온라인 대학생 소셜 네트워크의 커뮤니티 구조와 특성 비교

초록

본 연구는 미국 5개 대학의 페이스북 친구 관계를 기반으로 한 단일 시점 네트워크를 분석한다. 각 대학별 커뮤니티 구조를 탐색하고, 거주지, 학년, 전공, 고등학교 출신 등 사용자가 스스로 지정한 특성과의 상관관계를 표준화된 페어‑카운팅 지표(Rand, Adjusted Rand 등)와 z‑점수 분석을 통해 정량화한다. 결과는 대학마다 서로 다른 요인이 커뮤니티 형성에 기여함을 보여주며, 단일 요인보다 다중 요인이 복합적으로 작용한다는 점을 강조한다.

상세 분석

이 논문은 온라인 소셜 네트워크 분석에 있어 커뮤니티 탐지와 특성 매핑을 체계적으로 연결한 사례로서, 몇 가지 기술적 강점을 가진다. 첫째, 네트워크는 5개 대학 각각에 대해 독립적으로 구축되었으며, 노드(학생)와 엣지(페이스북 친구 관계)는 동일한 수집 시점에 추출돼 시간적 변동성을 최소화한다. 둘째, 커뮤니티 탐지는 모듈러리티 최적화 기반의 Louvain 알고리즘을 사용했으며, 동일 알고리즘을 모든 대학에 적용함으로써 결과의 비교 가능성을 확보했다. 셋째, 커뮤니티와 사용자 특성 간의 일치 정도를 평가하기 위해 Rand 지수, Adjusted Rand, Jaccard, Fowlkes‑Mallows 등 네 가지 페어‑카운팅 지표를 활용했고, 각 지표의 기대값과 분산을 이용해 z‑점수를 계산하는 분석식을 제시함으로써 통계적 유의성을 정량화했다. 특히, Rand 지수의 z‑점수에 대한 간단한 폐쇄형 식을 도입해 대규모 네트워크에서도 빠른 계산이 가능하도록 했다. 넷째, 특성별 기여도를 비교하기 위해 “relative contribution”이라는 비율 지표를 정의했으며, 이는 각 특성의 z‑점수를 전체 특성 z‑점수 합으로 나눈 값이다. 이를 통해 고등학교 출신이 대규모 주립대에서는 높은 기여도를 보이지만, 사립대에서는 낮은 경향을 보이는 등, 대학 규모·지역·문화적 차이가 커뮤니티 형성에 미치는 영향을 정량적으로 드러냈다. 다섯째, 결과 해석에서 단일 요인(예: 학년)만으로는 커뮤니티를 설명하기 부족함을 강조하고, 다중 요인이 상호작용하는 복합 구조를 제시한다. 이는 오프라인 사회구조와 온라인 네트워크 간의 연계성을 탐색하는 데 중요한 시사점을 제공한다. 전체적으로, 데이터 수집, 커뮤니티 탐지, 통계적 매핑, 결과 비교라는 전 과정을 일관된 프레임워크로 정리한 점이 학술적·실무적 가치를 높인다.