지난달 6일 미국 미네소타주 미니애폴리스에서 열린 데이터저널리즘 콘퍼런스 NICAR에서 참가자들이 강연을 듣고 있다.



미 탐사보도협회 주최 ‘NICAR’
지난달 미네소타서 기술 공유의 장


학술연구 등 쓰이는 ‘웹 스크래핑’
국민참여 토론 댓글 분석 등 활용
데이터 시각화 도구 익힐 기회 유익


참가자들 “새 기술 쓸 생각에 기대”
기사 작성 과정 등 고충에도 공감대



증권거래수수료

지난달 6일 미국 미네소타주 미니애폴리스에서 열린 데이터저널리즘 콘퍼런스 NICAR의 체크인 리셉션이 진행되고 있다(왼쪽 사진). 데이터저널리즘 콘퍼런스 NICAR의 네트워크 세션에 참가한 사람들이 이야기를 나누고 있다.인공지능(AI)은 이제 데이터 기반 취재·보도에도 없어서는 안 될 도구가 됐다. 지난달 6일부터 나흘간 미국 미황금성오락실
네소타주 미니애폴리스에서 열린 데이터저널리즘 콘퍼런스 행사 NICAR(National Institute for Computer-Assisted Reporting)에서도 AI를 이용한 데이터 분석과 보도 사례가 눈길을 끌었다.
미국 탐사보도협회(IRE)가 주최하는 NICAR은 미 전역에서 모인 데이터 저널리스트들이 자신들의 데이터 수집 및 서울신용평가 주식
분석 기술을 공유하는 자리로 매년 3월 개최된다. 올해는 눈이 정강이까지 쌓이는 궂은 날씨에도 미국뿐 아니라 전 세계에서 온 저널리스트와 학자, 학생 등 930여명이 참가했다.



Supervision 라이브러리를 이용해 서울 정동사거리의 CCTV 영상을 분석한 모습. 조너선 손오공
소마 컬럼비아대 교수가 제공한 코드에 서울시 교통정보시스템 영상을 입력해 만들었다.


TV토론 영상·CCTV 교통량도 AI로 분석
조너선 소마 컬럼비아대 저널리즘스쿨 교수는 ‘AI를 이용한 사진과 영상 분석’이라는 발표를 진행했다. 자리가 없어서 일부 청중은 바닥에 앉아 들어야 할 대동전자 주식
정도로 인기가 있었다. 소마 교수는 지난 미국 대선 당시 조 바이든, 도널드 트럼프 후보의 TV토론에서 어느 후보가 더 많은 단독 샷을 받았는지 알아보기 위한 영상 분석에 AI를 활용했다.
소마 교수는 강연에서 구글 코랩(웹에서 코드를 실행할 수 있게 도와주는 도구)을 열고 구글의 생성형 AI 모델 제미나이(Gemini)를 호출하는 코드를 띄웠다. 여기에 영상을 입력하고 ‘바이든과 트럼프가 화면에 혼자 등장하는 시간을 초 단위로 계산해달라’는 프롬프트를 전달하자 바이든 23초, 트럼프 20초라는 결과가 출력됐다. 소마 교수는 유료 플랜을 사용했지만, 무료로도 제한적인 사용이 가능했다. 그는 “이 모델은 초 단위 계산이 정확하지 않을 수 있다”며 “이후에 팩트체크를 할 예정”이라고 말했다.
소마 교수는 이어서 블룸버그가 보도한 ‘뉴욕의 혼잡통행료는 효과 있었나?’에 사용된 영상 분석 방식을 소개했다. 이 기사는 뉴욕시에서 혼잡통행료를 부과하기 전과 후의 차량 통행량을 비교하기 위해 AI를 사용했다. 뉴욕 거리의 폐쇄회로(CC)TV 영상을 AI 모델로 분석해 버스, 택시, 자가용 등 차량의 종류를 구분한 뒤 각각의 교통량을 계산했고, 이를 통해 통행료 부과 이후 자가용 교통량이 감소한 것을 확인했다.
차량의 종류를 탐지하고 추적하는 데에는 ‘Supervision’이라는 라이브러리(프로그램의 모음)를 사용했다. 소마 교수가 제공한 코드와 Supervision 라이브러리를 사용해 실제 경향신문사 부근에 있는 서울 정동사거리의 CCTV 영상을 분석해봤다. 영상은 서울시 교통정보시스템(TOPIS)에서 제공하는 것을 캡처해 사용했다. 그 결과 대체로 정확한 결과가 나오는 것을 확인할 수 있었다. 화면의 차량마다 붙은 태그에서 #의 숫자는 차량이 등장한 순서, 가운데는 차량 분류, 오른쪽의 소수점은 차량 분류의 신뢰도를 나타낸다. 1에 가까울수록 신뢰도가 높다.



지난달 6일 미국 미네소타주 미니애폴리스에서 열린 데이터저널리즘 콘퍼런스 NICAR의 체크인 리셉션이 진행되고 있다.


