Can homophily explain public underestimation of climate policy support?

거대한 미스터리: 왜 우리는 모두가 서로 의견이 다르다고 생각할까?

100명 중 66명이 새로운 커뮤니티 공원을 건설하는 것을 실제로 지지하는 마을이 있다고 상상해 보세요. 하지만 사람들에게 마을 사람들이 어떻게 생각할 것 같냐고 물으면, 거의 모든 사람이 약 37명 정도만이 지지할 것이라고 추측합니다.

이것은 미국의 기후 변화 정책에서 일어나는 현상과 정확히 일치합니다. 대부분의 미국인은 기후 정책을 지지하지만, 공화당원과 민주당원 모두 상대 진영의 규모가 실제보다 훨씬 더 크다고 생각합니다. 그들은 **"다수자 무지(pluralistic ignorance)"**를 겪고 있는 것입니다. 즉, 자신의 의견이 실제로는 다수임에도 불구하고 자신이 소수라고 생각하는 것입니다.

이 논문의 저자들은 이 퍼즐을 풀고자 했습니다: 왜 이런 일이 발생하는가? 구체적으로, 그들은 "동종 선호(homophily)"(끼리끼리 모이는 경향)가 범인인지 테스트했습니다.

주인공: 동종 선호 (이른바 "에코 체임버" 효과)

동종 선호를 점심시간에 누구와 함께 앉을지 선택하는 것에 비유해 봅시다.

• 지지자들은 지지자들과 함께 앉는 경향이 있습니다.
• 반대자들은 반대자들과 함께 앉는 경향이 있습니다.

만약 당신이 당신과 의견이 같은 사람들과만 대화를 나눈다면, 세상에 대한 왜곡된 시각을 갖게 됩니다. 이는 마치 빨간 풍선으로 가득 찬 방을 보고 세상 전체가 빨간색이라고 생각하는 것과 같습니다.

연구자들은 질문했습니다: 이 "점심 테이블" 효과가 왜 모든 사람이 기후 정책에 대한 지지도를 과소평가하는지를 설명할 수 있을까?

실험: 두 개의 디지털 마을

이를 테스트하기 위해, 저자들은 사람들이 누구와 대화하느냐에 따라 어떻게 의견을 형성하는지 보기 위해 두 가지 다른 유형의 디지털 "마을"(컴퓨터 모델)을 구축했습니다.

1. "인기 많은 아이들" 마을 (선호적 부착, Preferential Attachment): 이 마을에서는 새로운 사람들이 친구를 맺을 때 친구가 가장 많은 인기 있는 사람들과 친구가 될 가능성이 높습니다. 이는 소수의 매우 유명한 인플루언서와 다수의 일반인을 만들어냅니다.
2. "클럽" 마을 (확률적 블록 모델, Stochastic Block Model): 이 마을에서 사람들은 엄격한 클럽으로 분류됩니다. 당신은 "지지 클럽"에 속하거나 "반대 클럽"에 속합니다. 당신은 주로 자신의 클로 내 사람들과 대화하지만, 다른 클럽의 사람과 대화할 확률이 일정하게 존재합니다.

연구 결과: "점심 테이블"만으로는 부족하다

연구자들은 단순한 동종 선호만으로 현실에서 보이는 것만큼 큰 과소평가를 만들어낼 수 있는지 확인하기 위해 모델을 실행했습니다. 결과는 다음과 같았습니다.

1. "반대자"의 문제:
만약 기후 정책 반대자들이 반대자들과만 어울린다면, 그들은 자신의 집단 내에서 지지도가 낮다는 것을 올바르게 추측할 것입니다. 이로 인해 전체 지지도를 과소평가하게 됩니다. 이 부분은 작동합니다.

2. "지지자"의 문제:
만약 기후 정책 지지자들이 지지자들과 어울린다면, 그들은 많은 지지를 목격할 것이고 전체 숫자를 과대평가해야 합니다.

