livin' seberia

6년 동안 13만km 뛴 기념으로 숫자 분석...

play with data

그러니까 2015년 9월, 대학원 들어오면서 차를 샀는데 (이때 뭐가 많이 겹쳐 있었다. 지방으로 이사도 앞두고 있었고.) 그 차를 탄 지 어언 6년을 채웠고, 차에 던져 둔 주유소 영수증도 치울 겸, 그간 쌓아온 데이터를 입력/정제/분석하는 시간을 가져보기로 했다. (왜냐면 오늘은 주말인데도 불구하고 학교 나왔으니까!) #아_벌써부터_tmi라_지친다 #스압

참고로, 내 차는 프리우스V이고, 이에 대한 연비분석은 무려 2016년에 '차 산 지 1년 됐다'며 기념으로다가 한 차례 한 적이 있다. 

https://seberia.tistory.com/27?category=876171 

 

[내차연비] 프리우스v 연비 분석

가성비와 환경, 환경을 생각하는 것만 같은 도회적인 이미지를 중시(...)하는 필자는 지난해 9월 인생 두 번째 차로 도요타 프리우스 V모델을 구입했다. 첫 번째 차던 아반떼md gdi(2011년식)는 리터

seberia.tistory.com

 

여하튼, 그래저래 세월은 흘렀고 나는 어쩌다보니 박사과정에 들어와있으며... (슬픈 얘기는 생략) 아, 그래도 좋은 소식(?)이 있다면, 물리적으로 낯선 지역에서 벗어나 다시 고향 땅으로 진입했다는 것 정도. (물론 그 세베리아는 더이상 세베리아가 아닌 엄청난 도시가 되었다만! 정말 세상이 너무 빨리 변한다...) 

 

그 사이에 통계학계를 강타하는 엄청날 정도의 발전이 있었다거나, 내 개인적인 지적 능력의 향상이 있었다고 보지는 않지만 ㅎㅎㅎ 암튼 쌓인 데이터만 가지고 살짝 보자면, 다음과 같이 세 개의 테마로 이야기를 할 수 있을 것 같다. 

1. 코로나 시기는 정말 차 타고 돌아다니기 좋은 시기였구나 (네?)... 오해가 있을까봐 미리 하는 얘기지만, 기름값 때문입니다. 
2. 예상 외로, 세월이 흐른다고 해서 리터당 연비가 크게 줄지 않는 구나... (하이브리드라...? 아니면 나의 순해진 운전 습관 덕?)
3. 휘발유 -> 하이브리드로 과연 나는 뽕을 뽑았 이득을 봤는가? 

 

1번. 가장 기본 분석부터 시작하자면, 코로나 첫 해 기름값은 정말 저렴했다

영수증 정리하면서도 느낀거지만, 4만원 돈으로 30리터는 충분히 넣는 행태가 이어졌다. 물론, 돌아다닌 거리는 전후년도에 비해 뜸했다. 2020년엔 1만2천킬로를 탔고, 그 전까지는 기본 2만킬로를 훌쩍 넘겼다. 빈도도 적었지만, 일단 서울로 이사오면서 이동거리가 확실히 줄어든 것도 맞음... 

2015년 10월 5일부터 2021년 6월 28일까지 (이후 기록은 못 모으는 중. 죄다 전자영수증화...ㅠ) 총 252회 주유를 했고, 

그동안 쓴 주유비는 1천19만4206원이다. 즉 1천만원 넘겼다! 

일반적으로 주유할 때는 4만원씩 넣었고, 평균 28리터 정도 들어갔다. 

 

그럼 연도별로 리터당 가격을 보면, 아래와 같다. 걍 평균냄.

2015년 2016년 2017년 2018년 2019년 2020년 2021년
1446.87원 1348.25원 1456.87원 1563.60원 1432.76원 1376.79원 1510.33원

코로나 첫 해에, 많은 뉴스에서 유가 하락을 팡팡 때리던 것이 새삼 실감이 나는데(그래서 유가 관련 펀드가..), 이런 와중에 2016년엔 무슨 일이 있었나 싶어서 찾아보니, 아... 정말 세상은 돌고 도는구나 싶었다. 5년 주기설 이런 건가 싶어 찾아보니 "2011년 이집트에서 시작된 민주화 시위가 중동으로 번져나가면서 국제유가는 사상 최고를 향해 달리기 시작했다. 이른바 '아랍의 봄' 이후 중동과 아프리카 산유국들의 정세 불안 및 공급 차질이 계속되면서 2011년 연평균 111달러, 2012년 112달러로 정점을 찍었다" 라는 연합뉴스 검색 결과가.... (딱히 주기적으로 도는 건 아닌 걸로...) 

