예외적 사건 중 온라인 소셜 네트워크 상호작용 분석

초록

본 연구는 트위터에서 발생한 여섯 개의 예외적 사건을 대상으로, 리트윗·멘션·답글이라는 세 가지 상호작용을 층으로 구분한 다층 네트워크를 구축한다. 각 층의 위계적 구조와 통계적 특성을 비교 분석한 결과, 층마다 연결 패턴, 차수 분포, 클러스터링 등에서 현저한 차이를 보이며, 층 간 엣지 중복도와 차수 상관관계가 낮은 것으로 나타났다. 이러한 결과는 단일 네트워크로는 온라인 인간 행동을 충분히 설명할 수 없으며, 다층 모델링이 필요함을 시사한다. 또한 사건 간에도 유사한 통계적 규칙성이 발견되어, 예외적 사건 동안의 소셜 다이내믹스가 보편적인 구조적 특성을 가질 가능성을 제시한다.

상세 분석

이 논문은 트위터라는 마이크로블로깅 플랫폼에서 발생한 여섯 개의 ‘예외적 사건’—칸느 영화제, 힉스 보존 발견, 마틴 루터 킹 연설 기념, 모스크바 육상 챔피언십, 뉴욕 기후 행진, 오바마 대통령 이스라엘 방문—을 대상으로 데이터 수집부터 다층 네트워크 분석까지 일관된 방법론을 적용하였다. 데이터는 트위터 스트리밍 API를 이용해 키워드·해시태그 기반으로 실시간 수집했으며, 각 트윗이 포함하는 리트윗(RT), 멘션(MT), 답글(RP) 세 종류의 행위가 각각 독립적인 방향성 에지로 변환되어 세 개의 레이어를 형성한다. 레이어별 노드 수와 에지 수는 사건마다 크게 차이나지만, 모든 사건에서 레이어당 평균 10⁵~10⁶개의 에지가 확보돼 통계적 검증이 가능했다.

첫 번째 분석은 레이어 간 엣지 중복도(oαβ)를 측정한 것이다. oαβ는 두 레이어 α,β 사이에 공통으로 존재하는 에지의 비율을, 작은 쪽 에지 수로 정규화한다. 결과는 모든 레이어 쌍에서 oαβ≈0.05~0.08 수준으로, 1에 비해 현저히 낮았다. 이는 사용자가 리트윗을 할 때와 멘션·답글을 할 때가 거의 독립적인 행동임을 의미한다. 즉, 동일한 사용자 쌍이 서로 다른 상호작용을 동시에 수행하는 경우가 드물어, 단일 네트워크로는 실제 상호작용 양상을 왜곡할 위험이 있다.

두 번째로는 레이어별 in-degree(kᵢ,α) 간의 스피어만 순위 상관관계를 조사했다. MT‑RP, MT‑RT, RP‑RT 순으로 각각 평균 0.05, 0.06, 0.08의 낮은 상관계수를 보였으며, 가장 높은 RP‑RT 쌍에서도 0.35 정도에 불과했다. 이는 한 레이어에서 높은 중심성을 가진 사용자가 다른 레이어에서는 반드시 높은 중심성을 갖지 않음을 시사한다. 예를 들어, 대규모 리트윗을 받는 인플루언서는 멘션이나 답글에서는 상대적으로 덜 주목받을 수 있다.

세 번째 분석은 레이어별 차수 분포를 확인한 것이다. 모든 레이어에서 로그-정규 혹은 파워‑로우 형태의 긴 꼬리 분포가 관측되었으며, 특히 RT 레이어는 매우 뾰족한 꼬리를 보여 ‘핵심‑주변’ 구조가 강하게 나타났다. 반면 MT와 RP 레이어는 보다 완만한 꼬리를 보여, 정보 전파와 직접적인 대화가 서로 다른 네트워크 토폴로지를 형성함을 확인했다.

마지막으로 사건 간 비교를 수행했는데, 사건별 트윗 발생량은 시간적·양적 차이가 크지만, 레이어 간 구조적 차이(엣지 중복도, 차수 상관관계, 차수 분포)는 일관된 패턴을 보였다. 이는 ‘예외적 사건’이라는 제한된 시간 창 안에서 인간의 온라인 상호작용 메커니즘이 보편적인 규칙성을 가진다는 강력한 증거로 해석될 수 있다.

이러한 결과는 기존의 단일 레이어 소셜 네트워크 모델이 놓치기 쉬운 중요한 동적 요소들을 드러낸다. 특히, 정보 확산 모델링, 인플루언서 탐지, 여론 형성 연구 등에 있어 레이어별 행동 특성을 반영한 다층 접근이 필수적임을 강조한다. 또한, 데이터 수집 단계에서 스트리밍 API를 활용해 전체 트윗 흐름을 포착한 점은 편향을 최소화한 좋은 실험 설계로 평가된다.