The distribution of violent event and interevent times in conflicts

이 논문은 세분화된 데이터를 사용하여 폭력 사건의 발생 간격 분포를 분석한 결과, 기존 통설이 반박되지 않았으며 폭력 사건의 분포는 로그정규분포를 따름을 시사합니다.

핵심

🥊 싸움의 리듬: "잠깐 멈춤"과 "폭발"

이 연구는 거대한 전쟁이나 국가 간의 갈등이 아니라, **거리에서 벌어지는 작은 집단 싸움 (길거리 폭력)**을 비디오로 분석했습니다. 연구자는 싸움의 두 가지 시간을 재어봤습니다.

1. 사건 간격 (Interevent times): 한 주먹이 날아간 후, 다음 주먹이 날아갈 때까지의 '휴식 시간'.
2. 사건 지속 시간 (Event times): 실제로 주먹이 날아가거나 발이 차는 '폭발하는 시간'.

🧐 기존의 통념 vs 새로운 의문

기존의 생각 (대부분의 연구):
과거의 연구들은 전쟁이나 폭력 데이터를 하루 단위로 분석했습니다. 마치 "오늘 폭력이 있었나? 없었나?"를 체크하는 식이죠. 이 데이터들을 보면, 폭력 사이의 간격은 **'멱함수 분포 (Power Law)'**를 따릅니다.

• 비유: 마치 지진이나 SNS 의 viral(바이럴) 현상처럼, '짧은 간격'이 아주 많고 '아주 긴 간격'도 드물게 존재하는, 꼬리가 긴 분포입니다.

연구자의 의문:
하지만 연구자는 "만약 시간을 1 초, 혹은 0.1 초 단위로 아주 정밀하게 재면 어떨까?"라고 생각했습니다.

• 수학적 예측: 아주 짧은 시간 (0 에 가까운 시간) 이 가능할 경우, 수학적으로 이 간격은 **'로그정규분포 (Lognormal)'**를 따를 것이라고 예측되었습니다.
• 비유: 로그정규분포는 "대부분의 시간이 평균 근처에 모여 있고, 극단적으로 짧거나 긴 시간은 드물다"는 모양입니다.

🔍 실험: 길거리 싸움 비디오 분석

연구자는 유튜브나 라이브리크 같은 사이트에 올라온 59 개의 길거리 싸움 영상을 분석했습니다. 총 287 번의 '휴식 시간'과 375 번의 '폭발 시간'을 1 초 단위로 측정했습니다.

1. "휴식 시간"의 결과는? (예상과 달랐습니다)

연구자는 "아주 정밀하게 재면 로그정규분포가 나올 거야"라고 예상했습니다. 하지만 결과는 놀랍게도 기존 통념과 같았습니다.

• 결과: 휴식 시간의 분포는 **멱함수 (Power Law)**와 로그정규분포 중 어느 것이 더 잘 맞는다고 단정할 수 없을 정도로 비슷했습니다.
• 이유: 아마도 싸움이 멈추는 동안 (휴식 시간), 사람들은 지루해서 카메라를 끄거나 영상을 올리지 않았을 가능성이 큽니다. 즉, 아주 긴 '휴식 시간' 데이터가 빠져나간 것일 수 있습니다. 그래서 실제 분포는 멱함수처럼 보일 수밖에 없었던 것입니다.

2. "폭발 시간"의 결과는? (예상이 적중했습니다!)

반면, 실제로 주먹이 날아가는 **'폭발 시간'**은 완전히 달랐습니다.

• 결과: 이 시간은 명확하게 로그정규분포를 따랐습니다.
• 이유: 싸움은 에너지를 많이 소모합니다. 사람이 계속 격렬하게 싸울 수는 없죠. 그래서 대부분의 싸움은 짧게 끝나고, 아주 길게 이어지는 경우는 드뭅니다. 마치 달리는 마라톤 선수처럼, 초반에는 빠르게 뛰지만 (짧은 시간), 계속 폭발적으로 뛰는 건 불가능하니까요.

