Visualizing Semantic Similarity in Political Discourse: A Comparative Analysis of Word Embeddings in Trump’s 2016 and 2024 Campaign Speeches

언어는 단순히 정보를 교환하는 수단 그 이상입니다. 그것은 정치 지도자들이 현실을 구축하고, 누가 속해 있는지를 정의하며, 한 국가의 투쟁을 틀 짓는 주요한 도구입니다. 정치인이 말할 때, 그들은 단순히 정책을 나열하는 것이 아니라, 단어들이 특정한, 종종 보이지 않는 방식으로 서로 연결되는 의미의 태피스트리를 짜는 것입니다. 수십 년 동안 학자들은 단어의 수를 세거나 어조를 읽음으로써 이 연설들을 연구해 왔지만, 최근의 한 연구 분야는 컴퓨터를 사용하여 이러한 연결의 숨겨진 구조를 지도화합니다. 이 접근 방식은 언어를 단어들이 자주 함께 나타나는 곳은 서로 가깝게 위치하고, 드물게 만나는 단어들은 멀리 떠내려가는 거대하고 3차원적인 풍경처럼 취급합니다. 이러한 거리들을 기록함으로써, 연구자들은 지도자가 무엇을 말하고 있는지뿐만 아니라, 그의 사고 구조 자체가 시간이 흐름에 따라 어떻게 변화했는지도 볼 수 있습니다. 이것이 바로 도널드 트럼프의 정치적 수사학의 진화를 탐구하며, 그의 2016년 캠페인 연설과 2024년 캠페인 연설을 비교하여 그의 정치적 세계의 지도가 어떻게 다시 그려졌는지 이해하고자 하는 최근 연구가 다루는 영역입니다.

연구자들은 단순하지만 야심 찬 질문으로 시작했습니다. 도널드 트럼프가 아이디어를 연결하는 방식이 8년이라는 기간 동안 어떻게 변했는가? 이에 답하기 위해, 그들은 두 개의 방대한 텍스트 모음을 수집했습니다: 2016년 캠페인 연설에서 추출한 166,297개의 단어와 2024년 캠페인 연설에서 추출한 218,892개의 단어입니다. 이것들은 무작위로 발췌된 조각들이 아니라, 동일한 유형의 정치적 소통을 공정하게 비교할 수 있도록 엄선된 집회 및 공식 행사들의 대본이었습니다. 연구팀은 이 텍텍스트를 단어의 동반 관계를 통해 의미를 학습하도록 설계된 컴퓨터 모델에 입력했습니다. 모델이 수천 개의 문장을 읽으며 "왕"과 "여왕"은 비슷한 맥락에서 자주 등장하기 때문에 가깝고, "왕"과 "모래"는 서로 멀리 떨어져 있다는 것을 배우는 과정을 상상해 보십시오. Word2Vec이라고 알려진 이 모델은 모든 단어를 공간상의 수학적 점으로 변환합니다. 이 점들 사이의 거리는 해당 시대 내에서 단어들이 의미상 얼마나 유사한지를 드러냅니다.

컴퓨터가 단어들을 지도화한 후, 연구자들은 마치 혼합된 구슬 주머니를 색상과 크기에 따라 분류하여 지배적인 패턴을 파악하는 것처럼, 단어들을 클러스터(군집)로 묶는 방법을 사용했습니다. 그런 다음 그들은 이 복잡하고 다층적인 지도를 인간의 눈으로 보고 분석할 수 있는 2차원 이미지로 평면화하는 기술을 사용했습니다. 그들이 발견한 것은 연속성과 심오한 변화의 이야기였습니다. 트럼프 메시지의 핵심 주제는 두 시기 모두 놀라울 정도로 안정적으로 유지되었습니다. 2016년과 2024년 모두, 연설은 "국민"을 부패한 "엘리트"에 맞서고 국가적 강함과 쇄신을 약속하는 포퓰리즘의 토대 위에 구축되었습니다. 컴퓨터는 그의 수사학에서 이러한 중심 기둥들이 사라지지 않았음을 확인해주었습니다. 그것들은 여전히 그 풍경에서 가장 무겁고 두드러진 특징들이었습니다.

그러나 이러한 주제들이 서로 주변에 배치되는 방식은 극적인 변화를 겪었습니다. 2016년 연설에서 지도는 조밀하고 촘촘하게 짜여 있었습니다. 일자리, 무역, 국가 발전과 같은 경제적 아이디어들은 안보 및 정체성이라는 주제와 밀접하게 결합되어 있었습니다. 이 언어는 경제적 번영과 국가적 강함이 하나의 응집력 있는 이야기의 불가분한 부분으로서 통합된 비전을 제시하고 있음을 시사했습니다. 컴퓨터 시각화 자료는 이러한 아이디어들이 서로 모여 있는 모습을 보여주었으며, 이는 2016년의 정치적 서사가 한 주제가 자연스럽게 다른 주제로 이어지는 하나의 통합된 직물이었음을 나타냈습니다.

