목 차 >>> 1. 서 론
2. 루머 및 정보 구분 연구 동향 3. 루머 전파의 특성
4. 루머 구분 적용 사례 5. 결 론
(그림 1) 세월호 사건 당시 논란이 되었던 가짜 피해자 메시지 관련 기사
1. 서 론
2000년 대 중반 이후 온라인 소셜 미디어와 Web 2.0의 활성화는 개인이 자유롭게 정보를 생 성 및 공유하는 1인 1미디어 시대를 열었다. 한국 에서는 스마트 디바이스와 무선 인터넷의 빠른 보급과 더불어 이러한 현상이 가속화 되었다. 대 표적인 1인 1미디어의 예시로 온라인 소셜 미디 어는 정보의 진위 여부를 검증하는 편집과정이 전무하므로 사실정보는 물론 다양한 유형의 루머 와 거짓정보도 빠르게 광범위 확산을 시킬 수 있 는 가능성을 가진다. 미국의 경우 2013년 4월 23 일 미국 AP통신 트위터 계정에 ‘백악관에 두 차 례 폭발이 있었으며 버락 오바마 대통령이 부상 을 입었다’는 거짓 트윗은 급속히 재인용되어 뉴 욕증시를 마비시키고 시가총액 152조여원이 순 식간에 하락하는 파급력 보였다. 국내에서는 수 많은 연예인과 유명인들이 온라인 미디어 내에서 자신을 비방하는 루머나 오정보에 기인하여 피해
를 입고, 때로 그 결과가 개인의 자살로 이르러 사회적 문제를 일으키기도 한다. 최근 발생한 세 월호 침몰 사건에도 미확인 정보가 소셜 미디어 를 통해 전파되면서 큰 사회적 혼란을 야기했다.
이와 같이 온라인 미디어를 통한 루머 전파라 는 역효과가 재조명되면서 온라인 상의 잘못된 정보의 정정을 위한 여러 시도가 이루어지고 있 다. 초기 시도로 모니터링 요원들이 직접 악성 정 보를 눈으로 보고 판단하여 조치를 취하는 수동 적인 대처만이 이루어졌으나, 다수의 사용자가 동시 다발적으로 참여하는 온라인 소셜 미디어에 권세정 ․ 차미영 (한국과학기술원), 정교민 (서울대학교)
빅데이터 기반 루머의 특성 및 분류
(그림 2) 유럽연합의 공동 프로젝트인 Pheme (http://www.pheme.eu/) 소개 자료화면으로 컨소시엄의 목표가 진실성을 밝히는데(computing veracity) 있다고 강조한다.
서는 수동대처의 한계점이 있다. 이는 모니터링 요원이 이상을 감지하고 조치를 취했을 때는 이 미 다양한 미디어를 통해 루머가 전파된 이후이 기 때문이다.
다른 방법의 연구는 자동화된 시스템의 구현으 로 선진국에서 이미 시행되는 정보 유형의 구분 연구가 있다. 특히 2014년 2월 21일 유럽연합 (EU)은 온라인 소셜 미디어상의 소문과 진실을 가려내는 시스템 개발을 위해 영국 셰필드대, 킹 스칼리지런던, 독일 잘란드대학를 비롯한 9개 대 학이 컨소시엄을 이룬 Pheme 프로젝트에 막대한 금액을 지원할 예정이라고 공식 보도했다. 컨소 시엄은 온라인 루머를 추측(speculation), 논란 (controversy), 오정보(misinformation), 허위정보 (disinformation)의 네가지 종류로 분류하려는 시 도 기획하며, 이는 온라인 상의 루머와 거짓정보 의 진단과 판별이 현대 사회에서 중요한 사회 문 제이고 한국에서도 이러한 연구에 대한 국가적인 지원이 빠르게 진행되어야 함을 의미한다.