조선비즈 2020.3월 기사. 이미지 누르면 링크로 연결.

 

2번.  오래 타고 많이 탈수록 연비가 떨어지는 게 당연한 거 아님?

으음, 아직은 아님. 일단 아래 그래프는 리터당 몇 km 타는지, 즉 연비 추이를 쭉 나열한 것이다. 21년 중간에 뭔일이 있어서 연비가 6을 찍었는지는 잘 모르겠다만(입력 오류 같은 것일듯?) 대부분은 13~25 사이에 들어와 있다. 추세선을 봐도 딱~히 떨어지는 느낌이 아니어서 숫자로 봤다. 

2015년 2016년 2017년 2018년 2019년 2020년 2021년
18.12 18.29 17.51 18.00 18.41 17.25 17.06

음, 20년 이후로 17대를 기록하는 것이 쪼곰 걸리긴 하지만, 그래도 익스트림하게 떨어지는 느낌은 아니다. 참고로 2019년 말에 (돈이 없어서 저렴한ㅠㅠ)타이어로 교체를 한 바 있다. 그 이후 타면서도 느낌적인 느낌으로 연비가 좀 떨어지네, 싶었는데, 아마 그 영향도 없지 않아 있을 듯. (상관관계가 뚜렷하게 나올 수는 없는 상황이라!)

하지만 대부분 17~18 레인지에 들어와있고, 이는 2016년 1월, 프리우스v의 공식복합연비로 발표된 17.9km와 거의 비슷하다고 볼 수 있다. (호오... 믿을만하군) 과연 몇 년 더 탈 수 있을지는 데이터가 더 많아야!!! 알 수 있을 것 같다. 

여기에 더해, 분명 내 운전습관도 순한맛이 되었을 수도 있겠다는 은은한 생각을 해본다.

3번. 그래서 하이브리드는 과연 나에게 이득을 가져다 줬는가? 

지형 지물과 바다 건너는 거 이런 건 다 제외하고 단순히 숫자로만 하는 말이다만, 지구 둘레(4만km)를 세 바퀴 도는 데 드는 기름값이 천 만원... 하이브리드라 그런가보다.... 싶어서 정말 '내가 만일 다른 종류의 차량을 탔다면?'을 한 번 계산해 봤다. 

이게 우리끼리는 가성비 분석이라고 하는데, 차량을 살 때 대략 3800만원(2015년 9월 기준)정도 들었고, 보험료가 대략 연간 80만원 정도 들고, 자동차세도 30만원 정도 내는 듯? 간간이 점검도 하고, 엔진오일도 갈고 했지만 딱히 큰 사고나 수리는 없었고, 통상적으로 몇 킬로 타면 타이어 교체하고, 브레이크패드 바꾸고 하는 것은 다른 차량과 다르지 않을 듯. 보험료와 자동차세 등등에서 그리 크게 차이가 나지 않는다는 전제 하에, 차량가액을 기준으로 과연 '얼마나 타야 뽕을 뽑는가'를 단순 계산해봤다. 정말 단순하게 연비만 넣어서. 

기준은 내 첫 차인 아방이! 우리 아방이는 1800만원 정도 주고 샀던 기억이 나고, 연비는 8km/l 정도였다. 초보였던 내 운전 습관의 문제도 있겠지만, 아무튼 그 차를 계속 탔다고 가정하고(걍 대충 때려넣어서 비슷한 기간 탔다고 치고) 그 차 역시 연비가 안 떨어졌다고 계산하면..

13만 km에 대해, 지난 6년간 리터당 평균 가격이 1441.87원임을 감안해 계산하면

====> 같은 거리를 달렸을 때 2343만387원이 나온다. 즉, 1323만6181원을 아낀 것! 

........ 차값 차이가 아직 더 크구나 ㅎㅎㅎㅎㅎ 언제쯤 2천만원을 아끼는 그날이 오려나 ㅎㅎㅎ 

여기에 더 분석을 보탠다면, 나중엔 탄소배출량 이런 것까지 계산해보면 재미있겠다는 생각은 얼핏 든다. 귀찮으니 패스..

