논문 23편

필터버블은 그간 정보 다양성과 민주적 담론을 위협하는 현상으로 주로 정치·정보 맥락에서 연구되어 왔다. 그러나 알고리즘 기반 소비 환경에서는 개인화 필터링이 심미적 취향, 반복 노출, 브랜드 애착이라는 전혀 다른 논리로 작동한다. 본 연구는 온라인 패션 플랫폼을 활발히 이용하는 20대 한국 여성 소비자를 대상으로 필터버블 인식이 패션 브랜드 충성도에 미치는 영향을 검토하며, 개인화 추천 다양성 인식의 매개 역할과 디지털 리터러시의 조절 역할을 규명하고자 한다. 최근 6개월 이내에 온라인 패션 쇼핑 경험이 있는 20-29세 한국 여성 300명을 대상으로 온라인 설문조사를 실시하였으며, 수집된 자료는 확인적 요인분석(CFA)을 통해 측정 타당도를 검토한 후 SPSS 24, AMOS 18, PROCESS macro Model 58(버전 4.2)을 활용하여 가설을 검증하였다. 연구 결과, 필터버블 인식은 초기 가설과 달리 패션 브랜드 충성도에 유의한 정(+)의 직접 효과를 미치는 것으로 나타났다. 기존 매개분석에서 필터버블 인식이 개인화 추천 다양성 인식에 미치는 a-path는 유의하지 않았으나, 디지털 리터러시를 공변량으로 통제한 추가 회귀분석 결과 통계적으로 유의한 부(-)의 효과가 확인되었다(β＝-.205, p＜.001). 이는 기존의 비유의 결과가 매개효과의 부재가 아니라 디지털 리터러시 수준 간 효과 상쇄(cancellation)에 기인함을 시사한다. 디지털 리터러시는 필터버블 인식과 개인화 추천 다양성 인식 간의 관계를 조절하였다. 구체적으로, 디지털 리터러시 수준이 낮을 때 필터버블 인식은 개인화 추천 다양성 인식을 유의하게 감소시켰으나, 수준이 높을 때는 이러한 부(-)의 효과가 중화되었다. 조건부 간접효과는 디지털 리터러시가 낮은 수준과 평균 수준에서 유의하였으나, 높은 수준에서는 유의하지 않았다. 본 연구는 두 가지 이론적 기여를 한다. 첫째, 필터버블 연구를 정치·정보 영역을 넘어 소비자 행동 영역으로 확장하여, 필터버블을 소비 경험을 구성하고 브랜드 충성도를 형성하는 메커니즘으로 재개념화한다. 둘째, 필터버블 효과가 기존의 결핍 모델과는 다른 방향으로 작동할 가능성을 제시한다. 필터버블은 소비자 선택을 제약하기 보다, 반복 노출을 통한 브랜드 친숙성, 결정 피로 감소, 자아-브랜드 일치감 강화를 통해 브랜드 애착을 강화하는 경험 구조로 기능할 수 있다. 디지털 리터러시는 핵심 경계 조건으로 작용

기존 추천 시스템은 사용자가 과거에 선호한 아이템과 유사한 상품만을 반복적으로 추천하는 필터 버블(Filter Bubble) 문제를 야기한다. 이는 기존 추천 시스템의 성능 평가가 지나치게 정확도 중심으로 이루어졌기 때문이며, 정확도와 다양 성 간의 상충 관계로 인해 필터 버블 현상은 추천 시스템 연구 분야의 난제로 인식되어 왔다. 이에 본 연구에서는 아이템 추천 모델과 카테고리 추천 모델을 통합하여 다양한 후보를 선정하고, 두 가지 임베딩 정보를 활용하여 거대 언어 모델 (Large Language Model, LLM) 기반 재 순위화를 수행하는 다면적 임베딩 통합 방법론(Multi-Faceted Embedding Integration)을 제안한다. 제안 방법론은 카테고리 선호도에 따라 후보군을 균형있게 구성한 후, 아이템 임베딩과 카테고리 임베딩을 프로젝터를 통해 변환하여 LLM 프롬프트에 주입하고 버벌라이저로 최종 순위를 도출한다. Amazon Toys & Games 데이터셋을 활용한 실험 결과 제안 방법론은 N-다양성 데이터셋에서 Recall@10 기준 LlamaRec 대비 45%, LRURec 대비 56%의 성능 향상을 보였으며, 전체 데이터셋에 대해서도 필터 버블을 고려한 기존 추천 모델보다 높은 정 확도를 나타냈다. 결론적으로 본 연구에서 제안한 다면적 추천 시스템은 높은 수준의 정확도를 유지하면서도 아이템 추천 의 다양성을 확보함을 확인하였으며, 이를 통해 전자상거래 플랫폼의 사용자 경험 개선과 상품 다양성 확보에 기여할 수 있을 것으로 기대된다.

