Moral Outrage Shapes Commitments Beyond Attention: Multimodal Moral Emotions on YouTube in Korea and the US

기술 요약: 도덕적 분노가 주의력을 넘어 몰입(Commitment)을 형성하는 방식

문제 제기
주의 경제(Attention economy)에서 소셜 미디어 플랫폼은 높은 사용자 참여를 유도하는 콘텐츠를 우선시한다. 도덕적-감정적 콘텐츠가 참여와 양극화를 유발한다는 점은 기존 연구를 통해 입증되었으나, 이러한 역동성을 이해하는 데에는 여전히 상당한 공백이 존재한다. 기존 연구들은 주로 단일 모드(unimodal)의 텍스트 기반 분석에 의존하고 있어, 유튜브와 같이 썸네일 이미지와 제목이 결합하여 인식을 형성하는 플랫폼의 본질적인 다중 모드(multimodal) 특성을 포착하지 못하고 있다. 또한, 대부분의 연구가 서구권 맥락에 집중되어 있어, 도덕적-감정적 표현과 참여의 문화 간 일반화 가능성이 불분명하다. 본 연구는 한국과 미국의 주류 뉴스 채널이 보여주는 다중 모드적 도덕-감정 프레이밍이 사용자의 행동에 어떻게 영향을 미치는지 조사함으로써 이러한 격차를 해소하고자 한다.

연구 방법론
본 연구는 데이터 수집, 다중 모드 모델링, 회귀 분석을 포함하는 계산 사회과학 프레임워크를 채택하였다.

• 데이터 수집: 저자들은 2024년 1월부터 12월 사이에 업로드된 약 40만 개의 유튜브 영상(한국 292,136개, 미국 105,761개)으로 구성된 데이터셋을 구축하였다. 데이터에는 정치적 다양성을 고려하여 선정된 7개의 한국 뉴스 채널과 16개의 미국 뉴스 채널이 포함되었다. 각 영상에 대해 썸네일 이미지, 제목 텍스트, 참여 메타데이터(조회수, 좋아요, 댓글)를 수집하였으며, 비교 가능성을 보장하기 위해 고정된 8일간의 기간 동안 메타데이터를 추출하였다.
• 인간 주석(Human Annotation): 모델 학습을 위해 다단계 샘지 전략을 통해 골드 스탠다드(gold-standard) 데이터셋을 생성하였다. 원어민들이 1,276개의 한국어 및 900개의 영어 썸네일-제목 쌍을 여섯 가지 범주(타인 비난(도덕적 분노), 타인 찬양, 타인의 고통, 자기 의식, 중립, 비도덕적 감정)로 주석을 달았다. 검토자 간 일치도는 Cohen's, Fleiss', Krippendorff's kappa를 사용하여 측정하였으며, 영어 데이터(평균 $\kappa \approx 0.53$)보다 한국어 데이터(평균 $\kappa \approx 0.75$)에서 더 높은 일치도를 보였다.
• 다중 모드 모델링: 다중 모드 거대 언어 모델(MLLM)을 사용하여 각 6개 도덕 감정 범주에 대한 이진 분류기를 개발하였다. 저자들은 제로샷(zero-shot), 퓨샷(few-shot), 파인튜닝(fine-tuning) 설정 하에서 폐쇄형 모델(Gemini-2.5-Flash-Lite)과 오픈 소스 모델(Qwen2-VL-7B-Instruct)을 모두 평가하였다. 파인튜닝된 Qwen2-VL-7B-Instruct 모델이 가장 우수한 성능을 보였으며, 특히 한국어 데이터셋에서 뛰어난 성과를 나타냈다(평균 정확도: 0.8981, Macro F1: 0.8010). 본 연구는 시각적 단서를 통합하는 것이 텍스트 전용 베이스라인보다 성능 면에서 유의미하게 우수함을 검증하였다.
• 회귀 분석: 예측된 도덕 감정 확률을 독립 변수로 사용하여, 세 가지 수준의 몰입(commitment)을 나타내는 종속 변수인 조회수, 좋아요, 댓글을 예측하기 위해 음이항 회귀 모델(negative binomial regression models)을 사용하였다. 모델은 영상 길이, 채널 베이스라인, 월(month), 요일을 통제 변수로 설정하였다.

