소규모 세계가 가장 효과적인 정보 확산을 만든다

초록

**
이 논문은 기억 효과, 사회적 강화, 중복 없는 접촉을 고려한 새로운 정보 전파 모델을 제시한다. 모델 실험 결과, 전파율이 낮을 때는 규칙적인 네트워크가 무작위 네트워크보다 빠르고 넓게 정보를 퍼뜨리지만, 네트워크 규모가 커지면 전파율 임계값이 감소해 무작위 구조가 유리해진다. 특히, 규칙적인 구조에 약간의 무작위성을 도입한 소규모 세계(small‑world) 네트워크가 가장 높은 전파 효율을 보이며, 지역 클러스터링이 정보 확산에 긍정적인 역할을 함을 확인한다.

**

상세 분석

**
본 연구는 전통적인 SIR(감염‑감염‑회복) 모델을 정보 전파에 맞게 변형하였다. 변형 모델은 네 가지 핵심 요소를 포함한다. 첫째, 기억 효과는 개인이 동일한 정보를 여러 번 접했을 때 누적된 횟수 m(t)를 저장하고, 이 값에 따라 승인 확률 P(m) 을 결정한다. 둘째, 사회적 강화는 b 파라미터를 통해 P(m) 이 m 이 증가함에 따라 기하급수적으로 상승하도록 설정함으로써, 다수의 이웃이 동일한 정보를 전달할 경우 개인이 이를 신뢰하게 만든다. 셋째, 비중복 접촉은 한 번 전파된 링크가 다시 사용되지 않도록 하여, 실제 온라인 소셜 플랫폼에서 동일한 친구에게 반복적으로 같은 뉴스를 보낼 가능성을 배제한다. 넷째, 전파율 λ와 최대 승인 확률 T를 도입해 최초 접촉 시의 승인 확률과 이론적 상한을 조절한다.

시뮬레이션은 세 종류의 네트워크(정규 격자, 동질적 소규모 세계, 완전 무작위)에서 수행되었다. 정규 격자는 1차원 원형 구조에 각 노드가 k/2 개의 양쪽 이웃과 연결된 형태이며, 소규모 세계는 재배선 확률 p 에 따라 정규 격자에서 일부 링크를 무작위로 교환해 클러스터링 계수 C 를 감소시킨다. 무작위 네트워크는 p→∞ 에 해당한다.

핵심 결과는 다음과 같다. (1) 전파율 λ 가 임계값 λ* 보다 작을 경우, 정규 격자에서 정보가 더 빠르고 넓게 퍼진다. 이는 정규 구조가 높은 클러스터링을 제공해 동일 정보를 여러 번 접하게 만들고, 사회적 강화 메커니즘이 활성화되기 때문이다. (2) 네트워크 규모 N 이 증가하면 λ* 가 급격히 감소하고, 큰 N 에서는 거의 모든 λ 값에서 무작위 네트워크가 우세해진다. 이는 대규모 시스템에서 경로 길이가 짧아지는 ‘작은 세계’ 효과가 무작위 연결에 의해 더욱 증폭되기 때문이다. (3) p 에 대한 최적값 p* 가 존재한다. b (사회적 강화 강도)가 클수록 p* 는 작아져, 아주 적은 무작위성만으로도 전파 효율이 극대화된다. 예를 들어 b=0.8 일 때 p=0.02 에서 승인 노드 수가 정규 격자 대비 3배 이상 증가한다. (4) 누적 확률 P(R>R_c) 분석에서 소규모 세계는 작은 R_c 구간에서 전파 성공 확률이 가장 높으며, 전체 인구의 대부분에게 도달할 확률도 무작위 네트워크보다 우수했다.

이러한 결과는 기존 역학 모델이 정보 전파를 단순히 전염병과 동일시하는 한계를 지적한다. 특히, 클러스터링이 높은 지역 구조가 사회적 강화와 결합될 때 정보가 ‘신뢰’를 얻으며 전파가 촉진된다는 점은 온라인 마케팅, 공공 보건 캠페인, 가짜 뉴스 차단 등 실무에 직접적인 시사점을 제공한다. 또한, 네트워크 규모와 전파율에 따라 최적의 구조가 달라진다는 점은 대규모 소셜 플랫폼 설계 시 ‘적당한 무작위성’ 삽입이 필요함을 암시한다.

**