이 글에서는 최근 소셜 빅데이터를 활용한 시 도 중 가장 높은 루머 판별 정확도를 보인 저자들
의 연구에 대해 소개한다[6]. 이 연구에서는 개인 이 받은 소셜미디어 메시지만을 가지고 루머 여 부를 판별하기란 어렵지만, 네트워크 전체에서 메시지가 전파되는 특성에서 루머와 사실정보가 구분될 수 있다는 전제하에 빅데이터 분석을 실 시하였다. 그 결과 루머는 그 확산방식에 있어 서 로 연관이 없는 임의의 사용자들에 의해 산발적 으로 이루어지고 인지도가 낮은 사용자들에서 시 작해 연예인이나 정치인을 비롯한 유명인에게 전 파가 되는 등 흔히 알려진 일반정보의 확산패턴 과는 확연히 다른 양상을 보임을 밝혔다. 추가적 으로 루머와 관련된 글은 진위를 의심, 부정, 유 추하는 심리학적 과정과 연관된 표현인 ‘아니다, 사실일지는 모르겠지만, 내 생각에는’등의 문구 사용이 빈번한 것으로 나타났다.
2. 연구 동향 및 루머의 정의
루머의 판별과 진단 시도는 오랜 역사를 가지 므로, 연구를 소개하기에 앞서 그간 이루어져 온 루머 연구의 전체적인 흐름을 확인하고 루머를
(그림 3) 인대애나 주립대학 대학의 Truthy 시스템 자료화면으로 소셜 미디어 내 정보의 흐름을 시간 및 네트워크 공간적인 면에서 시각화한다.
어떻게 정의하는지 확인할 필요가 있다.
2.1 루머의 연구 동향
루머의 종류와 사람들이 왜 루머 전파에 참여 하는지에 대한 연구는 1920년 대 인문학 분야를 중심으로 진행 되어왔다. 이 연구들은 주로 사람 들이 루머를 왜 생산하고 전파하는지에 대한 설 명 혹은 루머의 전파과정을 체계적으로 정리하는 것에 집중했다. 먼저 루머는 정보의 진위여부가 확실하지 않을 때 발생하는 의혹이나 혐의가 발 전하여 발생하며[2], 따라서 루머는 사실에 근거하 지 않음에도 불구하고 설득력 있게 전파가 가능 하다[3]. 이러한 의혹의 종류 중 내부인에 관한 언 급을 주로 가십(gossip)이라 하고 외부인에 대한 언급을 루머(rumor)라 구분 한다[4]. 그 외 루머는 일반정보에 비해 보다 공격적이거나 분노에 관련 되는 경우가 많다는 주장도 있었으나, 분노와 같 은 감정의 경우 루머인지 여부 보다는 사회 문화 적 이슈의 민감성에 따라 그 정도를 달리한다고 판정되었다. 미국의 법학자이자 경제학자인 Cass
Sunstein은 루머는 초반에는 전파 규모가 작지만, 어느 시기가 경과되면 많은 사람들에게 알려지면 서 심각한 지경에 이를 수 있다고 주장했다[8]. 또 한 전파 도중 초기 루머의 논리적 허점을 보완해 가며 보다 치밀해진다고 했으며, 이것은 실제 미 국의 오바마 대통령을 무슬림이라고 음해하던 정 보를 추적하면서 확인하는 것이 가능했다.
위와 같은 인문학 연구나 가설은 실험 참여자 들에게 직접 인터뷰 혹은 설문을 진행하여 해당 결과를 요약하는 수준에 그치고 광범위한 실제 루머전파 데이터를 활용하지 못한다. 이러한 한 계점은 연구자가 루머의 실제 전파 경로를 실시 간으로 추적하는 것이 불가능하기 때문이다. 반 면 최근 대두된 온라인 미디어는 사용기록을 통 해 사용자가 언제 어떤 내용을 언급했는지에 대 한 추적 및 분석이 가능하다. 최근에는 이러한 빅 데이터를 통해 루머의 전파 경로 및 사용자를 추 적하고 구분하는 연구가 활발히 진행되고 있다.
