【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][팩트체크] SNS 알고리즘이 극단화 야기?…'필터 버블' 실제 존재하나

온카뱅크관리자

2025-09-26 06:37:30

<div id="layerTranslateNotice" style="display:none;"></div> 美 찰리 커크 사건에 알고리즘 폐단 지적 목소리…"확증편향만 극단적으로 증폭" 알고리즘·개인의 선택 따라 SNS에서 '기존 견해 강화·반대 의견 배척' 현상 확인 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="PxIPLfVZZZ">
 (서울=연합뉴스) 구정모 기자 = 최근 미국에서 발생한 우파 활동가 찰리 커크의 암살 사건을 두고 그 배경 중 하나로 소셜미디어(SNS)의 알고리즘이 지목됐다. 
 알고리즘이 사람들의 생각을 좌우로 분열시켜 이성적인 대화를 어렵게 해 결과적으로 이번 사건처럼 극단적인 폭력으로 이어졌다는 시각이다.
 알고리즘은 통상 어떤 입력값에 따라 원하는 출력값을 얻기 위해 따라야 할 규칙과 절차를 가리킨다. 'SNS의 알고리즘이 문제'라고 했을 때 알고리즘은 SNS가 사용자에게 특정 정보를 노출하는 규칙이나 기준을 의미한다. 
 이런 SNS의 알고리즘이 사용자가 좋아할 만한 정보만 계속 제시함으로써 사용자가 한정된 정보와 견해만 접하게 되고 결국 자신만의 정보 울타리에 갇히게 된다는 게 알고리즘 비판자들의 논리다. 
 이런 정보 편식 현상을 '필터 버블'(filter bubble)이라고 한다. SNS의 알고리즘 작동 방식과 필터 버블의 존재 여부를 국내외 연구를 통해 확인해봤다. 
 <figure class="figure_frm origin_fig" contents-hash="435294debd39d48eacd1734d9f4ef71f9f05f7072608da5e276cfed1946268f4" dmcf-pid="GlbCHmrRXy" dmcf-ptype="figure">
 <img alt="모바일 SNS (PG) [제작 조혜인] 일러스트" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308480qtsn.jpg" data-org-width="1024" dmcf-mid="fUXgriJq5F" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308480qtsn.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 모바일 SNS (PG) [제작 조혜인] 일러스트
 </figcaption>
 </figure>
 SNS 개인화 알고리즘 작동 방식은
 SNS에서 이른바 '개인화' 알고리즘은 어떻게 작동하는 것일까.
 대형 SNS 회사들은 자사 알고리즘의 상세한 내용은 밝히지 않고 있어 추천 알고리즘의 전모가 구체적으로 확인된 바는 없다.
 '좋아요'를 눌렀는지, 댓글을 달았는지, 해당 콘텐츠를 공유하거나 저장했는지, 시청 시간이나 체류시간이 얼마나 되는지, 어떤 내용을 검색했는지 등 사용자의 행동 자료를 분석해 선호도를 파악해 콘텐츠를 추천하고, 사용자가 추천된 콘텐츠에 긍정적으로 반응하면 해당 유형의 콘텐츠를 더 많이 노출하는 정도만 알려져 있다. 
 구글 엔지니어들이 발표한 논문 '유튜브 추천용 심층 신경망'(Deep Neural Networks for YouTube Recommendations·2016)에 따르면 유튜브의 추천 시스템은 협업 필터링이 핵심 역할을 하는 '후보 생성'과 목록 형태로 추천 동영상을 제시하는 '랭킹'이라는 2개 단계로 구성됐다. 
 협업 필터링은 특정 사용자와 비슷한 사람들을 찾아 이들이 높게 평가한 콘텐츠를 추천하거나 특정 사용자가 본 콘텐츠와 비슷한 유형의 콘텐츠를 추천하는 방식을 말한다. 
 이 협업 필터링을 통한 대략적인 개인화 작업으로 수백만개 동영상을 수백개로 추린다. 이어 랭킹 단계에선 사용자의 시청 시간을 최대화할 수 있게 설계된 채점 방식에 따라 동영상의 점수를 매겨 그 개수를 수십 개로 압축한다.
 유튜브의 닐 모한 최고상품담당자(CPO)는 2019년 3월 뉴욕타임스와 인터뷰에서 당시 유튜브 시청 시간의 약 70%는 이러한 추천 알고리즘에 의한 것이라고 밝혔다. 
 언뜻 추천 알고리즘은 별문제가 없어 보인다. 그러나 '필터 버블'이라는 말을 처음 쓴 엘리 패리저는 2011년 책 '생각조종자들'(원제 '필터 버블')에서 과거엔 우리가 어떤 필터를 사용할지 스스로 선택했다면 필터 버블에선 그런 선택권이 박탈됐고, 필터 버블이 어떻게 작동하는지도 알 수 없다고 비판했다. 
