[논문]빅데이터 기반 루머의 특성 및 분류

권세정; 차미영; 정교민

[국내논문] 빅데이터 기반 루머의 특성 및 분류 원문보기

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이 글에서는 최근 소셜 빅데이터를 활용한 시도 중 가장 높은 루머 판별 정확도를 보인 저자들의 연구에 대해 소개한다^[6]. 이 연구에서는 개인이 받은 소셜미디어 메시지만을 가지고 루머 여부를 판별하기란 어렵지만, 네트워크 전체에서 메시지가 전파되는 특성에서 루머와 사실정보가 구분될 수 있다는 전제하에 빅데이터 분석을 실시하였다.
인터넷과 소셜미디어의 활용의 지속적인 증가와 더불어 앞으로 루머나 거짓정보의 진단과 판별에 대한 노력은 사회적으로 지속되어야 할 과제이다. 이 글에서는 최근 루머 연구의 방향을 점검하고 소셜 빅데이터를 활용한 루머 탐지 기법을 소개하였다. 더불어 앞으로 이러한 연구는 보다 빠르고 정확한 루머 구분 기술의 개발에 앞서야 할 것이며, 생물학이나 물리학 등의 다양한 분야의 모델을 적용할 수도 있을 것이다.

제안 방법

. 이 연구에서는 개인이 받은 소셜미디어 메시지만을 가지고 루머 여부를 판별하기란 어렵지만, 네트워크 전체에서 메시지가 전파되는 특성에서 루머와 사실정보가 구분될 수 있다는 전제하에 빅데이터 분석을 실시하였다. 그 결과 루머는 그 확산방식에 있어 서로 연관이 없는 임의의 사용자들에 의해 산발적으로 이루어지고 인지도가 낮은 사용자들에서 시작해 연예인이나 정치인을 비롯한 유명인에게 전파가 되는 등 흔히 알려진 일반정보의 확산패턴과는 확연히 다른 양상을 보임을 밝혔다.
. 이 연구의 저자들은 트위터와 같은 서비스 내 전파된 내용들을 중심으로, 특수 기호(예.,물음표)의 수, 네트워크 구조, 사용자 특성(예.,친구 수)을 특성으로 정의하여 해당 내용의 신뢰도를 추정하는 방법론을 개발하였다.
언어적 특성은 심리학 분야에서 연구되어는 개인의 사고 과정과 관련된 이론들과 깊은 연관이 있다. 본 연구팀은 언어적 특성 분석을 위해 수집된 내용을 각각의 사건별로 분리하였다. 이 후 각 사건별로 수집된 내용에는 LIWC(Linguistic Inquiry and Word Count)등의 자동화된 언어처리 툴^[5]을 활용하고 통계학적 방법론을 적용해 루머와 비루머 사이 차이가 가장 명확한 언어적 특성을 선정하였다.
이에 따라 소개한 연구에서는 오랜 기간 진행되어 온 인문학의 루머 전파와 관련된 이론과 빅데이이터 분석의 방법론을 적용하여 기존 루머 기술(70-80%)보다 우수한 구분력(90%)를 보이는 기술을 개발했다. 이러한 연구의 성과는 영미권 온라인 미디어의 루머 구분 알고리즘에 직접적으로 적용이 가능하다.

데이터처리

본 연구팀은 언어적 특성 분석을 위해 수집된 내용을 각각의 사건별로 분리하였다. 이 후 각 사건별로 수집된 내용에는 LIWC(Linguistic Inquiry and Word Count)등의 자동화된 언어처리 툴^[5]을 활용하고 통계학적 방법론을 적용해 루머와 비루머 사이 차이가 가장 명확한 언어적 특성을 선정하였다. 대표적으로 발견된 언어적 특성은 세 가지로 요약 될 수 있다.

