Critical Slowing Down, Not Intensity, of Collective Anger Predicts Surges of Social Movement Activity
6,000만 건의 #BlackLivesMatter 트윗을 분석함으로써, 본 연구는 사회 운동 활동의 급증을 예측하는 데 있어 집단적 분노의 강도가 아닌 그 지속성의 증가가 신뢰할 수 있는 조기 경보 신호로 작용한다는 것을 입증한다.
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
사회과학의 세계를 거대하고 북적이는 기상 관측소라고 상상해 보십시오. 이곳의 과학자들은 비나 바람을 추적하는 대신, 인간 행동의 '폭풍', 즉 시위가 갑작스럽게 발생하거나 운동이 바이럴되는 것처럼 사람들이 갑자기 함께 행동하기로 결정하는 그 거대한 순간들을 예측하려고 노력합니다. 오랫동안 연구자들은 특정 순간에 군중이 얼마나 '화가 나 있는지'를 측정함으로써 이러한 폭풍을 예측할 수 있다고 생각했습니다. 논리적으로 보였습니다. 모두가 분노로 소리를 지르고 있다면, 폭동이 다가오고 있는 것이 당연하니까요, 그렇지 않나요? 하지만 이 논문은 비명을 지르는 음량이 전부는 아닐 수도 있다고 제안합니다. 대신, 진짜 단서는 그 분노가 얼마나 '끈적하게(sticky)' 느껴지는가에 있을지도 모릅니다. 고무줄을 떠올려 보십시오. 잡아당겼을 때 즉시 원래대로 돌아온다면 안정적인 상태입니다. 하지만 잡아당겼을 때 천천히 흔들거리며 원래 모양으로 돌아가기를 거부한다면, 곧 끊어질 것입니다. 이 '흔들림'을 과학자들은 **임계 저속 현상(critical slowing down)**이라고 부릅니다. 이는 시스템이 탄성을 잃고 현재 상태에 갇혀버리는 것을 뜻하는 멋진 용어로, 대개 큰 변화가 일어나기 직전에 발생합니다. 이를 이해하는 것은 사회적 변화를 위한 수정구슬을 갖는 것과 같습니다. 이는 조용한 대화가 언제 포효로 변할지 미리 파악하여, 지도자와 활동가들이 변화가 일어나기 전에 대비할 수 있게 해줄 것입니다.
그렇다면 연구자들은 실제로 무엇을 했을까요? 그들은 이 '고무줄' 이론을 #BlackLivesMatter 운동을 통해 대규모로 테스트하기로 했습니다. 그들은 단순히 몇 백 명의 데이터를 본 것이 아니라, 2015년부터 2020년 사이에 게시된 약 6,000만 개의 트윗이라는 방대한 데이터 더미를 파헤쳤습니다. 그들의 목표는 감정적 날씨 패턴을 통해 운동의 '급증(surge)'(새로운 게시물이 폭발적으로 늘어나는 날들)을 예측할 수 있는지 확인하는 것이었습니다.
먼저, 그들은 기존의 아이디어에 도전했습니다. 분노의 강도가 급증을 예측하는가? 그들은 매일매일 트윗의 평균 분노 수치를 확인했습니다. 또한 불안이나 슬픔과 같은 다른 부정적인 감정들도 살펴보았습니다. 결과는 약간의 반전이 있었습니다. 평균적인 분노의 양은 아무것도 예측하지 못했습니다. 사람들이 화요일에 화가 났다고 해서 반드시 수요일에 큰 급증이 오는 것은 아니었습니다. 사실, 이 논문은 분노의 강도 자체는 예측에 있어 막다른 길이었던 반면, 오히려 불안과 슬픔의 수준이 급증이 가까워지고 있음을 알리는 데 더 효과적이라는 사실을 발견했습니다.
그다음, 그들은 **자기상관(autocorrelation)**이라는 개념을 사용하여 측정한 분노의 '끈적임'에 초점을 맞추었습니다. 쉬운 말로 설명하자면, 자기상관은 "지금 사람들이 느끼는 감정이 어제의 감정에 의해 크게 영향을 받는가?"라고 묻는 것입니다. 만약 대답이 '그렇다'라면, 그 감정은 지속적이며, 즉 정상으로 빠르게 회복되지 않고 머물러 있다는 뜻입니다. 이것이 바로 '임계 저속 현상'이 작동하는 모습입니다.
여기서 중요한 발견이 있습니다. 분노가 더 지속적(persistent)이 될수록, 그 운동은 거대한 급증에 더 가까워졌습니다. 큰 사건을 향해 날짜가 흘러감에 따라, 트윗 속의 분노는 반드시 더 커지지는 않았지만, 회복되는 속도가 '느려졌습니다'. 분노는 주변을 더 오래 맴돌기 시작했고, 오늘의 분노가 거의 어제의 분노를 완벽하게 복사한 듯한 패턴을 만들어냈습니다. 연구자들은 시스템이 급증에 가까워질수록 이 자기상관이 유의미하게 증가한다는 것을 발견했습니다. 마치 군중이 분노의 굴레에 갇혀 놓아주지 못하는 상태가 되어, 전환이 임박했음을 알리는 신호를 보내는 것과 같았습니다.
그들은 또한 분산(variance)(분노 수치가 얼마나 오르락내리락하는지)도 살펴보았습니다. 놀랍게도, 급증이 가까워질수록 분노는 오히려 변동성이 낮아졌습니다. 격렬하게 요동치는 대신, 꾸준하고 지속적인 분노의 웅성거림 속으로 안착했습니다. 이는 어떤 시스템이 깨지기 직전에 더 혼란스러워질 것이라고 암시하는 고전적인 교과서적 정의와는 조금 다르지만, 이 논문은 최근의 연구들이 특정 시스템에서 나타나는 이러한 변동성 감소의 개념을 지지하고 있다고 언급합니다.
연구자들은 자신들이 단순히 노이즈에서 패턴을 보고 있는 것이 아님을 확인하기 위해 엄격한 검증을 수행했습니다. 그들은 트윗의 날짜를 카드를 섞듯이 무작위로 섞은 후에도 동일한 패턴을 찾을 수 있는지 시도했습니다. 그렇게 했을 때, 분노의 '끈적임'은 사라졌습니다. 이는 그들이 실제 데이터에서 발견한 패턴이 컴퓨터 코드의 오류가 아니라 실제적인 신호임을 시사합니다. 또한 온라인 트윗이 실제 거리의 시위와 일치하는지 확인했는데, 트윗이 증가할 때 시위 규모도 함께 증가한다는 강력한 연관성을 발견했습니다.
그래서 결론은 무엇일까요? 이 논문은 사회적 운동의 다음 행보를 예측하기 위해 단순히 가장 큰 비명 소리에 귀를 기울여서는 안 된다고 제안합니다. 대신, 감정이 튀어 오르기를 멈추고 계속 머물러 있는 순간을 주목해야 합니다. 중요한 것은 군중이 얼마나 화가 났느냐가 아니라, 그 분노가 얼마나 오랫동안 사라지지 않고 버티느냐 하는 것입니다. 이 연구가 이 분노가 급증을 '유발'한다고 증명할 수는 없지만(단지 예측할 뿐입니다), 인간 집단의 보이지 않는 역학을 바라보는 강력한 새로운 방법을 제시합니다. 결국, 다가오는 폭풍의 가장 중요한 징후는 천둥소리가 아니라, 비가 내리기 직전 공기가 무겁고 정지해 있는 듯한 느낌인 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.