🔬 physics

Why We Experience Society Differently: Intrinsic Dispositions as Drivers of Ideological Complexity in Adaptive Social Networks

이 논문은 사회적 네트워크 내 개인의 내재적 행동 성향(동질성 추구, 새로움 추구, 사회적 순응)이 외부 환경과 관계없이 개별적인 의견 변화의 복잡성과 예측 불가능성을 결정짓는 핵심 동인임을 밝혀냈습니다.

원저자: Akshay Gangadhar, Hiroki Sayama

게시일 2026-02-10

📖 3 분 읽기☕ 가벼운 읽기

원저자: Akshay Gangadhar, Hiroki Sayama

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🧠 핵심 요약: "세상은 똑같아도, 보는 눈은 다르다"

우리는 흔히 "주변 사람들이 다 저러니까 나도 저렇게 변했어"라고 말하죠? 즉, 환경이 우리를 만든다고 생각합니다. 하지만 이 연구는 반대로 말합니다. **"당신이 어떤 성격(성향)을 가졌느냐에 따라, 똑같은 사회 속에서도 당신이 느끼는 세상은 훨씬 혼란스러울 수도, 혹은 아주 평온할 수도 있다"**는 것입니다.

🎭 세 가지 유형의 캐릭터 (사회적 성향)

연구팀은 사람의 성향을 세 가지 캐릭터로 나누었습니다. 이들을 **'친구 관계를 맺는 방식'**에 비유해 볼게요.

1. 🏠 "끼리끼리파" (Homophily, 호모필리)

특징: 나랑 생각이 비슷한 사람하고만 놀고 싶어 합니다. "우리는 통하는 게 있어!"라며 비슷한 친구들만 모으죠.
반전 결과: 이들은 안정적일 것 같지만, 실제로는 시간이 갈수록 생각이 가장 예측 불가능하게 요동칩니다.
비유: 매일 똑같은 메뉴만 파는 단골 식당만 찾아다니는 사람입니다. 처음엔 편안하지만, 어느 순간 식당 메뉴가 조금만 바뀌어도 "어? 이게 뭐야?" 하며 엄청난 혼란과 변화를 겪게 되는 것과 같습니다. 끼리끼리 모이다 보니 작은 변화에도 민감하게 반응하며 생각이 널뛰게 됩니다.

2. 🚀 "새로운 게 좋아파" (Neophily, 네오필리)

특징: "지루한 건 딱 질색이야!"라며 늘 새로운 정보, 새로운 사람을 찾아다닙니다.
반전 결과: 늘 새로운 걸 찾는데, 정작 그들의 생각 패턴은 아주 일정하고 예측 가능합니다.
비유: 매일 새로운 맛집을 찾아다니는 '맛집 탐방가'입니다. 겉보기엔 매일 다른 음식을 먹으니 정신없어 보이지만, 사실 이들의 패턴은 '새로운 걸 찾는다'는 규칙 하나로 아주 명확하게 정해져 있죠. 그래서 생각의 흐름이 오히려 안정적입니다.

3. 🐑 "무조건 따라파" (Social Conformity, 사회적 순응)

특징: "남들이 다 하는 대로 하는 게 제일 안전해"라며 주변 분위기에 맞춥니다.
반전 결과: '두 단계'의 드라마를 보여줍니다. 처음에는 주변을 따라가느라 생각이 아주 차분하고 예측 가능해지지만, 시간이 지나면 갑자기 생각이 요동치며 예측 불가능해집니다.
비유: 유행을 무조건 따르는 사람입니다. 처음에는 유행하는 옷을 입으며 평온하게 지내지만, 유행이 바뀌고 사회 분위기가 복잡해지면 "나도 따라가야 하나, 말아야 하나?" 고민하며 극심한 혼란(생각의 요동)을 겪게 되는 것과 같습니다.

🧪 실험의 결론: "내 마음의 설계도가 내 경험을 만든다"

연구진은 아주 중요한 실험을 했습니다. 사회 환경(주변 친구들)은 그대로 둔 채, 한 사람의 성격(설정값)만 싹 바꿔보았습니다. 그랬더니 어떻게 되었을까요?

그 사람이 겪는 '생각의 복잡도(혼란스러움)'가 즉각적으로 변했습니다. 즉, 주변 환경이 변해서가 아니라, 그 사람의 '내면적 성향'이 바뀌자마자 그 사람이 느끼는 세상의 불확실성이 달라진 것입니다.

💡 이 연구가 우리에게 주는 메시지

우리가 뉴스나 SNS를 보며 "세상이 왜 이렇게 혼란스러워!", "사람들이 왜 이렇게 극단적이야?"라고 느끼는 것은, 단순히 세상이 변해서만이 아닐 수 있습니다.

내가 어떤 성향(끼리끼리 모이는 걸 좋아하는지, 새로운 걸 쫓는지, 남을 따라 하는지)을 가졌느냐에 따라, 똑같은 뉴스를 봐도 누군가에게는 '예측 가능한 일상'이 되고, 누군가에게는 '폭풍우 치는 혼란'이 될 수 있다는 것입니다.

결국, 우리가 경험하는 사회의 모습은 '외부 환경'과 '내 마음의 설계도'가 만나서 만들어내는 독특한 결과물인 셈입니다.