Whether open-mindedness (OM) counts as an admirable epistemic aim of education has been a surprisingly contentious matter. Skeptics point out that OM is only contingently truth-conducive and that open-minded students may be maladaptive to the hostile epistemic environment outside school. Here, Seung

에코 챔버는 필터 버블과 더불어 최근 미디어·정치 상황에서 많이 등장하는 가설적 개념이다. 그러나 많은 유행 개념들이 그렇듯이 에코 챔버 역시 개념에 대한 정의도, 실재 여부에 대한 증명도, 병폐성에 대한 합의도 그렇게 확고하지 않다. 이를 이론이라 한다면 이렇게 허술한 이론도 찾아보기 어려울 것이다. 그러나 연구의 양은 ‘체계적 문헌 리뷰’가 여러 차례 쓰일 정도로 엄청나게 많다. 연구자들의 출신도 다양하고, 방법도 새롭다. 컴퓨터·데이터과학의 다양한 기법들이 동원되는 컴퓨테이션은 에코 챔버를 지금의 지위로 만들었다. 개념·증명여부·방법론을 분석한 이 글의 전반부는 이 과정을 추적한다. 결과는 컴퓨테이션이 증명한 네트워크 효과는 에코 챔버의 전제인 군집화를 확인하는 데 그쳤고, 일부 수용자를 과잉 대표하게 만들었다. 또 많은 연구는 특정 플랫폼에 집중해 소셜 미디어 전체로 일반화하는 데 문제가 있었고, 측정 방식 또한 일관되지않거나 범위가 협소했다. 마지막 미국이라는 공간적 한계 역시 일반화된 이론으로 발전하는 데는 문제가 있었다. 그러나 그렇다고 해서 이런 비판론이 에코 챔버의 가정 자체를 완전히 부정하는 경우도 거의 없었다. 이는 에코 챔버론이 최근 들어 더욱 심화된 대립을 보이는 보수와 진보 진영의 정보와 의견 편향을 적시하는 직관적 타당성을 갖기 때문일 것이다. 후반부는 이런 에코 챔버의 논의구도를 보다 폭넓게, 또 비판적으로 조망하는 ‘대안적 컴퓨테이션 사회과학’을살펴보고, 이의 일환인 질적·혼합적 방법의 대안적 가치와 한계를 제시한다.
 질적·혼합적 방법은 가치에 비해 사례는 희귀할 만큼 적다. 그러나 에코 챔버의 병폐로 꼽히는 양극화나 적대적 음모론이 강해질수록 사회적 맥락과 정체성에 주목하는 이 방법의 필요성도 커질 것이다.

The rise of social media platforms and subsequent lack of traditional gatekeeping mechanisms have enabled the proliferation of scientific disinformation. Users attempting to properly evaluate scientific information and disinformation are immensely obstructed by media communication mechanisms such as

본 연구는 2025년 제21대 대통령 선거 상황에서 유튜브 추천 알고리즘이 정치적 필터버블과 에코챔버 형성에 미치는 영향을 분석하였다. 진보･보수･중도 성향 6개 키워드를 기반으로 483개 채널과 10,740개 추천 관계를 수집･네트워크 분석한 결과, 전체 구조는 낮은 밀도와 허브 중심성을 보였으며 추천이 소수 대형 채널에 집중되는 경향이 뚜렷했다. 추천 깊이가 깊어질수록 채널 수와 표면적 다양성은 증가했으나 정보 집중도는 오히려 상승하여 동일 성향 채널로의 쏠림이 심화되었다. 정치 성향별로는 진보 네트워크의 응집성과 폐쇄성이 가장 높게 나타났으며, 반복 추천과 상호 연결을 통해 에코챔버 구조로 강화될 수 있음을 확인하였다. ERGM 분석에서는 정치 성향 일치, 구독자 수 및 영상 수 등이 추천 연결 형성에 유의하게 작용하여 알고리즘이 정치적으로 동질적인 정보 환경을 고착화할 수 있음을 시사한다. 이러한 결과를 통해 선거 시기 정보 다양성 확보와 정치적 양극화 완화를 위해 추천 편향을 감시･완화하는 정책적 장치와 플랫폼의 투명성 제고가 필요함을 제언한다.

