행동 성향이 만든 이념 복잡성 적응형 사회망에서의 의견 예측불가능성

초록

이 연구는 동질성(동질성 추구), 신선함 추구(신흥성), 사회적 순응이라는 세 가지 행동 성향을 가진 에이전트가 적응형 사회망에서 어떻게 의견을 변화시키는지를 정규화된 렘펠‑지프 복잡도(nLZ)로 측정한다. 동질성 에이전트는 시간이 지날수록 예측 불가능성이 증가하고, 신흥성 에이전트는 초기 불안정 후 낮고 안정적인 복잡도를 유지하며, 순응성 에이전트는 초기 안정 뒤 급격히 복잡도가 상승하는 두 단계 패턴을 보인다. 이러한 패턴은 네트워크 구조와 무관하게 일관되며, 개인의 내재적 행동 성향이 장기 의견 변동성을 결정한다는 점을 강조한다.

상세 분석

본 논문은 기존 의견 동역학 모델이 정적 스냅샷이나 동질적 에이전트 가정을 고수해 온 한계를 지적하고, 행동 이질성을 도입하되 개별 에이전트 수준의 동역학을 정량화하는 새로운 접근을 제시한다. 모델은 연속적인 의견 변수 xᵢ와 가중치 wᵢⱼ을 갖는 미분 방정식 체계로 구성되며, 동질성(F_h), 신흥성(F_a) 함수가 각각 |xᵢ‑xⱼ|와 |⟨x⟩ᵢ‑xⱼ|에 기반해 연결 강도를 조절한다. 파라미터 h, a, c는 각각 동질성, 신흥성, 순응성 효과를 나타내며, 시나리오 1‑3에서 서로 다른 분포로 초기화된다.

복잡도 측정은 의견 시계열을 일정 구간(Δ = 0.75)으로 이산화한 뒤, 정규화 렘펠‑지프 복잡도 nLZ = LZ/(n log n)으로 계산한다. nLZ는 압축 가능성의 역으로, 높은 값은 긴 시간에 걸친 비정형 패턴이 많아 예측이 어려움을 의미한다. 시뮬레이션은 300노드, 3000시간 단계, 10번 반복 수행되어 부트스트랩 기반 95 % 신뢰구간을 제공한다.

결과는 세 가지 행동 유형에 대해 뚜렷한 복잡도 프로파일을 보여준다. 동질성 에이전트는 초기에는 낮은 nLZ를 보이나, 시간이 지남에 따라 지속적인 동질성 강화가 네트워크 내 작은 의견 차이를 확대시켜 복잡도가 단조 상승한다. 이는 동질성 자체가 장기적으로 불안정성을 내재화한다는 역설적 통찰을 제공한다. 반면 신흥성 에이전트는 초기 변동이 있더라도 곧 낮고 안정적인 nLZ 수준에 수렴한다. 신선함을 추구하는 행동이 오히려 네트워크 구조가 새로운 의견을 흡수하고 정착시키는 메커니즘을 형성해, 장기적으로는 탐색이 제한되고 복잡도가 억제되는 현상이 나타난다. 순응성 에이전트는 두 단계 패턴을 보인다. 초기에는 사회적 규범(⟨x⟩ᵢ)에 맞추려는 압력이 작용해 nLZ가 감소하거나 정체되지만, 일정 시점 이후 네트워크 재구성 및 의견 다변화가 급증하면서 복잡도가 급격히 상승한다. 이는 순응성이 초기 안정성을 제공하지만, 구조적 변동이 축적되면 급격한 불확실성으로 전환된다는 점을 시사한다.

시나리오 2와 3에서도 이러한 패턴은 크게 변하지 않으며, 파라미터 분포가 혼합되거나 두 파벌이 경쟁해도 각 행동 유형별 평균 nLZ 추세는 유지된다. 이는 외부 환경보다 내부 행동 성향이 의견 예측불가능성의 주요 결정 요인임을 강하게 뒷받침한다. 또한, nLZ가 시간에 따라 어떻게 변하는지를 통해 개별 에이전트의 ‘이념적 경험’—불안정, 안정, 급변—을 정량화할 수 있음을 보여준다.

이 연구는 (1) 행동 이질성을 개별 수준에서 정량화, (2) 장기 복잡도 지표를 통해 의견 역학을 평가, (3) 행동 성향이 사회적 불평등과 이념적 변동성을 내생적으로 형성한다는 새로운 이론적 프레임을 제시한다는 점에서 의미가 크다. 향후 연구는 실제 소셜 미디어 데이터에 nLZ를 적용하거나, 추가적인 인지적 요인(예: 확증 편향)과 결합해 보다 정교한 모델링을 시도할 수 있다.