온라인 커뮤니티 집단 감정 모델링

초록

본 논문은 에이전트 기반 프레임워크를 제시하여 온라인 커뮤니티에서 개인의 가치(valence)와 각성(arousal) 변화를 확률적·비선형적으로 모델링한다. 에이전트가 생성한 감정 정보는 매개 필드에 저장·전파되며, 이 필드가 다시 에이전트의 감정 상태에 피드백한다. 분석을 통해 포화형·초선형 피드백에 따라 집단 감정이 일시적 혹은 반복적으로 나타나는 조건을 도출하고, 시뮬레이션으로 검증한다.

상세 분석

이 연구는 ‘브라운 운동 에이전트(Brownian agents)’ 개념을 차용해 감정의 두 축인 가치(valence)와 각성(arousal)을 연속적인 확률 변수로 설정한다. 각각의 에이전트는 내부 동역학에 의해 무작위적 변동을 겪으며, 동시에 온라인 매체가 제공하는 감정 정보 필드와 상호작용한다. 필드는 에이전트가 게시한 감정 메시지를 집계·확산시키는 역할을 하며, 공간적·시간적 확산 방정식으로 기술된다. 핵심은 필드와 에이전트 간의 비선형 피드백 함수이다. 가치에 대한 피드백은 주로 포화형(sigmoidal) 형태를 취해, 일정 수준을 초과하면 추가적인 감정 자극 효과가 제한된다. 반면 각성에 대한 피드백은 포화형과 초선형 두 경우를 고려한다. 포화형 경우, 높은 각성 상태가 지속되면 감정 표현이 억제돼 집단 감정이 일시적으로만 나타난다. 초선형 경우, 각성이 일정 임계값을 넘으면 감정 표현이 급격히 증가해 반복적인 감정 파동이 발생한다. 저자는 이론적 안정성 분석을 통해 두 피드백 형태가 각각 어떻게 이중극성(valence의 양극화) 분포를 유도하는지 수식적으로 증명한다. 또한, 시뮬레이션 결과는 이론적 예측과 일치해, 초기 조건과 파라미터 설정에 따라 감정의 발현 빈도와 지속 시간이 크게 달라짐을 보여준다. 이러한 모델은 실제 온라인 포럼이나 SNS에서 감정 전염 현상을 정량화하고, 감정 조절 메커니즘을 설계하는 데 활용될 수 있다.