[기술 요약] 사회적 경험의 차이: 적응형 사회 네트워크에서 이데올로기적 복잡성을 유도하는 내재적 성향

1. 연구 문제 (Problem Statement)

현대 사회의 이데올로기적 양극화와 극단적 의견의 확산은 주로 외부적 요인(정치적 사건, 미디어 조작 등)에 의한 것으로 간주되어 왔습니다. 기존의 의견 역학(Opinion Dynamics) 연구들은 주로 다음과 같은 한계를 가졌습니다:

정적 분석의 한계: 네트워크의 상태를 특정 시점의 스냅샷(모듈성, 클러스터링 등)으로만 파악하여 시간적 진화 과정을 간과함.
행동적 균질성 가정: 대부분의 모델이 모든 에이전트가 동일한 규칙을 따른다고 가정하여, 개인 간의 인지적 차이가 만드는 역동성을 무시함.
거시적 관점 편중: 행동적 이질성을 도입하더라도 주로 전체 시스템의 양극화 정도와 같은 거시적 지표에만 집중하며, 개별 에이전트 수준에서 발생하는 불평등한 역동성을 포착하지 못함.

본 연구는 **"개인이 느끼는 사회적 변동성이나 불확실성이 외부 환경뿐만 아니라, 개인의 내재적 행동 성향(Intrinsic Dispositions)에 의해 스스로 구조화될 수 있는가?"**라는 질문을 던집니다.

2. 연구 방법론 (Methodology)

연구진은 세 가지 행동 성향을 가진 에이전트들이 상호작용하는 적응형 사회 네트워크(Adaptive Social Network) 모델을 구축하고 분석했습니다.

에이전트의 세 가지 행동 성향:
1. 동질성 추구 (Homophily, $h$ ): 자신과 유사한 의견을 가진 노드와 연결을 강화함.
2. 신규성 추구 (Neophily, $a$ ): 새로운 의견(Novelty)을 가진 노드에 주의를 기울이고 연결을 강화함.
3. 사회적 순응 (Social Conformity, $c$ ): 주변의 사회적 규범(Social Norm)에 자신의 의견을 맞춤.
측정 지표: 정규화된 렘펠-지브 복잡도 (nLZ Complexity):
- 의견의 궤적(Opinion Trajectory)이 얼마나 예측 불가능한지를 측정하기 위해 Lempel-Ziv 복잡도를 사용했습니다. 이는 시계열 데이터의 압축 가능성을 통해 데이터 내의 반복 패턴과 무작위성을 정량화하며, 장기적인 시간 구조를 포착하는 데 탁월합니다.
실험 설계 (Scenarios):
- Scenario 1 (Pure): 모든 에이전트가 동일한 성향을 가진 순수 네트워크.
- Scenario 2 (Dual Faction): 두 가지 성향이 50:50으로 섞인 네트워크.
- Scenario 3 (Mixed): 다양한 성향이 균등하게 분포된 완전 이질적 네트워크.
인과적 개입 테스트 (Causal Intervention Test):
- 상관관계를 넘어 인과성을 증명하기 위해, 네트워크 환경(연결 구조, 이웃의 상태)은 고정시킨 채 특정 노드의 내재적 파라미터만 강제로 변경한 후, 해당 노드의 nLZ 복잡도 변화를 관찰했습니다.

3. 주요 결과 (Key Results)

① 노드 유형별 고유한 복잡도 프로필 (Counterintuitive Patterns):

Homophilic (동질성 추구): 시간이 지남에 따라 nLZ 복잡도가 지속적으로 증가합니다. 유사성을 추구함에도 불구하고, 국소적 변동과 네트워크 구조의 진화가 결합되어 장기적으로는 매우 예측 불가능한 의견 변화를 겪게 됩니다.
Neophilic (신규성 추구): nLZ 복잡도가 낮고 안정적인 수준을 유지합니다. 새로운 것을 찾으려 노력하지만, 적응적 상호작용을 통해 탐색이 제한되면서 의견 궤적이 구조화되고 안정화됩니다.
Conformic (순응형): 이상(Two-phase) 패턴을 보입니다. 초기에는 순응을 통해 변동성이 억제되어 복잡도가 낮아지지만, 네트워크가 진화함에 따라 불일치가 축적되어 후기에는 예측 불가능성이 급증합니다.

② 내재적 성향의 지배력:

네트워크의 구성(순수, 이중 파벌, 혼합)이 달라지더라도, 각 성향을 가진 노드들이 보여주는 복잡도 패턴은 일관되게 유지되었습니다. 이는 외부 환경보다 개인의 행동 규칙이 의견 역학의 복잡성을 결정하는 핵심 동인임을 시사합니다.

③ 인과성 입증:

개입 테스트 결과, 이질적인 환경(Scenario 3)에서도 특정 노드의 성향을 바꾸면 nLZ 복잡도가 체계적이고 방향성 있게 변화했습니다(예: $A \to H$ 전환 시 복잡도 급증). 이는 내재적 성향이 의견 궤적의 예측 불가능성을 직접적으로 결정한다는 인과적 증거가 됩니다.

4. 연구의 의의 (Significance)

학술적 기여: 의견 역학 연구에 **'개인 수준의 역동적 지문(Individual Dynamical Fingerprint)'**이라는 새로운 관점을 제시했습니다. 거시적 양극화 지표에 가려졌던 개인별 경험의 불평등을 정량적으로 규명했습니다.
이론적 통찰: 사회적 불안정성이나 변동성이 단순히 외부 환경(사회적 혼란)의 산물이 아니라, **개인의 인지적/행동적 성향에 의해 내생적으로 구조화(Endogenously self-structured)**될 수 있음을 보여주었습니다.
사회과학적 함의: 사람들이 사회를 서로 다르게 경험하는 이유(누구는 안정적이라 느끼고, 누구는 혼란스럽다고 느끼는 이유)를 개인의 행동적 특성과 연결하여 설명할 수 있는 이론적 토대를 제공합니다.