Since September 2020, Fox News spawned an anti-critical race theory (CRT) disinformation campaign, that has reverberated in the whitestream's echo chamber. The disinformation largely appeals to white people who refuse to see racism, unless they feel it is impinging their rights. The campaign against

Many faculty perform work as public intellectuals, producing essays, op-eds, interviews, and other forms of media to amplify their academic work. However, educational research has not examined how faculty conceptualize non-academic audiences, influencing who faculty address in their public scholarsh

본 연구는 뉴스의 화제성이 친구 추천의 사회적인 동조성 인식과 알고리듬 추천의 사회적 보편성 인식을 매개로 진실착오효과에 어떠한 영향을 미치는지를 살펴보고자 하였다. 본 연구결과, 첫째, 소셜미디어의 뉴스화제성은 진실착오에 직접적인 영향을 미쳤다. 둘째 소셜미디어의 뉴스화제성은 친구 추천을 증진하였으며, 친구 추천은 알고리듬 추천을 강화하였다. 셋째, 소셜미디어의 뉴스화제성은 알고리듬 추천도 강화하였다. 넷째, 알고리듬 추천은 진실착오에 영향을 미쳤다. 다섯째, 친구 추천과 알고리듬 추천의 이중매개를 통해서 뉴스화제성과 진실착오에 영향을 미치는 것으로 나타났다. 이러한 결과는 소셜미디어의 뉴스화제성이 친구 추천의 사회적인 동조성 인식과 알고리듬 추천의 사회적 보편성 인식으로 구체적인 사실 확인보다는 적당하고 정확한 것으로 뉴스를 평정하여 진실착오의 인지편향을 낳을 수 있음을 보여준다. 이로 인해 여론지각의 오류를 발생시킬뿐더러 반향실의 소용돌이에서 뉴스 신뢰가 약화되며 장기적으로 민주주의 체질을 약화시킬 수 있다. 이에 이용자들은 뉴스출처, 뉴스처리과정, 뉴스의 맥락, 뉴스의 범주와 정의화의 역학을 이해하고 확증적 오류의 가능성을 성찰할 수 있는 수용태도를 갖추도록 해야 할 것이다.

It is widely believed that we are facing a problem, even a crisis, caused by so-called "echo chambers" and "filter bubbles." Here, David Coady argues that this belief is mistaken. There is no such problem, and we should refrain from using these neologisms altogether. They serve n

본 연구의 목적은 정보 편식이 정치적 양극화에 어떠한 영향을 미치는지 밝히는 것이다. 정보 편식은 이용하는 정보 채널의 수와 다양성을 의미하는 정보 채널 레퍼토리 개념을 이용하여측정하였다. 정보 채널 레퍼토리가 다양할수록 정보 편식 정도가 작다고 할 수 있다. 정치적 양극화는 자신이 지지하는 정파에 대한 정서적 일체감의 강도를 의미하는 정파적 일체감 개념을이용하여 측정하였다. 개인적 수준에서 정파적 일체감이 강할수록 사회적 수준에서 정치적 양극화 정도가 커진다고 할 수 있다. 구체적으로 본 연구의 연구문제는 (1)정보 채널 레퍼토리는정파적 일체감에 어떤 영향을 미치는가, (2)정보 채널 레퍼토리와 정파적 일체감의 관계에 인구통계학적 변수(성별, 연령, 학력)와 정치적 변수(정치 지식, 정치 관심, 정치 성향)는 어떤영향을 미치는가이다. 연구문제에 대한 답을 얻기 위해서 전국 만 18세 이상 남녀 906명(남성451명, 여성 455명)을 대상으로 온라인 조사를 실시하였다. 분석 결과, 정보 채널 레퍼토리 수와 유형은 인구통계학적 변수와 정치적 변수를 통제한 후에도 정파적 일체감에 대해 유의한 영향을 미쳤다. 정보 채널 레퍼토리 수가 증가할수록 정파적 일체감은 증가했고, 다양한 정보 채널 레퍼토리를 이용해서 뉴스를 접하는 사람은, 포털/유튜브, 포털/메신저/SNS, 혹은 기존 언론사 등 일부 한정된 정보 채널을 이용해서 뉴스를 접하는 사람 및 뉴스 이용을 덜 하는 사람보다 정파적 일체감이 더 강한 것으로 나타났다. 또한 정치적 변수는 정보 채널 레퍼토리가 정파적 일체감에 미치는 영향을 조절하거나 매개했다. 정치 성향은 정보 채널 레퍼토리 수가 정파적 일체감에 미치는 영향을 조절했다. 정치 성향이 진보적인 사람들보다 보수적인 사람들의 경우, 정보 채널 레퍼토리 수가 정파적 일체감에 미치는 영향이 더 컸다. 정치 지식과 정치 관심은 정보 채널 레퍼토리와 정파적 일체감의 관계를 부분매개했다. 후속 연구에서는 정보 채널뿐아니라, 정보 내용, 정보 이용 방식, 정보 이용 의도 등을 종합적으로 고려할 필요가 있다.

