📄 medicine

Characteristics and Quality Assessment of Influenza-related Video on the Chinese Version of TikTok During an Epidemic Season: A Cross-Sectional Study

유행 시기 중국판 틱톡의 인플루엔자 관련 영상 92개를 대상으로 한 이 단면 연구는, 전반적인 콘텐츠 품질은 뉴스 기관이 의사들보다 우수한 성과를 보이며 중상 수준이었으나, 사용자 참여 지표는 품질을 예측하는 데 실패한 반면 영상 길이와 업로더의 팔로워 수는 유의미한 정적 예측 인자로 나타났음을 발견했다.

원저자: Xiaofang Jiang, Feng Yu, Jingbang Liu, Jiahan Hu, Meng Wang, Shina Qiao, Jinhang Xu, Lili Wu

게시일 2026-06-25

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Xiaofang Jiang, Feng Yu, Jingbang Liu, Jiahan Hu, Meng Wang, Shina Qiao, Jinhang Xu, Lili Wu

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

인터넷을 사람들이 독감에 관한 답을 찾기 위해 방문하는 거대하고 북적이는 시장이라고 상상해 보세요. 이 시장에서 **틱톡(중국 버전)**은 매초 짧은 영상들이 공연되는 거대하고 빠르게 움직이는 무대와 같습니다. 이 연구는 품질 검사관 팀이 독감 시즌이 절정에 달했을 때 그 무대로 걸어 들어가, 어떤 종류의 공연이 펼쳐지고 있는지, 그리고 그 공연들이 실제로 얼마나 훌륭한지를 확인한 것과 같습니다.

연구 결과는 다음과 같으며, 이해하기 쉽게 나누어 설명합니다.

1. 등장인물 (Cast of Characters)

연구진은 가장 인기 있는 독감 영상 100개를 살펴보았습니다. 그들은 두 가지 주요 그룹의 공연자를 발견했습니다.

의사들: 약 60%의 영상은 의사들에 의해 제작되었습니다. 이들은 독감 전문가뿐만 아니라 심장 전문의, 소아과 의사, 심지어 중의사(Traditional Chinese Medicine practitioners)까지 다양한 전문 분야에서 왔습니다.
뉴스 팀: 약 26%는 뉴스 기관(TV 방송국이나 온라인 뉴스 매체 등)에 의해 제작되었습니다.

비유: 의사들을 몸(자동차)을 고칠 줄 아는 숙련된 정비사라고 한다면, 뉴스 팀은 이야기를 명확하고 빠르게 전달할 줄 아는 전문 방송 크루와 같습니다.

2. 쇼의 "속도" (The "Speed" of the Show)

독감 시즌은 빠르고, 영상들도 빨랐습니다.

영상들은 매우 신선했습니다. 영상의 중앙값(median age)은 단 9일이었습니다.
이것은 교과서라기보다는 일간 신문에 가깝습니다. 정보가 현재의 독감 "발생" 상황에 맞춰 끊임없이 업데이트되고 있었습니다.

3. 품질 성적표 (The Quality Report Card)

연구진은 영상을 채점하기 위해 네 가지 다른 "성적표"를 사용했습니다. 판결은 다음과 같습니다.

종합 성적: 영상들은 전반적으로 "B"에서 "A-" 정도의 품질였습니다. 보기 편했고, 기술적으로 명확했으며, 대체로 유용했습니다.
큰 문제점: 거의 모든 영상이 "출처 확인(Source Check)"에서 낙제했습니다.
- 비유: 맛있는 수프를 대접하면서 재료가 어디서 왔는지, 혹은 신선한지 알려주기를 거부하는 요리사를 상상해 보세요. 대부분의 영상은 정보의 출처를 밝히지 않았고, 참고 문헌을 나열하지 않았으며, 언제 녹화되었는지도 명시하지 않았습니다.
- 결과: 이러한 "영수증(근거)"이 부족했기 때문에, 그 조언이 신뢰할 수 있는지 혹은 시대에 뒤떨어진 것인지 알기가 어려웠습니다.

