다양성 기반 뉴스 탐색 서비스 DiversiNews 평가

초록

본 보고서는 RENDER 프로젝트의 일환으로 개발된 DiversiNews 플랫폼의 구성 요소와 사용자 경험을 종합적으로 평가한다. 구성 요소 평가에서는 텍스트 요약, 토픽 모델링, 다중 시각화 모듈 등의 성숙도를 검증했으며, UX 평가에서는 실제 뉴스 이용자를 대상으로 인터페이스 직관성, 다양성 인지, 만족도 등을 측정했다. 결과는 DiversiNews가 기존 뉴스 서비스에 비해 다양성 인식과 맞춤형 탐색을 효과적으로 제공함을 보여준다.

상세 분석

DiversiNews는 “다양성 인식 기반 뉴스 브라우징”이라는 새로운 패러다임을 구현하기 위해 여러 핵심 모듈을 결합한다. 첫 번째는 텍스트 요약 엔진으로, 입력된 기사 집합을 압축하여 핵심 정보를 추출한다. 논문에서는 추출형과 생성형 요약을 비교했으며, ROUGE‑1/2 점수와 인간 평가 결과 모두에서 0.78 이상의 높은 정확도를 기록했다. 두 번째는 토픽 모델링 모듈이다. LDA와 최신 변형인 BERTopic을 적용해 기사들을 의미론적 클러스터로 분류했으며, 클러스터 일관성 지표(Coherence)와 인간 라벨링 일치율이 0.71을 초과했다. 이는 사용자가 동일한 사건에 대한 다양한 관점을 한눈에 파악하도록 돕는다.

세 번째는 다중 시각화 인터페이스이다. 사용자는 ‘시간축’, ‘주제 맵’, ‘관점 스펙트럼’ 등 세 가지 시각적 뷰를 전환하면서 기사들을 탐색한다. UI/UX 테스트에서는 시각적 전환 시간 평균 1.2초, 오류 발생률 2% 이하로, 실시간 인터랙션에 충분히 적합함을 확인했다. 네 번째는 다양성 제어 파라미터(Diversity Slider)로, 사용자가 원하는 다양성 수준을 직접 조정할 수 있다. 실험에서는 다양성 파라미터를 0.3에서 0.9로 변화시켰을 때, 인지된 다양성 점수가 1.5점 상승했으며, 동시에 정보 과부하를 최소화하는 ‘적정 다양성 구간’이 0.5~0.7임을 제시한다.

구성 요소 평가 외에도 사용자 경험(UX) 평가가 핵심이다. 48명의 실제 뉴스 이용자를 대상으로 2주간 베타 테스트를 진행했으며, 사전·사후 설문, 로그 분석, 심층 인터뷰를 종합했다. 주요 지표는 다양성 인지도, 탐색 효율성, 전반적 만족도이다. 다양성 인지도는 기존 뉴스 포털 대비 23% 상승했으며, 탐색 효율성(평균 기사 선택 시간)은 15초에서 9초로 감소했다. 만족도는 Likert 5점 척도에서 평균 4.3점을 기록, 통계적으로 유의미한 향상을 보였다.

또한, 편향 완화 효과를 검증하기 위해 정치적 스펙트럼이 양극화된 기사 집합을 사용했다. DiversiNews를 이용한 그룹은 양쪽 극단 의견을 고르게 접할 확률이 68%에 달했으며, 대조군(전통 포털)에서는 42%에 머물렀다. 이는 다양성 제어 메커니즘이 사용자의 ‘필터 버블’을 효과적으로 완화한다는 증거다.

한계점으로는 다국어 지원이 아직 제한적이며, 실시간 스트리밍 뉴스에 대한 적용이 미비하다는 점을 논문이 인정한다. 또한, 다양성 파라미터 조정이 초보 사용자에게는 직관적이지 않을 수 있어, 가이드라인 제공이 필요하다. 향후 연구에서는 멀티모달(텍스트·이미지·비디오) 통합과 강화학습 기반 개인화 모델을 도입해 다양성과 개인 맞춤성을 동시에 최적화하는 방향을 제시한다.