성능/효과

이 연구에서는 개인이 받은 소셜미디어 메시지만을 가지고 루머 여부를 판별하기란 어렵지만, 네트워크 전체에서 메시지가 전파되는 특성에서 루머와 사실정보가 구분될 수 있다는 전제하에 빅데이터 분석을 실시하였다. 그 결과 루머는 그 확산방식에 있어 서로 연관이 없는 임의의 사용자들에 의해 산발적으로 이루어지고 인지도가 낮은 사용자들에서 시작해 연예인이나 정치인을 비롯한 유명인에게 전파가 되는 등 흔히 알려진 일반정보의 확산패턴과는 확연히 다른 양상을 보임을 밝혔다. 추가적으로 루머와 관련된 글은 진위를 의심, 부정, 유추하는 심리학적 과정과 연관된 표현인 ‘아니다, 사실일지는 모르겠지만, 내 생각에는’등의 문구 사용이 빈번한 것으로 나타났다.
미국의 법학자이자 경제학자인 Cass Sunstein은 루머는 초반에는 전파 규모가 작지만, 어느 시기가 경과되면 많은 사람들에게 알려지면서 심각한 지경에 이를 수 있다고 주장했다^[8]. 또한 전파 도중 초기 루머의 논리적 허점을 보완해가며 보다 치밀해진다고 했으며, 이것은 실제 미국의 오바마 대통령을 무슬림이라고 음해하던 정보를 추적하면서 확인하는 것이 가능했다.
하지만 기존의 연구들은 100년에 달하는 루머에 대한 인문학적 연구의 결과를 전혀 고려하지 않았으며, 이로 인해 왜 그들의 방법론이 루머를 구분할 수 있는지에 대한 설명을 할 수 없는 한계가 존재했다. 본 연구는 이러한 한계를 극복하고자 루머와 관련한 인문학계의 이론들을 고려하여 진행되었으며, 루머를 구분하는 정확도 또한 기존 연구들에 비해 우수했다.
하지만 기존 연구에서 행해진 네트워크 척도로서는 이러한 차이점을 발견하는 것이 불가능하다. 해당 연구에서는 확산 네트워크라는 새로운 네트워크를 정의 하였으며, 이것은 기존의 네트워크 구조와 비교하여 보고 간단하면서도 정보의 흐름을 한눈에 확인할 수 있다는 장점이 있다.
뉴스 혹은 유명인을 시작으로 하여 사용자로 전달되는 일반 정보와는 달리 루머는 상대적으로 유명하지 않은 비유명인을 중심으로 전파가 시작된다. 이러한 흐름을 전체적으로 추적한 결과 루머의 경우 상대적으로 친구가 적은 사용자로부터 시작되어 친구가 많은 사용자로 전파된다는 것을 발견되었다.
첫째, 사용자는 루머를 언급하면서도 해당 정보의 진위여부가 불확실함을 은연중에 표현한다. 이것은 직접적으로 루머임을 언급하지는 않지만, 내용 중에 ‘확실치는 않지만’, ‘그렇지 않을지도’ 등과 같은 부정 혹은 회의와 연관된 단어를 본인도 모르게 쓴다는 것이다.

후속연구

이 글에서는 최근 루머 연구의 방향을 점검하고 소셜 빅데이터를 활용한 루머 탐지 기법을 소개하였다. 더불어 앞으로 이러한 연구는 보다 빠르고 정확한 루머 구분 기술의 개발에 앞서야 할 것이며, 생물학이나 물리학 등의 다양한 분야의 모델을 적용할 수도 있을 것이다. 온라인 미디어 내 루머 구분 기술에 관해서는 인문학 이론과 빅데이터 방법론을 통한 융합연구의 초석을 다진 연구이기에 그 의미는 더욱 크며, 국가 경쟁력과 위상제고에 큰 역할을 할 것으로 기대된다.
더불어 앞으로 이러한 연구는 보다 빠르고 정확한 루머 구분 기술의 개발에 앞서야 할 것이며, 생물학이나 물리학 등의 다양한 분야의 모델을 적용할 수도 있을 것이다. 온라인 미디어 내 루머 구분 기술에 관해서는 인문학 이론과 빅데이터 방법론을 통한 융합연구의 초석을 다진 연구이기에 그 의미는 더욱 크며, 국가 경쟁력과 위상제고에 큰 역할을 할 것으로 기대된다.

핵심어

질문

논문에서 추출한 답변

컨소시엄은 온라인 루머를 어떤 종류로 분류하려는 시도를 기획을 하였는가?

특히 2014년 2월 21일 유럽연합(EU)은 온라인 소셜 미디어상의 소문과 진실을 가려내는 시스템 개발을 위해 영국 셰필드대, 킹스칼리지런던, 독일 잘란드대학를 비롯한 9개 대학이 컨소시엄을 이룬 Pheme 프로젝트에 막대한 금액을 지원할 예정이라고 공식 보도했다. 컨소시엄은 온라인 루머를 추측(speculation), 논란(controversy), 오정보(misinformation), 허위정보(disinformation)의 네가지 종류로 분류하려는 시도 기획하며, 이는 온라인 상의 루머와 거짓정보의 진단과 판별이 현대 사회에서 중요한 사회 문제이고 한국에서도 이러한 연구에 대한 국가적인 지원이 빠르게 진행되어야 함을 의미한다.

Truthy 시스템은 어떤 역할을 수행하는가?

추적 연구의 대표적인 사례로는 미국 인디애나 대학의 Truthy 시스템이 있다[7]. 해당 시스템은 소셜 미디어 내에서 전파되는 여러 유형의 정보를 시각화된 형태로 사용자들에게 게시하는 역할 수행한다. 시각화된 정보는 시간에 따라 언급되는 량의 변화 추이 및 사용자들 간 친구 관계 등을 통해 정보가 확산되는 경로를 포함한다.

가십과 루머를 어떻게 구분하는가?

먼저 루머는 정보의 진위여부가 확실하지 않을 때 발생하는 의혹이나 혐의가 발전하여 발생하며[2], 따라서 루머는 사실에 근거하지 않음에도 불구하고 설득력 있게 전파가 가능 하다[3]. 이러한 의혹의 종류 중 내부인에 관한 언급을 주로 가십(gossip)이라 하고 외부인에 대한 언급을 루머(rumor)라 구분 한다[4]. 그 외 루머는 일반정보에 비해 보다 공격적이거나 분노에 관련되는 경우가 많다는 주장도 있었으나, 분노와 같은 감정의 경우 루머인지 여부 보다는 사회 문화적 이슈의 민감성에 따라 그 정도를 달리한다고 판정되었다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 빅데이터 기반 루머의 특성 및 분류 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 빅데이터 기반 루머의 특성 및 분류 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

차미영 (4) 정교민 (5)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper