Rumour Spreading In Community Based Networks

각자의 고층 사무실 빌딩에서 일하는 무역업자들로 북적이는 활기찬 도시를 상상해 보십시오. 단일 건물 안에서는 모두가 서로를 알고 있습니다. 그들은 휴게실에서 대화를 나누고, 점심을 함께 먹으며, 즉각적으로 소문을 공유합니다. 하지만 건물 사이는 어떨까요? 그 정도는 아닙니다. 한 무역업자가 다른 회사의 친구를 알 수도 있지만, 그러한 연결은 드물고 도달하기 어렵습니다. 이것이 저자인 자오시 추이(Zhaoxi Cui)와 앤서니 오헤어(Anthony O'Hare)가 소문이 어떻게 퍼지는지 알아보기 위해 설정한 세계입니다.

그들은 단순히 추측만 한 것이 아니라, 6,000명의 가상 무역업자(노드)가 100개의 서로 다른 커뮤니티(건물)로 나뉜 디지털 놀이터를 구축했습니다. 그들은 소문이 어떻게 움직이는지 관찰하기 위해 수천 번의 시뮬레이션을 실행했으며, 자신들의 "커뮤니티 도시"를 두 가지 유명한 유형의 디지털 도시와 비교했습니다. 바로 랜덤 네트워크(모두가 누구와도 동등하고 혼란스러운 확률로 알게 되는 구조)와 스몰 월드 네트워크(대부분의 사람이 이웃을 알지만, 몇몇 "마법의 다리"가 먼 그룹들을 연결하는 구조)입니다.

소문의 세 가지 상태

소문을 추적하기 위해 저자들은 세 가지 역할을 가진 고전적인 술래잡기 게임을 사용했습니다:

1. 무지한 자 (Ignorants, I): 아직 소문을 듣지 못한 사람들.
2. 전파자 (Spreaders, S): 소식을 알고 있으며 이를 외치고 다니는 사람들.
3. 침묵하는 자 (Stiflers, R): 소문을 들었지만 말을 멈춘 사람들. 아마도 지루해졌거나, 믿지 않게 되었거나, 혹은 너무 많이 들어서일 것입니다.

게임의 규칙은 엄격합니다:

• 전파자가 무지한 자를 만나면, 무지한 자는 전파자가 됩니다 (소문이 커집니다).
• 전파자가 또 다른 전파자를 만나면, 대화를 시작한 사람이 침묵하는 자로 변합니다 ("아, 너도 이미 알고 있었구나? 좋다, 난 그만 말할게"라고 깨닫는 것입니다).
• 전파자가 침묵하는 자를 만나면, 전파자 또한 침묵하는 자가 됩니다 (소문이 이미 오래된 뉴스라는 것을 깨닫습니다).

큰 발견: "에코 체임버(메아리 방)" 효과

저자들은 네트워크의 형태가 소문의 속도와 강도를 변화시키지만, 반드시 사람들이 듣게 되는 최종 인원수를 바꾸지는 않는다는 것을 발견했습니다.

시뮬레이션에서 무역업자들이 커뮤니티 네트워크(그룹 내부의 연결은 강하지만 건물 간의 연결은 적은 구조)에 있을 때, 흥미로운 일이 일어났습니다. 그룹 내부의 연결이 강해질수록, 소문은 더 빨리 퍼질 뿐만 아니라 해당 그룹 내에서 오히려 더 빨리 사그라들었습니다.

왜 그럴까요? 긴밀하게 결속된 그룹에서는 전파자가 다른 전파자나 침묵하는 자들에게 둘러싸여 있기 때문입니다. 그들은 거의 즉시 이미 소식을 알고 있는 사람과 마주칩니다. 이는 "침묵(stifling)" 규칙을 유발합니다: 전파자는 지루함을 느끼고 말을 멈춥니다. 마치 모두가 이미 속삭이고 있는 붐비는 방 안에서 비밀을 외치는 것과 같습니다. 당신은 반복해서 말하는 것에 지쳐 결국 멈추게 됩니다.

반면, 랜덤 네트워크에서 전파자는 누군가 이미 소식을 알고 있다는 것을 알기 전에 새로운 무지한 자를 만날 가능성이 더 높습니다. 이것은 소문을 더 오래 지속시키고 더 높은 "목소리의 정점"(동시에 소문을 퍼뜨리는 사람의 수)에 도달하게 합니다.