 

암튼 결론은, 

 

13만 킬로미터 탔지만 아직 연비가 익스트림하게 떨어지진 않았고, 아직도 하이브리드로 바꾼 것에 대한 가격(즉 가성비)에서의 논리구조를 만들기에는 차를 좀 더 많이 타야할 것 같으며 (ㅋㅋ), 운세에 역마살 비슷한 것(지살)이 있는 것에 대한 데이터 근거를 마련한 것 같다는 깊은 깨달음... 

ㅎㅎ 아, 이제 후련하게 세이 굿바이 하자, 영수증들아. 요즘은 주유소에서 제로페이 쓰니까 영수증도 안 줘서 더 이상 못 적고 있다.

데이터 정리하면서 몇 가지 발견한 것도 있다. 세베리아에서 세차를 정말 너무 친절하게 해 주셔서 마지막으로 일부러 들러 기름 넣고 온 주유소의 영수증(2020.2.10)도 새삼 반가웠고, 닷새 간격으로 3-4만원씩 넣은 흔적들은 내가 길에서 보낸 시간들을 역력히 보여주는 느낌. 마포랑 양재동은 정말 기름값이 비싸구나, 그래서 나는 정말 최소 금액만 급히 주유했구나, 주로 나는 만남의광장 주유소(경부선)와 하남 만남의광장(중부고속도로) 주유소를 자주 이용했고, 세베리아 가던 시절에는 어찌나 망향휴게소와 입장휴게소를 자주 들렀던지, 그 동네 호두과자 향이 지금도 느껴질 지경. 지금은 연구실이 이사를 가서 더이상 들르지 않는 동수원 초입 주유소의 가격을 매번 매의 눈으로 지켜봤던 기억, 낙성대역 앞 주유소의 가파른 세차 터널에 대한 인상, 아, 이 시기에 내가 남해여행을 했구나, 이건 캠핑 갈 때 들른 주유소겠지? 라고 떠올리게 해주는 수십장의 한 뼘 짜리 환경호르몬 유발 종잇조각들을 오늘에야 모두 처분한다! 안녕 얘들아!! 

아 진짜 너무 많... 이걸 대충 쑤셔넣고 지낸 지난 세월... 차님께 죄송...
이렇게 영수증 상단에 늘 현재의 누적 km를 적어두었다. 주유구 뽑자마자 정말 칼같이 펜 뽑아서 숫자 적고 호다닥 출발하는 게 습관이 되었더라는!

그나저나, 기록병을 버리고 싶은데 과연 가능할까?ㅎㅎ 

그리고 이렇게 적고 모으고 버리고 할 시간에 차라리 OCR을 넣어서 앱을 하나 만들든 있는 걸 찾아 쓰든 할 것을... 아냐, 그래도 데이터를 기록하는 시간은 어쩐지 회상도 가능하고 재밌는 부분도 많으니 만족! 오늘의 기록은 끝! 

SNS에서 모은 데이터로 사람들이 누굴 더 좋아하는 지 알아봤다

play with data

소셜 사용자들은 문재인 후보를 좋아하지만, ‘내 주변 사람’들은 안철수 후보를 선호




여론조사는 ‘당사자의 의견을 듣는 것’에서부터 시작한다. 직접 만나 묻기엔 어려움이 있으니 대개 전화를 이용하는데, 그 응답률은 갈수록 떨어져 2017년 4월 기준 5%도 채 되지 않는 경우까지 등장했다[1]. 그 대안으로 한때 소셜미디어가 떠오르기도 했지만[2], SNS 유저의 다수가 진보 성향의 젊은 그룹임을 감안할 때 그 적중률이 현저히 떨어진다는 연구 결과가 연이어 쏟아져 나왔다[3]. 결과적으로 미국에선 예측을 뒤엎고 도널드 트럼프 후보가 대통령으로 당선됐고, 영국에선 생각지도 못한 큰 표차로 브렉시트가 통과됐으며, 한국에서는 2016년 당시 4.13 총선에서 예상 밖 여소야대가 실현됐다. 이렇듯 여론조사는 번번이 오답지를 제출해왔다. 