💡 핵심 결론: "우리가 알고 있던 게 틀린 건 아니다"

이 논문은 다음과 같은 교훈을 줍니다:

1. 데이터의 해상도가 중요하다: 시간을 '하루' 단위로 재느냐, '1 초' 단위로 재느냐에 따라 분포 모양이 달라질 수 있습니다.
2. 휴식 시간 (Interevent): 실제 현실에서는 아주 긴 휴식 시간이 기록되지 않아 (선택 편향), 여전히 멱함수처럼 보입니다. 즉, "폭력은 가끔씩 아주 긴 공백을 두고 터진다"는 옛날 통념은 여전히 유효합니다.
3. 폭발 시간 (Event): 하지만 실제 폭력 행위가 일어나는 순간은 에너지 소모 때문에 로그정규분포를 따릅니다. 즉, "폭력은 대부분 짧고 격렬하게 끝나고, 길게 이어지는 경우는 드물다"는 것이 맞습니다.

🌟 한 줄 요약

"싸움이 멈추는 긴 휴식은 우리가 생각했던 대로 드물고 예측 불가능하지만, 실제 주먹이 날아가는 짧은 폭발은 에너지 한계에 의해 대부분 짧고 일정하게 일어난다."

이 연구는 우리가 폭력을 바라보는 눈이 더 정밀해져야 함을 보여주면서도, 기존의 거시적인 통념이 완전히 틀린 것은 아니라는 것을 확인시켜 주었습니다.

기술 요약

논문 개요

이 논문은 지속되는 폭력적 갈등에서 발생하는 '사건 간 시간 (interevent times)'과 '사건 지속 시간 (event times)'의 통계적 분포가 실제로 어떤 형태를 띠는지에 대한 기존 통설을 검증하고, 고해상도 (fine-grained) 데이터를 사용하여 새로운 관점을 제시합니다. 저자는 기존 연구들이 하루 단위의 저해상도 데이터에 기반하여 멱법칙 (power law) 분포를 주장해 왔으나, 초 단위 이하의 고해상도 데이터와 수학적 정리를 적용할 때 분포가 로그정규분포 (lognormal) 일 가능성이 있음을 제기합니다.

1. 연구 문제 (Problem)

• 기존 통설의 한계: 과거 연구들은 폭력적 갈등의 사건 간 시간 (폭력 사건이 멈춘 후 다음 폭력 사건이 발생할 때까지의 시간) 이 멱법칙 (power law) 을 따른다고 결론지었습니다. 그러나 이러한 결론은 주로 하루 (1 일) 단위의 저해상도 (coarse-grained) 데이터에 기반하고 있습니다.
• 수학적 예측과 모순: Sornette 와 Cont 의 수학적 정리에 따르면, 사건 간 시간이 임의적으로 0 에 가까워질 수 있는 (즉, 매우 짧은 시간 간격이 가능할 때) 경우, 그 분포는 멱법칙이 아닌 **로그정규분포 (lognormal)**를 따라야 합니다.
• 연구 질문: 고해상도 데이터 (초 단위 또는 그 이하) 를 사용할 때, 폭력적 갈등의 시간 간격 분포는 여전히 멱법칙을 따르는가, 아니면 수학적 예측대로 로그정규분포를 따르는가?

2. 방법론 (Methodology)

• 데이터 수집:
  • 원천: 유튜브, LiveLeak, WorldStarHipHop 등에 게시된 모바일 폰과 CCTV 로 촬영된 길거리 싸움 (street fights) 영상.
  • 샘플: 59 개의 작은 집단 (2~10 명, 평균 3.6 명) 간의 충돌 287 건.
  • 해상도: 1 초 또는 그 이하 (0.002 초 ~ 95 초) 의 고해상도 데이터.
  • 정의:
    • 폭력 사건 (Violent event): 발차기, 손바닥 치기, 발로 밟기 등 신체에 힘을 가하거나 신체를 강제로 이동시키는 행위.
    • 사건 간 시간 (Interevent time): 한 폭력 사건이 끝난 후 다음 폭력 사건이 시작되기 전까지의 정지 시간.
• 이론적 모델 (Multiplicative Process):
  • 저자는 갈등 과정을 **승법적 과정 (multiplicative process)**으로 모델링합니다.
  • $t+1$ 번째 사건 간 시간 $\tau_{t+1}$는 이전 시간 $\tau_t$에 무작위 변수 $v_t$를 곱한 형태 ($\tau_{t+1} = v_t \tau_t$) 로 표현됩니다.
  • 이 과정은 로그를 취하면 가법적 과정이 되며, 중심극한정리에 의해 로그정규분포를 따를 것으로 예측됩니다.
  • 단, 최소 시간 ($\tau_{min}$) 이 0 에 매우 가깝지 않다면 (예: 1 일 단위 데이터) 멱법칙이 나타날 수 있음을 인정합니다.
• 통계적 분석:
  • R 의 poweRlaw 패키지를 사용하여 최대우도추정법 (MLE) 으로 로그정규분포와 멱법칙을 적합 (fitting) 시켰습니다.
  • 두 분포의 적합도를 비교하기 위해 Vuong 검정을 수행했습니다.