4. 누가 최고의 영상을 만드는가?

놀랍게도, 뉴스 기관들이 거의 모든 품질 지표에서 개별 의사들보다 더 높은 점수를 받았습니다.

이유는? 뉴스 팀은 출처를 인용하고, 투명성을 유지하며, 콘텐츠의 균형을 맞추는 데 더 뛰어났습니다. 그들은 엄격한 규칙을 따르는 전문 방송 크루 같았던 반면, 개별 의사들은 때때로 더 격식 없는 모습을 보였습니다.
콘텐츠의 차이: 일반적인 예방 수칙을 가르치려는 영상보다 "속보(Hot News)"나 "정책(정부 규정 등)"에 관한 영상이 더 짧고 품질이 높았습니다.

5. "인기"의 함정 (The "Popularity" Trap)

이것이 가장 중요한 발견입니다: 인기가 있다고 해서 반드시 좋은 것은 아닙니다.

비유: 바이럴 댄스 영상을 생각해 보세요. 100만 명의 사람이 그 영상을 좋아하고, 공유하고, 댓글을 달았다고 해서, 그 무용수가 전문 체조 선수는 아닐 수도 있습니다.
데이터: 연구진은 영상의 "좋아요"나 "공유" 수가 의료 조언의 정확도나 품질과 전혀 관련이 없다는 것을 발견했습니다. 어떤 영상은 엄청나게 인기가 많으면서도 잘못된 조언으로 가득 찰 수 있고, 어떤 영상은 품질은 높지만 조회수는 낮을 수 있습니다.

6. 무엇이 좋은 영상을 예측하는가?

연구진은 높은 품질 점수를 예측하는 두 가지 요인을 발견했습니다.

길이: 긴 영상일수록 더 좋은 경향이 있었습니다.
- 비례: 30초짜리 영상은 짧은 한마디(soundbite)와 같지만, 2분짜리 영상은 헤드라인이 아닌 미니 강의처럼 "왜"와 "어떻게"를 더 철저하게 설명할 수 있게 해줍니다.
팔로워 수: 팔로워가 많은 계정일수록 더 좋은 영상을 만드는 경향이 있었습니다.
- 비례: 이는 유명하고 확립된 레스토랑을 이름 없는 푸드 트럭보다 더 신뢰하는 것과 같습니다. 거대한 팔로워를 보유한 계정들(주로 뉴스 기관이나 시니어 전문가들)은 품질을 높게 유지하는 "평판 메커즘"을 가진 것으로 보였습니다.

결론 (The Bottom Line)

독감 시즌 동안 틱톡은 유용한 정보로 가득 찬 바쁘고 빠른 속도의 장소이지만, 동시에 약간의 "서부 개척 시대(Wild West)" 같은 곳이기도 합니다.

좋은 점: 의사와 뉴스 팀들이 돕기 위해 열심히 노력하고 있습니다.
나쁜 점: 대부분의 영상이 그들의 "영수증(출처)"을 보여주는 것을 잊어버려, 신뢰하기 어렵게 만듭니다.
경고: 단순히 "좋아요"가 많은 영상을 보지 마세요. 인기는 진실을 보장하지 않습니다.
해결책: 크리에이터들은 뉴스 팀처럼 행동해야 합니다. 즉, 정보의 출처와 영상 제작 시점을 명확히 밝혀야 합니다. 또한 앱 운영자들은 단순히 "좋아요"를 기준으로 영상을 추천하는 것을 멈추고, 실제 품질을 찾아내기 시작해야 합니다.