그렇게 2017년 장미 대선이 코 앞으로 왔다. “답은 정해져 있지만…”이라는 듯한 대선이 되는가 했는데, 더불어민주당 경선 이후 판이 꽤 흔들리는 모양새다. 많은 여론조사에서 안철수 국민의당 후보가 높은 지지율을 보이며 ‘문재인 대항마’로서의 프레임을 굳히는 분위기가 형성됐다. 과연 이 여론조사를 믿을만 한 것인지, 좀 다른 방식으로 접근해 봤다. 여론조사기관과 학계가 슬슬 버린 카드로 인식하기 시작한 소셜미디어를 역으로 활용했다. ‘당사자’의 의견을 듣자니 당사자들이 편향(bias)돼 있으니, 당사자가 아닌 사람들이 말하는 ‘카더라’를 모아보는 것이다. 즉, “우리 엄마는 000 뽑는대”라는 트윗들을 수집하면, 트위터를 하지 않는 중장년층의 표심을 한 다리 건너 확인할 수 있다. 


트위터를 수집 대상으로 선택한 이유는 다음과 같다. 먼저 즉각적인 코멘트가 많다. 페이스북에 비해 익명성이 강하기 때문에, 순간적인 감정을 표출하는 성향이 강하다. 정치적 성향이 맞지 않는 주변 사람들에 대해 의사를 표현하는 경우가 많다. 또한 단문이다 보니 채팅하듯 오가는 대화들도 캐치할 수 있다. 수다를 떠는 듯한 소소한 방식으로 주변인들의 의견을 전달하는 것이다. 즉 “채팅과 발행(publishing)의 경계”에 있다[4]. 


따라서 트위터에서 지난 4월 2일부터 11일까지 열흘 간 데이터를 모아 샘플로 확인을 해 봤다. 검색 쿼리는 ‘우리 뽑는’ 이다. 이 경우 ‘우리 아버지는 홍준표 뽑는다고 해서…’, ‘우리 할머니는 심상정은 안 뽑는대’ 같은 트윗을 모두 찾아낼 수 있다. 여기에 ‘문재인 뽑는’, ‘안철수 뽑는’, ‘홍준표 뽑는’, ‘유승민 뽑는’, ‘심상정 뽑는’도 함께 검색해 중복을 제거하고 값을 추려냈다. 네이버 검색에서 ‘오빠랑’이라는 키워드로 맛집을 검색하던 과거 사용 행태와 비슷한 패턴으로 발상했다. 


위 쿼리로 수집한 트윗의 양은 1046개로 가운데 중복되는 것을 제하면 798개다. 그 중에서도 실제 ‘주변 인물의 후보 선호’에 관한 내용은 96개다. 이 내용을 가지고 분석한 결과는 다음과 같다. 





결과적으로 제 3자가 “안철수를 뽑는다”는 의견이 우세하고, 더불어 “문재인을 뽑지 않는다”는 말도 동시에 다수 출현한 것을 볼 수 있었다. 심상정을 뽑지 않는 이유로는 ‘여자이기 때문’이라는 말이 많았다. 또한 유승민 후보에 대해서는 뽑는다는 것과 관련한 언급을 발견할 수 없었다. 다만 전수 자체가 굉장히 적다는 점을 생각하면, 이 데이터 자체만으로 미래를 예측한다거나 통계적 유의도를 찾는 것에는 무리가 있다. 


다음과 같은 반론에도 부딪힐 수 있다. 첫째, 트위터를 주로 쓰는 그룹 가운데는 문재인 후보를 지지하는 경우가 많고, 따라서 주변 인물들의 안철수 지지에 대해 불만을 토로하는 것이 많을 수 있다. 둘째, 주변 인물들이 문재인 후보를 지지한다면, 그것을 굳이 표현할 만한 동기 부여가 되지 않았을 가능성도 있다. 이를테면, 박근혜 전 대통령 탄핵 당시 ‘이러나 저러나 문재인이 될 것’이라는 분위기가 아직 남아있어서, 굳이 내 가족이 문재인을 뽑는다는 것을 알릴 이유가 없을 수 있다는 것이다. 하지만 데이터 수집 기간이 대부분 더불어민주당 경선(4월 3일) 이후이고, 안철수 후보의 약진이 두드러지는 시점임을 고려하면 “그래도 우리 집은 문재인 뽑는다”와 같은 발언이 나올 만 한 동력이 있다고 봤다. 또한 트위터에 문재인 지지자가 많다는 점을 고려해도, 일종의 ‘자부심’처럼 “우리 가족은 문재인 뽑는다”는 발언을 하는 경향들도 발견됐다. 셋째, 트위터 수집의 경우 개인의 의사를 너무 배제하는 경향이 있다. 다른 데이터와의 병합이 필요한 대목이다. 


