 지식인, 웹게시판, 이미
지, 동영상 등 다양한 인터
넷 플랫폼들에 따른 검색 결
과를 자동으로 수집하며, 방
대한 양의 웹사이트 주소
(URL) 및 문서 내용 등을 자
동으로 저장
17. 싸이월드 공개 데이터 수집 및 분석
Java-based software tool
that, given the URL of a
politician on Cyworld,
extracts comments given by
citizens along with related
profile attributes.
The stored data, which can
amount to thousands of
records, is stored in a
suitable format for import
into statistical software
21. Collective emotion on Cyworld Minihompy
Cyworld Minihompy: Launched in 2001, Cyworld
remains the most popular service in Korea in spite of
a recent decrease in usage
Korea‟s Cyworld was arguably the world‟s first
general purpose mass social networking site
This study analyses user-generated comments poste
d to Korean politicians on SNS Cyworld
Sentiment analysis of textual comments
Target link analysis of URLs contained in the comme
nts
22. Minihompy
The status of minihompy
①How active ②How famous ③How friendly
Visitor count
xxx
①
②
③
사진 xxx
Gender
xxx
Name
24. Captured on 19th June, 2009
싸이월드 지수별 상위 10위 18대 국회의원 명단
Cyworld Visitor Bookmarked Scraped Famous Friendly
Comments counts by Others Posting Active Score Score Score
Kyoeng-Won
Na Geun-Hye Park Geun-Hye Park Geun-Hye Park Geun-Hye Park Geun-Hye Park Geun-Hye Park
Jung-Wook Guk-Hyun Kyoeng-Won Kyoeng-Won Guk-Hyun
Geun-Hye Park Hoi-Chang Lee Hong Moon Na Na Moon
Guk-Hyun Jung-Wook Dong-Yong Dong-Young Dong-Young
Hoi-Chang Lee Kyung-Won Na Moon Hong Chung Jung Jung
Dong-Young Dong-Young Guk-Hyun Kyoeng-Won
Kyeong-Tae Jo Jung Jung Hoi-Chang Lee Soo-hee Jin Moon Na
Dong-Yong Guk-Hyun Kyoeng-Won Dong-Yong Hee-Ryong Woon-Tae
Chung Moon Na Chung Won Kang Gi-Gab Kang
Kook-Hyn Jung-Wook Kyoeng-Won Kyung-Tae Hee-Ryong
Moon Hong Hoi-Chang Lee Na Hong-jun An Cho Won
Woon-Tae Hee-Ryong Hee-Ryong Mong-Jun
Gi-Gab Kang Kang Won Eul-Dong Kim Jin-ha Hwang Won Chung
Kyung-Tae Mong-Jun
Sook-Mi Son Cho Chung Sun-Kyo Han Jae-chul Sim Eul-Dong Kim Jae-chul Sim
Mong-Jun Hee-Ryong Mong-Jun Woon-tae Mong-Jun
Chung Won Eul-Dong Kim Chung Kang Chung Sun-Kyo Han
Jeong-Wook
Hong Eul-Dong Kim Sun-Kyo Han Gi-Gab Kang Sun-Kyo Han Jun-pyo Hong Jun-pyo Hong
*Female: Red, Male: Blue, Ruling party: italic
29. To identify the relationship among gender,
comment type, and user activity, posters were
divided into four groups:
females contributing positive comments (FP),
males contributing positive comments (MP),
females contributing negative comments (FN), and
males contributing negative comments (MN).
The FP group was the most active group, the FN
group‟s activity was similar to that of male groups,
and the MP group was more active than the MN
group.
31. Where do Korean users want take us?-Korea
Category Domain Comments linking to Domain %
Petition agora.media.daum.net 325 17.6
News news.naver.com 150 8.1
SNS cyworld.com 139 7.5
Forum cafe.naver.com 106 5.7
Blog blog.naver.com 72 3.9
Blog blog.daum.net 69 3.7
Blog rokp.tistory.com 61 3.3
NGO bss.or.kr 56 3
Forum cafe.daum.net 51 2.8
Government socialenterprise.go.kr 49 2.7
Total 1078 58.3
Based on 1,078 (58.3%) of 1,849 links to Korean services
32. Table 6: Comments categorized by link type from the six groups of gender and political affiliation
What makes Korean users hyperlink to?
