Information Pathways in Online Science Communication: The Role of Platform Actors and News Media
이 연구는 COVID-19 팬데믹 기간의 124 만 건의 트윗과 21 만 건의 뉴스 기사를 분석하여, 의료 및 연구 전문성을 가진 개인들이 온라인 과학 담론에서 주도적 역할을 수행하지만, 소수의 반대론적 전문가들이 소셜 미디어를 통해 특정 논쟁적 주제를 조직적으로 증폭시키고 저품질 출처의 연구와 연계된 반면, 주류 언론은 이러한 소셜 미디어의 확산 이후 관련 연구를 보도하는 다층적인 정보 흐름 구조를 규명했습니다.
원저자:Alexandros Efstratiou, Giuseppe Russo, Luca Luceri
이 연구는 과학 논문이라는 **'원재료'**가 어떻게 가공되어 우리 눈앞의 **'뉴스'**가 되는지 그 과정을 추적했습니다. 연구자들은 트위터 (X) 와 뉴스 기사를 124 만 개나 분석했는데, 그 결과는 다음과 같은 흥미로운 이야기로 요약됩니다.
1. 두 가지 다른 '정보 시장'이 존재합니다
과학 정보를 공유하는 사람들은 크게 두 부류로 나뉩니다. 마치 정직한 상점과 가짜 약을 파는 장터가 공존하는 것과 같습니다.
정직한 상점 (합의론자): 대부분의 과학자, 의사, 신뢰할 수 있는 전문가들입니다. 이들은 백신의 효과나 바이러스 변이 등 **과학계의 주류 의견 (합의)**에 맞는 정보를 공유합니다.
가짜 약 장터 (반대론자): 소수의 '전문가'처럼 보이는 사람들이지만, 주류 과학과 반대되는 의견 (예: 백신은 해롭다, 봉쇄는 불필요하다) 을 주장합니다. 이들은 과학적 자격을 갖추고 있어 사람들을 더 잘 속일 수 있습니다.
2. '조종사'와 '확성기'의 놀라운 관계
이 연구에서 가장 놀라운 발견은 **'조화로운 음란 (Coordinated Network)'**의 존재였습니다.
상황: 트위터에는 과학 논문을 공유하는 '슈퍼 전파자 (Superspreaders)'들이 있습니다. 대부분은 정직한 과학자입니다. 하지만, 반대론자 (가짜 약 장터) 들을 중심으로 한 비밀스러운 그룹이 있었습니다.
비유: 이 그룹은 마치 한 명의 '스타 가수' (반대론자 전문가) 를 위해 수천 명의 '팬덤'이 동시에 노래를 부르는 것과 같습니다. 이들은 서로 약속이라도 한 듯 같은 시간에 같은 주장을 반복해서 퍼뜨립니다.
결과: 이 '팬덤'은 과학적 근거가 약한 논문이라도, 그들이 지지하는 '스타 가수'가 언급하면 엄청난 힘으로 퍼뜨립니다. 반면, 정직한 과학자들의 주장은 이 '팬덤'의 힘에 밀려 상대적으로 덜 부각되기도 했습니다.
3. 뉴스는 '트위터'를 따라다닙니다 (시간의 역전)
우리는 보통 "뉴스가 먼저 나오고, 사람들이 트위터에서 이야기한다"고 생각합니다. 하지만 이 연구는 정반대의 현상을 발견했습니다.
비유:트위터의 '슈퍼 전파자'들이 먼저 '불을 지피고', 뉴스가 그 불길에 기름을 부으며 크게 보도하는 순서였습니다.
세부 내용:
주류 과학자가 논문을 트위터에 올리면, 신뢰할 수 있는 주요 뉴스가 이를 따라 보도했습니다.
반대론자가 논문을 트위터에 올리면, 신뢰도가 낮은 가짜 뉴스나 음모론 사이트가 이를 따라 보도했습니다.
결론: 트위터上的의 '슈퍼 전파자'들이 먼저 화제를 만들고, 뉴스 매체들이 그 화제를 받아서 대중에게 알리는 '트위터 → 뉴스' 흐름이 주를 이루었습니다.
4. 로봇 (봇) 은 주역이 아니었습니다
많은 사람들이 "가짜 뉴스는 로봇이 퍼뜨리는 것"이라고 생각하지만, 이 연구는 이 coordination(조율) 은 사람이 직접 했을 가능성이 매우 높다는 것을 발견했습니다.
로봇은 단순히 논문을 공유하는 정도였지만, 반대론적인 주장을 조율하며 퍼뜨린 것은 실제 인간들이었습니다. 그들은 마치 하나의 팀처럼 움직이며 특정 전문가의 목소리를 극대화했습니다.