본 연구는 1인 미디어 플랫폼을 통해 주로 연예계 스캔들 또는 유명인이 관련된사건⋅사고를 다루는 콘텐츠로 조회수를 늘리는 사이버렉카와 이로 인해 양산되는 악플에 주목했다. 특히, 사이버렉카의 영상 단위에서 어떠한 특성이 악플생산을 조장하는지를 분석하고자 대표적 유튜브 사이버렉카 4인을 선정 후 이들 채널에서 370건의 영상에 달린 댓글 약 29만건을 수집하고 인공신경망으로악플을 분류하여 악플 생산 정도를 측정했다. 그리고 사이버렉카의 효과를 1) 비대면 소통 환경의 유튜버 익명성이라는 구조적 여건, 2) 사용자들이 집단 중심의 사고와 행동을 수행하며 사이버렉카의 악의성에 동조하는 효과, 그리고3) 사이버렉카의 타깃(target)에 투영된 혐오 정서로 인해 내집단 일체감과 외집단에 대한 구별짓기와 편견이 반향실 효과로 인해 강화되며 발현된 악플 증가로 구별해 연구가설을 설정하고 이를 분산 분석과 회귀 분석으로 검증했다. 분석 결과, 익명의 유튜버가 운영하는 사이버렉카 채널은 자신의 신원을 드러낸경우에 비해 악플 생산에 더 효과적이었다. 또한, 사이버렉카가 다루는 타깃이사회적 혐오의 대상일 때 악플 생산은 더 증가했다. 즉, 사이버렉카가 연예인혹은 유명인들에 대한 자극적인 보도로 댓글량이라는 광고 수익과 연관되는 지표를 늘리는데 있어 우리 사회의 혐오 정서가 투영되는 대상의 선정이 효과를발휘하고 있었다는 점이다. 반면, 사이버렉카의 표현 방식에 주목해 편파적 묘사와 조롱 등의 악의성이 노골적으로 드러난 영상이 악플 생산을 조장하는가를검증한 결과 유의미한 영향은 없는 것으로 나타났다. 이러한 결과를 바탕으로본 연구는 사이버렉카라는 새로운 방송 형태가 악플 확산을 어떻게 주도하고조장하는지 밝힘으로써 산업 차원은 물론 문화적으로 그 영향력이 커지고 있는1인 미디어 생태계에 대한 이해와 문제 해결의 방안을 논의했다.

최근 한국에서의 유튜브 사용량은 전체 SNS 이용량 중 72%로 가장 높으며 그중 44%가 유튜브를 통해 뉴스를 이용한다고 나타났다. 또한, 언론사들이 유튜브를 통해 콘텐츠를 공유하고, 정치인들도 유튜브를 활용하여 대중과 소통하는 추세이다. 이에 따라 유튜브가 가지는 영향력은 점차 커지고 있으며, 학계에서는 유튜브를 통한 뉴스 소비에 대한 다양한 연구가 이루어지고 있다. 그중에서도, 유튜브의 추천 알고리즘이 이용자의 이념적 성향을 강화하여 이념의 양극화를 초래하는 필터 버블 현상에 대한 우려가 발생하고 있다. 본 논문은 정치 분야에서 유튜브의 필터버블 현상에 대한 우려를 제기하고, 그 해결책으로 크롬 익스텐션을 활용한 실질적인 방안을 제안한다. 이용자가 다양한 정치 성향의 영상에 노출되도록 하여 확증편향 현상을 줄이는 것을 목표로 한다. 본 논문은 보수/진보 성향의 유튜브 계정을 훈련시키고, 텍스트 마이닝을 활용해 추천 영상의 성향을 분석함으로써 필터버블 현상의 존재를 확인한다. 이후 크롬 익스텐션을 적용한 계정에서 시사/정치 분야 영상이 동일한 비율로 추천되는지를 검증한다. 본 논문의 목적은 유튜브 추천 알고리즘에 따른 필터버블 현상을 검증하고, 크롬 익스텐션을 통해 선택적 노출 현상을 감소시키는 것에 있다. 본 논문은 유튜브 필터버블 현상 해결에 대한 유용성을 입증하는 실증적 연구로 의미가 있다.

