유튜브와 토끼굴, 알고리즘과 빅 테크 기업이 사회에 미치는 영향

   유튜브가 사용자의 관심사와 행도을 분석하여 개인화된 콘테츠를 제공함으로써 사용자가 자신의 관심사에 깊이 몰입하게  만들곤 합니다. 이 과정을 '토끼굴에 빠지게 한다'고 비유합니다. "토끼굴에 빠진다"는 표현은 루이스 캐럴의 소설 <이상한 나라의 앨리스(Alice's Adventures in Wonderland)>에서 유래했습니다. 이 소설에서 주인공 앨리스는 토끼를 따라 굴 속으로 들어가면서 시작되는 일련의 모험과 환상적인 여정에 빠집니다. 토끼굴에 빠진다는 것은 이처럼 어떤 주제나 활동에 깊이 몰입하여 주변을 잊고 시간 가는 줄 모르는 경험을 비유하는 데 사용됩니다.

  인터넷의 하이퍼링크와 유튜브와 같은 플랫폼 빅 테크 기업들이 제공하는 알고리즘은 한 콘텐츠에서 다른 콘텐츠로 계속 넘어가며 소비를 하게 만듭니다. 이는 마치 꼬리에 꼬리를 무는 것과 같은 연속적인 경험을 제공합니다. 인터넷과 디지털 콘텐츠 맥락에서, 특히 유튜브 알고리즘 같은 개인화된 콘텐츠 추천 시스템은 사용자가 특정 주제에 대한 콘텐츠를 시청하기 시작하면, 알고리즘은 비슷한 내용의 콘텐츠를 계속 추천합니다. 이 알고리즘은 복잡한 기계 학습 모델을 기반으로 하며, 시청 기록, 검색 기록, '좋아요', '싫어요', '댓글' 등 콘텐츠에 대한 상호작용을 분석하여 사용자에게 추천 콘텐츠를 제시합니다.  플랫폼의 추천 시스템은 사용자의 관심을 끌 수 있는 콘텐츠를 찾아내며, 사용자가 플랫폼에 더 오래 머물도록 만듭니다. 사용자들이 콘텐츠를 더 많이 시청할수록, 그리고  플랫폼에 더 오래 머물수록 빅 테크 기업들의 수익이 크게 증가합니다. 플랫폼이 사용자의 선호를 우선시함에 따라 자주 시청하는 콘텐츠와 유사한 콘텐츠들을 주로 추천하게 됩니다. 이로 인해 사용자는 유사한 콘텐츠를 반복해서 소비하고 자신의 관심사에 점점 더 깊이 빠져들게 들며, 이른바 '토끼굴'에 빠지게 됩니다. 유튜브와 같은 플랫폼의 추천 알고리즘은 사용자가 플랫폼에 더 오래 머무르도록, 그리고 시청 시간을 최대화하도록 프로그래밍, 설계되어 있습니다. 이는 궁극적으로 플랫폼의 수익을 증대를 목표로 하며 극단적인 수익 극대화를 추구합니다. 이 과정에서 추천 알고리즘은 개개인과 사회에 미칠 파급력을 충분히 고려하지 않습니다. 추천 알고리즘은 사용자가 좋아할만한, 사용자의 취향에 맞는 콘텐츠만을 선택적으로 제공합니다. 이로 인해 사용자는 다양한 관점에 노출되기 어렵고, 자신의 기존 신념에 부합하는 정보만을 접하게 됩니다. 결국, 이는 사용자의 편향된 이념적 경향을 더욱 강화시킬 수 있습니다. 다양한 정치적 성향이나 의견을 가진 사람들이 서로의 견해를 듣고 토론할 기회를 잃게되면서, 사회적 이념의 분열이 심화되고, 혐오, 배타성, 그리고 갈등이 증가할 위험이 있습니다. 내부 그룹의 구성원들이 오로지 자신들의 생각만을 반복해서 소비하고, 외부에 있는 다른  의견을 불신하게 될 때, 이는 '반향실 효과'와 '필터버블'을 초래하며, '확증편향'을 심화시키고 '사이버 발칸화'를 일으킵니다. 이러한 현상은 극단적인 양극화를 조장하고 공동체의 가치를 심각하게 손상시킬 수 있습니다. 정보에피스테메는 개방성, 확장성, 응용 가능성, 효율성, 소통성을 가지고 있는 반면에 즉흥성, 폐쇄성, 조작 가능성, 진위 판별의 어려운 점 등도 가지고 있습니다. 추천 알고리즘은 개발자의 의도와 운영자의 목적에 따라 설계되고 프로그래밍됩니다. 이 알고리즘은 빅 테크 기업을 비롯한 플랫폼 운영자들의 지향점을 반영하고 구현합니다. 그리고, 사용자의 경험을 그들의 지향점에 맞추어 조정합니다. 따라서, 사용자의 온라인 활동은 단순히  알고리즘에 의해 좌지우지 결정되는 것이 아니라, 그 알고리즘을 설계하고 운영하는 그 누군가의 의도에 의해 좌지우지 되고 결정적인 영향을 받습니다. 생명 기술과 정보 기술이 융합되는 현 시대에서, 데이터를 소유한 빅 테크 기업들이 주도권을 쥐게 되면 디지털 독재의 시대가 도래할 수도 있습니다. 이러한 상황에서, 빅 데이터는 맥락적 정보와 결합하여 피드백 루프를 형성하고, 이를 통해서 실시간 쌍방향 커뮤니케이션과 다양한 정보 공유가 가능해집니다. 따라서, 플랫폼을 지혜롭고고 유익하게 사용하는 것이 중요해지며, 이는 사용자에게 보가 가치 있는 플랫폼 경험을 제공할 수 있습니다.

