극단화에 대한 통합검색 결과 - SNN 서울뉴스네트워크

"극단화"에 대한 통합검색 결과

통합검색(1)

정치(0)

검색결과 총 1건

알고리즘이 개인을 극단으로 몰아넣는 ‘필터 버블(filter bubble)’ 현상은 실제로 존재할까.

SNS 알고리즘과 극단화 논란…‘필터 버블’은 존재하는가 최근 미국에서 보수 성향 활동가 찰리 커크가 피습당한 사건 이후, 그 배경 중 하나로 소셜미디어(SNS) 알고리즘의 부작용이 지목됐다. 사용자 맞춤형 추천 시스템이 극단주의적 사고를 부추기고 이념적 분열을 심화시켰다는 주장이다. 과연 알고리즘이 개인을 극단으로 몰아넣는 ‘필터 버블(filter bubble)’ 현상은 실제로 존재할까. 알고리즘의 작동 원리SNS의 핵심은 개인화 추천이다. 이용자가 ‘좋아요’를 누르거나, 특정 영상을 오래 시청하거나, 댓글·공유 같은 반응을 보이면, 그 데이터를 바탕으로 비슷한 콘텐츠가 재차 제공된다. 유튜브의 경우 2016년 구글 엔지니어들이 공개한 논문에 따르면 추천 시스템은 크게 두 단계다. 먼저 협업 필터링을 통해 유사한 이용자 집단을 묶고, 이들이 선호하는 콘텐츠를 후보군으로 제시한다. 이어 랭킹 알고리즘이 시청 시간을 최대화할 수 있는 순서대로 점수를 매겨 수십 개의 동영상을 노출한다. 실제로 2019년 유튜브 최고상품담당자(CPO)는 “전체 시청 시간의 70%가 추천 알고리즘에 의해 발생했다”고 밝힌 바 있다. 표면적으로는 개인화 서비스지만, 비판자들은 이를 두고 “알고리즘이 이용자의 선택권을 빼앗아 특정 정보 울타리 안에 가두고 있다”고 경고한다. 필터 버블 실험적 검증엘리 패리저가 2011년 저서에서 제기한 필터 버블 개념은 이후 다양한 실험을 통해 검증됐다. 2021년 발표된 국내 연구에서는 새로운 유튜브 계정을 만들어 보수·진보 성향 채널을 각각 구독하고 며칠간 영상을 시청한 뒤 추천 목록을 분석했다. 그 결과 보수 계정에서는 보수 성향 영상 비율이 첫날 14%에서 6일째 86%로 높아졌고, 진보 계정 역시 8%에서 84%로 증가했다. 연구진은 “추천된 영상의 주제가 계정 성향에 따라 뚜렷하게 달라졌다”고 밝혔다. 또 2018년에는 구글 검색 알고리즘을 대상으로, 계정을 보수·진보 성향으로 ‘길들이기’ 한 뒤 중립적인 검색어를 입력했을 때 결과가 얼마나 달라지는지를 실험했다. 시간이 지날수록 성향에 맞춘 검색 결과 노출 비율이 꾸준히 증가하며 편향이 강화됐다. 이는 개인화 알고리즘이 실제로 필터 버블을 형성할 수 있음을 보여준다. 반향실 효과와 개인의 선택그러나 모든 분석이 알고리즘만을 원인으로 지목하지는 않는다. ‘반향실 효과(Echo Chamber Effect)’라는 개념은 같은 현상을 다른 관점에서 설명한다. 즉, 알고리즘보다 개인이 스스로 자신의 성향에 맞는 정보를 선택적으로 소비하기 때문에 편향이 강화된다는 것이다. 2015년 사이언스에 실린 연구는 1억 명 이상의 페이스북 사용자 데이터를 분석해, 반대 성향 콘텐츠 노출을 줄이는 데 알고리즘의 영향은 약 5%에 불과했지만, 사용자의 클릭 선택은 17% 이상이었다고 보고했다. 다만 해당 연구는 저자가 모두 페이스북 소속이어서 이해 상충 문제가 제기됐다. 2022년 옥스퍼드대 로이터연구소 역시 방대한 문헌 검토 끝에 “필터 버블 증거는 제한적이며, 반향실 효과가 더 유력하다”고 결론지었다. 보고서는 알고리즘이 오히려 이용자가 평소 찾지 않던 뉴스 출처를 접하게 할 가능성도 있다고 지적했다. 극단화 현상의 실제 양상결국 필터 버블이든 반향실 효과든, 현실에서는 두 요인이 동시에 작동하며 사용자의 기존 견해를 강화하고 반대 견해를 배척하는 경향을 보인다. 정치적 편향이 짙은 콘텐츠를 반복적으로 접하다 보면 확증편향이 심화되고, 이성적 대화보다 갈등적 사고가 두드러질 수 있다. 이는 미국과 유럽 등지에서 SNS를 통한 가짜뉴스 확산, 선거 개입 논란, 극단주의 폭력 사건과 맞물려 사회적 우려를 키운 배경이다. 대처 방안전문가들은 결국 ‘사용자의 태도’가 관건이라고 강조한다. 숭실대 김규정 교수는 2022년 논문에서 “작은 소비에도 다양한 플랫폼을 비교하듯, SNS 콘텐츠도 교차적으로 접근해야 한다”며 “비판적 사고를 통해 정보의 출처와 의도를 살펴보는 습관이 필요하다”고 조언했다. 개인화 알고리즘이 주는 편리함을 무조건 거부할 수는 없지만, 이용자가 능동적으로 다양한 관점을 수용하려는 노력이 없다면 극단화 위험은 줄어들기 어렵다는 지적이다. 용어 설명“필터 버블(Filter Bubble)”은 인터넷 정보제공자가 사용자의 검색 기록, 클릭 패턴 등 개인 데이터를 바탕으로 맞춤형 정보만 제공하면서, 이용자가 다양한 관점이나 반대 의견에 노출되지 못하고 편향된 정보에만 갇히는 현상을 의미한다.

2025.09.26