정치 메시지 해석 가능성: 청중 대상의 모호성 측정

초록

본 연구는 미국 정치인 5,000개의 소셜미디어 게시물을 인간 코더가 신뢰도 가중치(confidence‑weighted)로 분류한 데이터를 활용해 정치 커뮤니케이션의 해석 가능성을 측정한다. 전체 메시지는 평균 신뢰도 0.99 이상으로 매우 명확했지만, ‘선거구(Constituency)’ 청중 분류에서는 1.79%p 낮은 신뢰도가 관찰돼 의도는 명확하지만 대상 청중을 정확히 파악하기 어려운 구조적 불확실성이 존재함을 밝혀냈다. 정치인별 고정효과를 통제해도 동일한 패턴이 유지돼 전략적 의도에 기인한 측정 오류임을 시사한다.

상세 분석

이 논문은 텍스트 기반 정치연구에서 흔히 간과되는 ‘분류 불일치’를 무작위 잡음으로 취급하는 기존 가정에 도전한다. 5,000개의 트위터·페이스북 게시물을 2명 이상의 코더가 각각 ‘메시지 유형’, ‘정당 편향’, ‘청중(대상)’, ‘의도’ 등 네 가지 차원으로 라벨링하고, 각 라벨에 코더가 부여한 신뢰도(confidence)를 가중치로 사용해 최종 합의를 도출하였다. 평균 신뢰도가 0.9962(메시지), 0.9939(편향), 0.9953(청중)으로 매우 높아 전반적인 텍스트 해석이 ‘legible’함을 확인한다. 그러나 ‘선거구’ 청중 카테고리만 평균 신뢰도가 0.9834 수준으로 1.79%p 낮아, 동일한 메시지 내에서도 의도는 명확히 드러나지만, 목표 청중을 정확히 파악하기는 상대적으로 어려운 구조적 모호성이 존재한다는 점을 발견한다.

통계적으로는 혼동 행렬과 베이지안 신뢰 구간을 활용해 차원별 불확실성을 정량화했으며, 정치인별 고정효과 모델을 적용해 개인별 스타일이 결과에 미치는 영향을 통제하였다. 고정효과를 포함한 모델에서도 ‘선거구’ 청중의 신뢰도 감소가 유의하게 남아, 이는 코더 개인의 주관적 오류가 아니라 정치인들의 전략적 메시징—예를 들어, 특정 선거구를 겨냥한 모호한 표현—에 기인한 구조적 오류임을 시사한다.

연구는 두 가지 중요한 함의를 제공한다. 첫째, 정치 텍스트 분석에서 높은 평균 신뢰도에도 불구하고, 특정 청중 카테고리는 해석 불확실성이 집중될 수 있음을 경고한다. 둘째, 이러한 불확실성은 전략적 의도에 의해 생성된 것이므로, 정책 입안자와 연구자는 청중 타깃팅을 평가할 때 단순히 전체 신뢰도만 보는 것이 아니라, 카테고리별 변동성을 함께 고려해야 한다.

제한점으로는 코더가 미국 정치인에 한정된 소셜미디어 텍스트만을 다루었고, 문화·언어적 차이가 큰 다른 국가에서는 결과가 달라질 수 있다. 또한 신뢰도 가중치가 코더의 주관적 판단에 의존하므로, 코더 교육 및 기준 통일이 필요하다. 향후 연구는 다국적 데이터와 자동화된 신뢰도 추정 모델을 결합해 구조적 모호성을 보다 정교하게 탐색할 여지를 남긴다.