온라인 댓글의 봇 증폭과 가시성 편향

1. 개요

온라인 댓글의 봇 증폭이란 소수의 자동화된 계정이 같은 링크나 글을 되풀이해 대량으로 올려, 어떤 주장이 실제 지지받는 정도보다 훨씬 널리 퍼지고 인기 있는 것처럼 보이게 만드는 현상이다.¹ 여기에 짝을 이루는 개념이 가시성 편향으로, 목소리가 큰 소수가 화면을 채우면 그 목소리가 마치 전체 여론인 것처럼 부풀려 보이는 왜곡을 가리킨다. 두 개념이 함께 겨냥하는 핵심은 하나다 — 눈에 많이 띄는 것과 많은 사람이 지지하는 것은 같지 않다.

이 왜곡을 제대로 읽으려면 계정 하나하나의 진위를 따지는 온라인댓글의-계정연령과-행동이력, 반대로 참여하지 않아 화면에서 빠진 몫을 따지는 온라인댓글의-선택편향과-침묵자료, 수용자가 애초에 자기 편 매체만 고르는 미디어의-선별효과와-보강효과, 정보가 여러 곳에 보여도 실은 한 원천의 복제일 수 있다는 다중-문서-읽기의-공유-편향과-반증-설계, 무엇을 눈에 띄게 배치할지 정하는 추천랭킹의-다양성과-신기성평가를 함께 놓고 보아야 한다. 전달자를 얼마나 믿을지의 문제는 미디어의-전달자신뢰와-적대적-매체효과와도 이어진다.

2. 상세

2.1. 봇 증폭 — 노출량을 부풀리는 자동 게시

봇 증폭의 뼈대는 사람 한 명이 한 번 남긴 말과, 자동 계정 여럿이 수없이 되풀이한 말이 화면에서는 똑같이 한 건씩 쌓인다는 데 있다. 자동화된 계정은 지치지 않고 같은 콘텐츠를 반복해 올릴 수 있어서, 실제로 그 주장에 동의하는 사람 수와 상관없이 노출량만 끌어올린다. 인기 있는 사이트로 향하는 링크나 뉴스를 모아 주는 사이트의 링크 가운데 적지 않은 몫이 자동 계정에서 나온 것으로 분석된 조사도 있다.² 노출이 곧 지지가 아니라는 사실을 놓치면, 부풀려진 숫자를 그대로 여론의 크기로 오해하게 된다.

2.2. 초활성 계정 — 소수 노드가 쥔 큰 몫

증폭이 힘을 받는 또 하나의 이유는 확산량이 고르게 퍼져 있지 않다는 데 있다. 아주 부지런한 소수의 계정이 전체 게시와 공유 가운데 지나치게 큰 몫을 가져가는 쏠림이 나타난다. 같은 수를 뽑아 견주어도 가장 활동적인 자동 계정 묶음이 사람 이용자 묶음보다 훨씬 많은 링크 확산을 담당했다는 분석이 있다.³ 여론의 '양'처럼 보이는 것이 다수에게서 고루 나온 게 아니라, 몇 안 되는 초활성 노드에서 집중적으로 뿜어져 나올 수 있다는 뜻이다.

2.3. 가시성 편향 — 보이는 소수가 전체처럼

가시성 편향은 이렇게 부풀려진 노출이 우리 눈에 '전체 분포'로 읽히는 단계에서 생긴다. 견해가 뚜렷하고 적극적으로 목소리를 내는 층은 전체에서 일부에 지나지 않지만, 이들이 발언과 확산을 주도하면 담론의 표면은 이들의 색으로 덮인다. 화면에 자주 등장하는 의견을 세어 '이것이 대세'라고 결론지으면, 조용히 있는 더 큰 몫을 통째로 빠뜨린 채 소수의 크기를 전체로 착각하게 된다.