숫자는 거짓말을 하지 않는다

저자들은 특정 설정을 사용하여 시뮬레이션을 실행했습니다: 전파율(α)은 0.001, 침묵율(θ)은 0.001입니다. 또한 차이가 가장 두드러지는 지점을 확인하기 위해 "그룹 간" 연결 확률(bg)을 0.0005로 테스트했습니다.

데이터가 보여준 결과는 다음과 같습니다:

• 최종 인원: 놀랍게도, 소문을 결국 듣게 된 총 인원(최종 침묵자 크기)은 세 가지 네트워크 유형 모두에서 대략 비슷했습니다. 도시가 랜덤이든, 스몰 월드든, 커뮤니티 기반이든, 소문은 결국 인구의 비슷한 비율에 도달했습니다.
• 여정: 그 최종 숫자에 도달하는 경로는 매우 달랐습니다. 커뮤니티 네트워크에서는 소문이 더 일찍, 더 낮은 지점에서 정점에 도달했습니다. 정점에 도달하는 데 걸리는 시간은 연결성에 따라 길어지거나 짧아질 수 있었지만, "강도"(정확히 같은 순간에 소문을 퍼뜨리는 사람의 수)는 랜덤 네트워크에 비해 커뮤니티 설정에서 더 낮았습니다.
• "굴곡(Kink)": 스몰 월드 네트워크에서 저자들은 낮은 연결 수준에서 이상한 "굴곡"이나 도약을 관찰했습니다. 이것은 실제 현상이 아니라 시뮬레이션을 작동시키기 위해 숫자를 반올림해야 했던 컴퓨터 코드의 특이점이었습니다.

이것이 실생활에 의미하는 바

저자들은 만약 어떤 특정 집단에서 소문이 느리게 퍼지고 빠르게 사라지는 것을 본다면, 그것이 그 집단의 구조에 대해 무언가를 말해줄 수 있다고 제안합니다. 이는 그 집단이 매우 긴밀하게 결속되어 있음(높은 "클러스터링")을 시사합니다. 즉, 사람들이 서로 끊임없이 대화하고 있다는 뜻입니다.

또한 그들은 서로 다른 그룹 간의 연결이 약하면 소문이 지역적인 거품(bubble) 안에 갇히게 된다고 언급했습니다. 소문은 거품 안에서는 빠르게 퍼지지만, 다음 거품으로 뛰어넘기는 어려워합니다. 이 "지역적 포화" 효과는 고도로 연결된 커뮤니티에서 사람들이 너무 빨리 서로에게서 소식을 듣기 때문에 소문이 빨리 타버린다는 것을 의미합니다.

그들이 말하지 않은 것

이 논문이 하지 않는 일을 주목하는 것이 중요합니다. 저자들은 이런 현상이 실제 헤지펀드에서 발생한다는 것을 증명하거나 정보 유출을 막는 마법의 공식을 제시한 것이 아닙니다. 그들은 다양한 유형의 소문(예: 가짜 뉴스 vs 농담)을 테스트하거나 사람의 성격이 게임을 어떻게 바꾸는지 테스트하지 않았습니다. 또한 한 가지 네트워크 유형이 다른 것보다 "낫다"고 주장하지도 않았습니다; 그들은 단지 그것들이 다르게 행동한다는 것을 보여주었을 뿐입니다.

이 연구는 시뮬레이션, 즉 컴퓨터 실험입니다. 저자들은 이러한 결과가 기밀 정보가 유출되는 방식이나 소문의 확산을 통제하는 방법을 이해하는 데 도움을 줄 수 있다고 제안하지만, 문제를 해결했다고 단정 짓지는 않습니다. 그들은 단지 연결되는 "다리"가 약할 때 네트워크의 형태가 중요하다는 것을 보여주었을 뿐입니다.

요약하자면, 소문이 폭발하여 모두에게 도달하게 하고 싶다면 무작위로 섞인 친구 관계가 가장 좋습니다. 만약 소문이 특정 집단 내에서 빠르게 사그라들게 하고 싶다면, 그 집단을 촘촘한 연결로 채우십시오. 네트워크의 형태가 춤의 모양을 결정하며, 비록 마지막에 춤을 추는 사람의 수는 같을지라도 말입니다.