추적 연구의 대표적인 사례로는 미국 인디애나 대학의 Truthy 시스템이 있다[7]. 해당 시스템은 소셜 미디어 내에서 전파되는 여러 유형의 정보
(그림 4) 루머(초록색)와 비루머(황색)의 정의: 루머는 확산 시기에 진위 여부가 불확실하며, 확산 이후에도 진위 여부가 불확실하거나 거짓인 정보로 정의된다.
를 시각화된 형태로 사용자들에게 게시하는 역할 수행한다. 시각화된 정보는 시간에 따라 언급되 는 량의 변화 추이 및 사용자들 간 친구 관계 등 을 통해 정보가 확산되는 경로를 포함한다. (그림 3)은 실제 Truthy 시스템 화면을 보여준다. 해당 서비스는 웹서비스의 형태로 운영되고 있으며, 사용자가 원하는 관련 검색어를 입력했을 때 그 와 관련된 흐름을 시각화하여 제공한다. 사용자 는 추가적으로 시각화된 결과물 내에서도 인터페 이스를 통해 특정 내용이 몇 명의 사용자에게 언 급되었고, 몇 개의 관련 내용 및 응답이 있는지 등의 다양한 척도에 따라 내용을 재선정 및 정렬 한 후 확인할 수 있다.
추적 연구와 더불어 정보의 유형을 구분하는 연구도 활발하게 진행되고 있다. 시작은 광고 메 일을 자동적으로 구분하는 연구였으며, 이후 구 분 연구의 대상은 소비자의 판단력을 흐리게 할 수 있는 가짜 댓글, 정보 혹은 해당 정보를 전파 하는 사용자들까지 확대되었다.
본 연구와 가장 유사한 연구는 야후 연구팀이 제안한 온라인 소셜 미디어 컨텐츠의 정보 신뢰 도 추정 연구이다[2]. 이 연구의 저자들은 트위터
와 같은 서비스 내 전파된 내용들을 중심으로, 특 수 기호(예.,물음표)의 수, 네트워크 구조, 사용자 특성(예.,친구 수)을 특성으로 정의하여 해당 내 용의 신뢰도를 추정하는 방법론을 개발하였다.
앞으로 소개할 연구 또한 임의의 주어진 정보 의 루머 여부를 판별하고자 한다는 점에서 위 연 구와 유사하다고 할 수 있다. 하지만 기존의 연구 들은 100년에 달하는 루머에 대한 인문학적 연구 의 결과를 전혀 고려하지 않았으며, 이로 인해 왜 그들의 방법론이 루머를 구분할 수 있는지에 대 한 설명을 할 수 없는 한계가 존재했다. 본 연구 는 이러한 한계를 극복하고자 루머와 관련한 인 문학계의 이론들을 고려하여 진행되었으며, 루머 를 구분하는 정확도 또한 기존 연구들에 비해 우 수했다.
2.2 루머의 정의
루머를 구분하는 연구에 있어 가장 큰 걸림돌 은 루머의 정의가 불명확하다는 것이다. 루머는
‘전파 당시 진위 여부가 확실하지 않은 정보’로 주로 정의된다. 이러한 정의는 주어진 정보를 접 하는 사용자들이 각각의 지식과 경험에 의거하여
(그림 5) 루머(좌)와 비루머(우)의 시간적 특징을 비교하며 가로축은 시간(날짜)을 의미하고 세로축은 해당이벤트와 관련된 트윗의 빈도수를 의미한다. 루머의 경우 지속적인 언급이 있는 반면
비루머는 하나의 큰 정점이 보인다.
진위 여부를 판단함에 따라 동일한 정보에 대해 서도 루머, 비루머(non-rumor) 구분을 다르게 할 수 있게 한다. 실제로 이전까지 진행된 루머 관련 연구들은 앞선 정의 외에도 루머를 다양한 방법 으로 정의하고 있다.
