시민과학에서 나타나는 집단지능: 수행자와 대화자의 역할 탐구

초록

**
본 연구는 Zooniverse 플랫폼의 10개 시민과학 프로젝트를 대상으로, 작업 수행량과 토론 참여를 기준으로 사용자를 구분하고, 이들의 상호작용이 과학적 발견에 미치는 영향을 분석한다. 고활동 사용자들이 ‘수행자’와 ‘대화자’ 두 유형으로 나뉘며, 이들 간의 협업이 집단지능을 촉진한다는 결론을 도출한다.

**

상세 분석

**
이 논문은 온라인 시민과학이 어떻게 비전문가 집단의 집단지능을 구현하는지를 정량적·정성적으로 파악하고자 한다. 먼저 Zooniverse에 등록된 10개의 프로젝트(천문학, 생물학, 기후학 등)를 선정하고, 각 프로젝트에서 수집된 사용자 행동 로그와 포럼 게시글 데이터를 24개월 동안 추출하였다. 로그는 작업(Task) 완료 횟수, 작업 종류, 작업 정확도(전문가 검증 결과) 등을 포함하고, 포럼 데이터는 게시물 수, 댓글 수, 토론 주제, 감성 점수 등을 메타데이터로 활용한다.

사용자들을 ‘고활동 수행자(High‑performers)’와 ‘고활동 대화자(High‑talkers)’로 구분하기 위해 두 차원을 각각 75번째 백분위수 이상으로 정의하였다. 수행자는 작업량이 많고 정확도가 높은 반면, 대화자는 포럼 활동이 활발하지만 작업량은 평균 이하인 특성을 보였다. 교차분석 결과, 두 집단이 동시에 높은 경우(즉, ‘수행자‑대화자 복합형’)가 전체 기여도와 과학적 발견(새로운 분류, 이상 현상 식별 등)에서 가장 큰 영향을 미치는 것으로 나타났다.

통계적으로는 다중 회귀 분석을 통해 작업량, 토론 참여도, 그리고 두 변수의 상호작용 항이 발견 수에 미치는 영향을 추정하였다. 작업량만 단독으로 고려할 경우 R²는 0.42였으나, 토론 참여와 상호작용 항을 포함하면 R²가 0.68까지 상승하였다. 이는 단순히 많은 데이터를 생산하는 것보다, 데이터 해석과 문제 해결을 위한 커뮤니케이션이 과학적 성과를 크게 증폭시킨다는 것을 의미한다.

또한 네트워크 분석을 적용해 포럼 내의 연결 구조를 시각화하였다. 고활동 대화자들은 ‘브리지’ 역할을 수행하며, 서로 다른 작업 그룹을 연결하는 중심 노드로 나타났다. 이들은 새로운 아이디어를 전파하고, 오류를 조기에 발견하도록 돕는 ‘지식 중개자’ 역할을 수행한다는 점에서 집단지능 이론의 ‘다중 지능형 에이전트’ 모델과 일치한다.

디자인적 함의로는, 플랫폼이 작업 인터페이스와 토론 공간을 보다 긴밀히 통합하고, 고활동 대화자에게 작업 기회를 제공하는 메커니즘을 도입하면 전체 시스템 효율성을 높일 수 있다는 제안을 한다. 또한, 인센티브가 없는 자발적 참여 환경에서도, 사회적 상호작용이 내재된 구조를 설계함으로써 지속 가능한 집단지능을 구현할 수 있음을 시사한다.

**