💡 이 연구가 우리에게 주는 교훈
이 연구는 과학 정보가 어떻게 흐르는지 보여주는 복잡한 지도를 그려냈습니다.
전문가도 다 같은 전문가가 아닙니다: 과학적 자격을 갖춘 사람이라도, 과학적 합의에 반대하는 주장을 퍼뜨릴 수 있습니다.
소문은 뉴스보다 먼저 퍼집니다: 중요한 과학적 이슈는 먼저 트위터 같은 SNS 에서 '슈퍼 전파자'들에 의해 화제가 되고, 그다음에 뉴스가 이를 보도합니다.
정보의 양극화: 신뢰할 수 있는 뉴스는 신뢰할 수 있는 과학자와 연결되고, 가짜 뉴스는 반대론자들과 연결되어 서로 다른 현실을 만들어냅니다.
한 줄 요약:
"과학 정보는 트위터의 '슈퍼 전파자'들이 먼저 불을 지피고, 뉴스가 그 불을 받아서 퍼뜨리는데, 진실한 과학자와 반대론자는 각자 다른 뉴스 채널을 통해 우리에게 도달합니다."
이처럼 온라인 과학 커뮤니케이션은 단순한 정보 전달이 아니라, 누가 정보를 퍼뜨리느냐, 어떤 네트워크가 이를 증폭시키느냐에 따라 우리가 보는 '과학적 현실'이 달라질 수 있음을 보여줍니다.
논문 요약: 온라인 과학 커뮤니케이션의 정보 경로: 플랫폼 행위자와 뉴스 미디어의 역할
1. 연구 배경 및 문제 제기 (Problem)
배경: 과학적 사실에 대한 회의론 (예: 기후 변화, 백신 등) 이 증가하고 있으며, 이는 정치적 동기나 조직화된 허위 정보 캠페인뿐만 아니라, 과학적 권위를 가진 행위자들이 반과학적 온라인 커뮤니티 내에서 주류 담론을 지배하는 현상과도 관련이 있습니다.
문제: 기존 연구는 전문가, 뉴스 미디어, 소셜 미디어 사용자를 개별적으로 분석했으나, 이들이 어떻게 상호작용하여 과학 커뮤니케이션의 흐름을 형성하는지에 대한 통합적인 이해는 부족합니다. 특히, 소셜 미디어상의 '초전파자 (Superspreaders)'와 뉴스 미디어 간의 정보 경로 (Information Pathways) 와 조정 (Coordination) 메커니즘이 어떻게 과학적 합의 (Consensus) 를 강화하거나 왜곡하는지 명확하지 않습니다.
목표: COVID-19 팬데믹을 사례 연구로 삼아, 트위터 (X) 의 다양한 행위자 (일반 사용자, 봇, 초전파자, 조정된 계정) 와 뉴스 미디어가 과학 논문 (Preprints) 을 어떻게 공유하고 확산시키는지, 그리고 이들 간의 시간적 선후 관계와 정보 경로를 규명하는 것입니다.
2. 연구 방법론 (Methodology)
데이터셋:
2020 년 팬데믹 시작부터 2022 년 11 월 4 일까지 bioRxiv 및 medRxiv 에 게재된 25,000 개 이상의 COVID-19 관련 프리프린트 (및 출판된 버전) 를 기반으로 구축됨.
트위터 데이터: 해당 논문을 언급한 124 만 건의 트윗 (346,000 명의 사용자).
뉴스 데이터: 2,340 개의 언론사가 발행한 211,000 건의 기사.
레이블링: 그래프 합성곱 (Graph Convolution) 을 통해 사용자를 '합의 준수자 (Conformist, 과학적 합의에 부합)'와 '반대자 (Contrarian, 과학적 합의에 반대)'로 분류.
분석 기법:
조정된 네트워크 탐지: Luceri et al. (2024) 의 방법을 차용하여, 30 분 시간 창 (Time Window) 내에서의 리트윗 유사성 (Co-retweet) 을 TF-IDF 와 코사인 유사도로 계산하여 사용자 간 네트워크를 구성. 상위 1% 중심성 (Centrality) 을 가진 노드를 '조정된 계정'으로 식별.
초전파자 (Superspreaders) 식별: DeVerna et al. (2024) 의 h-index 기반 메트릭을 사용. 많은 수의 트윗을 작성하고 각각 높은 리트윗 수를 기록한 사용자 (상위 1%) 를 초전파자로 정의.
봇 탐지: Botometer 점수를 활용하여 자동화 계정을 식별.
정보 경로 분석 (Information Pathways):
주제 정렬: 뉴스 미디어와 초전파자가 공유하는 논문의 DOI 벡터를 TF-IDF 변환 후 코사인 유사도로 비교.
