dnipro: 러시아-우크라이나 전쟁 뉴스 보도에 대한 종단적, 다국적, 다국어 코퍼스

기술 요약 (한국어)

이 논문은 2022 년 2 월부터 2024 년 8 월까지의 러시아-우크라이나 전쟁 기간 동안 5 개 국가 (러시아, 우크라이나, 미국, 영국, 중국) 와 3 개 언어 (영어, 러시아어, 중국어) 로 발행된 11 개 주요 뉴스 매체의 24 만 6 천여 건의 기사로 구성된 대규모 코퍼스 dnipro를 소개합니다. 이 연구는 전쟁 중 경쟁하는 지정학적 서사가 어떻게 구성되고 전파되는지를 체계적으로 분석하기 위한 데이터와 방법론을 제공합니다.

---

1. 문제 정의 (Problem)

러시아-우크라이나 전쟁은 단순한 군사적 충돌을 넘어, 각국이 자국의 전략적 이익과 이념에 따라 전쟁의 서사 (narrative) 를 어떻게 통제하고 형성하는지에 대한 '서사 전쟁 (narrative warfare)'의 장이 되었습니다.

• 데이터 부재: 기존 연구는 주로 트위터 (X) 나 레딧과 같은 소셜 미디어 데이터에 의존하거나, 특정 국가나 단일 언어에 국한된 경우가 많았습니다.
• 분석의 한계: 전쟁 기간 동안 국가별, 매체별, 언어별로 어떻게 서로 다른 현실이 구성되는지 (예: 같은 사건에 대한 상반된 진술), 그리고 이러한 서사가 어떻게 시간의 흐름에 따라 진화하는지를 종단적으로 분석할 수 있는 포괄적인 데이터셋이 부족했습니다.
• 필요성: 정보 전쟁, 미디어 프레이밍, 그리고 지정학적 서사의 분열을 이해하기 위해, 다양한 국가와 매체의 뉴스 보도를 체계적으로 비교할 수 있는 고품질 코퍼스가 시급했습니다.

2. 방법론 (Methodology)

2.1 데이터 수집 (Data Acquisition)

• 범위: 2022 년 2 월 1 일부터 2024 년 8 월 31 일까지 (31 개월) 의 연속적인 데이터 수집.
• 소스: 5 개 지정학적 행위자 (러시아, 우크라이나, 미국, 영국, 중국) 에 대응하는 11 개 주요 뉴스 매체.
  • 러시아: TASS, Sputnik (영어), Izvestia (러시아어)
  • 우크라이나: Censor.net, The Kyiv Independent, European Pravda
  • 미국: CNN
  • 영국: The Financial Times
  • 중국: Xinhua, Global Times, China Daily
• 규모: 총 246,229 건의 기사 (일일 평균 261 건).
• 수집 전략: 매체의 전용 섹션 (예: '전쟁', '특별 군사 작전') 을 활용하거나, 키워드 기반 필터링을 적용하여 관련 기사를 추출했습니다.

2.2 전처리 및 번역 (Preprocessing & Translation)

• 정제: 기사 본문에서 날짜 접두사, 필명, 반복된 면책 조항 등을 제거하고 중복 기사를 제거했습니다.
• 번역: 중국어 (만다린) 와 러시아어 기사는 영어로 번역하여 다국어 비교 분석을 가능하게 했습니다. 번역 품질을 위해 M2M100-418M 모델을 선택하여 사용했습니다.

2.3 주석 (Annotation)

기사의 원본 텍스트 공개는 저작권 문제로 인해 불가능하므로, 콘텐츠 기반의 구조화된 주석을 생성했습니다.

• 명명 개체 인식 (NER): spaCy 를 사용하여 개체 (인물, 조직, 장소 등) 를 식별했습니다.
• 감정 분석 (Sentiment): 특정 개체 (예: 우크라이나, 러시아, 젤렌스키) 에 대한 문장 수준의 감정 점수를 RoBERTa-large 모델을 통해 산출하고, 일별/월별, 국가별로 집계했습니다.
• 입장 (Stance) 분석: Phi-4 (14B) 모델을 사용하여 특정 대상에 대한 기사의 입장 (지지, 반대, 중립) 을 Few-shot 프롬프팅을 통해 자동 분류했습니다.
• 주제적 프레이밍 (Topical Framing): 하버마스의 담론 윤리 기반 9 가지 카테고리 (경제, 정체성, 도덕성, 법적, 정책, 정치, 여론, 안보, 복지) 로 기사를 분류했습니다.