Category Information Network Identity/image Audience Message Spam
provision building building sharing amplification
Opposition 1 20 0 0 11 9
Female
Opposition 3 4 1 1 13 8
Male
Opposition 0 11 1 0 14 2
Unknown
Ruling 1 6 0 0 29 3
Female
Ruling 1 5 0 0 23 7
Male
Ruling 0 12 0 1 16 3
Unknown
Total 6 58 2 2 106 32
% 3% 28% 1% 1% 51% 16%
Based on 206 comments agreed on by both coders from the initial set of 300
33. Sentiment of Korean users to link
candlelight protest
suicide of e
x-president
Roh
34. 우호적 방문자 VS 적대적 방문자
Positive comments Negative comments
• 안녕하세요^^ 힘내시고요. 화이팅!! • XX야! 쌍판 내밀지 마라! 토나온다
• 존경해요!!!!!!!!!!! • 역겨워..
• 의원님 너무 멋지십니다 ^^ • 창피한 줄 아세요
• 멋지십니다!! 최고!!^^ • 대가리 먹물깨나 든거 같은데 헛지랄
• 사랑하는 의원님! 오늘하루도 힘내세 했구나
요! • 그대가 짱먹으세요 빈정대기짱 말꼬
• 응원합니다. ^0^ 리잡기짱
• 힘내세요 당신을 믿습니다.^^ • 우즈 플리즈!닥쳐줄래??? 실실 쪼개
• 당선 축하드립니다^^ 정말 멋지신 분! 지도 말고 가만있어!
• 감사합니다.사랑합니다♡ • 니들은 짖어라 그거군 ㅋㅋㅋㅋ 인간
• 쏘핫.. 머싯쓰세영ㅋ 저흰일촌..♡ ㅋ 부터 되시오 X양!
ㅋ • 그저 웃긴다 참나
35. ▶ 사이버공간에 접속한 이후에 디지털 매체 사용자의 표현방식
*Occurred at least 15 times among the Top politicians
male
female
positive
center
Dept. of Media & Communication, YeungNamUniversity negative
37. Politicians‟ facial expressions were categorized in
one of following three groups:
No-expression Smiling Frowning
WCU
WEBOMETRICS
INSTITUTE
INVESTIGATING INTERNET-BASED POLITIC WITH E-RESEARCH TO
OLS
38. Conclusions(1)
Types Frowning No-expression Smiling Sum
Frequency 154 471 1,254 1,879
(Percent) (8.20) (25.07) (66.74) (100.00)
• A smiling image is the most prevalent facial
expression on Web pages of South Korean
politicians regardless of distribution of their
socio-political-demographic attributes.
WCU
WEBOMETRICS
INSTITUTE
INVESTIGATING INTERNET-BASED POLITIC WITH E-RESEARCH TO
OLS
39. 흥미로운 연구결과
웃는 얼굴이 많은 국회의원은 네이버
검색결과에서 더 자주 노출됨: 가시성 높음
야당의원이 찡그린/무표정 상대적으로 많음
여당의원들은 웃는 표정이 상대적으로 많음
다선 의원일수록 더 많이 웃고 있음
다선은 동일 연령대보다 더 자주 웃고 있음
서울 및 수도권 의원들이 더 자주 웃음
40. 윌리엄 깁슨 Zero History(2010)에서 트위터
Wired.com: How about Twitter? More than most authors
I‟ve checked out, your tweet-happy avatar @GreatDismal
seems to be most comfortable messaging and cool-
hunting on the service. And in the novel, Twitter‟s
consistently used as a communication and parenting
device, depending on the spook.
Gibson: Well, I discovered Twitter while I was writing the
novel, and I immediately saw its odd potential for being a
tiny, private darknet that no one else can access. I‟m
always interested in the spooky repurposing of everyday
things. After a few days on Twitter, what was most
evident to me is that, if you set it up right, it‟s probably
the most powerful novelty aggregator that has ever
existed. Zero History, 2010
41.
42.
43.
44. trendseek.co.kr
각 대권후보 관련 단어의 긍정성/부정성
한달 동안 해당 주제어와 관련되어 나온 단어들 (5/11~6/8)
√
박근혜 정몽준 오세훈
√
김문수 이재오
45. trendseek.co.kr
각 대권후보 관련 단어의 긍정성/부정성
한달 동안 해당 주제어와 관련되어 나온 단어들 (5/11~6/8)
손학규 정동영 정세균
유시민 • 한나라당 후보들이 모두 부정적 단어의 빈도가 더 높
은 반면 야권 후보들의 경우 부정적 단어의 빈도가
더 낮음.