시간적 선후 관계: 각 논문에 대한 언급 밀도 (Gaussian Kernel Density Estimation) 를 분석하여, 초전파자와 뉴스 미디어 중 누가 먼저 해당 논문의 '밀도 피크 (Density Peak)'를 형성하는지 확인.
통계적 검증: 부트스트래핑 (Bootstrapping), 카이제곱 검정, t-검정 등을 통해 집단 간 차이의 유의성 확인.
3. 주요 기여 및 결과 (Key Contributions & Results)
가. 플랫폼 행위자의 특성 및 조정 네트워크 (RQ1)
조정된 네트워크의 구성: 발견된 조정된 네트워크는 주로 반대자 (Contrarian) 계정 (96.4%) 으로 구성되어 있으며, 이는 비조정 집단 (약 29%) 과 대조적입니다.
조정 메커니즘: 이 네트워크는 봇 (Automation) 에 의해 주도되지 않음 (봇 점수 분석 결과 유의미한 차이 없음). 대신 인간이 주도하는 조정된 행동으로, 특정 반대자 초전파자들의 콘텐츠를 좁은 시간 창 내에서 집중적으로 리트윗합니다.
초전파자 (Superspreaders) 의 역할:
전체 초전파자의 대부분은 과학적 자격증 (의사, 과학자) 을 가진 합의 준수자입니다.
그러나 조정된 네트워크는 반대자 초전파자의 콘텐츠를 비례적으로 과도하게 증폭시킵니다.
반대자 초전파자들은 백신, T 세포, 과다 사망률 등 특정 주제에 집중하는 반면, 합의 준수자는 더 다양한 과학 주제에 골고루 참여합니다.
감정 분석: 반대자 초전파자는 중립적인 어조를 유지하는 반면, 합의 준수 초전파자는 경고성 메시지로 인해 '공포 (Fear)' 감정이 더 많이 나타납니다.
나. 뉴스 미디어와 초전파자 간의 정보 경로 (RQ2)
주제 정렬 (Alignment):
합의 준수 초전파자: 주류 및 고신뢰도 (High-trust) 의학/과학 매체와 공유하는 논문이 높은 일치도를 보임.
반대자 초전파자: 음모론, 저품질, 또는 가짜 과학 (Pseudoscience) 출처와 공유하는 논문이 높은 일치도를 보임.
시간적 선후 관계 (Temporal Precedence):
소셜 미디어 → 뉴스: 대부분의 경우, 과학적 논문은 뉴스 미디어에 보도되기 전에 트위터의 초전파자 (Superspreaders) 에 의해 먼저 논의되고 확산되는 경향이 있음.
중요한 발견: 반대자 초전파자는 저품질 뉴스보다 먼저, 그리고 고신뢰도 뉴스보다도 먼저 논문을 언급하는 경향이 강하게 나타남 (중앙값 시간 차이 약 23~28 시간).
이는 뉴스 보도가 소셜 미디어의 담론 흐름에 반응하거나, 소셜 미디어에서 먼저 부각된 주제를 보도하는 '닫힌 루프 (Closed Loop)' 구조를 시사합니다.
4. 연구의 의의 및 결론 (Significance)
다층적 정보 경로 규명: 과학 커뮤니케이션이 단일 플랫폼 내에서가 아니라, 소셜 미디어 행위자 (초전파자, 조정 네트워크) 와 뉴스 미디어 간의 복잡한 상호작용을 통해 이루어짐을 보여줌.
합의 왜곡 메커니즘: 소수의 권위 있는 반대자 전문가 (Credentialed Experts) 들이 조정된 네트워크를 통해 집중적으로 증폭되고, 이것이 다시 저신뢰도 뉴스 미디어와 연결되어 과학적 합의를 흐리게 만드는 구조를 발견함.
정책 및 실용적 함의:
과학적 오정보는 단순히 봇에 의해 퍼지는 것이 아니라, 실제 과학적 자격을 가진 인플루언서와 인간 주도 조정 네트워크에 의해 체계적으로 증폭될 수 있음을 시사.
뉴스 미디어는 과학적 사실을 보도할 때, 소셜 미디어의 담론 흐름 (특히 반대자 초전파자의 영향력) 을 의식하거나 이에 반응하는 경향이 있어, 미디어 리터러시와 팩트체크 전략의 중요성을 강조.
한계점: 특정 플랫폼 (트위터) 과 특정 주제 (COVID-19) 에 국한되었으며, 인과관계 (Causality) 를 입증한 것이 아니라 시간적 선후 관계 (Precedence) 를 기술한 것임.
이 연구는 온라인 과학 커뮤니케이션 생태계에서 '누가', '어떻게', '언제' 정보를 확산시키는지 다각도로 분석하여, 과학적 합의의 형성과 왜곡 과정에 대한 새로운 통찰을 제공합니다.