기존 연구와 달리 소개할 연구에서는 루머의 새로운 정의를 크게 확산 시기와 확산 후 시기의 두 가지 시점에서 바라본다. 우선 확산 당시에 진 위 여부가 확실한 경우에는 루머가 아니라고 판 단한다. 뉴스, 사고, 이벤트와 관련 된 글들이 이 에 해당 한다. 확산 당시에 진위여부가 불확실한 경우에는 추가적으로 확산 이후의 진위 여부를 고려한다. 만약 해당 정보가 확산이 끝난 후에도 거짓으로 밝혀지거나 여전히 진위 여부가 불투명 할 경우 루머로서 정의한다. 만약 확산이 끝난 시 점에 진실로 밝혀 질 경우 해당 정보를 노이즈 마 케팅 혹은 관련 종사자로 인한 정보 유출로 간주 해 루머가 아닌 것으로 간주한다. (그림 4)는 새 롭게 제안하는 루머의 정의를 도식화 한 것으로 결론적으로 루머란 ‘전파 당시 진위 여부가 확실 치 않았고, 전파 후에도 진위 여부가 밝혀지지 않 거나 거짓으로 밝혀진 정보’로 간주한다.
3. 루머 전파의 특성 – 시계열, 네트워크, 언어
연구에서 밝혀진 루머 전파의 특징은 크게 시 간, 네트워크, 언어의 세 가지로 구분된다. 이 세 가지의 특징을 조합해 기계학습을 통해 컴퓨터를 교육시키면, 자동적으로 기존에 학습 하지 않은 새로운 정보에 대한 루머와 비루머의 구분을 하 는 것이 가능하다.
3.1 시계열적 특성
시간적 특성은 기존의 루머 연구에서는 고려되 지 않았던 전파 특징이다. (그림 5)는 루머와 비 루머의 시간적 특성을 보여준다. 연구 결과에 따 르면 루머는 일반적인 정보와 비교하여 훨씬 긴 시간동안 전파된다. 일반적인 정보의 경우 특종 여부에 따라 짧으면 1-2일 길어도 2-3주의 시간 이 지나면 온라인 소셜 미디어내에서 더 이상 언 급되지 않는다. 반대로 루머의 경우 루머의 대상 이 소멸하지 않는 한 지속적으로 언급된다. 예를 들어, 미국의 대통령 오바마를 음해하는 여러 루 머의 경우 2008년 말 대선 직전 시기부터 현재인
(그림 6) 확산 네트워크의 예로 왼편은 설인의 등장에 관련한 루머이며, 오른편은 트위터가 서마이즈 기업을 인수한다는 사실정보의 전파 흐름을 보여준다.
2014년 4월까지도 꾸준히, 반복적으로 언급되고 있다. 추가적인 루머의 시간적 특성은 언급되는 횟수의 상승과 하락이 훨씬 짧은 주기로 반복된 다는 것이다.
3.2 네트워크적 특성
네트워크의 관점에서 바라본 루머와 비루머의 전파 특성 또한 상당한 차이를 보인다. 하지만 기 존 연구에서 행해진 네트워크 척도로서는 이러한 차이점을 발견하는 것이 불가능하다. 해당 연구 에서는 확산 네트워크라는 새로운 네트워크를 정 의 하였으며, 이것은 기존의 네트워크 구조와 비 교하여 보고 간단하면서도 정보의 흐름을 한눈에 확인할 수 있다는 장점이 있다.
확산 네트워크를 통해 관찰된 루머의 전파 특 성은 크게 두 가지로 나누어진다. 첫 번째는 정보 의 흐름 방향이다. 뉴스 혹은 유명인을 시작으로 하여 사용자로 전달되는 일반 정보와는 달리 루 머는 상대적으로 유명하지 않은 비유명인을 중심
으로 전파가 시작된다. 이러한 흐름을 전체적으 로 추적한 결과 루머의 경우 상대적으로 친구가 적은 사용자로부터 시작되어 친구가 많은 사용자 로 전파된다는 것을 발견되었다.