페이스북과 같은 대형 온라인 플랫폼의 알고리즘은 정치 양극화를 심화하는 요인으로 자주 지목된다. 특히 알고리즘의 개인화(personalization) 기능은 각 사용자의 습관과 취향에 따라 콘텐츠를 선별적으로 제공함으로써, 사고의 폭을 좁히고 사회의 분열을 심화한다고 평가받는다. 그러나 알고리즘이 처음부터 위협적인 행위자였던 것은 아니다. 본 논문은 알고리즘이 인터넷의 복잡한 생태계로부터 분리되는 데에 ‘에코챔버’(echo chamber)와 ‘필터버블’(filter bubble) 메타포가 기여했음을 보인다. 에코챔버는 비슷한 사람끼리 모여 서로의 견해를 증폭시키는 현상, 필터버블은 개인이 맞춤화된 세계에 갇혀 편협한 시각을 기르는 현상을 가리킨다. 두 메타포는 2010년대, 특히 브렉시트와 트럼프 대통령 당선 직후 많은 인기를 끌며, 컴퓨터공학자와 언론학자들 사이에서 페이스북과 구글 검색 각각을 중심으로 에코챔버와 필터버블의 실체를 포착하려는 여러 실험을 유발하였다. 이 실험들은 의도한 경험적 근거는 찾지 못했지만, 부차적인 효과로서 알고리즘을 독립되고 위험한 존재자로 경계 지었다. 이 과정에서 에코챔버의 정의는 초기와 달리 알고리즘의 독자적인 행위성을 강조하는 식으로 변형되기도 했다. 이는 과학기술 분야에서 메타포가 그저 주어진 대상을 묘사하는 도구가 아니라, 과학 이론과 대상을 예상치 못한 형태로 구체화하는 힘임을 보여준다.
 글의 결론에서는 알고리즘을 자율적이고 불가항력의 힘으로 보는 인식의 문제점을 네 가지 지적한다. 첫째로, 알고리즘은 사람에게 일방적으로 작용하지 않고, 필연적으로 사람과 상호의존적인 관계에 있다. 둘째로, 인공지능이 발생시키는 혐오와 차별의 문제 대부분은 알고리즘 자체보다는 그와 결합된 데이터에서 비롯한다. 셋째로, 사람은 알고리즘이 무엇을 보여주든지 의심 없이 수용하는 수동적인 존재가 아니다. 마지막으로, 온라인으로 널리 소비되는 많은 콘텐츠는 인터넷 안팎에서 형성된 수요와 얽혀 있다.

최근 소셜미디어로 접하는 정보 증가로 알고리즘 기반 추천 형식은 사용자 정보에 기반하여 선별적으로 정보를 제공하는데, 이러한 알고리즘은 자주 에코챔버(Echo Chamber)에 의한 필터버블(FilterBuble) 효과를 일으킨다. 에코챔버는 밀폐된 시스템 안에서만 이루어지는 의사소통으로 인해 신념이 증폭되거나 강화되는 현상을 의미하고 필터버블은 정보 제공자가 이용자의 관심사에 맞춰 맞춤형 정보를 제공하여 이용자는 필터링 된 정보만 접하게 되는 현상을 의미한다. 본 연구의 목적은 이러한 에코챔버에 의한 필터버블 현상을 개선하는 방안으로 정보를 효율적으로 선별하는 방법을 제시하는 것이다. 연구 진행 방법은 유튜브, 페이스북, 그리고 아마존에서 사용되는 추천 알고리즘을 분석하였다. 본 연구에서는 추천 알고리즘으로 생기는 문제점에 대해서 소셜미디어 사용자의 비판적 사고능력 훈련이나 자기보존법칙에 따른 객관적 윤리 기준 강화 등의 인문학적 해결 방안과 모델 기반 협력 필터링이나 교차적 추천 방식의 기술적 해결 방안을 제시하였다.
 결과적으로 추천 알고리즘은 지속적 기술 보완과 새로운 기법 개발을 위한 노력이 이루어져야 하며, 소셜미디어를 대하는 사용자는 비판적 사고 훈련과 정치적 의사소통 교육을 통해 인지부조화를 이겨내고 확증편향에 빠지지 않도록 하는 인문학적 노력이 병행되어야 한다.

