디그에서 본 감정과 의견의 통계적 관계

초록

본 연구는 Digg.com의 뉴스 스토리와 댓글 데이터를 활용해 ‘digg’ 수, 댓글 수, 그리고 댓글의 평균 감정 점수 간의 상관관계를 분석한다. 짧은 스레드에서는 digg 수와 댓글 수가 높은 양의 상관을 보이나, 스레드가 길어질수록 이 상관은 감소한다. 반면, 긴 스레드에서는 digg 수와 평균 감정 점수 사이의 상관이 증가하고, 댓글 수와 감정 점수 사이의 상관은 거의 0에 가깝다. 초기 10개의 댓글이 부정적일수록 토론이 길어지는 경향이 발견되었으며, 이는 두 가지 상이한 토론 진화 메커니즘이 존재함을 시사한다.

상세 분석

이 논문은 소셜 뉴스 플랫폼 Digg의 공개 데이터셋을 정량적·정성적으로 분석함으로써 온라인 의견 형성 메커니즘을 탐구한다. 먼저, 각 스토리와 그에 달린 댓글을 ‘digg’(긍정적 평가)와 감정 점수(텍스트 감성 분석을 통해 부여된 수치)라는 두 축으로 매핑한다. 데이터는 2009년부터 2010년까지 수집된 약 1.2 만 개의 스토리와 3.5 만 개의 댓글을 포함한다. 감정 점수는 사전 기반 감성 사전을 활용해 부정‑중립‑긍정의 연속형 스케일로 변환했으며, 평균 감정 점수는 각 스레드 내 모든 댓글의 점수를 평균한 값으로 정의한다.

주요 통계 분석에서는 세 가지 변수 간의 피어슨 상관계수를 구했다. 첫 번째는 ‘digg 수’와 ‘댓글 수’ 사이의 관계이다. 전체 데이터에서는 r≈0.68로 강한 양의 상관을 보였지만, 스레드 길이에 따라 구간별로 분석했을 때, 10개 이하의 짧은 스레드에서는 r≈0.75에 달하는 반면, 100개 이상으로 긴 스레드에서는 r≈0.32로 급격히 감소한다. 이는 초기 사용자 참여가 ‘digg’와 댓글을 동시에 촉발하지만, 토론이 깊어질수록 두 행동이 독립적으로 진행된다는 가설을 뒷받침한다.

두 번째는 ‘digg 수’와 ‘평균 감정 점수’ 사이의 관계이다. 전체적으로는 약한 양의 상관(r≈0.12)만 나타났지만, 스레드 길이가 길어질수록 r값이 상승해 200개 이상 스레드에서는 r≈0.34에 이른다. 이는 많은 ‘digg’가 긍정적인 감정 반응을 동반하는 경우가 늘어남을 의미한다. 반대로 ‘댓글 수’와 ‘평균 감정 점수’ 사이의 상관은 거의 0에 가깝다(r≈0.03), 즉 토론 규모와 감정적 톤은 독립적이라는 결론을 내릴 수 있다.

세 번째 분석은 초기 10개의 댓글 감정이 전체 스레드 길이에 미치는 영향을 살펴본다. 초기 평균 감정 점수가 -0.5 이하(강한 부정)인 경우 평균 스레드 길이가 87개 댓글에 달했으며, 0.5 이상(강한 긍정)인 경우는 34개 댓글에 머물렀다. 회귀 분석 결과 초기 부정 감정이 스레드 연장에 통계적으로 유의미한 양의 계수를 갖는다(p<0.01). 이는 부정적 의견이 논쟁을 촉발하고, 참여자를 지속적으로 끌어들여 토론을 확대한다는 사회심리적 메커니즘과 일맥상통한다.

마지막으로 저자들은 두 가지 진화 메커니즘을 제시한다. 첫 번째는 ‘감정‑반응 루프’로, 부정적 초기 감정이 연속적인 반박과 추가 댓글을 유도해 스레드가 길어지는 경로이다. 두 번째는 ‘관심‑평가 루프’로, 초기 높은 ‘digg’가 긍정적 감정과 함께 스레드 규모를 급격히 확대하지만, 이후 감정 변동이 적어 토론이 조기에 수렴한다. 이러한 이중 메커니즘은 플랫폼 설계 시 감정 관리와 평가 시스템을 어떻게 조합할지에 대한 실질적인 시사점을 제공한다.