두 번째는 루머 정보의 수용도이다. 일반적인 정보의 경우 특정 인물이 언급할 경우 친구관계 를 통해 여러 단계를 걸쳐 넓게 전파된다. 루머의 경우 이러한 정보들과 달리 특정 사용자가 언급 을 해도 친구들이 해당 정보를 언급하거나 전파 에 참여하는 정도는 비교적 적다고 할 수 있다.
대신 온라인 미디어가 아닌 실제 친구 혹은 기억 나지 않는 정보원으로 들었다는 시작구와 함께 본인이 직접 언급하는 경우가 많다.
3.3 언어적 특성
언어적 특성은 심리학 분야에서 연구되어는 개 인의 사고 과정과 관련된 이론들과 깊은 연관이 있 다. 본 연구팀은 언어적 특성 분석을 위해 수집된 내용을 각각의 사건별로 분리하였다. 이 후 각 사
건별로 수집된 내용에는 LIWC(Linguistic Inquiry and Word Count)등의 자동화된 언어처리 툴[5]을 활용하고 통계학적 방법론을 적용해 루머와 비루 머 사이 차이가 가장 명확한 언어적 특성을 선정 하였다. 대표적으로 발견된 언어적 특성은 세 가 지로 요약 될 수 있다.
첫째, 사용자는 루머를 언급하면서도 해당 정 보의 진위여부가 불확실함을 은연중에 표현한다.
이것은 직접적으로 루머임을 언급하지는 않지만, 내용 중에 ‘확실치는 않지만’, ‘그렇지 않을지도’
등과 같은 부정 혹은 회의와 연관된 단어를 본인 도 모르게 쓴다는 것이다. 둘째, 루머는 일반적인 정보와 비교하여 전혀 다른 정보원을 언급하는 경우가 많다. 예를 들면, ‘친구’, ‘가족’, ‘지인’등 의 오프라인 내 관계를 정보원으로 언급한다는 것이다. 이에 비해 일반 정보의 경우 보통 뉴스의 링크나 유명 매체를 주로 언급한다. 마지막으로 루머는 내용 안에 정보를 어떻게 입수했느냐를 설명하는 동사의 종류가 다르다. 일반 정보의 경 우 여러 매체를 통해 ‘읽었다’, ‘확인했다’등의 눈 으로 직접 본 것을 언급하는 경우가 많은 반면, 루머의 경우 ‘들었다’와 같이 귀를 통해 특정 정 보를 입수했다는 언급하는 경우가 월등히 많다.
4. 결 론
앞에서 언급한바와 같이 온라인 미디어를 통한 루머의 전파의 위해성과 이를 방지하기 위한 연 구는 세계적인 요구를 바탕으로 활발하게 진행되 고 있다. 하지만 기존의 연구들은 사람들이 어떻 게 루머 전파에 참여하는지에 이해 없이, 단순한 점수(예., 물음표수)들만을 기반으로 진행되어 결 과를 뒷받침할 근거가 없다는 문제가 제기되어 왔다.
이에 따라 소개한 연구에서는 오랜 기간 진행 되어 온 인문학의 루머 전파와 관련된 이론과 빅 데이이터 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 직접적으 로 적용이 가능하다. 온라인 미디어 내 오정보 확 산에 피해 사례는 너무나 광범위하고 많다. 2014 년 2월 유럽연합 (EU)는 대규모의 자동화된 루머 인식 시스템을 구현하는 것을 목표로 하는 초대 규모 프로젝트를 하겠다고 공언한 상태이다. 그 외에도 해외 유수의 기업도 브랜드 이미지 관리 등을 목적으로 당사와 관련한 루머 및 악성 정보 를 추출하는 연구를 진행하고 있다. 이와 같이 작 은 커뮤니티는 물론 초국가적인 중요성이 대두되 고 있는 상황에서 기존 연구를 넘어서는 정확도 및 신뢰도를 보이는 이번 연구는 루머 구분 기술에 있 어 선도적 자리를 차지했다는 큰 의미가 있다.