이에 따라 이번에는 각 후보의 페이스북 페이지에 올라온 같은 기간(4월 2일~11일) 포스팅에 대한 <좋아요, 최고예요, 웃겨요, 슬퍼요, 멋져요, 화나요> 등의 버튼 클릭 정보를 살펴봤다. 개인들의 감정 표출을 확인하기 위해서다. 절대적인 감정 클릭 양에 대해선 문재인 후보의 포스팅에 대한 반응이 압도적으로 많다. 평균적으로 문재인 후보는 포스팅 당 4634개의 리액션(reaction) 클릭량을 보였고, 그 뒤를 심상정(3089) 후보가 이었다. 포스팅 하나를 올리면 대략 3,4천 개의 클릭이 발생하는 것이다. 이에 비해 홍준표, 유승민 후보는 42.47건, 68.07건에 불과했다. 안철수 후보는 612.8건으로 계산됐다. 같은 기간 글은 유승민 후보가 가장 많이 올렸고(69건), 그 뒤로 안철수(58건), 홍준표(57건) 후보가 활발하게 글을 올렸다. 문재인, 심상정 후보는 각각 30여 건에 그쳤다. (*참고로 이 자료는 각 후보의 ‘페이지’를 긁은 내용이다. 개인 뉴스피드는 긁는 것이 제한돼 있어서다.)  




이같은 페이스북 리액션 행태 가운데서도, 일상적인 ‘좋아요’보다 더 강한 지지를 표하는 ‘최고예요(♥︎)를 누르는 경우를 살펴봤다. 다른 클릭(like, angry 등)과 달리 적극적인 지지로 해석할 만한 패턴을 보였다. 결론부터 말하자면 각 포스팅 당 문재인 후보에 대해서는 여러 클릭 가운데 평균 7.5%가 ‘최고예요’였다. 안철수 후보 포스팅에서는 전체 클릭 중 ‘최고예요’가 5.1% 비율로 나타났고, 홍준표 후보는 6.4%, 유승민 후보는 4.3%, 심상정 후보는 4.4%만큼 나타났다. 다만 문재인, 홍준표 후보의 ‘최고예요’ 클릭에 대한 포스팅별 표준편차(각 0.0564, 0.0425)는 다소 큰 편이었고, 그에 비해 안철수심상정 후보는 비율을 꾸준히 유지하는 경향을 보였다(각 0.0260, 0.1602).  


만일 한 사람이 여러 후보에 대해 ‘최고예요’를 누르지 않고 오직 한 명의, 한 포스팅에 대해서만 ‘최고예요’를 누른다고 가정할 때 각 후보별 지지도 또한 확인해볼 수 있다. 위 자료를 토대로 정규화를 거쳐 산출한 결과는 다음과 같다. 




또한 긍정적인 반응(‘좋아요’+ ‘최고예요’)을 토대로 살펴보면 다음과 같은 도출할 수 있다. 




마지막으로 이 트위터상 나타나는 3자 선호도와 페이스북 상 선호도를 3:7, 5:5, 7:3 비율로 계산해 SNS 기반 선호도로 뽑아봤다. 트위터의 3자 지지도와 대칭할 페이스북 데이터로는 ‘적극적(즉 ‘최고예요’클릭) 선호도’를 골랐다. 트위터 메시지를 의미적으로 분석한 결과, 여기 언급된 3자들의 경우 지지하는 후보가 여간해선 잘 바뀌지 않는 그룹이었기 때문이다. 며칠 동안 재차 계산방식을 바꿔가며 검토해봤음을 미리 밝힌다. 결론은 다음 표와 같다. 모든 비율을 따져도, 현재 보유하고 있는 데이터 상으로는 안철수 후보가 문재인 후보보다 더 높은 선호를 보인다. 