기술 요약: 중국판 틱톡(TikTok) 내 인플루엔자 관련 영상의 특성 및 품질 평가

문제 제기
인플루엔자는 효과적인 예방을 위해 대중의 인식이 매우 중요한, 전 세계적으로 모니터링되는 우선순위 감염병이다. 틱톡과 같은 영상 기반 소셜 미디어 플랫폼은 공중 보건 정보 접근의 주요 채널이 되었으나, 특히 유행 시즌 동안 이러한 플랫폼 내 인플루엔자 관련 콘텐츠의 품질은 여전히 충분히 평가되지 않고 있다. 저품질 콘텐츠나 잘못된 정보가 정확한 건강 결정을 방해할 수 있는 상당한 위험이 존재한다. 기존 연구들은 소셜 미디어상의 질병 특정 영상들을 평가해 왔으나, 결정적인 인플루엔자 시즌 동안 틱톡의 숏폼 영상 콘텐츠를 체계적으로 평가한 연구는 제한적이다. 본 연구는 중국판 틱톡의 인플루엔자 관련 영상의 출처 특성, 콘텐츠 주제, 참여 지표 및 전반적인 품질에 대한 이해의 격차를 해소하고자 한다.

연구 방법론
본 연구는 2025년 11월 14일에 수행된 단면 연구 설계를 채택하였다.

데이터 수집: 연구진은 중국판 틱톡(버전 36.5.0)에 새 계정을 생성하여 키워드 "流感"(인플루엔자)를 검색하였다. 알고리즘 편향을 최소-화하기 위해 필터 없이 24시간 이내에 상위 100개의 순위 영상을 수집하였다. 평가 시점에 사용할 수 없거나 인플루엔자와 관련 없는 영상은 제외되었으며, 최종 샘플은 92개의 영상으로 확정되었다.
데이터 추출: 메타데이터에는 업로더 특성(유형, 인증 상태, 팔로워 수), 콘텐츠 특징(주제, 길이, 업로드 후 경과 시간), 참여 지표(좋아요, 댓글, 즐겨찾기, 공유)가 포함되었다. 업로더 유형은 의사, 뉴스 기관, 개인, 또는 기관으로 분류하였다. 콘텐츠 주제는 "유언비어 반박 및 지식 보급", "예방 및 의료 가이드", "정책 해석 및 핫 뉴스"로 분류하였다.
품질 평가: 두 명의 숙련된 보건 커뮤니케이션 전문가가 네 가지 검증된 도구를 사용하여 모든 영상을 독립적으로 평가하였다:
1. 글로벌 품질 점수 (GQS): 전반적인 유용성과 유창성을 평가하는 5점 리커트 척도.
2. 수정된 DISCERN (mDISCERN): 신뢰성과 출처 인용을 평가하는 5개 항목의 이분법적 척도.
3. 영상 정보 및 품질 지수 (VIQI): 제작 및 정보 품질을 평가하는 4개 차원의 5점 척도.
4. 의료 품질 영상 평가 도구 (MQ-VET): 콘텐츠, 기술적 측면 및 신뢰성을 평가하는 15개 항목의 5점 척도.
통계 분석: 분석은 SPSS 25.0 및 R 4.5.1을 사용하여 수행되었다. 비모수 검정(Dunn의 사후 검정을 포함한 Kruskal–Wallis 검정)을 통해 그룹 간 차이를 비교하였다. 스피어먼 상관계수는 특성과 품질 간의 연관성을 분석하였다. 단계적 다중 선형 회귀 분석을 통해 GQS의 예측 요인을 식별하였다. 연구자 간 신뢰도는 가중 Kappa 및 급내 상관계수(ICC)를 사용하여 평가하였다.