• 이는 상대적으로 주류 미디어 장악력이 낮은 야권이
트위터와 같은 인터넷 미디어를 대체 미디어로 활용
할 수 있음을 확인시켜 줌 (평등화 효과 기대).
• 하지만 이를 통해 지지세력을 더 확대할 수 있을지는
미지수
• 주류 미디어와 비교해서 약점일 수 있는 점
• 재강화 효과 발생 가능성
46. 마이크로블로깅과 Veiwertarit 출현
트위터에서는 서울시장
후보자 토론회와 관련된 내
용이 가장 많이 등장, 의견
교류
미투데이에서는 토론회
자체보다 서울시장에 대한
내용이 더 많이 다뤄짐.
트위터와 미투데이상에 등장한 단어의 빈도분석 네트워크(NodeXL사용)
49. 서울시장 보궐선거 페이스북 단어쌍 변화
Oct 1. 2011 Oct 6. 2011 Oct 11. 2011 Oct 16. 2011 Oct 21. 2011 Oct 26. 2011
ID NR WORD WORD NR WORD NR WORD NR WORD NR WORD NR WORD
1 23서울시장 후보 17서울시장 후보 45서울시장 후보 25서울시장 후보 31서울시장 후보 36서울시장 후보
2 18오세훈 서울시장 16서울시장 보궐선거 21한나라당 서울시장 22서울시장 선거 24서울시장 보궐선거 27서울시장 선거
3 16서울시장 보궐선거 11서울시장 선거 19서울시장 보궐선거 21서울시장 보궐선거 24박원순 서울시장 26서울시장 보궐선거
4 16서울시장 출마 11박원순 변호사 15서울시장 선거 20국회 의원 19서울시장 선거 25나경원 후보
5 10서울시장 선거 10서울시장 출마 15박원순 서울시장 19박원순 서울시장 14박원순 후보 22박원순 서울시장
6 10민주당 서울시장 10오세훈 서울시장 13박원순 후보 18의원 서울시장 14의원 서울시장 21박원순 후보
7 9오세훈 시장 9박원순 서울시장 13서울시장 출마 17한나라당 서울시장 12한나라당 서울시장 14나경원 서울시장
8 8박원순 변호사 9서울시장 경선 13한나라당 후보 12박원순 후보 11서울 시장 14서울 시장
9 8서울시장 예비후보 8무상급식 주민투표 12나경원 후보 12민주당 의원 10나경원 후보 13한나라당 서울시장
10 7서울 시장 8서울시장 야권 11후보 박원순 12서울시장 대변인 10국회 의원 11한나라당 후보
11 7안철수 서울시장 7박원순 후보 11예비 후보 11서울시장 출마 9나경원 서울시장 11서울시장 출마
12 7무상급식 주민투표 7서울 시장 10박원순 변호사 11의원 범야권 9서울시장 출마 10한나라당 나경원
13 7민주당 후보 7한나라당 서울시장 10나경원 서울시장 10박원순 변호사 9서울시장 박원순 8나경원 박원순
14 7서울시장 선출 6서울시장 박원순 9서울 시장 10신지호 의원 8오세훈 서울시장 8안철수 서울
15 6박원순 서울시장 6민주당 서울시장 8신지호 한나라당 10한나라당 의원 7시장 선거 8오세훈 서울시장
16 6의원 서울시장 6안철수 서울시장 8한나라당 나경원 10변호사 민주당 7박원순 변호사 8서울시장 박원순
17 6서울시장 경선 6서울시장 예비후보 8서울시장 예비 10한나라당 국회 7서울시장 예비후보 8의원 서울시장
18 6안철수 교수 6안철수 교수 7서울시장 경선 9서울시장 박원순 7민주당 의원 7이번 선거
19 6 교수 서울시장 6 박영선 의원 7 서울시장 야권 9 국회 서울시장 6 한나라당 후보 6 여론조사 나경원
20 6서울시장 민주당 5한나라당 후보 7오세훈 서울시장 9前 국회 6민주당 서울시장 6서울시장 앞두고
21 6오세훈 사퇴 5민주당 후보 7야권단일 후보 9前 민주당 6이명박 한나라당 6안철수 서울시장
22 6출마 선언 5야권 후보 6서울시장 대변인 9前 의원 6의원 범야권 6민주당 서울시장
23 6후보 선출 5교수 서울시장 6서울시장 박원순 9국회 변호사 5한나라당 나경원 6시장 선거
24 5박영선 의원 5민주당 박영선 6민주당 후보 9국회 송호창 5안철수 서울 5강력한 선거
25 5서울시장 선언 4나경원 후보 6야권 후보 9국회 한나라당 5안철수 서울시장 5선거 한나라당
50. 선거와 소셜텔레비전:
트위터, 페이스북, 블로그에 나타난 서울 시장
보궐선거 토론회
70 KBS
60
MBC
50 YTN
SBS
페이스북 포스팅수
40
KBS MBC SBS
(중앙선거관리위원회 주최)