인터넷과 소셜미디어의 활용의 지속적인 증가 와 더불어 앞으로 루머나 거짓정보의 진단과 판 별에 대한 노력은 사회적으로 지속되어야 할 과 제이다. 이 글에서는 최근 루머 연구의 방향을 점 검하고 소셜 빅데이터를 활용한 루머 탐지 기법 을 소개하였다. 더불어 앞으로 이러한 연구는 보 다 빠르고 정확한 루머 구분 기술의 개발에 앞서 야 할 것이며, 생물학이나 물리학 등의 다양한 분 야의 모델을 적용할 수도 있을 것이다. 온라인 미 디어 내 루머 구분 기술에 관해서는 인문학 이론 과 빅데이터 방법론을 통한 융합연구의 초석을 다진 연구이기에 그 의미는 더욱 크며, 국가 경쟁 력과 위상제고에 큰 역할을 할 것으로 기대된다.
참 고 문 헌
[ 1 ] P. Bordia and R. Rosnow. Rumor rest stops on the information highway:
Transmission in a computer-mediated rumor chain. Human Communication Research, 25:163–179, 1998.
[ 2 ] C. Castillo, M. Mendoza, and B. Poblete, Information credibility on Twitter. In proc.
of the International World Wide Web Conference, 2011.
[ 3 ] N. DiFonzo, P. Bordia, and R. Rosnow.
Reining in rumors. Organizational Dynamics, 23:47–62, 1994.
[ 4 ] E. Foster and R. Rosnow. Gossip and network relationships. D.C. Kirkpatrick, S.
Duck and Foley, M. K. (eds) Relating Difficulty: the Processes of Constructing and Managing Difficult Interaction, 2006.
[ 5 ] J. W. Pennebaker, M. R. Mehl, and K.
G. Niederhoffer. Psychological Aspects of Natural Language Use: Our Words, Ourselves. Annual Review of Psychology, 54:547–577, 2003
[ 6 ] S. Kwon, M. Cha, K. Jung, W. Chen, and Y. Wang. Prominent features of rumor propagation in onilne social media, In proc. of the IEEE International Conference on Data Mining, 2013
[ 7 ] J. Ratkiewicz, M. Conover, M. Meiss, B.
Gonçalves, S. Patil, A. Flammini, and F.
Menczer. Truty: mapping the spread of astroturf in microblog stream. In proc. of the International World Wide Web Conference, 2011
[ 8 ] C.R. Sunstein, On rumours: how falsehoods spread, why we believe them, what can be done. Penguin UK, 2010.
저 자 약 력
권 세 정
․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․
이메일 : gsj1029@gmail.com
∙ 2008년 한국과학기술원 수리과학과(학사)
∙ 2012년 한국과학기술원 수리과학과(석사)
∙ 2002년~현재 한국과학기술원 문화기술대학원(박사)
∙ 관심분야 : 정보확산, 온라인 소셜 미디어, 정보 구분, 기업 전략
차 미 영
․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․
이메일: meeyoungcha@kaist.ac.kr
∙ 2002년 한국과학기술원 전산학과(학사)
∙ 2004년 한국과학기술원 전산학과(석사)
∙ 2008년 한국과학기술원 전산학과(박사)
∙ 2008년~2010년 독일 막스플랑크연구소 박사후연구원
∙ 2010년~현재 한국과학기술원 문화기술대학원 교수
∙ 관심분야 : 정보전파, 빅데이터, 소셜 미디어
정 교 민
․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․
이메일: kjung@snu.ac.kr
∙ 2003년 서울대학교 수학과(학사)
∙ 2009년 Massachusetts Institute of Technology 수 학과 (박사)
∙ 2009년~2013년 한국과학기술원 전산학과 교수
∙ 2013년~현재 서울대학교 전기정보공학부 교수
∙ 관심분야 : 머신러닝, 소셜 컴퓨팅
