Coping in Crisis: Computational Modeling of Coping Styles in Digital Crisis Discourse During the 2023 Turkiye Earthquake

기술 요약: 위기 속의 대처: 2023년 튀르키예 지진 당시 디지털 위기 담론의 대처 양식에 대한 계산 모델링

문제 제기
재난 상황에서의 심리적 대처에 관한 기존 연구는 사건 발생 몇 주 후에 실시되는 회고적 자기 보고(예: 설문 조사, 인터뷰)에 의존한다. 이러한 방식은 기억 재구성 편향을 야기하며, 실제 스트레스 상황 하에서의 실시간 심리적 역동을 포착하지 못한다는 한계가 있다. 소셜 미디어는 대중의 반응을 보여주는 방대한 시계열 기록을 제공하지만, 기존의 계산적 접근 방식은 주로 영어 데이터에 집중되어 왔으며, 라자루스와 포크먼(Lazarus and Folkman, 1984)의 대처 이론과 같은 확립된 심리학적 이론을 비영어권 및 저자원 맥락에 체계적으로 적용하지 못했다. 또한, 계산 사회과학 분야에서 집단적 트라우마와 정치적 양극화 사이의 구체적인 상호작용은 여전히 미개척 영역으로 남아 있다.

연구 방법론
본 연구는 2023년 2월 6일부터 3월 6일까지 튀르키예 지진 이후 게시된 1,037,663개의 독창적인 터키어 트윗 코퍼스를 활용한다. 데이터는 Politus 코퍼스에서 추출되었으며, 재난 관련 키워드로 필터링한 후 네 가지 이론적 동기에 기반한 위기 단계로 구분하였다: 긴급(13일 차), 비난(47일 차), 슬픔(2~3주 차), 의미 형성(4주 차 이상).

핵심적인 방법론적 기여는 BERTurk(대규모 터키어 코퍼스로 사전 학습된 BERT-base 모델)를 이용한 다중 레이블 분류 파이프라인의 개발이다.

• 주석 달기(Annotation): 라자루스와 포크먼(1984)으로부터 유래한 세 가지 대처 양식인 문제 중심(problem-focused), 정서 중심(emotion-focused), *의미 형성(meaning-making)*에 대해 500개의 트윗 샘플을 층화 무작위 추출하여 주석을 달았다. 네 번째 범주인 *회피(avoidance)*는 낮은 상호 일치도($\kappa = 0.021$)로 인해 제외되었다.
• 학습(Training): 500개의 트윗 데이터셋을 학습(70%), 개발(15%), 테스트(15%) 세트로 나누었다. BERTurk 모델은 시그모이드 활성화 함수와 이진 교차 엔트로피 손실을 사용하여 다중 레이블 시퀀스 분류를 위해 미세 조정(fine-tuning)되었다.
• 베이스라인(Baseline): 성능은 자연어 가설을 통해 대처 범주를 정의한 다국어 모델인 mDeBERTa를 사용한 제로샷(zero-shot) 베이스라인과 비교되었다.
• 분석(Analysis): 훈련된 분류기를 전체 코퍼스에 적용하여 시간적 역동성을 추적하였다. 대처 양식과 참여 지표(좋아요, 리트윗) 및 Politus 모델로부터 사전 계산된 감정 점수(분노, 공포, 슬픔 등) 사이의 스피어먼 서열 상관계수를 계산하였다.

주요 결과

1. 모델 성능: 미세 조정된 BERTurk 모델은 매크로 F1 점수 0.693을 달성하여, 제로샷 mDeBERTa 베이스라인(매크로 F1 = 0.324)을 크게 상회하였다. 특히 정서 중심 대처에서 가장 유의미한 개선($\Delta F1 = +0.542$)이 나타났는데, 이는 터키어의 정서적 뉘앙스를 포착하는 데 있어 언어 특화 모델의 필요성을 강조한다.
2. 시간적 역동성: 분석 결과, 집단적 대처에서 명확하고 비무작위적인 궤적이 발견되었다:
   • 문제 중심 대처는 긴급 단계(56.2%)에서 지배적이었으며, 4단계까지 단조 감소하여 19.4%에 도달했다.
   • 정서 중심 대처는 1단계의 32.0%에서 시작하여 3단계와 4단계에서 약 55% 수준으로 안정화되었다.
   • 의미 형성은 모든 단계에 걸쳐 꾸준히 증가하여 12.4%에서 37.3%로 상승했다.
3. 인구통계학적 및 정서적 상관관계:
   • 인구통계학적 특성: 여성 사용자는 문제 중심 대처 비율이 더 높게 나타난 반면, 남성 사용자는 정서 중심 및 의미 형성 대처 비율이 더 높았다. 조직 계정은 개인 계정에 비해 의미 형성 비율이 현저히 낮았다.
   • 감정과 대처의 연결: 분노는 의미 형성과 가장 강한 상관관계($r = 0.387$)를 보였고, 문제 중심 대처와는 음의 상관관계($r = -0.528$)를 보였다. 이는 양극화된 맥락에서 분노가 실질적인 행동보다는 비난의 귀인과 정치적 해석을 위한 동력으로 작용했음을 시사한다. 슬픔은 정서 중심 대처와 가장 강하게 상관되었다($r = 0.184$).

주요 기여

1. 경험적 검증: 본 연구는 실험실 환경과 자기 보고에 국한되었던 기존 문헌을 확장하여, 실제 디지털 위기 담론 내에서 대처 이론을 대규모로 경험적으로 검증한 첫 사례를 제공한다.
2. 방법론적 타당성: 본 연구는 언어 특화 트랜스포머 모델을 사용하여 비영어권 및 저자원 맥락에서도 대처 양식 탐지가 가능하다는 것을 입증함으로써 계산 사회과학의 간극을 메운다.
3. 실질적 통찰: 연구 결과는 집단적 대처가 위기 단계에 따라 어떻게 진화하는지에 대한 세밀한 관점을 제공하며, 대처 역동이 단순히 심리적인 것뿐만 아니라 정치적 맥락(예: 국가 선거와의 근접성 및 국가 책임 이슈)과 깊게 얽혀 있음을 밝혀낸다.

의의 및 주장
본 논문은 대처 이론이 디지털 데이터를 통해 사회가 집단적 트라우마를 어떻게 처리하는지 드러내는 데 신뢰성 있게 적용될 수 있다고 주장한다. 저자들은 이러한 발견이 단순한 기술적 설명을 넘어 인도주의적 기구와 위기 커뮤니케이터들에게 실질적인 유용성을 가진다고 주장한다. 인구 집단의 지배적인 대처 양식을 실시간으로 탐지함으로써, 대응자들은 다음과 같이 개입을 맞춤화할 수 있다:

• 문제 중심 대처가 지배적일 때: 정보, 조정 및 자원 접근에 대한 요구를 나타낸다.
• 정서 중심 대처가 지배적일 때: 인정, 존재감 확인 및 슬픔을 위한 공간에 대한 요구를 나타낸다.
• 의미 형성이 지배적일 때: 제도적 투명성 및 책임 메커니즘에 대한 요구를 나타낸다.

본 연구는 트윗이 개인의 심리를 투명하게 보여주는 창이라기보다 공적인 텍스트 흔적임을 결론짓는다. 그러나 이러한 집합적 패턴은 집단적 심리 상태의 유효한 신호를 제공한다. 저자들은 이러한 도구가 취약한 인구를 감시하기 위해서가 아니라 그들의 필요를 이해하고 대응하기 위해 사용되어야 함을 강조하며, 위기 상황의 취약 계층을 분석할 때 수반되는 윤리적 책임을 명시한다.