감정 전염의 디지털 흔적 측정

초록

본 연구는 트위터 데이터를 활용해 사용자가 자신의 트윗을 올리기 전 1시간 동안 노출된 감정적 자극을 재구성하고, 실제 트윗 감정과의 상관관계를 분석한다. 감정 전염을 검증하기 위해 무작위 재샘플링 기반의 널 모델을 도입했으며, 부정적(긍정적) 트윗이 평균적으로 4.34 % (4.50 %) 더 많은 부정적(긍정적) 자극에 노출된 뒤 발생한다는 결과를 도출했다. 또한 자극과 반응 사이에 선형 관계가 존재함을 확인하고, 감정 전염에 높은 민감도를 보이는 사용자와 낮은 민감도를 보이는 사용자를 구분하였다.

상세 분석

이 논문은 감정 전염이라는 심리학적 현상을 디지털 환경, 특히 트위터에서 정량적으로 검증하고자 한다. 기존 페이스북 실험이 윤리적 논란을 일으킨 점을 고려해, 연구자는 사전 조작 없이 관찰 데이터만을 사용한다는 점에서 방법론적 차별성을 갖는다. 데이터 수집은 2014년 9월 마지막 주에 활동한 3,800명의 영문 트위터 사용자와 그들의 팔로워(팔로이) 전체 트윗을 대상으로 하였으며, 각 사용자가 자신의 트윗을 올리기 전 1시간 이내에 최소 20개의 팔로이 트윗을 보았을 경우만 분석에 포함하였다. 감정 분석 도구로는 짧은 비공식 텍스트에 최적화된 SentiStrength를 사용해 각 트윗에 긍정·부정 점수를 부여하고, 두 점수의 차이(S)로 감정 극성을 정의하였다.

널 모델은 ‘감정 전염 효과’를 배제하기 위해 모든 사용자의 자극 트윗을 하나의 버킷에 모은 뒤, 각 트윗에 대해 동일한 수의 트윗을 복원추출한다. 이렇게 생성된 베이스라인은 감정 전염이 없을 때 기대되는 긍정·중립·부정 비율을 제공한다(긍정 34.44 %, 중립 48.27 %, 부정 17.29 %). 실제 관측된 트윗 앞의 자극 비율과 비교했을 때, 부정적 트윗은 평균 21.63 %의 부정적 자극에 노출됐으며 이는 베이스라인 대비 4.34 %p 더 높은 수치이다. 긍정적 트윗은 38.94 %의 긍정적 자극에 노출돼 베이스라인 대비 4.50 %p 초과한다. 중립 트윗의 경우 자극 비율이 베이스라인과 거의 일치해 감정 전염이 일어나지 않음을 시사한다. Mann‑Whitney U 검정 결과 p < 10⁻⁶으로 두 경우 모두 통계적으로 유의미했다.

자극·반응 간 선형 관계를 정량화하기 위해 ‘valence’ 지표 V = 2·p − 1을 도입했다. 여기서 p는 긍정 트윗 비율, n은 부정 트윗 비율이다. 자극 valence를 0.05 간격으로 20개의 구간으로 나누어 각 구간에 대응하는 반응 트윗의 평균 valence를 계산한 결과, R² = 0.975의 높은 결정계수를 보이며 강한 선형 상관관계를 확인했다. 이는 사용자가 노출된 감정적 분위기가 직접적으로 자신의 감정 표현에 영향을 미친다는 강력한 증거다.

또한, 각 사용자의 전체 트윗 중 감정 전염에 의해 ‘변화된’ 비율을 측정해 두 집단으로 구분했다. 전체 사용자의 약 80 %는 자신의 트윗 중 50 % 이하가 감정 전염에 의해 영향을 받았으며, 나머지 20 %는 50 % 이상이 영향을 받았다. 흥미롭게도, 높은 민감도 집단은 부정적 감정 전염에 덜 취약하지만, 긍정적 감정 전염에는 두 집단 간 차이가 없었다. 이는 부정적 감정이 사회적 억제 메커니즘에 의해 더 강하게 차단될 가능성을 시사한다.

전반적으로 이 연구는 대규모 소셜 미디어 데이터와 통계적 널 모델을 결합해 감정 전염을 비조작적 방식으로 검증했으며, 감정 전염의 존재와 그 규모, 개인 차이를 정량적으로 제시했다. 방법론은 윤리적 논란을 최소화하면서도 실험적 통제와 유사한 인과 추론을 가능하게 하는 점에서 향후 디지털 행동 연구에 중요한 템플릿이 될 것이다.