본 연구는 러시아-우크라이나 전쟁(2022)의 특징인 유튜브 등 SNS 추천알고리즘 필터버블 강화현상과 하이브리드 전쟁의 승패 요인에 관한 연구이다. 이 전쟁은 하이브리드전으로 규명되며, SNS 추천알고리즘 기반 뉴미디어의 활용은 정치적 레버리지를 넘어서 전쟁의 승부를 결정짓는 요소로 부상하고 있다. 이로 인해, 필터버블 현상이 시청자들에게노출되는 정보의 제한을 가져온다는 확증편향의 사전적 의미를 넘어서고 있다. 우크라이나 젤렌스키 대통령이 키예프에서 항전을 독려한 유튜브 동영상의 경우 702만의 조회 수를 기록했지만, 푸틴의 연설은 80만에 그친 것은 추천알고리즘이 푸틴의 연설을 노출하지 않았다는 방증이다. 이러한 SNS 추천알고리즘의 노출 전쟁은 미국(유튜브, 트위터, 페이스북)과 중국(틱톡) 빅테크 기업의 알고리즘 전쟁으로 발전되는 경향을 보인다. 미국기업의 영향으로 우크라이나는 국제적인 지원을 받을 수 있게 되었고, 러시아는 중국기업의 영향으로 푸틴의 지지율이 80 프로가 넘는 상반된 결과가 도출되고 있다. 이러한 알고리즘 권력화는 ’필터버블‘에 의해 여론의 확증편향에 기반을 두고 있기에 이 왜곡 현상에 대한 새로운 가이드라인 설정을 이른 시일 안에 제시해야 한다는 정당성이 이번 러시아-우크라이나 전쟁을 통해서 주목받고 있다.

본 연구는 유튜브 동영상 플랫폼이 개인화 추천시스템을 통하여 제공하는 추천동영상 서비스로 인하여 발생하는 정보다양성 감소로 인한 필터버블 현상과 프라이버시 염려에도 불구하고 추천동영상을 지속적으로 이용하고자 하는 프라이버시 역설 현상에 초점을 맞추어 이러한 현상이 발생하는지, 그리고 20대와 50대의 두 집단을 대상으로 어떠한 차이가 존재하는지를 실증분석을 통해 확인하고자 하였다. 실증분석 결과를 정리하면 다음과 같다. 첫째, 정보다양성 감소에도 불구하고 추천동영상을 지속적으로 이용할 것인지 분석한 결과, 추천동영상의 유용성이 존재할 경우 정보다양성 감소에도 불구하고 지속이용의도는 강하게 나타남을 확인하였다. 둘째, 추천동영상의 유용성을 전제할 경우, 프라이버시 염려에도 불구하고 추천동영상을 지속적으로 이용하고자 하는 프라이버시 역설 현상이 나타나는지를 분석한 결과 20대와 50대를 모두 포함한 설문대상 전체를 대상으로 프라이버시 역설 현상이 나타나지 않는 것으로 나타났다. 다만, 20대와 50대를 나누어 각각 살펴본 경우에는 다른 결과가 나타났음을 확인하였다. 셋째, 프라이버시 역설 현상이 20대와 50대에 어떤 차이를 보이는지 분석한 결과, 20대의 경우 프라이버시 역설 현상이 나타나지 않았으나 50대의 경우에는 프라이버시 역설 현상이 나타나는 것을 확인하였다.