3. 주요 결과 (Results)

• 사건 간 시간 (Interevent times):
  • 데이터 범위: 0.002 초 ~ 95 초.
  • 결과: 로그정규분포와 멱법칙 모두 데이터를 거의 동일하게 잘 설명했습니다 (양측 $p = 0.403$).
  • 의미: 저자의 가설 (고해상도 데이터에서는 로그정규분포가 더 잘 맞을 것) 은 통계적으로 지지되지 않았습니다. 즉, 기존 통설인 '멱법칙'이 반증되지 않았습니다.
  • 추가적 고려: 목격자들이 긴 침묵 (lulls) 을 계속 촬영할 동기가 부족하여 분포의 꼬리 (tail) 부분이 과소 표집 (undersampled) 되었을 가능성이 있으며, 이는 멱법칙을 기각하는 편향을 만들었을 수 있습니다.
• 폭력 사건 지속 시간 (Event times):
  • 데이터 범위: 0.342 초 ~ 36 초.
  • 결과: 로그정규분포가 멱법칙보다 훨씬 잘 적합되었습니다 ($p = 0.00077$).
  • 이유: 폭력 행위는 많은 에너지를 소모하므로 지속 시간이 짧고, 그 분포의 꼬리가 짧아 로그정규분포를 따르는 경향이 강합니다.
  • 주의점: 1 초 단위로 코딩된 데이터의 일부 불완전성 (단일 펀치 등을 1 초로 처리) 이 있었으나, 이는 분포의 꼬리 부분 적합에는 영향을 미치지 않았습니다.

4. 주요 기여 (Key Contributions)

1. 고해상도 데이터의 적용: 기존 연구들이 사용하던 일 단위 데이터를 넘어, 초 단위 이하의 정밀한 비디오 데이터를 폭력 갈등 분석에 처음 적용했습니다.
2. 승법적 과정 (Multiplicative Process) 의 도입: 갈등의 시간 간격을 승법적 과정으로 모델링하여 수학적 이론 (Sornette & Cont) 과 실증 데이터를 연결했습니다.
3. 분포의 이분법적 발견:
   • 사건 간 시간: 고해상도 데이터에서도 여전히 멱법칙과 로그정규분포가 혼재하거나 멱법칙이 우세할 수 있음을 보여줌으로써 기존 통설을 유지했습니다.
   • 사건 지속 시간: 폭력 사건 자체의 지속 시간은 명확하게 로그정규분포를 따름을 입증했습니다. 이는 폭력 행위가 에너지 소모와 관련이 있음을 시사합니다.

5. 의의 및 결론 (Significance)

• 과학적 합의의 재검토: 폭력 갈등의 시간적 패턴에 대한 기존 '멱법칙' 통설이 고해상도 데이터에서도 완전히 무너지지는 않았음을 보여주었습니다. 다만, 데이터 수집의 편향 (긴 침묵 기간의 누락) 이 결과에 영향을 미쳤을 가능성을 지적했습니다.
• 에너지 소모와 분포: 폭력 사건이 많은 에너지를 필요로 하므로 짧은 시간 동안 집중적으로 발생하고, 그 지속 시간 분포가 로그정규분포를 따른다는 점은 폭력 행위의 물리적/생리적 특성을 통계적으로 설명합니다.
• 향후 연구 방향: 보다 정교한 데이터 수집 방법 (긴 침묵 기간까지 포함하는 촬영) 이 필요하며, 승법적 과정 모델이 다양한 규모의 갈등 (개인 간 싸움부터 전쟁까지) 에 어떻게 적용될지 추가 연구가 필요함을 시사합니다.

결론적으로, 이 논문은 "폭력적 갈등의 시간 간격이 멱법칙을 따른다"는 기존 통설을 고해상도 데이터로 반증하지는 못했으나, "폭력 사건의 지속 시간"은 명확히 로그정규분포를 따르며, 이는 폭력 행위의 에너지 소모 특성과 밀접하게 연관되어 있음을 규명했습니다.