 패리저는 특히 필터 버블은 자기 생각을 바꿀 기회를 없애고 확증편향(자신의 가치관에 부합하는 정보에만 주목하고 그 외는 무시하는 사고방식)만 극단적으로 증폭시킨다고 지적했다. 
 <figure class="figure_frm origin_fig" contents-hash="d8ebef137b9fcc79cda9eb1c81a52f860d2927e58bd81f4f5b782216e070b7dc" dmcf-pid="U2kKxz7vYr" dmcf-ptype="figure">
 <img alt="유튜브 [연합뉴스TV 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308636vdbu.jpg" data-org-width="1024" dmcf-mid="4OE9MqzTZt" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308636vdbu.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 유튜브 [연합뉴스TV 제공]
 </figcaption>
 </figure>
 SNS 계정, 진보·보수 성향으로 '훈련'했더니…노출되는 정보도 달라져
 이같은 필터 버블은 실제 존재할까. 
 2021년 한국콘텐츠학회논문지에 발표된 논문 '텍스트 마이닝 기법을 이용한 유튜브 추천 알고리즘의 필터 버블 현상 분석'(신유진·이상우)은 유튜브의 추천 알고리즘이 정치 편향성을 심화하는 현상이 있다고 봤다. 
 논문은 새로운 유튜브 계정 2개를 개설해 하나는 보수 성향으로, 다른 하나는 진보 성향으로 '훈련'하면서 각 계정에서 추천받은 영상들을 분석하는 방법으로 이를 검증했다. 
 훈련은 한 계정은 보수 성향의 채널 5개를, 다른 계정은 진보 성향의 채널 5개를 구독한 뒤 6일 동안 날마다 구독 채널의 영상을 2시간씩 시청하는 식으로 진행됐다. 
 연구진이 격일로 각 계정에서 추천받은 영상들을 수집해 이 영상들의 정치적 성향을 구분한 결과 보수 계정에 추천된 정치 및 뉴스 장르의 영상 가운데 보수 성향 영상의 비율이 계정 개설 첫날 14%에서 둘째 날에는 81%, 6일째에는 86%로 증가했다. 
 진보 계정에서도 진보 성향의 영상 비율이 첫날 8%에서 둘째 날 78%, 6일째에는 84%로 높아졌다.
 논문은 "보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있었으며 각 계정에서 다루는 주제가 확연히 다른 모습을 보인다"고 설명했다.
 멀티미디어학회논문지에 실린 '개인화 알고리즘으로 필터 버블이 형성되는 과정에 대한 검증'(전준영·황소윤·윤영미, 2018)에서도 필터 버블의 존재가 확인됐다.
 논문은 구글의 개인화 검색 알고리즘의 편향성을 검증하기 위해 아무 기록이 없는 구글 계정을 2개 만들어서 하나는 진보 성향으로, 다른 하나는 보수 성향으로 '길들이기' 시작했다. 
 연구진은 각각 진보적/보수적 성향으로 판정된 검색어 200개를 입력해 나온 검색 결과 중 계정 성향과 같은 링크를 발견하면 클릭·방문하는 식으로 각 계정의 진보/보수화를 진행했다. 
 그러면서 이런 편향화를 위한 검색이 1회 끝날 때마다 중립적인 검색어 20개를 양쪽 계정에서 똑같이 검색해 나온 링크들의 성향을 분류했다.
 중립적인 검색어를 입력했어도 검색 알고리즘이 계정의 성향에 맞춘 검색 결과를 더 많이 노출하는지를 확인하기 위해서다.
 그 결과 계정의 편향성을 강화하기 위한 검색 작업을 많이 진행할수록 편향도가 커졌다. 
 작업 초기엔 편향도가 0.5였지만 10회 작업부터는 0.5333, 15회 때는 0.6, 20회 때는 0.6667로 점점 증가했다. 
 편향도가 0.5라는 것은 편향 여부를 판단할 수 있는 검색어 가운데 편향된 검색 결과를 보인 검색어 비율이 50%라는 뜻이다. 
 논문은 "개인화 알고리즘의 부작용인 필터 버블이 실제로 존재함을 컴퓨터적인 방법을 통해 증명"했다며 "편향도의 지속적인 증가를 통해 그 심각성을 볼 수 있었다"고 결론을 내렸다.
 <figure class="figure_frm origin_fig" contents-hash="afe7e61b6bd60dcd110d65bd35bbb4cd9dd64e0236bd4ad0f3c0fad7c217ca01" dmcf-pid="yXPGpTvaGR" dmcf-ptype="figure">
 <img alt="구글 이미지 [구글 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308816kgxk.jpg" data-org-width="960" dmcf-mid="8L2S5IOJ51" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308816kgxk.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 구글 이미지 [구글 제공]
 </figcaption>
 </figure>
 반향실 효과…"알고리즘보다 개인의 선택이 정보 편향성 야기"
 필터 버블과 비슷한 의미지만 관점이 다른 '반향실 효과'(Echo-chamber Effect)라는 표현도 있다. 마치 하나의 목소리가 반복해서 울려 퍼지는 반향실(메아리 설비가 갖춰진 방)에 있는 것 같은 상황에 빗댄 표현이다. 