주요 결과

인구 통계 및 참여: 92개의 영상 중 59.78%는 의사(21개 전문 분야에 걸침)가 업로드하였고, 26.09%는 뉴스 기관이 업로드하였다. 영상의 중앙값 길이는 9일로, 높은 시의성을 나타냈다. 뉴스 기관은 팔로워 수가 유의미하게 많았으나, 의사보다 유의미하게 짧은 영상을 제작하였다.
품질 점수: 전반적인 품질은 보통에서 높음 수준이었다. 평균 GQS는 3.47(범위 1–5), 평균 mDISCERN은 2.15(범위 1–4), 평균 VIQI는 16.87(범위 11–20), 평균 MQ-VET는 53.04(범위 31–65)였다.
결정적 결함: 확인된 주요 단점은 정보 출처에 대한 투명성 부족이었다. 단 하나의 영상만이 다른 정보 출처를 인용하였으며(mDISCERN 항목 4), 불확실성을 언급한 영상은 10개 미만이었다(항목 5).
그룹 간 차이: 뉴스 기관의 영상은 mDISCERN, VIQI, MQ-VET 척도에서 의사의 영상보다 유의미하게 높은 점수를 기록하였다. "정책 해석 및 핫 뉴스" 콘텐츠 또한 모든 품질 척도에서 다른 주제들보다 우수한 성적을 보였다. 의사 중에서는 부교수급(associate chief physicians)이 일반 전문의(attending physicians)보다 높은 GQS 점수를 달성하였다.
상관관계: 사용자 참여 지표(좋아요, 공유 등)는 품질 점수와 약하거나 무시할 만한 상관관 관계를 보였다( $r = 0.00–0.26$ ), 이는 인기가 품질과 동일하지 않음을 나타낸다.
예측 요인: 단계적 회귀 분석 결과, 영상 길이( $\beta = 0.005, P < 0.001$ )와 업로더 팔로워 수( $\beta = 0.108, P = 0.005$ )가 GQS의 독립적인 양의 예측 변수로 식별되었다. 이 두 변수는 품질 점수의 분산 31.4%를 설명하였다( $R^2 = 0.314$ ).

핵심 기여

최초의 체계적 평가: 본 연구는 활발한 유행 시즌 동안 중국판 틱톡의 인플루엔자 관련 숏폼 영상의 특성과 품질을 체계적으로 평가한 첫 번째 연구이다.
품질 격차 식별: 본 연구는 의료 전문가가 제작한 영상조차도 정보 출처의 투명성과 인용이 광범위하게 부족함을 강조하며, 이는 건강 정보의 검증 가능성을 저해한다.
참여와 품질의 분리: 본 연구는 높은 사용자 참여(좋아요, 공유)가 콘텐츠 품질의 신뢰할 만한 대리 지표가 아니라는 실증적 증거를 제공하며, 이는 현재의 플랫폼 추천 로직에 도전한다.
새로운 예측 변수 도입: 본 연구는 "업로더 팔로워 수"와 "영상 길이"를 영상 품질의 유의미하고 독립적인 예측 변수로 도입하여, 계정의 평판과 콘텐츠의 깊이가 참여 지표보다 품질의 더 나은 지표임을 시사한다.

의의 및 주장
저자들은 인플루엔라 시즌 동안 틱톡 생태계는 역동적이며 의사와 뉴스 기관이 주도한다고 주장한다. 전반적인 품질은 보통 수준이지만, 출처 인용과 정보 출처의 투명성 부재는 치명적인 결함이다. 본 연구는 뉴스 기관의 참여가 속성 부여(attribution)에 관한 전문적 기준 준수 덕분에 영상 품질을 유의미하게 높인다고 단언한다.

본 논문은 건강 콘텐츠를 큐레이션할 때 참여 지표에 의존하는 것은 비효적이며 잠재적으로 위험하다고 결론짓는다. 대신, 영상 길이와 업로더 팔로워 수가 품질의 보조 지표로 활용될 수 있다고 제안한다. 저자들은 보건 커뮤니케이터들이 뉴스 기관의 투명성 관행(출처 및 날짜 인용)을 채택해야 하며, 플랫폼 운영자는 공중 보건 커뮤니케이션 전략을 더 잘 안내하기 위해 근거 기반의 품질 평가를 추천 알고리즘에 통합해야 한다고 제안한다. 본 연구는 해당 데이터셋에서 AI 생성 콘텐츠는 관찰되지 않았으나, 영상 제작에서 AI 사용이 증가함에 따라 정보 정확성에 대한 지속적인 경계가 필요함을 명시적으로 언급한다.