[논문 리뷰] Machine Learning of Public Sentiments toward Wind Energy in Norway

Oskar Vågerö, Anders Bråte외 4명|arXiv (Cornell University)|2023. 04. 05.

Social Acceptance of Renewable Energy참고 문헌 33인용 수 4

한 줄 요약

이 연구는 노르웨이 BERT 기반 NLP 모델(NorBERT)을 사용하여 2006년에서 2022년 사이에 수집된 68,828개의 지리적 태그가 부착된 트위터 트윗을 바탕으로 노르웨이의 풍력 에너지에 대한 공공 여론을 분석한다. 연구 결과, 부정적 여론이 2020년에 32.5%로 최고조로 상승했으며, 전국적 토론 패턴은 약한 지역 집중성을 보이며, 전통적 설문 조사 연구를 보완할 수 있는 확장 가능한 방법을 제공한다.

ABSTRACT

Across Europe negative public opinion has and may continue to limit the deployment of renewable energy infrastructure required for the transition to net-zero energy systems. Understanding public sentiment and its spatio-temporal variations is as such important for decision-making and socially accepted energy systems. In this study, we apply a sentiment classification model based on a machine learning framework for natural language processing, NorBERT, on data collected from Twitter between 2006 and 2022 to analyse the case of wind power opposition in Norway. From the 68828 tweets with geospatial information, we show how discussions about wind power intensified in 2018/2019 together with a trend of more negative tweets up until 2020, both on a regional level and for Norway as a whole. Furthermore, we find weak geographical clustering in our data, indicating that discussions are country wide and not dominated by specific regional events or developments. Twitter data allows for detailed insight into the temporal nature of public sentiments and extending this research to additional case studies of technologies, countries and sources of data (e.g. newspapers, other social media) may prove important to complement traditional survey research and the understanding of public sentiment.

연구 동기 및 목표

• 노르웨이의 온shore 풍력 에너지에 대한 공공 여론의 시공간적 변화를 이해하기 위해.
• 기존 설문 조사 방법을 초월해 트위터 데이터와 NLP를 활용한 공공 여론 추적의 유용성을 평가하기 위해.
• 에너지 정책 맥락에서 미세조정된 노르웨이 BERT 모델(NorBERT)을 사용한 감성 분류의 실현 가능성과 한계를 평가하기 위해.
• NLP를 통한 감성 추세를 기존 설문 조사 결과와 비교하고, 공공 토론에 영향을 미친 주요 사건을 파악하기 위해.
• 소셜 미디어 데이터가 에너지 전환 정책 및 공공 참여 전략 수립에 어떻게 기여할 수 있는지 탐색하기 위해.

제안 방법

• 노르웨이어 트윗을 대상으로 이진 감성 분류를 위해 노르웨이 BERT 모델(NorBERT)을 미세조정하였다.
• 풍력 에너지 관련 关련 키워드 기반 쿼리를 사용해 2006년에서 2022년까지의 68,828개의 지리적 태그가 부착된 트윗을 수집하였다.
• 텍스트 정제, 정규화, 지리적 관련성 필터링 등의 데이터 전처리 단계를 적용하였다.
• 이진 감성 분류 프레임워크를 사용하여 모델 예측 기반으로 트윗을 '부정적' 또는 '비부정적'으로 레이블링하였다.
• 보류된 테스트 세트에서 F1 스코어 0.88을 사용해 모델 성능을 평가하였다.
• 공간적 및 시간적 분석을 수행하여 감성의 지역적 추세와 시간적 변화를 규명하였다.

실험 결과

연구 질문

• RQ1 2006년에서 2022년 사이에 노르웨이의 풍력 에너지에 대한 공공 여론은 어떻게 변화해 왔는가?
• RQ2 감성의 지리적 분포는 어떠한가? 토론은 어느 정도 지역적으로 집중되어 있거나 전국적 범위로 퍼져 있는가?
• RQ3 트위터 데이터에서 유도된 감성 추세는 기존의 전통적 공공 여론 설문 조사 결과와 어떻게 비교되는가?
• RQ4 특정 사건(예: 시위, 정책 변화 등)이 소셜 미디어에 반영된 공공 여론 형성에 어떤 역할을 하는가?
• RQ5 NLP 기반 트위터 데이터 분석은 에너지 정책 수용에 대한 설문 조사 기반 연구와 얼마나 보완되거나 대조되는가?

주요 결과

• 2018/2019년 이후 트위터에서의 풍력 에너지 논의가 급격히 증가하여 이전 연도 대비 활동 수준이 4배로 증가하였다.
• 풍력 에너지에 대한 부정적 여론은 2020년에 전체 트윗의 32.5%로 최고조를 기록했으며, 연구 기간 동안 가장 높은 비율의 부정적 여론을 보였다.
• 부정적 여론이 증가했음에도 불구하고, 2020년 이후로는 부정성 감소 추세를 보이며 여론 토론이 잠재적으로 안정화되거나 방향 전환되었음을 시사한다.
• 공간 분석 결과, 약한 지리적 군집성이 확인되어 풍력 에너지 논의가 국토 전역에 걸쳐 널리 퍼져 있으며 국지적 사건에 의해 주로 영향을 받지 않는다는 점을 확인하였다.
• 트위터 감성 추세는 2020년 하람소야 시위와 조류 사망 보도 등의 주요 국가적 사건과 일치하여, 이벤트 기반의 감성 변화를 반영하고 있음을 확인하였다.
• 모델은 F1 스코어 0.88을 기록하여, 노르웨이어 텍스트에서 NorBERT를 활용한 이진 감성 분류에 있어 뛰어난 성능을 입증하였다.