주요 결과
분석 결과, 도덕적 감정이 참여에 미치는 영향에 대해 일관된 교차 문화적 패턴이 발견되었다:

• 타인 비난 수사(Other-Condemning Rhetoric): 도덕적 분노(타인의 도덕성을 비난함)의 표현은 두 국가 모두에서 모든 형태의 참여를 일관되게 증가시켰다. 결정적으로, 몰입(commitment)의 수준이 높아질수록 효과 크기가 강화되었다. 미국의 경우, 타인 비난 수사는 조회수 94%, 좋아요 128%, 댓글 204%의 증가와 연관되었다(발생률 비율[IRR]: 1.94, 2.28, 3.04). 한국에서도 이와 유사하지만 약간 덜 뚜렷한 경향이 관찰되었다.
• 타인 관련 감정: 타인 찬양 수사는 일반적으로 참여를 억제하여 조회수와 댓글을 감소시켰다. 타인의 고통은 혼재된 결과를 보였는데, 한국에서는 조회수를 높였으나 좋아요와 댓글은 감소시켰다. 미국에서는 모든 지표에서 일관되게 부정적인 연관성을 보였다. 중립 콘텐츠는 일반적으로 참여를 감소시켰으나, 미국에서는 조회수를 높이는 동시에 좋아요와 댓글을 줄였다.
• 몰입 구배(Commitment Gradient): 본 연구는 도덕적 분노가 단순한 수동적 주의력(조회수)뿐만 아니라 능동적 참여(좋아요 및 댓글)를 이끌어내는 데 독보적인 능력이 있음을 확인하였으며, 그 영향력은 댓글 행동에서 가장 강력하게 나타났다.

주요 기여

1. 방법론적 혁신: 저자들은 한국어와 영어 맥락 모두를 위한 최초의 다중 모드 도덕 감정 분류기를 개발하여 공개하였다. 이 모델들은 파인튜닝된 MLLM을 활용하여 썸네일 이미지와 제목을 공동으로 처리하며, 디지털 미디어에서 도덕적 감정을 정확하게 탐지하기 위해서는 시각적-텍스트적 통합이 필수적임을 입증하였다.
2. 교차 문화적 실증적 증거: 본 연구는 도덕적-감정적 참여의 역동성이 서로 다른 문화적 환경(한국과 미국) 전반에 걸쳐 일반화된다는 강력한 증거를 제공한다. 또한, 타인 비난 수사가 높은 몰입형 참여의 보편적인 동인임을 식별하였다.
3. 이론적 통찰: 도덕적 감정을 특정 참여 수준과 매핑함으로써, 본 연구는 주의 경제에 대한 이해를 정교화하며, 도덕적 분노가 수동적 소비가 아닌 능동적 참여를 위한 강력한 동기 부여 기제로 작용함을 보여준다.

의의 및 주장
본 논문은 도덕적 분노가 미디어 매체가 주의력과 능동적 참여를 모두 확보할 수 있는 매우 효과적인 감정적 전략이라고 주장한다. 그러나 저자들은 이러한 효과성이 심각한 사회적 위험을 수반한다고 경고한다. 타인 비난 수사는 본질적으로 청중을 내집단과 외집단으로 나누기 때문에, 참여 알고리즘을 통한 이러한 수사의 증폭은 정치적 양극화를 심화시킬 수 있다. 저자들은 악의적인 행위자와 허위 정보 네트워크가 이러한 메커니즘을 악용하여 거짓 정보나 양극화된 내러티브를 확산시킬 수 있다고 제언한다.

본 연구는 도덕적 감정이 사회적 조율에 필수적이지만, 디지털 주의 경제에서의 특정한 메커니즘으로서의 도덕적 분노는 세심한 모니터링이 필요하다고 결론짓는다. 저자들은 향-후 연구가 플랫폼이 책무성을 훼손하지 않으면서 과도한 분노를 완화할 수 있는 방법과, 이러한 탐지 능력을 트롤 및 허위 정보 식별 프레임워크에 어떻게 통합할 것인지를 조사해야 한다고 제안한다. 본 논문은 관찰 연구로서 상관관계는 식별하지만 인과관계는 규명하지 못한다는 점을 인정하며, 영어 데이터의 주석 신뢰도 및 사전 학습된 모델의 잠재적 편향을 언급하며 신중한 입장을 유지한다.