SNS 사용자 특성과 확증 편향을 통한 자동화된 팩트체킹의 가능성 : 정치인 관련 트윗 데이터를 중심으로
Possibility of Automated Fact Checking through SNS User Characteristics and Confirmatory Bias
- 발행
- 2019 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 서울대학교
- 출처
- 국내 KCI
- DOI
- 10.22876/kjbtr.2019.108.003
- 원문
- 원문 보기 ↗
개념
키워드
팩트체크, 소셜 미디어, 기계 학습, 거짓 정보, 확증 편향, Fact-checking, machine learning, SNS, confirmation bias
초록
자연어 처리 기술이 발달되어 있는 미국에서는 인공지능 등 컴퓨터 과학을 통해 팩트체킹을 자동화하려는 시도가 이어지고 있다. 하지만 국내 소셜 미디어 환경과 한국어를 대상으로 한 팩트체킹의 자동화 연구는 찾아보기 힘든 실정이다. 본 연구는 메시지 내용이 아닌, SNS 사용자의 다양한 특성을 고려하여 거짓 정보를 판단할 수 있는지를 확인해 보았다. 트위터에 올라온 3017개의 트윗을 네 가지 변인군을 통해 거짓 정보를 담고 있는 트윗인지 여부를 어느 정도까지 판별할 수 있을지 로지스틱 회귀 분석을 통해 분석해 보았다. 분석 결과, 네 가지 변인군 모두 통계적으로 유의미한 영향을 갖는 것으로 나타났다. 특히, 기존 ‘거짓(혹은 사실) 트윗에 좋아요’라고 누른 사용자와 관련된 변인군이 가장 큰 영향력을 미치는 것으로 분석되었다. 본 연구는 통계적 분석 방법뿐만 아니라 기계 학습(machine learning)을 통해서도 거짓 정보를 담고 있는 트윗을 찾아내는 비율, 즉 민감도를 얼마나 높일 수 있을지 알아보았다. 분류 모델을 대표하는 로지스틱 리그레션을 통해 민감도를 69%까지 증가시켰으며, 의사 결정 나무를 통해서는 73%까지 거짓 정보 트윗을 찾아내는 성과를 올렸다. 이는 통계적 방법(위계적 로지스틱 회귀 분석)을 사용했을 때보다 기계 학습을 사용했을 때 각각 14%p와 18%p 향상된 수치다. 이 같은 결과를 토대로 자동화 팩트체킹의 가능성과 한계, 후속 연구 등에 대해서도 논의했다