온라인 커뮤니티의 22대 총선 담론에서혐오 표현에 관한 연구: K-MHaS 기반 딥러닝 혐오표현 분류 모형을 중심으로
A Study on Hate Speech in Discourse Regarding the 22nd General Election in Online Communities: Focusing on a Deep Learning Hate Speech Classification Model Based on K-MHaS
- 발행
- 2025 등록KCI API에는 발행일 항목이 없어 원문 등록일을 쓰고 있습니다. 실측으로 발행보다 최대 6년 늦습니다 — 재수집하면 발행연월로 바뀝니다.
- 소속·발행
- 한국언론진흥재단 미디어연구센터 선임연구위원
- 출처
- 국내 KCI
- DOI
- 10.14696/jcs.2025.09.25.3.174
- 원문
- 원문 보기 ↗
개념
키워드
온라인 혐오 표현, 정치적 양극화, 선거, 온라인 커뮤니티, 딥러닝, K-MHaS, online hate speech, political polarization, elections, online communities, deep learning, K-MHaS
초록
본 연구는 한국 사회의 정치적 양극화가 심화되는 상황에서 선거 관련 온라인 담론이 혐오 표현의 장으로 변질되는 현상에 주목하고, 제22대 총선을 둘러싼 온라인 커뮤니티 담론과 혐오 표현 양상을 체계적으로 분석하였다. 국내 주요 온라인 커뮤니티 6개를 대상으로 2024년 1월부터 7월까지 “22대 총선”을 키워드로 게시글 4,359건과 댓글 39,313건을 수집하고, 토픽모델링과 딥러닝 기반 혐오표현 분류 모형을 구축하여 분석을 진행하였다. 분석결과, 전체 댓글 중 20.3%가 혐오 표현을 포함하는 것으로 나타났고, 정치성향 혐오와 욕설 유형이 가장 높은 비율을 보이고 있었다. 이는 선거 관련 담론에서 혐오 표현이 주로 정치적 견해 차이에 기반하여 정제되지 않은 언어로 표출되고 있음을 시사한다. 토픽모델링을 통해 도출된 12개 주요 토픽별 혐오 표현 양상을 분석한 결과, ‘총선 결과 예측’, ‘조국혁신당 동향’ 토픽에서 혐오 표현 비율이 높았으며 토픽별 특성에 따라 혐오 유형의 분포가 차별화되었다. 이는 선거 과정에서 주제별 특성에 따른 맞춤형 모니터링 전략이 필요함을 의미한다. 7개월 간의 시계열 분석 결과, 선거 이후에도 혐오 표현 비율이 증가하여 7월에는 혐오 표현 비율이 최고치를 기록하였다. 이러한 현상은 선거 결과가 정치적 갈등의 해소가 아닌 심화로 귀결되고 있으며, 선거 이후 정치권과 언론의 사회통합적 담론 관리가 필요함을 시사한다. 커뮤니티별로는 디시인사이드와 인벤에서 높은 험오 표현 비율을 보인 반면, 클리앙과 에프엠코리아에서는 상대적으로 낮은 비율이 나타났다. 이는 플랫폼의 운영 정책, 익명성 수준, 이용자 특성, 커뮤니티 문화가 혐오 표현 발생에 복합적인 영향을 미치고 있음을 의미한다.