 

* 반향실 효과(Echo Chamber Effect): 주로 온라인 커뮤니케이션 환경에서 발생하는 현상으로, 사람들이 자신의 의견이나 신념을 반복적으로 확인하고 강화하는 동질의 정보만을 접하는 상황을 말합니다. 이 현상은 소셜 미디어 플랫폼, 포럼, 뉴스 사이트 등에서 사용자가 같은 관점을 공유하는 그룹 내에서만 정보를 소비하게 되어, 다양한 관점이나 반대 의견에 노출되는 기회가 줄어들게 만듭니다. 결과적으로, 이는 개인이나 집단의 사고가 더욱 극단적으로 경화되고, 사회적 분열이 심화되는 원인이 될 수 있습니다. 반향실 효과는 개인의 인지적 편향과 소셜 미디어 알고리즘의 작동 방식이 결합되어 발생하며, 사용자들이 자신의 신념을 반영하고 강화하는 정보에 더 쉽게 접근하도록 유도합니다.

 

* 필터버블(Filter Bubble): 인터넷 사용자가 온라인에서 정보를 검색하거나 소셜 미디어를 이용할 때, 개인의 관심사, 검색 기록, 클릭 행동 등에 기반하여 맞춤화된 정보만을 접하게 되는 현상을 말합니다. 이 용어는 인터넷 활동자 엘리 파리저(Eli Pariser)에 의해 널리 알려졌습니다. 필터 버블은 알고리즘에 의해 사용자마다 다른 결과를 보여주는 개인화 추천 시스템 때문에 발생합니다. 필터 버블 내에서 사용자는 자신의 관심사나 기존의 신념과 일치하는 정보에 주로 노출됩니다. 이로 인해 사용자는 다양한 관점이나 반대되는 의견에 접근하기 어렵게 되며, 사회적, 정치적 견해가 더욱 고착화될 수 있습니다. 필터 버블은 사용자에게 편안하고 맞춤화된 온라인 경험을 제공하는 한편, 정보의 다양성을 제한하고, 개인 및 사회적으로 편향된 인식을 심화시킬 위험이 있습니다.

 

* 확증편향(Confirmation Bias): 사람들이 자신의 기존 신념이나 가설을 뒷받침하는 정보는 쉽게 받아들이고, 반대되는 정보는 무시하거나 평가절하하는 경향을 말합니다. 이 편향은 정보를 선택하고 해석하는 과정에서 나타나며, 개인의 신념 체계를 유지하려는 무의식적인 욕구에서 비롯됩니다. 확증편향은 다양한 상황에서 나타날 수 있으며, 특히 정치적, 사회적 신념이 관련된 이슈에서 두드러지게 나타납니다. 예를 들어, 어떤 사람이 특정 정치적 견해를 강하게 지지하는 경우, 그 견해를 지지하는 증거는 적극적으로 수용하고, 반대되는 증거는 무시하거나 합리화하는 경향이 있습니다. 확증편향은 의사결정과 판단을 왜곡시키고, 개인이나 집단의 극단적인 견해를 강화할 수 있습니다. 또한, 소셜 미디어와 같은 플랫폼에서 정보의 필터링과 개인화로 인해 더욱 심화될 수 있으며, 사회적 분열과 반향실 효과를 촉진하는 주요 요인 중 하나로 작용합니다.

 

* 사이버 발칸화(Cyberbalkanization): 인터넷과 디지털 미디어 환경에서 사용자들이 비슷한 관심사나 의견을 가진 소그룹으로 나뉘어져 정보를 공유하고 소통하는 현상을 말합니다. 이 용어는 지리적, 문화적으로 분리된 발칸 반도의 역사적 분쟁에서 유래했으며, 온라인 공간에서 유사한 분열 현상을 비유적으로 표현합니다. 사이버 발칸화는 정보 기술의 발전과 함께, 사람들이 자신의 관심사나 신념에 근거해 특정 웹사이트, 소셜 미디어 그룹, 온라인 커뮤니티에 집중하게 되면서 나타납니다. 이 현상은 다양한 정보와 관점에 노출되는 기회를 줄이고, 개인이나 그룹이 자신의 의견에만 더욱 굳건히 매달리게 만듭니다. 결과적으로, 사회적으로는 의견의 극단화, 집단 간 갈등의 증가, 공동체의 분열 등을 초래할 수 있습니다. 사이버 발칸화는 확증편향, 필터 버블, 반향실 효과와 같은 다른 심리적 현상과 밀접하게 연관되어 있으며, 이러한 현상들이 상호 작용하면서 온라인 환경에서의 정보 분열과 사회적 분열을 가속화할 수 있습니다.