30
20
10
0
n=228
페이스북 빈도
53. Cross-Cultural Analysis of
Beehive Status Messages within IBM
Users in high power
distance may use the
status messages
more for indicating
general career
interests and
skills, rather than
time-based updates
of what one is doing
or how one is feeling
57. Information Sharing (IS) : 정보나누기
Self Promotion (SP): 자기홍보
Opinions/Complaints (OC):의견/불평
Statements and Random Thoughts (RT):
무작위적인 생각들
Me now (ME)
:현재자신의 하고있는 일이나 감정장소말하기
Question to followers (QF):
자기팔로워에게 질문하기
Presence Maintenance (PM) :
Twitter에서의 현재상태 말하기
Anecdote (me) (AM) :자기일화말하기
Anecdote (others) (AO) :타인의일화말하기
58. 0.35
0.30
Proportion of all
0.25
Messages
0.20
Korea
0.15
Japan
0.10
0.05
0.00
IS SP OC RT ME QF PM AM AO
59. Message category frequency
0.45
0.4
Proportion of all
0.35
Messages
0.3
0.25
Korea
0.2
Japan
0.15
US
0.1
0.05
0
IS SP OC RT ME QF PM AM AO
60. The result of Content analysis of
Korean and Russian Tweets
50
38.2 38.4
40
34
30 25.1
20.1 Korea
20 Russia
14.8
11.0
10 4.9 4.8
2.8
0.6 0.5 1.5 0.3 1 1.3 0.2 0.4
0
IS SP OC RT ME QF PM AM AO
61. Type of Tweets during Japanese Earthquake (Mar 11 to 13 2011)
IF : Information-related
OP: Opinion-related 31.9
TM: Technology/Media related
EM: Emotion-related
Last
AC: Action-related
Middle2
PE: Personal information 25.5 34.6
Middle1
Beginning
18.1 23.1
5.3 25.3
14.1 12.8 26.0
13.8 16.0
16.7 5.3 34.7
10.3 23.8 19.8
5.1
12.9 9.3 6.7
4.0 5.0
IF OP TM EM AC PE
IF
IF OP TM EM AC PE
62. 연구 내용: 일본 사회의 자기인식과 타자인식
연구 방법: 집단심상에 대한 웹보메트릭스연구
63. 표정학습 및 인식:
언덕위의 구름에 대한 적용
검출된 검출된
Positive 표정 Non-Positive 표정
64. 언덕위의 구름에 전체에 대한 분석: 매회에서 긍정 표
정의 분포율
청
년
유시
년절 전
시 쟁
절 청
일 승
전 리
쟁 후 영 러
국 일
동 전
맹 쟁
65. 제5화 전체 음성 파일 분석 결과
민비시해사건 미국 무도회 나이아가라폭포
소개(놀람) 관광(놀람)
청일전 승리 얘기
미국 방문
나레이션 많음.
65
66. 소셜미디어의 확산, 조사분석의 실제와 사례
WCU
WEBOMETRICS
INSTITUTE
INVESTIGATING INTERNET-BASED POLITIC WITH E-RESEARCH TO
OLS
Hinweis der Redaktion
프로파일 사진. 자기가 분명히 드러나는 사진은 미국애들이 더 많이 사용. 위 그래프에는 없지만 한국애들의69%가 제3의 사진 활용. 다음 두개 슬라이드는 미국 페이스북(58명 중 일부), 한국 싸이월드(92명 중 일부) 프로파일 사진 모은 것 (설문참가자들 중 프로파일내용분석 허가한 사람들 중 일부의 사진들임)이 사진들은 2009년 가을 (10월?)에 수집한 것임.