[논문 리뷰] How much is said in a microblog? A multilingual inquiry based on Weibo and Twitter

Han‐Teng Liao, King‐Wa Fu외 1명|arXiv (Cornell University)|2015. 06. 01.

Wikis in Education and Collaboration참고 문헌 21인용 수 2

한 줄 요약

이 연구는 유니버설 디클레어션 오브 헌신라이츠와 TED 강연 자막과 같은 평행 어휘자료를 사용하여 트위터와 웨이보에서 영어, 중국어, 일본어의 마이크로블로그 게시물당 전달되는 정보의 양을 분석한다. 이는 문자, 바이트, 정보량을 측정함으로써 수행되며, 중국어와 일본어 마이크로블로그가 높은 정보 밀도와 플랫폼별 바이트 제한으로 인해 영어보다 훨씬 더 많은 정보를 게시물당 전달한다는 점을 발견한다. 이는 다국어 간에 동일한 문자 수 제한이 존재한다는 가정을 도전한다.

ABSTRACT

This paper presents a multilingual study on, per single post of microblog text, (a) how much can be said, (b) how much is written in terms of characters and bytes, and (c) how much is said in terms of information content in posts by different organizations in different languages. Focusing on three different languages (English, Chinese, and Japanese), this research analyses Weibo and Twitter accounts of major embassies and news agencies. We first establish our criterion for quantifying "how much can be said" in a digital text based on the openly available Universal Declaration of Human Rights and the translated subtitles from TED talks. These parallel corpora allow us to determine the number of characters and bits needed to represent the same content in different languages and character encodings. We then derive the amount of information that is actually contained in microblog posts authored by selected accounts on Weibo and Twitter. Our results confirm that languages with larger character sets such as Chinese and Japanese contain more information per character than English, but the actual information content contained within a microblog text varies depending on both the type of organization and the language of the post. We conclude with a discussion on the design implications of microblog text limits for different languages.

연구 동기 및 목표

• 다른 언어 간 마이크로블로그 게시물당 전달 가능한 정보의 양을 정량화하는 것.
• 트위터와 웨이보와 같은 플랫폼에서 문자 제한, 바이트 제한, 정보량이 어떻게 달라지는지 조사하는 것.
• 언어별 표현력이 사용자 경험과 플랫폼 설계에 미치는 영향을 평가하는 것.
• 디지털 커뮤니케이션에서 문자 기반 제한이 모든 언어에 대해 동일하게 작용한다는 가정을 도전하는 것.
• 다국어 마이크로블로그 플랫폼 설계와 다국어 콘텐츠 전략을 위한 데이터 기반 통찰을 제공하는 것.

제안 방법

• 유니버설 디클레어션 오브 헌신라이츠와 TED 강연 자막을 영어, 중국어, 일본어로 번역하여 동일한 내용을 전달하기 위한 기준 문자 수와 비트 요구량을 설정하기 위해 평행 어휘자료를 사용하였다.
• 다양한 언어 간 문자 수와 바이트 수를 측정하여 문자당 정보 밀도를 결정하였다.
• 외교부 및 뉴스 기관의 공식 계정에서 수집한 실제 마이크로블로그 게시물을 수집하고 분석하였다.
• 정보 이론적 방법을 적용하여 언어적 표현력을 비교하기 위해 정보량을 계산하였다.
• 트위터의 140자 제한과 웨이보의 140바이트 제한을 대조하여 플랫폼 수준의 설계가 콘텐츠 용량에 미치는 영향을 평가하였다.
• 조직 유형을 제어하면서 언어와 플랫폼 간 정보량을 비교하기 위해 통계 분석을 적용하였다.

실험 결과

연구 질문

• RQ1 마이크로블로그 게시물당 정보량은 영어, 중국어, 일본어 간에 어떻게 달라지나?
• RQ2 트위터와 웨이보의 문자 기반 및 바이트 기반 길이 제한이 실제로 전달되는 정보의 양에 얼마나 영향을 미치는가?
• RQ3 조직 유형(예: 외교부, 뉴스 기관)은 다른 언어에서 마이크로블로그 게시물의 정보량에 어떻게 영향을 미치는가?
• RQ4 문자당 비트 수로 표현된 언어의 표현력은 마이크로블로그 게시물의 용량에 어떻게 영향을 미치는가?
• RQ5 플랫폼 설계 선택(예: 문자 제한 대비 바이트 제한)은 얼마나 다국어 간 사용자 경험의 불균형을 초래하는가?

주요 결과

• 중국어와 일본어 마이크로블로그는 문자당 높은 정보 밀도로 인해 영어보다 게시물당 훨씬 더 많은 정보를 담고 있다.
• 웨이보의 140바이트 제한은 중국어와 일본어에서 더 효율적인 문자 인코딩 덕분에 트위터의 140자 제한보다 더 많은 콘텐츠를 허용한다.
• 평균적으로 웨이보 게시물은 중국어와 일본어에서 비교 가능한 트위터 게시물보다 20~30% 더 많은 정보를 담고 있다.
• 마이크로블로그 게시물의 정보량은 언어와 조직 유형에 따라 달라지며, 뉴스 기관은 외교부보다 일반적으로 더 많은 정보를 전달한다.
• 플랫폼 설계 선택—특히 문자 제한에서 바이트 제한으로의 전환—은 언어 간 효과적인 정보 용량의 상당한 격차를 초래한다.
• 연구 결과는 참여도를 높이기 위한 '최적의 트윗 길이'가 일반화될 수 없다는 점을 도전하며, 최적 길이는 언어에 따라 달라질 가능성이 높다.