 

* 맥락적 정보(Contextual Information): 어떤 데이터나 정보가 특정 상황, 배경, 조건 등과 연결될 때 그 의미나 해석에 영향을 주는 정보를 말합니다. 이는 정보를 이해하고 해석하는 데 필요한 맥락이나 상황에 대한 설명이나 데이터를 포함합니다. 맥락적 정보는 정보 자체의 정확한 의미를 파악하고, 그 정보가 어떻게 사용되어야 하는지, 어떤 상황에서 유용한지를 이해하는 데 중요합니다. 예를 들어, 뉴스 기사, 연구 보고서, 사회적 상호작용, 또는 데이터 분석에서 특정 사실이나 수치가 제시될 때, 그 정보가 제공되는 맥락은 그 정보를 올바르게 해석하는 데 필수적입니다. 정보가 발생한 시간, 장소, 관련 인물이나 사건, 사회적, 경제적 조건 등은 모두 맥락적 정보의 예입니다. 특히 데이터 과학이나 정보 기술에서 맥락적 정보는 데이터의 의미를 해석하고, 보다 정확하고 유용한 결론을 도출하는 데 필수적인 요소입니다. 맥락적 정보 없이 데이터를 해석할 경우, 잘못된 해석이나 결론에 이를 수 있으며, 이는 결국 오류나 오해를 낳을 수 있습니다.

 

* 두꺼운 데이터(Thick data): 수량적 데이터(양적 데이터)에 대응되는 개념으로, 사람들의 행동, 감정, 이야기 등 깊이 있는 질적 정보를 말합니다. 이 데이터는 사람들의 생활 방식, 문화, 가치관 등을 이해하기 위해 사용되며, 인터뷰, 관찰, 사례 연구 등을 통해 수집됩니다. 두꺼운 데이터는 사람의 복잡한 경험과 맥락을 포착하는 데 초점을 맞추며, 이를 통해 얻은 인사이트는 제품 개발, 서비스 개선, 사용자 경험 디자인 등 다양한 분야에서 의사결정 과정을 보완하고 풍부하게 합니다. 양적 데이터가 통계나 수치로 표현되는 정보를 제공한다면, 두꺼운 데이터는 사람의 감정이나 경험 같은 비가시적인 요소를 포함하여, '왜' 사람들이 특정한 행동을 하는지에 대한 깊은 이해를 제공합니다. 예를 들어, 소비자의 구매 결정 뒤에 숨겨진 심리적, 사회적 동기를 파악하는 데 있어 두꺼운 데이터는 매우 중요한 역할을 합니다. 이러한 방식으로, 두꺼운 데이터는 단순히 행동의 표면적인 패턴을 넘어서 그 배후에 있는 인간의 본성과 문화적 맥락을 이해하는 데 중요한 열쇠를 제공하며, 이는 보다 인간 중심적인 접근을 가능하게 합니다.

 

* 정보에피스테메(Information Espisteme): 현대 사회에서 정보가 생성, 분배, 소비되는 방식과 그 과정에서 형성되는 지식의 구조 및 체계를 탐구하는 개념입니다. '에피스테메(Episteme)'는 고대 그리스어에서 유래한 용어로, 특정 시대나 문화에서 인정되는 지식의 체계나 방식을 의미합니다. 따라서 정보에피스테메는 정보와 지식이 어떻게 사회적, 문화적, 기술적 맥락에서 의미를 가지고 변화하는지를 연구하는 데 초점을 맞춥니다. 이 개념은 특히 디지털 시대의 정보 기술 발전과 함께 더욱 중요해졌습니다. 인터넷과 디지털 미디어의 등장으로 정보의 생성, 전파, 접근 방식이 급격히 변화하면서, 이로 인해 사회적 지식의 구조와 인식의 방식 또한 크게 달라졌기 때문입니다. 정보에피스테메는 이러한 변화를 이해하고 분석하는 데 필요한 이론적 틀을 제공합니다. 정보에피스테메를 통해 연구자들은 다음과 같은 질문들을 탐구할 수 있습니다. 디지털 시대에 정보와 지식은 어떻게 구성되고 재구성되는가? 정보 기술의 발전이 인간의 지식 형성과 사회적 상호작용에 어떤 영향을 미치는가? 정보의 초과 생산과 접근 용이성이 인지 과정과 지식의 가치에 어떤 변화를 가져오는가? 이러한 연구는 정보 사회에서 지식의 권력 구조, 정보의 민주화, 개인의 정보 소비 행태 등 광범위한 주제에 걸쳐 있으며, 디지털 시대의 정보와 지식에 대한 깊은 이해를 목표로 합니다.