A Study on Emotional Labor Using SNS Data

Abstract

Background: As the domestic industrial structure was reorganized into the service industry, emotional laborers increased rapidly. Increased emotional labor tend to affect an individual's overall emotional state, leading to emotional disorders such as depression, suicidal thoughts, and adaptive disorders. Thus, understanding the mood of emotional laborers and analyzing related factors can be the basis for proper mediation and footwork. People in the digital age use SNS to express their opinions, record their feelings, and share information. SNS data are of public access and thus useful sources of information about the mood of people. Based on that, the purpose of this study is to identify factors related to emotional labor and to derive emotional state using SNS data.

Methods: With Instagram data from March 2015 to February 2019, 3,332 posts with hashtag emotional labor which passed all exclusion criteria were identified. We removed the meaningless stopwords such as prepositions and conjunctions, and figured out words that appeared frequently with emotional labor to identify keywords. Each post was classified by role, season, time, and image characteristics, and frequency analysis was conducted. When classifying roles, the words representing the same role were selected as synonyms and included in the same class. The posts were categorized by the top ten roles that appeared most. Seasons and times were classified based on the posting time. Seasons were divided into four seasons: spring, summer, autumn, and winter, and time was divided into morning, day, evening, and night. In order to classify the image characteristics, 500 images were pre-classified, and image classification of our data was performed based on the top six classes with high frequency. Sentiment analysis was conducted using the contexts of the post to find the mood, and the average sentiment score for each category was examined. A linear regression analysis was conducted to confirm the relationship between role, season, time, image characteristics and sentiment scores.

Results: As a result of analyzing the top 20 keywords among 68,363 related words that appeared frequently with emotional labor, the number of words related to roles was the most, followed by time and emotion related words. The percentage of posts that could infer housewives was the highest, and significantly fewer posts uploaded in the evening. Negative posts accounted for more than half (61%), with an total average sentiment score of –0.115. Posts representing service jobs, uploaded in the fall or at night, and with captioned photo showed significantly positive sentiment scores compared to the average.

Conclusion: The results of the analyzing hashtag emotional labor using SNS data support the previous research results, and also enable the analysis of people and factors not included in the national statistics. We attempted a new health approach that analyze the association of quantified mood with various factors. SNS data sources offer opportunities for monitoring public mood in general, beyond the specific application to emotional labor. In addition, this approach could be applied to other health topics in the country.

연구 목적: 국내 산업구조가 서비스 산업으로 재편됨에 따라 감정노동자들이 급속하게 증가하였다. 국내 근로자들의 감정노동으로 인한 피해 사례가 SNS(Social Network Service, 사회 관계망 서비스)를 통해 빠르게 확산되어 사회적 쟁점이 되고 있다. 감정노동의 증가는 개인의 전반적 정서 상태에 영향을 미쳐 우울증, 자살 충동, 적응 장애와 같은 정서 장애를 유발할 수 있다. 따라서 감정노동자들의 정서 상태를 파악하고 관련 요인을 분석하는 것은 적절한 중재 및 대응을 위한 기반이 될 수 있다. 디지털 시대 수용자들은 SNS를 통해 의견을 표출하고 감정을 기록하며 정보를 공유하기에 SNS는 사용자의 감정 및 정서 상태를 파악할 수 있는 유용한 정보의 원천이다. 본 연구는 감정노동과 관련된 SNS 데이터를 활용하여 감정노동과 관련이 있는 요인들을 파악하고 정서 상태를 도출하는 데 목적을 갖는다.

연구 방법: 본 연구는 2015년 3월부터 2019년 2월까지의 해시태그 감정노동이 포함된 인스타그램 데이터 중 모든 제외 기준을 통과한 3,332개의 게시물을 이용하였다. 감정노동과 관련된 요인들을 파악하기 위하여 4년 동안 감정노동과 함께 자주 등장한 단어를 분석하였다. 이를 위하여 관사, 전치사, 조사, 접속사 등의 불용어를 제거한 후 유의미한 단어들로 분석을 진행하였다. 인스타그램을 통해 추출한 텍스트, 게시 시간, 이미지를 바탕으로 각 게시물을 역할, 계절, 시간, 이미지 특성으로 분류하여 빈도분석을 시행하였다. 역할 분류 시 같은 역할을 나타내는 단어는 동의어로 선정하여 대표 역할에 포함하였다. 가장 많이 등장하는 상위 10개의 역할을 선정하였으며 나머지 게시물 중 직장이 있는 것을 유추할 수 있는 게시물은 직장인으로 포함했다. 계절 및 시간은 게시물이 게시된 시간을 기준으로 분류하였으며 계절은 봄, 여름, 가을, 겨울의 사계절로 구분하였고 시간은 하루 중 아침, 낮, 저녁, 밤 시간대로 구분하여 분류하였다. 이미지 특성을 분류하기 위해 500개의 게시물을 미리 분류해보았고, 빈도가 많은 상위 6개의 기준으로 전체 데이터의 이미지 분류를 시행하였다. 정서 상태를 도출하기 위하여 게시물의 텍스트를 활용하여 감성 분석을 하였으며 각 분류별 평균 감성 점수를 살펴보았다. 게시물에서 도출한 역할, 계절, 시간, 이미지 특성과 감성 점수와의 연관성을 확인하기 위하여 회귀분석을 실시하였다.

연구 결과: 감정노동과 함께 자주 등장한 68,363개의 연관어 중 상위 20개의 키워드를 분석한 결과 역할과 관련된 단어가 6개로 가장 많았고, 시간 관련 단어 및 감정 관련 단어가 각각 5개씩 나타났다. 주부의 비율이 가장 높았으며 사계절은 각각 비슷한 비율을 보였고 저녁 시간 때 게시된 게시물의 비율이 낮았다. 전체 게시물 중 부정적 상태를 보이는 게시물이 61%로 반 이상을 차지했으며 감성 점수의 평균은 –0.115로 나타났다. 역할 중 서비스직, 계절 중 가을, 시간 중 밤 그리고 텍스트를 포함한 이미지 분류에 해당하는 게시물이 유의미하게 긍정적인 감성 점수를 보였다.

결론: SNS 데이터를 활용하여 감정노동에 대해 분석한 결과는 기존 연구 결과를 뒷받침하며, 동시에 국가 통계에 포함되지 않는 범주 및 특성들에 대한 분석을 가능하게 함으로써 감정노동과 관련된 현실적이고 새로운 측면을 확인하였다. 아울러, 정서 상태의 수치화를 통해 여러 특성과의 연관성을 분석하는 새로운 보건학적 접근법을 제시했다. 이러한 방법론은 향후 다른 보건학적 주제에 대한 관련 요소 및 특성을 파악하여 적절한 중재와 대응을 하는데 적용될 수 있을 것이다.