세분화 메커니즘 실험 연구

초록

본 연구는 고등학생들을 대상으로 네 가지 실시간 인터랙티브 게임을 진행하여, 이웃과의 유사성·비유사성 보상이 세분화에 미치는 영향을 실험적으로 검증하였다. 유사성 인센티브는 강한 세분화를 초래했으며, 비유사성·다양성 인센티브는 세분화를 억제하였다. 참가자들은 최적 점수에 도달하지 못한 상태에서도 지속적으로 이동했지만, 개별 이동이 항상 최적 대안을 선택하지는 않았다. 이러한 인간 행동의 미세 차이가 기존 시뮬레이션 모델이 예측한 세분화 양상과 차이를 만들었다.

상세 분석

이 논문은 사회적 세분화 현상을 설명하기 위해 널리 사용되는 토마스-시몬스(Tomas-Schelling) 모델의 가정을 인간 실험을 통해 검증하려는 시도이다. 연구자는 고등학생 120명을 네 개의 게임 조건에 무작위 배정했으며, 각 게임은 격자형 가상 공간에서 이웃 8명과의 상호작용을 실시간으로 보여준다. 첫 번째 조건은 ‘유사성 보상’으로, 같은 색(또는 그룹) 이웃과 인접하면 점수가 증가하도록 설계되었다. 두 번째는 ‘비유사성 보상’으로, 이웃이 다른 색일 때 점수가 상승한다. 세 번째는 ‘다양성 보상’으로, 인접한 이웃 색이 고르게 분포될 때 추가 점수를 부여한다. 마지막 조건은 ‘무보상 대조군’으로, 이동은 자유하지만 점수 변동이 없다.

실험 결과, 유사성 보상 조건에서는 참가자들이 같은 색 이웃을 찾기 위해 급격히 군집을 형성했으며, 최종 배치는 거의 완전한 세분화(>90% 동일 색 인접) 상태에 도달했다. 반면 비유사성 및 다양성 보상 조건에서는 이웃 구성을 다양하게 유지하려는 움직임이 관찰되어 세분화 지표가 20% 이하로 낮았다. 특히 다양성 보상에서는 참가자들이 고르게 섞인 상태를 유지하려는 경향이 강했으며, 이는 기존 모델이 가정한 ‘무작위 이동 + 로컬 최적화’와는 다른 행동 양식을 보여준다.

흥미로운 점은 참가자들이 점수가 최적이 아닌 상황에서도 지속적으로 이동했지만, 이동 선택이 반드시 현재 위치보다 높은 점수를 보장하는 최적 대안이 아니었다는 것이다. 이는 인간이 제한된 인지 자원과 탐색 비용을 고려해 ‘충분히 좋은’ 선택을 하는 satisficing 행동을 보인다는 심리학적 해석을 가능하게 한다. 이러한 미세 차이는 전통적인 에이전트 기반 모델에서 가정하는 완전 합리적 최적화와는 차이가 크며, 모델에 ‘휴리스틱 탐색’ 혹은 ‘학습 기반 적응’ 메커니즘을 추가해야 함을 시사한다.

또한, 실험 설계 자체가 실시간 피드백과 물리적 이동(마우스 드래그)이라는 인터페이스를 제공함으로써, 참가자들이 공간적 인지와 사회적 선호를 동시에 고려하도록 만들었다. 이는 기존 정적 시뮬레이션이 놓치기 쉬운 ‘동시다발적 의사결정’과 ‘동적 환경 적응’ 요소를 포착한다는 점에서 방법론적 의의가 크다.

결론적으로, 이 연구는 (1) 이웃 유사성 보상이 강력한 세분화를 유발한다는 기존 이론을 실험적으로 재확인, (2) 비유사성·다양성 보상이 세분화를 억제함을 실증, (3) 인간 행동이 완전 최적화를 따르지 않으며, 작은 탐색 비효율성이 전체 시스템의 세분화 패턴을 크게 변화시킬 수 있음을 보여준다. 이러한 결과는 정책 설계 시 ‘다양성 인센티브’를 설계하는 데 과학적 근거를 제공하고, 시뮬레이션 모델에 인간적 비합리성을 반영해야 함을 강조한다.