2.4. 노출량과 지지량을 갈라 읽기

세 가지를 하나로 꿰는 원칙은 노출량과 지지량의 분리다. 노출량은 얼마나 자주, 얼마나 크게 보이는가이고, 지지량은 실제로 몇 사람이 그렇게 생각하는가이다. 봇 증폭과 초활성 쏠림은 노출량을 인위적으로 키우고, 가시성 편향은 그 커진 노출량을 지지량으로 오해하게 만든다. 그래서 어떤 의견이 '많이 보인다'는 관찰에서 '많은 사람이 지지한다'는 결론으로 넘어가는 길목마다, 그 사이에 증폭 장치가 끼어 있지 않은지 되물어야 한다.⁴

3. 수능에서는 이렇게 나온다

이 소재의 핵심은 노출과 지지를 뒤섞은 서술을 가려내는 것이다. 지문이 '자동 계정이 링크를 대량으로 올린다 → 노출량이 오른다 → 다수가 지지하는 것처럼 보인다'는 인과 사슬을 서술하면, 선지는 그 사슬의 한 칸을 슬쩍 건너뛰어 '많이 보였으니 다수가 지지한 것'으로 결론을 밀어붙인다. 보이는 소수와 조용한 다수를 같은 층위로 뭉뚱그린 서술, 시스템의 왜곡과 개인의 선택을 한데 섞은 서술이 함정이 된다. 특정 비율 수치가 주어질 때 그 값을 곧장 '전체 여론'으로 일반화하는 선지 역시 경계 대상이다.

4. 헷갈리기 쉬운 것들

흔한 오해	왜 어긋났나	바르게 이해하기
온라인에서 눈에 많이 띄는 의견이 곧 다수의 의견이다	노출량은 소수의 자동·초활성 계정이 반복 게시로 부풀릴 수 있다	보이는 양(가시성)과 지지하는 수(실제 분포)를 나눠 센다
봇이 퍼뜨린 주장이면 그 내용도 반드시 거짓이다	노출을 조작했다는 것과 주장의 참·거짓은 서로 다른 층위다	확산 방식의 문제와 내용의 진위를 따로 검증한다
목소리 큰 계정이 많으니 그쪽이 대표 여론이다	적극 발언층은 전체의 일부일 뿐 조용한 다수가 빠져 있다	관찰된 목소리를 전체 분포로 곧장 대응시키지 않는다

5. 관련 개념

• 온라인댓글의-선택편향과-침묵자료 — 증폭이 키운 표면 뒤에서 관찰되지 않고 빠진 다수를 다룬다
• 온라인댓글의-계정연령과-행동이력 — 증폭에 가담하는 계정 하나하나의 진위를 읽는 단서
• 미디어의-선별효과와-보강효과 — 수용자가 애초에 자기 편 정보를 골라 보게 되는 앞 단계
• 다중-문서-읽기의-공유-편향과-반증-설계 — 여러 곳에 보이는 것이 한 원천의 복제일 수 있다는 인접 왜곡
• 미디어의-전달자신뢰와-적대적-매체효과 — 같은 내용을 누가 전했는가에 따라 신뢰가 갈리는 문제

각주

1. 이 문서의 개념 정의와 설명은 평가원 기출 기반 배경지식 자료(사회·온라인 여론과 매체 효과)의 합성 서술을 재서술한 것이다. ↩

2. 링크의 상당 몫이 자동 계정에서 나왔다는 서술은 자동 계정의 링크 공유를 조사한 매체 연구(퓨리서치센터)에 근거한다. 숫자 자체보다 '노출량은 사람 수가 아니라 게시 횟수로 쌓인다'는 원리로 기억한다. ↩

3. '많이 보인다'를 '많은 사람'으로 읽지 않게 하는 장치가 초활성 편중이다. 소수 노드가 큰 몫을 쥘 수 있으므로, 여론의 크기를 셀 때는 '몇 개의 계정이' 그 양을 만들었는지를 함께 물어야 한다. 이 발상은 선택 편향에서 '누가 표본에서 빠졌나'를 묻는 것과 짝을 이룬다. ↩

4. 시험장에서는 '노출량 → 지지량'으로 건너뛰는 화살표에 표시를 해 두면 좋다. 봇 증폭·초활성·가시성은 모두 이 화살표를 몰래 이어 붙이는 장치이므로, 선지가 노출을 근거로 지지를 단정하면 그 사이 단계를 되짚는다. ↩