2.4 품질 평가 (Human Evaluation)

• 입장 분석: 인간 어노테이터 2 명과 Phi-4 모델 간의 일치를 평가했습니다. 인간 간 일치율 (Cohen's κ = 0.77) 은 높았으며, 모델과 인간의 일치율은 중간 수준 (κ ≈ 0.60) 이었습니다.
• 프레이밍 분석: 9 가지 주제 프레임에 대해 인간 간 일치율 (pabak) 을 측정했습니다. 평균 일치율은 0.71 이었으며, '공공 여론', '법적', '복지' 항목은 높은 신뢰도를 보였습니다.

3. 주요 기여 (Key Contributions)

1. 대규모 종단적 다국어 코퍼스: 러시아-우크라이나 전쟁의 초기 31 개월을 포괄하는 24 만 건 이상의 뉴스 기사와 메타데이터를 공개했습니다.
2. 다양한 관점의 통합: 직접 참전국 (러시아, 우크라이나) 과 주요 지정학적 이해관계국 (미국, 영국, 중국) 의 매체를 모두 포함하여 서사 비교 분석을 가능하게 했습니다.
3. 고급 주석 데이터: 개체 수준 감정, 입장, 그리고 주제적 프레이밍에 대한 고품질 주석을 제공하여, 단순한 텍스트 분석을 넘어 서사 구성의 미묘한 차이를 연구할 수 있게 했습니다.
4. 오픈 소스 및 접근성: 데이터는 CC-BY-NC 4.0 라이선스로 공개되었으며, GitHub 에 처리 스크립트와 주석 프롬프트가 함께 제공됩니다.

4. 실험 결과 및 발견 (Results & Findings)

저자들은 dnipro 를 활용하여 4 가지 사례 연구를 수행했습니다.

• 사건별 주제적 프레이밍:
  • 부차 학살 (Bucha Massacre): 러시아와 중국 매체는 '특수 군사 작전'이라는 제도적 용어와 안보 우려를 강조한 반면, 우크라이나 매체는 인도주의적 비극 (민간인 피해) 을 강조했습니다. 미국과 영국 매체는 인도주의적 주제와 국제적 대응 (제재, 국제형사재판소) 을 균형 있게 다뤘습니다.
  • 안보 (Security) 프레임은 모든 매체에서 지배적이었으나, 경제 (Economy) 프레임은 중국 매체와 파이낸셜 타임스에서 두드러졌습니다.
• 시간에 따른 입장 변화 (Stance Evolution):
  • 전쟁 초기 15 일과 마지막 15 일을 비교한 결과, 중국 매체는 초기 우크라이나 지지에서 러시아에 대한 미묘한 반대 입장으로 전환되었습니다.
  • 러시아 매체는 초기의 미묘한 부정적 입장에서 전쟁 후반으로 갈수록 극도로 적대적인 입장으로 급변했습니다.
  • 미국 매체는 지지 입장이 더욱 강화되었고, 영국 매체는 초기 연대감에서 전쟁 피로와 국내 경제 압력으로 인한 변동성이 증가했습니다.
• 서사적 분열 (Divergent Narratives):
  • 매체들은 직접적인 반박 (explicit refutation) 을 하기보다, 상호 배타적인 현실 (incompatible realities) 을 구성했습니다.
  • 예: 같은 사건 (예: 폭격) 에 대해 러시아 매체는 '군사 표적에 대한 정밀 타격'으로 프레이밍하고, 서방 매체는 '민간인 학살'로 프레이밍하는 식의 암묵적 모순이 발견되었습니다.

5. 의의 및 중요성 (Significance)

• 정보 전쟁 연구의 새로운 패러다임: dnipro 는 명시적인 허위 사실 (disinformation) 탐구를 넘어, 서로 다른 지정학적 블록이 어떻게 경쟁하는 현실 (competing realities) 을 구성하는지를 분석할 수 있는 도구를 제공합니다.
• 계산적 저널리즘 및 정치 커뮤니케이션: 국가별, 매체별 서사의 진화, 교차 언어 정보 흐름, 그리고 사건 기반의 양극화 패턴을 연구하는 데 필수적인 자원이 됩니다.
• 정책 및 사회적 함의: 디지털 시대의 진실, 설득, 권력 관계를 이해하고, 정보 생태계의 분열을 모니터링하여 민주적 책임성과 갈등 해결에 기여할 수 있습니다.

이 연구는 전쟁 중 미디어가 어떻게 서로 다른 현실을 구축하는지를 데이터 기반으로 증명하며, 향후 정보 생태계 분석을 위한 표준적인 벤치마크로 자리 잡을 것으로 기대됩니다.