이 연구에서는 필터버블 현상의 주요 요인인 추천 알고리즘의 정치적 편향성(추천 알고리즘이 이용자가 선호하는 정치 성향의 영상을 제한적으로 제공하는 것)과, 이용자들의 선택적 노출(이용자가 자신이 선호하는 정치 성향의 영상을 자발적으로 선택하는 것)을 실증적으로 검증하고자 하였다. 이를 위해 새로운 유튜브 계정 2개를 개설하여 각각의 계정을 보수/진보 계정으로 일주일 동안 훈련시켰고, 각 계정에서 추천받은 영상들은 이틀 간격으로 수집하였다. 텍스트 마이닝(Text Mining) 방법을 통해 보수 계정에서는 보수 성향의 영상이 더욱 추천되는지, 진보 계정에서는 진보 성향의 영상이 더욱 추천되는지를 알아보았다. 또한 각각의 계정에서 정치적으로 편향된 주제들이 다뤄지고 있는지를 관찰하였다. 설문조사를 통해 유튜브로 정치 및 뉴스 영상을 소비하는 이용자들에게 보수/진보 계정에서 6일째에 추천된 영상 리스트를 제공하여 이용자들이 선택적 노출을 보이는지를 알아보았다. 연구결과, 시간이 지날수록 보수 계정에서는 보수 성향의 영상과 채널이 더욱 추천되고, 진보 계정에서는 진보 성향의 영상과 채널이 더욱 추천되었으며, 보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있는 것으로 나타났다. 응답자들의 약 77%는 자신이 선호하는 정치 성향의 영상에 선택적으로 노출되어 보이는 것으로 나타났다.

Nowadays a personalization algorithm is gaining huge attention. It gives users selective information which is helpful and interesting in a deluge of information based on their past behavior on the internet. However there is also a fatal side effect that the user can only get restricted information on restricted topics selected by the algorithm. Basically, the personalization algorithm makes users have a narrower perspective and even stronger bias because users have less chances to get views of opponent. Eli Pariser called this problem the ‘filter bubble’ in his book. It is important to understand exactly what a filter bubble is to solve the problem. Therefore, this paper shows how much Google’s personalized search algorithm influences search result through an experiment with deep neural networks acting like users. At the beginning of the experiment, two Google accounts are newly created, not to be influenced by the Google’s personalized search algorithm. Then the two pure accounts get politically biased by two methods. We periodically calculate the numerical score depending on the character of links and it shows how biased the account is. In conclusion, this paper shows the formati

Glenn D. Paige pioneered in the revolutionary development of a far-reaching transformation of science, academia, and society from a killing to a nonkilling worldview, values, and attitudes. For six decades, anthropology has been accumulating scientific empirical evidence and rational arguments demon

인터넷과 정보기술의 발달로 사람들은 많은 정보에 접하게 되었으며, 정보 제공 사이트들은 사용자들에게 적합한 정보를 추천해 줌으로써 정보 과잉의 문제를 해결해 왔다. 하지만, 사용자의 취향과 선호에 기반한 정보 추천은 편향된 정보만을 소비하게 되는 정보 편식의 문제점을 일으킬 수 있다. 이러한 추천시스템의 부작용에 대해서는 연구가 거의 행해지지 않아 왔다.
 본 논문은 정보 편식을 완화시키는 정보 시스템적 솔루션에 초점을 맞췄다. 적응수준이론과 기대이론을 기반으로 사용자 자신의 정보 소비 행태를 준거점으로 구체화시킨 자기 준거 진단 인터페이스와 타인들의 정보 소비 행태를 준거점으로 자신의 정보 소비를 보도록 도와주는 사회적 준거 진단 인터페이스를 제안하였다. 이러한 두 개의 인터페이스가 정보 소비 행태 자각에 어떤 영향을 미치며, 행동의 자각이 정보 편식을 개선하려는 동기와 실제 행동에 영향을 미치는지를 알아보았다.
 인터페이스의 효과는 실험을 이용하여 검증하였다. 분석 결과, 자기 준거 진단 인터페이스가 정보 소비 행태 자각과 정보 편식을 개선하는 행동에 긍정적인 영향을 미치는 것으로 나타났지만, 정보 편식을 개선하고자 하는 동기에는 유의한 결과를 보이지 않았다.
 본 연구는 사람들이 선호하는 정보를 제공하는 것에만 관심을 기울였던 기존 연구들과는 달리 추천 시스템의 부작용인 정보 편식의 완화에 관심을 가진 연구라는 의의를 가진다.

Educational policy debates are no longer occurring exclusively in academic or governmental settings. Intermediary actors are promoting research using a variety of traditional and non-traditional media to advance and oppose policy agendas. Given the current policy arena, it is useful to re-examine th

Discusses how gymnasiums, natatoriums, and lobbies can be notorious echo chambers, but that panels, baffles, banners, and blocks can help reduce unpleasant acoustics. (EV)