동질성의 양날의 검: 내생적 정보 생성과 사회적 학습의 교훈

초록

본 연구는 사람들이 유사한 다른 사람들과 어울리는 성향인 동질성(homophily)이 사회적 학습에 미치는 상반된 효과를 모델링합니다. 동질성은 유사한 친구의 성공/실패를 관찰함으로써 더 정확한 정보(질 향상)를 제공하지만, 반대로 집단이 특정 행동만 반복하며 새로운 정보 생성(양 감소)을 막을 수 있습니다. 분석 결과, 네트워크 연결 밀도가 핵심 변수로 작용하여, 희소한 네트워크에서는 동질성이 학습을 저해하지만, 충분히 조밀한 네트워크에서는 오히려 학습을 증진시킵니다.

상세 분석

본 논문은 사회적 학습 이론에 ‘내생적 정보 생성’이라는 핵심 메커니즘을 도입하여 기존 문헌과 차별화된 분석을 제공합니다. 모델의 핵심은 두 집단(청군/녹군)의 개인들이 ‘안전한 행동’(보수 0)과 ‘위험한 행동’(미지의 성공 보수 v) 사이에서 선택을 하는 오버래핑 제너레이션 설정입니다. 개인은 자신의 비용(c)을 알지만, 위험한 행동의 진정한 가치(v)는 이전 세대 친구들의 행동과 결과를 관찰함으로써 베이지안 추론을 통해 학습합니다.

여기서 동질성은 두 가지 경로로 작용합니다. 첫째, ‘정보의 질’ 경로: 나와 비용이 유사한 친구의 성공/실패는 v에 대한 더 강력한 신호가 되어 학습 정확도를 높입니다. 둘째, ‘정보의 양/다양성’ 경로: 동질성이 강하면 한 집단 내에서만 특정 행동(예: 안전한 행동)이 고착화될 수 있습니다. 이는 해당 집단 구성원들이 위험한 행동의 결과를 관찰할 기회 자체를 박탈하여, 비록 그 행동이 실제로는 유익할지라도 시도되지 않는 ‘표본 병목현상(sample herding)‘을 초래합니다.

논문의 핵심 기술적 통찰은 네트워크 연결성(친구 수 d_θ)이 이 상반된 효과들의 균형을 결정한다는 점입니다. (1) 희소 네트워크(친구 수 적음): 관찰 가능한 표본 자체가 적어, 동질성으로 인한 표본 병목현상이 치명적입니다. 한 집단이 위험 행동을 시도한 친구를 전혀 관찰하지 못해 영구적으로 학습 실패에 빠질 수 있습니다. (2) 조밀 네트워크(친구 수 많음): 다양한 친구를 관찰할 확률이 높아 표본 병목현상이 완화됩니다. 대신, 다수의 관찰 기회에서 ‘질 높은 정보’(유사한 친구의 신호)를 얻는 이점이 부각되어, 동질성이 전체 학습 효율성을 높입니다.

이러한 내생적 메커니즘은 기존의 ‘수동적 학습’(외생적 정보 전달) 모델과 대비됩니다. 예를 들어, Golub and Jackson (2012)은 동질성이 밀집 네트워크에서 학습을 지연시킨다고 보았으나, 본 모델에서는 오히려 학습을 촉진할 수 있음을 보입니다. 또한, 집단 간 비용 분포의 상관관계가 높을수록 오히려 동질성의 이점이 커지는 역설적 결과도 도출됩니다. 이는 집단 행동이 유사해지면서 정보 생성 측면의 불이익이 사라지고, 정보 질 측면의 이점만 남기 때문입니다. 이는 동질성의 효과를 평가할 때 균형 행동의 내생적 변화를 반드시 고려해야 함을 시사합니다.