즉석에서 공공 데이터 검색 챗봇을 만들다
애틀랜타 저널-컨스티튜션의 찰스 민슈 에디터가 진행한 ‘공공 데이터를 찾는 자신만의 챗봇 만들기’ 발표에서는 챗GPT를 사용해 개인화된 챗봇을 만드는 방법을 공유했다. 이를 통해 복잡한 공공 데이터를 좀 더 쉽게 탐색할 수 있다. 챗GPT에서 ‘GPT 탐색’을 선택한 뒤 ‘만들기’ 버튼을 누르면 챗봇을 제작할 수 있는 창이 나온다. 여기에 지시사항과 응답의 기반이 되는 공공 데이터 파일을 올리면 손쉽게 챗봇을 제작할 수 있다.
민슈 에디터는 발표를 진행하면서 미네소타 주정부 데이터에 관한 질문을 하면 답변을 주는 챗봇을 즉석에서 제작했다. 강연을 시작하기 전 미네소타 주정부 기관이 사용하는 기록 목록과 형식 등이 담긴 PDF 파일을 업로드하고 주정부 홈페이지 검색을 우선순위에 두라는 지시문을 입력했더니 30여분 뒤 발표가 끝날 때쯤 ‘미네소타 데이터 고퍼’ 챗봇이 만들어졌다.
민슈 에디터가 “미니애폴리스 경찰국에서 어떤 기록들을 받아볼 수 있을까”라고 챗봇에 질문하자 챗봇은 “사고 데이터, 보디캠 영상, 범죄 통계 등을 받아볼 수 있다”고 답했다. 질문에 대한 피드백을 주는 등 채팅을 주고받으며 챗봇의 정확도를 높이는 방법을 선보이기도 했다. 챗봇을 만들기 위해서는 챗GPT 유료 플랜 결제가 필요하다. 제작된 챗봇을 사용하는 것은 무료 플랜으로도 가능하다.
이외에도 올해 NICAR 콘퍼런스에서는 ‘뉴스룸에서 AI 도구 사용하기’ ‘AI 스타터 팩: 파이선’ 등 AI 관련 발표가 26개나 진행됐다. 다른 분야와 마찬가지로 데이터저널리즘에서도 AI의 역할이 얼마나 중요해졌는지를 실감할 수 있었다.
소마 교수의 ‘뉴스룸에서 AI 도구 사용하기’ 세션에서는 뉴스룸에서 사용할 수 있는 AI 기술을 소개했다. 프로퍼블리카의 개발자 브랜든 로버츠가 진행한 ‘AI 스타터 팩: 파이선’에서는 거대언어모델(LLM)을 개인용 컴퓨터에서 실행할 수 있게 도와주는 도구인 ‘올라마’의 사용법을 공유했다. 참가자들은 다양한 언어 모델을 제공하는 허깅페이스에서 직접 AI 모델을 내려받은 뒤 실행해보는 시간을 가졌다.



데이터저널리즘 콘퍼런스 NICAR의 네트워크 세션에 참가한 사람들이 이야기를 나누고 있다.