 필터 버블과 반향실 효과 모두 반대 관점의 정보나 의견을 줄이고 동질적 정보나 의견을 강화한다는 측면에서 같은 현상을 지칭한다고 할 수 있지만, 필터 버블이 알고리즘에서 그 원인을 찾는다면 반향실 효과는 개인의 선택에 그 책임을 돌린다. 
 반향실 효과의 관점에서는 사용자가 자신의 견해와 일치하는 정보를 적극적으로 찾아보는 '선택적 노출'의 결과 편향성이 강화됐다고 본다.
 2015년 사이언스에 실린 논문 '페이스북에서 이념적으로 다양한 뉴스와 의견 노출'(Exposure to Ideologically Diverse News and Opinion on Facebook)은 개인의 선택이 더 문제라고 지적한 대표적인 연구다. 
 논문은 페이스북에서 정치적 성향이 반대되는 콘텐츠를 접하는 데 미치는 요인을 확인하기 위해 스스로 이념적 성향을 드러낸 이용자 1천10만명이 6개월간 공유한 링크 중 정치, 세계정세 같은 '경성 뉴스'의 이념 성향을 분석했다. 
 그 결과 이념적으로 반대되는 진영의 콘텐츠를 접할 수 있는 확률을 더 떨어뜨리는 것은 알고리즘보다 개인의 선택인 것으로 나타났다.
 이 연구에서 페이스북의 뉴스피드 알고리즘은 보수 성향의 이용자에게 진보 성향의 경성 뉴스 노출 비율을 약 5% 낮췄다. 반면 개인의 클릭 선택은 진보 성향의 뉴스 클릭 확률을 약 17% 내리는 것으로 분석됐다.
 이 논문은 다만 저자들이 모두 페이스북 소속이었던 터라 이해 상충의 문제가 제기되면서 책임을 알고리즘보다 개인의 선택으로 돌리려 한다는 비판을 받았다. 
 영국 옥스퍼드대 산하 로이터연구소의 보고서 '반향실 효과, 필터 버블, 양극화: 문헌 고찰 (Echo Chambers, Filter Bubbles, and Polarisation: a Literature Review, 2022)도 필터 버블보다는 반향실 효과의 손을 들어줬다. 
 보고서는 반향실 효과, 필터 버블, 양극화의 존재와 원인 등을 다룬 연구 문헌들을 광범위하게 조사한 결과 반향실 효과는 제한적으로 나타났고 필터 버블 가설에 대한 증거는 부족하다고 분석했다. 이 보고서는 오히려 알고리즘이 사용자의 의도 밖에 있는 출처를 섞어 보여줘서 평소 찾지 않던 뉴스 출처를 접하게 되거나, 다른 목적으로 SNS를 사용하다가 우연히 뉴스를 접하게 되는 경우가 있다고 봤다. 
 이런 내용들을 종합하면 알고리즘 때문이든, 개인의 선택 때문이든 SNS를 이용하다 보면 기존 견해를 강화하고 반대 견해는 배척하게 되는 현상이 실제 존재한다는 결론에 이르게 된다. 
 그렇다면 사용자는 이런 현상에 어떻게 대처해야 할까. 
 김규정 숭실대 글로벌미디어학부 교수는 '소셜미디어에서 에코챔버에 의한 필터 버블 현상 개선방안 연구'(2022) 논문에서 "사소한 물건 하나를 구매할 때도 여러 플랫폼을 비교하며 시간과 노력을 투자한다"며 "소셜미디어상에서 콘텐츠를 소비할 때도 비판적 사고와 교차적 정보 접근이 이뤄져야 한다"고 지적했다.
 <figure class="figure_frm origin_fig" contents-hash="aede69d0976e0e0b34c7fb7fb98297557b1c07bcb8bfcbc16a174325f5d0fdf6" dmcf-pid="u8rfdKbYGq" dmcf-ptype="figure">
 <img alt="해외 온라인 플랫폼 (PG) [장현경 제작] 일러스트" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308972wveg.jpg" data-org-width="1024" dmcf-mid="6AlMa68t15" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202509/26/yonhap/20250926063308972wveg.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 해외 온라인 플랫폼 (PG) [장현경 제작] 일러스트
 </figcaption>
 </figure>
 pseudojm@yna.co.kr
 &lt;&lt;연합뉴스 팩트체크부는 팩트체크 소재에 대한 독자들의 제안을 받고 있습니다. 이메일(factcheck@yna.co.kr)로 제안해 주시면 됩니다.&gt;&gt; 
 ▶제보는 카톡 okjebo
 </section> 
 </div> 
 Copyright © 연합뉴스. 무단전재 -재배포, AI 학습 및 활용 금지

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기