신뢰와 거짓 뉴스, 트위터와 레딧 사용자의 반응은 어떻게 다를까

초록

본 연구는 트위터와 레딧에서 신뢰할 수 있는 뉴스 소스와 허위 뉴스 소스에 대한 사용자 반응의 속도와 유형을 대규모로 비교 분석했다. 언어 기반 신경망 모델로 9가지 반응 유형을 분류한 결과, 트위터에서는 두 뉴스 유형 간 반응에 뚜렷한 차이가 있었으나, 레딧에서는 그 차이가 미미했다.

상세 분석

이 연구의 기술적 핵심은 사용자 반응을 9가지 담화 행위(답변, 설명, 질문, 동의, 감사, 반대, 유머, 부정적 반응, 기타)로 자동 분류하는 언어학적으로 풍부한 신경망 모델의 개발에 있다. 모델은 텍스트 시퀀스 서브넷과 LIWC(Linguistic Inquiry and Word Count) 특징값을 처리하는 벡터 서브넷을 결합한 ‘후기 융합’ 아키텍처를 채택했다. 주목할 점은 오직 반응 텍스트와 그 부모 게시글 텍스트만을 입력으로 사용했음에도, 작성자, 스레드 구조, 커뮤니티 등 다양한 메타데이터를 활용한 선행 연구의 복잡한 CRF 모델과 유사한 성능(F1 점수 기준)을 달성했다는 것이다.

데이터 측면에서의 주요 통찰은 플랫폼 간 차이에 있다. 트위터에서는 허위 뉴스(특히 허위정보 소스)에 대한 ‘감사’ 반응이 신뢰 뉴스 대비 현저히 높고, ‘설명’ 반응은 낮았다. 또한 허위 뉴스에 대한 반응이 신뢰 뉴스보다 더 빠르게 집중되는 경향을 보였다. 이는 트위터의 팔로우 기반 정보 소비 구조와 연관될 수 있다. 반면, 레딧에서는 반응 유형 분포가 전체적으로 유사했고, 반응 지연 시간 분포도 더 길고 고르게 퍼져 있었다. 이는 레딧이 개별 소스보다는 주제(서브레딧)와 게시글의 인기도(‘hotness’ 알고리즘)에 초점을 맞추는 플랫폼 설계 차이에서 기인한 것으로 해석된다. 즉, 플랫폼의 기술적 구조와 사용자 경험이 뉴스 소스의 신뢰도에 대한 집단적 반응 패턴을 형성하는 데 중요한 변수로 작용함을 시사한다.