자동화의 메아리: 브라질 정치 담론을 형성한 봇의 전략과 영향

초록

본 연구는 2018년 브라질 대선부터 2022년 대선 준비기간 동안 트위터에서 수집된 3억 1500만 개 이상의 트윗을 분석하여 봇과 인간 사용자의 행동 패턴, 감정 동학, 주제 초점을 비교했습니다. 분석 결과, 봇은 리트윗과 답장에 과도하게 의존하며, 특히 선거 후 답장 활동이 급증해 대화 침투 및 증폭 전술을 사용했음을 보여주었습니다. 감정 분석에서는 봇이 인간에 비해 더 협소하고 안정적인 감정 범위를 유지했으며, 주제 모델링을 통해 봇은 볼소나루 중심의 반복적 메시지를 증폭하는 반면, 인간은 더 넓은 범위의 후보, 시민 문제, 개인적 성찰을 다루는 등 다양하고 분산된 담론에 참여했음을 확인했습니다.

상세 분석

본 연구의 기술적 분석은 크게 세 가지 방법론적 축을 중심으로 진행되었습니다. 첫째, 봇 탐지에는 BotometerLite 점수를 활용하여 0.5, 0.7, 0.9의 세 가지 임계값을 설정해 봇과 인간 계정을 분류했습니다. 이는 봇 행동의 스펙트럼을 이해하고, 탐지 기준의 엄격함에 따른 결과 차이를 관찰하기 위한 중요한 설계입니다. 둘째, 텍스트 전처리 과정에서 포르투갈어 콘텐츠만 필터링하고, URL, 멘션, 해시태그 등 노이즈 요소를 제거한 후 Sentilex-PT02 감정 사전을 이용해 정규화된 감정 점수를 도출했습니다. 이 lexicon 기반 접근법은 대규모 데이터에 대한 효율적인 감정 추세 분석을 가능하게 했습니다. 셋째, 주제 분석을 위해 2018년 선거 기간의 트윗을 봇/인간 코퍼스로 분리한 후, LDA(Latent Dirichlet Allocation) 토픽 모델링을 적용해 각 집단의 담론 프레임을 비교했습니다.

핵심 통찰은 다음과 같습니다. 행동 분석에서, 특히 0.9의 높은 임계값에서 봇의 답장 비율이 선거 후 약 25%에서 80%로 급증한 것은 단순한 정보 확산을 넘어서는 전략적 대화 침투(conversational infiltration)를 명시적으로 보여줍니다. 이는 봇이 특정 담론 공간에 개입하여 가시성을 높이고 논의의 흐름을 방해하거나 주도하려는 의도를 시사합니다. 감정 분석에서 봇의 감정 범위가 좁고 안정적인 것은 스크립트화되거나 템플릿 기반의 커뮤니케이션을 반영하며, 이는 대량의 중립적 리트윗에 의해 극단적 내용의 감정적 영향이 평균적으로 희석된 결과일 수 있습니다. 주제 모델링 결과는 가장 명확한 차이를 보였는데, 봇의 담론은 ‘볼소나루’, ‘대통령’, ‘선거’ 등 특정 인물 중심의 키워드 반복에 집중되어 아젠다 설정(agenda-setting) 기능이 두드러진 반면, 인간의 담론은 다양한 후보, 제도 비판, 시민권, 개인적 경험 등 훨씬 다층적이고 역동적인 주제 영역을 포괄했습니다. 이는 온라인 정치 공간에서 봇이 ‘증폭자(amplifier)‘로서 협소한 서사를 반복적으로 강화함으로써 담론의 다양성을 위협하고, 궁극적으로 공공 토론의 생태계를 왜곡할 수 있는 가능성을 실증적으로 입증합니다.