2024년에 이르러 그 직물은 해졌습니다. 포퓰리즘과 강함이라는 동일한 핵심 주제는 여전히 존재했지만, 그것들은 한때 정의했던 경제적 이슈들과 더 이상 긴밀하게 묶여 있지 않았습니다. 대신, 2024년의 지도는 흩어지고 파편화된 모습이었습니다. 컴퓨터 분석은 주제들이 멀리 떨어져 나가, 별개의 고립된 의미의 섬들을 형성했음을 드러냈습니다. 담론은 더욱 분열되었으며, 정치적 정당성, 미디어 내러티브, 그리고 정체성 기반의 갈등을 중심으로 새로운 클러스터들이 출현했습니다. 경제 정책과 국가 정체성 사이의 긴밀한 연결은 느슨해졌고, 대신 서로 다른 주제들이 분리되고 종종 충돌하는 영역 속에 존재하는 구조로 대체되었습니다. 이는 정치적 메시지가 광범위한 정책 지향적 비전에서, 이데올로기적 전투와 정치적 진실의 수호에 의해 주도되는 더 파편화된 서사로 이동했음을 시사합니다.

연구는 또한 특정 단어들을 면밀히 살펴봄으로써 두 캠페인 사이의 공간에서 그 의미가 어떻게 이동했는지 살펴보았습니다. "중국(China)", "싸움(fight)", "선거(election)", "진실(truth)"과 같은 단어들이 가장 극적인 움직임을 보였습니다. 2016년에 "중국"은 무역, 제조업, 일자리와 관련된 단어들의 이웃이었으며, 주로 경제적 경쟁자로 프레임되었습니다. 2024년에 이 단어는 경제적 이웃들로부터 멀리 떨어져 나와 국가 안보, 위협, 지정학적 라이벌 관계와 관련된 용어들 옆에 자리 잡았습니다. 마찬가지로 "싸움"이라는 단어도 위치가 바뀌었습니다. 초기 연설에서 그것은 군사적 강함과 외부 위협과 연관되었습니다. 후기 연설에서 그것은 국내 정치적 투쟁의 중심으로 이동하여 선거, 미디어 검열, 내부 갈등에 관한 단어들과 밀집되었습니다.

아마도 가장 시사적인 변화는 "진실"이라는 단어에서 나타났습니다. 2016년에 이 단어는 주요 의미 클러스터의 중심이 아닌 주변부에 있었습니다. 2024년에는 미디어 내러티브, 검열, 정치적 정체성에 관한 단어들에 둘러싸인 채 독자적인 클러스터를 형성하며 초점이 되었습니다. 이는 객관적인 사실이나 정책적 세부 사항을 논의하는 것에서 벗어나, 현실의 본질과 누가 그것을 정의할 것인가에 대한 투쟁으로의 이동을 나타냅니다. "선거"라는 단어 역시 비슷한 여정을 거쳤는데, 2016년의 승리와 대중적 지지의 맥락에서 2024년의 부정 선거, 정당성 분쟁, 논란이 되는 결과의 맥락으로 이동했습니다.

연구자들은 이러한 변화가 단순히 하나의 주제를 다른 것으로 교체하는 것이 아니라, 정치적 의미가 구축되는 방식의 근본적인 재구조화라고 결론지었습니다. 2016년의 담론은 아이디어들이 서로를 강화하는 응집력 있고 경제 지향적인 구조를 특징으로 했습니다. 2024년의 담론은 더 파편화되고, 이데올로기 중심적이며, 정체성과 갈등에 집중되어 있었습니다. 이 연구는 정치적 양극화가 심화됨에 따라, 세상을 묘사하는 언어가 공유된 정책 목표보다는 분리되고 종종 양립 불가능한 현실을 방어하는 것에 대해 덜 집중하게 된다는 점을 시사합니다. 컴퓨터 모델은 단순히 단어를 센 것이 아니라, 정치적 담론의 구조 자체가 어떻게 변했는지, 즉 통일된 서사에서 단절되고 이데올로기적으로 충전된 파편들의 집합으로 이동했는지를 밝혀냈습니다. 이 발견은 정치 지도자들이 새로운 사건뿐만 아니라, 변화하는 대중적 믿음과 갈등의 지형에 맞춰 어떻게 자신의 언어를 적응시키는지 이해하는 새로운 방법을 제공합니다.