earticle

영어

This study applies Network Agenda-Setting theory to examine the structural characteristics and temporal evolution of artificial intelligence discourse on YouTube. A total of 29,697 related videos published between 2018 and the third quarter of 2025 were collected, and a graph neural network-based hierarchical heterogeneous graph transformer model was employed to analyze the relative influence of semantic similarity, structural co-occurrence, and producer context. The results indicate that producer context, represented by YouTube channels, exerts the strongest influence on agenda formation, with legacy media such as YTN functioning as hubs within the agenda network. The discourse structure exhibits hierarchical connectivity through which macro-level agendas diffuse into micro-level everyday agendas, and a temporally stable ecosystem was confirmed, characterized by cumulative evolution across three phases of anticipation, innovation, and normalization. This study contributes by identifying the agenda-setting structure within a digital platform environment and empirically demonstrating that the gatekeeping function of legacy media remains effective in digital platform-based contexts. It additionally advances convergent research methodology by illustrating the analytical utility of graph neural network approaches in discourse analysis.

한국어

이 연구는 네트워크 의제설정이론을 기반으로 유튜브 내 인공지능 담론의 구조적 특성과 변화 양상을 파악한다. 2018년부터 2025년 3분기까지 게시된 관련 영상 29,697건을 수집하고, 그래프 신경망 기반 계층적 이질 그래프 트랜스포머 모델을 활용하여 의미적 유사성, 구조적 공출현, 생산자 맥락의 상대적 영향력을 분석했다. 분석 결과, 생산자 맥락인 채널이 의제 형성에 가장 큰 영향을 미쳤으며, YTN 등 레거시 미디어가 의제 네트워크 허브로 기능했다. 담론 구조는 거시 의제에서 미시 생활 의제로 확산하는 계층적 연결성을 보였고, 시계열적으로는 전망, 혁신, 일상화로 누적 진화하는 안정적 생태계를 확인했다. 이 연구는 디지털 플랫폼 내 의제설정 구조를 규명하고, 레거시 미디어의 게이트키핑 기능이 디지털 플랫폼 환경에 서도 유효함을 실증했다. 더불어, 그래프 신경망 접근을 담론 분석에 적용하여 융합 연구 방법론의 효용성을 입증했다는 데 의의가 있다.