늘 그렇듯 이같은 분석은 표본이 전체에 대해 대표성을 띠고 있느냐가 가장 중요한 이슈다. 그런 이유로 소셜 미디어는 소위 말하는 p값을 충족하기에 어려움이 있었다. 하지만 제 3자에 대한 정보 전달자적 행태를 고려한다면, 이 부분 또한 배제할 수만은 없는 빅데이터라고 볼 수 있을 것이다. 본 조사는 본격적인 후보등록 및 첫 TV토론이 치러지기 전의 데이터를 토대로 이뤄졌다. 조만간 보충을 거쳐 한 번 더 결론을 내 보려고 한다. 






<참고문헌>

[1] 선거판세도 흔드는 여론조사… 불리하면 음모론까지 들먹. 동아일보. 2017-04-08. 

[2] Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment. (2010) Andranik Tumasjan, Time O.Sprenger, Philipp G.Sandler, Isabell M.Welpe. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media.

[3] Limits of Electoral Predictions using Twitter. (2011) Daniel Gayo Avello, Panagiotis T. Metals, Eni Mustafarai. Association for the Advancement of Artificial Intelligence. 490-493.

[4] Unsupervised Modeling of Twitter Conversations.(2010) Alan Ritter, Colin Cherry, Bill Dolan. Proceeding HTL ’10 Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, 172-180. 

최근 공부하는 몇 가지 + 팁

deok

호기심이 너무 많아서 이것저것 건들다 보니 요즘 새로이 익힌 것들이 좀 있습니다. 몇 가지 소개하자면. 


1. Amazon Rekognition + OS Sierra

주로 image detection을 하느라 이 api를 좀 활용하는 편인데, 애플과 아마존의 관계를 보여주듯(?) 둘이 자꾸 튕깁니다. 이 문제를 해결해준 명쾌한 답변이 있었으니 다음과 같지요.


진짜 복 받으실겁니다.

이제 아래 깃헙을 적극 활용해서 코드를 열심히 짜야... 

https://gist.github.com/alexcasalboni/0f21a1889f09760f8981b643326730ff

그래야 제가 졸업을 할 수 있습니다.


2. 컴퓨터 그 자체에 대한 이야기 

실은 cpu 성능이니 gpu니 하는 것은 '설치된 그대로가 좋다' 또는 '연구실에 있는 거 쓰다보면 좋겠지' 생각했는데, 아뿔싸, 그게 아니었습니다. 근래들어 심즈를 잘 돌려보려는 제 친구의 장비 공부에 또 같이 솔깃거리느라 살펴봤더니 이쪽 세계도 재밌더군요. 최근 시아버지가 바꾼 컴퓨터는 cpu i5 6600 + gtx 1080 콤비라고 합니다. 이정도면 와우가 아주 잘 돌아간다는군요. 이쪽 세계도 마저 공부해보려고 합니다아.


3. PCA 분석

주성분 분석이라 불리는 이 녀석을 r에서 돌릴 일이 좀 있었는데, 코드는 요 녀석을 썼습니다. 잘만 돌아가더군요..

pca

https://www.analyticsvidhya.com/blog/2016/03/practical-guide-principal-component-analysis-python/



prin_comp <- prcomp(data, scale.=T)

prin_comp$center

prin_comp$scale

prin_comp$rotation


biplot(prin_comp, scale=0)


std_dev <- prin_comp$sdev

pr_var <- std_dev^2

pr_var


prop_varex <- pr_var/sum(pr_var)

prop_varex


plot(prop_varex, xlab=‘principal component’, ylab=‘proportion of variance explained’, type=‘b’)


r도 오랜만에 돌리면 파일 부르는 것부터 기억이 잘 나지 않...지만 금세 극복가능합니다. 아직 돌릴 것이 넘나 많으니 마저 좀 더 해봐야겠습니다. 후후. 


4. 가끔 코딩하다가 아주 턱-턱- 막히는 기분이 들 때가 있는데... 그때마다 늘 "내가 너무 컴퓨터의 기본을 뛰어넘었엉"이라고 되뇌곤 합니다... 그래서 mit 학부 1학년생들이 본다는 교재를 샀지요. 물론 산지 한 한 달쯤 된 것 같은데, 아까 머릿말과 감사의 글을 읽었습니다. 본문도 곧 읽겠쥬...핳핳핳


  열공합시다. 

'deok' 카테고리의 다른 글

[맥덕의 맥진단] 오늘은 맥을 고쳐보겠다.  (1) 2016.06.11
20년 만에 HOT 앨범 분석 - 2  (1) 2016.05.04
20년 만에 HOT 앨범 분석 - 1  (3) 2016.05.04