• 함정: 모델이 현실(지지자들 또한 지지도를 과소평가하는 상황)과 일치하려면, 지지자들이 이상할 정도로 동종 선호가 없어야 합니다. 즉, 그들이 자신의 종류보다 반대자들과 어울리는 것을 더 선호해야 한다는 뜻입니다.
• 현실 점검: 저자들은 이것이 비현실적이라고 말합니다. 지지자들은 보통 반대자를 찾아다니지 않으며, 대개 자신의 집단에 머무릅니다.

지금까지의 결론: 동종 선호만으로는 왜 모두가 지지도를 과소평가하는지를 설명할 수 없습니다. 동종 선호는 반대자들이 틀리는 이유는 설명할 수 있지만, 지지자들이 이상하게 행동한다고 가정하지 않는 한 지지자들까지 틀리는 이유는 설명하지 못합니다.

반전: "뇌의 오류"와 "편향된 뉴스" 추가하기

단순한 동종 선호가 작동하지 않았기 때문에, 저자들은 이 퍼즐을 해결할 수 있는지 보기 위해 디지털 마을에 두 가지 재료를 더 추가했습니다.

재료 A: "뇌의 오류" (베이지안 재조정, Bayesian Rescaling)

때때로 우리의 뇌는 비율을 추측하는 데 서툽니다. 확실하지 않을 때, 우리는 실제보다 상황이 50 대 50에 더 가깝다고 추측하는 경경향이 있습니다.

• 비유: 당신이 항아리 속 빨간 구슬과 파란 구슬의 비율을 추측하고 있다고 상상해 보세요. 빨간 구슬이 대부분 보임에도 불구하고, 당신의 뇌는 "안전을 위해서 일단 반반에 가깝다고 치자"라고 말할 수 있습니다.
• 결과: 이 "뇌의 오류"를 추가하면 도움이 조금 되었지만, 여전히 지지자들이 (반대자와 어울리는 등) 이상하게 행동해야만 수치가 맞아떨어졌습니다.

재료 B: "편향된 뉴스" (미디어 편향, Media Bias)

이 지점에서 모델이 마침내 현실과 일치하게 되었습니다. 저자들은 마을의 "인플루언서"나 "뉴스 매체"가 편향된 경우를 시뮬레이션했습니다.

• 비유: 마을의 확성기(미디어)가 주로 소수 집단(반대자)의 목소리를 재생하여, 그들이 실제보다 훨씬 더 흔하고 영향력 있는 것처럼 보이게 만드는 마을을 상상해 보세요.
• 결과: 현실적인 동종 선호(사람들이 자기 편과 어울리는 것)와 미디어 편향(반대 의견을 증폭시키는 것)을 결합했을 때, 모델은 현실에서 보이는 것과 똑같은 패턴을 만들어냈습니다: 지지자와 반대자 모두가 실제 지지 수준을 과소평가하게 되었습니다.

최종 판결

이 논문은 동종 선호만으로는 전체 이야기를 설명할 수 없다고 결론짓습니다.

• 만약 사람들이 단순히 자신의 집단에 머문다면, 지지자들은 의구심을 갖기보다 확신을 가져야 합니다.
• 모두가 자신이 소수라고 느끼려면, 무언가가 반대 의견을 증폭시켜야 합니다.
• 그들의 모델에서 가장 유력한 용의자는 미디어 편향(또는 이와 유사한 메커니즘)으로, 이는 반대 의견을 실제보다 더 크고 중심적인 것처럼 보이게 만듭니다.

중요한 주의 사항: 저자들은 모델이 작동하기 위해 미디어 편향이 필요하다고 언급하면서도, 미디어가 실제로 기후 정책 보도를 편향하는지에 대한 현실 세계의 증거는 "엇갈린다"고 말합니다. 어떤 연구는 그렇다고 하고, 어떤 연구는 아니라고 합니다. 따라서 이 모델은 그것이 어떻게 일어날 수 있는지를 보여주지만, 논문이 미디어 편향이 현실에서 이 현상이 일어나는 유일한 이유라고 확정적으로 증명하는 것은 아닙니다. 단지 동종 선호만으로는 그것만으로는 충분하지 않다는 것을 보여줄 뿐입니다.