편향된 평점 속 디지털 플랫폼의 공정성 역학

초록

본 논문은 온라인 서비스 플랫폼에서 평점 편향이 소수자 제공자에게 미치는 영향을 진화 게임 이론으로 모델링한다. 플랫폼이 고평점 제공자와 소수자 그룹을 어떻게 노출시키느냐에 따라 사용자 만족도와 집단 공정성 사이에 트레이드오프가 발생함을 보이며, 알고리즘적 인구 비율 조정이 공정성을 크게 개선하면서도 사용자 경험 손실을 최소화한다는 실증적 결론을 제시한다.

상세 분석

논문은 디지털 서비스 경제를 네 단계(추천 → 선택 → 상호작용 → 평가)로 추상화하고, 제한된 공급자 집단 Z를 지배집단(Z_D)과 소수자 집단(Z_M)으로 구분한다. 핵심 변수는 (1) 평점 편향 ε: 소수자 제공자가 고노력을 보여도 ‘나쁨’으로 잘못 보고되는 확률, (2) 사용자 신뢰감 γ: 사용자가 ‘좋음’ 평점에 부여하는 가중치(1)와 ‘나쁨’ 평점에 부여하는 가중치(1‑γ). 공급자는 고노력(H)과 저노력(L) 두 전략을 선택하며, 각각 b‑c, b의 보상을 받는다( b>c>0). 사용자는 추천 리스트에서 k개의 제공자를 받으며, 그 중 k_G가 ‘좋음’ 평점, k_M이 소수자 그룹에 속한다. 사용자는 리스트 내에서 무작위 선택하지만, ‘좋음’ 평점 제공자는 선택 확률이 1, ‘나쁨’ 평점 제공자는 1‑γ으로 감소한다.

진화 게임 이론 프레임워크를 적용해 공급자 전략 비율의 복제 동역학을 도출한다. 고노력 전략이 유지되기 위한 필요조건은 (1‑γ)·(1‑ε)·(b‑c) > γ·b 로, 이는 사용자 신뢰감이 충분히 높고 평점 편향이 충분히 낮을 때만 고노력이 진화적으로 안정된다는 의미다. 이 식은 플랫폼이 ‘고평점’ 제공자를 과도히 강조하면(γ↑) 고노력 공급자의 유지가 어려워지며, 반대로 ‘나쁨’ 평점에 대한 패널티를 완화하면(γ↓) 고노력 전략이 더 쉽게 정착한다는 정책적 함의를 제공한다.

플랫폼이 두 가지 설계 옵션을 비교한다. 첫 번째는 “그룹 중립” 정책으로, 추천 알고리즘이 평점만을 기준으로 공급자를 선정하고 소수자 여부를 무시한다. 이 경우 고평점 공급자가 주로 노출돼 사용자 효용은 극대화되지만, 소수자 공급자의 시장 진입 기회가 급격히 감소해 인구 비율(공정성) 지표가 낮아진다. 두 번째는 “그룹 우선” 정책으로, 소수자 공급자를 일정 비율(θ) 이상 리스트에 포함시킨다. 시뮬레이션 결과 θ를 10‑20% 정도 높이면 ε가 0.2~0.4 수준에서도 공정성 지표가 크게 개선되고, 사용자 효용 손실은 2‑5% 미만에 그친다. 이는 평점 편향을 완전히 제거할 수 없더라도, 알고리즘적 인구 비율 조정이 실질적인 차별 완화 수단이 될 수 있음을 보여준다.

또한 논문은 ε에 대한 정확한 사전 지식이 없을 때의 로버스트 설계도 탐색한다. 베이지안 사전분포를 가정하고, 최소 위험(Risk) 기반 θ 선택 규칙을 도입하면, 실제 ε가 사전 평균보다 크게 차이 나더라도 공정성 손실을 제한할 수 있다. 이는 “편향 측정 불확실성” 상황에서도 ‘그룹 우선’ 정책이 ‘그룹 중립’보다 우월함을 뒷받침한다.

전체적으로 이 연구는 (i) 평점 기반 추천이 고노력 유인을 어떻게 변형시키는가, (ii) 편향된 평점이 소수자 공급자에게 미치는 구조적 불이익, (iii) 알고리즘적 인구 비율 조정이 공정성과 효용 사이의 트레이드오프를 완화할 수 있는 실용적 메커니즘을 제시한다는 점에서 학문적·실무적 기여가 크다.