더욱 강력한 데이터 수집 방법 제시
웹페이지의 데이터를 추출하는 웹 스크래핑 기법은 데이터저널리즘뿐만 아니라 학술 연구 등에도 널리 쓰이는 기법이다. 경향신문 데이터저널리즘팀에서도 ‘대통령실 국민참여 토론 댓글 분석’에 활용했다.
그러나 정적인 웹페이지와 달리 엑스, 인스타그램 등 소셜미디어의 웹페이지는 스크롤을 내리면 새로운 콘텐츠가 나타나는 방식이어서 스크래핑이 쉽지 않다. 블룸버그의 데이터저널리스트 레온 옌과 노스이스턴대 연구원 피터 사피예진스키는 ‘문서화되지 않은 API를 찾고 사용하기’ 발표에서 이런 문제를 우회해서 해결하는 방법을 소개했다.
이들은 스크롤을 내렸을 때 웹페이지가 새로운 콘텐츠를 불러오는 응용 프로그램 인터페이스(API)를 찾아낸 뒤 직접 데이터를 호출했다. API는 프로그램이나 컴퓨터 사이에서 정보를 호출받고 제공하는 방식이나 도구를 뜻한다. 두 사람은 전자상거래 사이트 아마존에서 추천 상품을 긁어오는 작업을 직접 시연해 보였다.
PDF 문서는 대규모의 데이터를 다루는 데이터저널리스트들이 부딪히는 벽 중 하나다. 사람이 읽기는 쉽지만, 컴퓨터 프로그램이 인식할 수는 없는 형태이기 때문에 규격화된 데이터인 CSV나 JSON 형식으로 바꾸어야 분석할 수 있다. 그러나 PDF에서 내용만을 추출해 규격화된 틀에 담기는 쉽지 않다. PDF에서 데이터를 추출하는 프로그램이 필요한 이유다.
뉴욕타임스의 제러미 싱어바인 기자는 ‘pdfplumber를 이용해 복잡한 PDF에서 데이터 추출하기’ 발표에서 pdfplumber라는 라이브러리를 이용해 PDF를 데이터화하는 방법을 소개했다. 그는 “많은 사람들이 AI에 PDF를 넣으면 쉽게 분석해줄 거라 말하지만 AI는 돌릴 때마다 약간씩 다른 결과를 출력할 수 있다”며 “pdfplumber를 사용하면 당신이 어떻게 PDF를 데이터화하는지 파악할 수 있을 뿐만 아니라 매번 같은 결과를 얻을 수도 있다”고 말했다.
손쉽게 할 수 있는 데이터 시각화 도구
데이터 시각화 방법을 공유하는 발표도 인기를 끌었다. CBS의 테일러 존스턴, 그레이스 맨시 비주얼데이터 기자는 Datawrapper를 이용해 그래프 만드는 방법을 소개했다. Datawrapper는 데이터를 입력하면 다양한 그래프를 그려주는 웹사이트 도구다.
강연자들이 제공한 미국 주별로 인기 있는 여자 아기 이름에 대한 데이터를 입력한 뒤, 색상표를 고르고 약간의 코드를 입력하니 30분 만에 간단한 통계 지도를 만들 수 있었다. 무료 플랜을 사용하면 만들어지는 그래프에 Datawrapper 워터마크가 남고, 완성본은 PNG 형식의 파일과 웹페이지에 삽입하는 형태로만 추출할 수 있다. 유료 플랜으로는 제공하는 모든 기능을 사용할 수 있다.
미국 언론에서는 위성사진 활용도 활발하다. 월스트리트저널의 ‘새해 첫날의 작은 화재가 LA 화재에 미친 영향’이나 로이터의 ‘가자지구 피해 규모’ 등 많은 기사에서 위성사진을 사용하고 있다. 워싱턴포스트 그래픽기자인 대니얼 울프 등 4명의 강연자가 진행한 ‘고화질의 위성사진 무료로 받기’ 발표에서는 다양한 기사에 사용할 수 있는 위성사진을 무료로 내려받는 방법을 소개했다.
위성사진은 해당 사진을 가진 회사나 전문가에게 e메일을 보내 요청할 수도 있지만, 직접 사진을 내려받을 수도 있다. 코페르니쿠스는 위성사진을 받을 때 보편적으로 많이 사용하는 사이트다. 무료로 사용할 수 있지만 회원 가입을 하면 더 다양한 이미지를 받아볼 수 있다. 널리 알려진 구글의 위성사진 서비스 구글 어스를 이용해도 되는데, 애플리케이션을 내려받아 사용하면 더욱 편리하다.
‘데이터저널리스트’의 기쁨과 슬픔
콘퍼런스 둘째 날인 지난 7일에는 강연자들이 순서대로 나와 5분씩 발표하는 ‘라이트닝 토크’ 세션이 진행됐다. 데이터를 주제로 한 다양한 이야기들이 오갔는데, 기자들이 기사를 쓸 때 정보 출처의 다양성이 지켜지고 있는지에 관한 발표가 많은 공감을 얻었다. 한 참가자는 코로나19 사태 당시 관련 기사의 취재원 성별을 분석했을 때 여성은 5명 중 1명에 불과했다는 통계를 제시하며 취재원이 더욱 다양해질 필요가 있다고 말했다.
진지하기만 한 것은 아니었다. 뉴욕에서 온 워싱턴포스트 소속 울프는 자녀들의 사진과 일상을 계산한 결과를 발표했다. 첫째를 찍은 사진이 둘째 사진의 약 2배였다는 선그래프를 보여주며 참가자들의 웃음을 자아냈다. 참가자끼리 어울리는 네트워킹 시간도 준비돼 있었다. NICAR에 처음 온 참가자를 위한 네트워킹, 학생 네트워킹, 다국적 참가자를 위한 네트워킹 등 다양한 자리가 있었다.
팟캐스트 매체 ‘리빌’의 탐사보도 에디터 케이트 호워드와 비영리 언론 ‘위스콘신 워치’의 기자 쿠슈부 라타오레가 진행한 여성을 위한 네트워킹 세션은 데이터저널리즘과 탐사저널리즘에서 여성이 겪는 어려움과 도전에 관해 이야기했다. “여성 차별적인 취재원을 어떻게 상대하냐”는 질문은 비슷한 경험이 있는 참가자들의 호응을 받았다. 한 참가자는 “뉴스룸 안에서 동료를 찾고 도움을 구해야 한다”는 조언을 했다.
참가자는 학생부터 현직 저널리스트까지 다양했다. 컬럼비아대 학생인 라이언 산토스는 “데이터 분석과 수집을 위한 새로운 프로그래밍 방식과 정부에 자료를 요청하는 절차에 대해 배우고 싶어 왔다”며 “여러 나라에서 온 기자들과 만나고 많은 것을 배워 보람 있는 경험”이라고 말했다.
일본 아사히신문의 료마 고미야마 기자는 “데이터저널리즘을 위한 기술, 특히 AI 기술을 접하고 싶어서 왔는데 ‘뉴스룸에서 AI 도구 사용하기’라는 AI 기술에 관한 좋은 세션이 있었다”며 “돌아가서 세션에서 알게 된 내용을 사용해볼 것”이라고 말했다.
※이 기사는 한국언론진흥재단의 지원을 받아 작성됐습니다.
미니애폴리스