[심리학 신문_The Psychology Times=강다희 ]

오늘날 우리는 많은 소셜 미디어를 통해 다양한 정보를 주고받고 있다. 특히 ‘유튜브’ 이용은 점점 더 활발해지고 있는 상황이다. 빅데이터 분석 기업 아이지에이웍스의 20년 10월 ‘유튜브 앱 사용자 현황’ 조사 결과에 따르면 대한민국 국민의 83%가 유튜브를 이용하고 있는 것으로 나타났다. 유튜브는 정보 탐색 이용 사이트로도 많이 이용되고 있는데, 오픈서베이의 ‘소셜미디어와 검색 포털 리포트2020’에 따르면 정보 탐색 이용 사이트로 유튜브가 ‘네이버’ 다음으로 자주 활용되는 것으로 나타났다. 이는 정보 탐색 이용에서 주가 되던 포털 사이트가 유튜브의 성장과 함께 그 자리를 점차 뺏겨가는 것을 의미한다. 이렇게 유튜브 사용자 수가 증가하고, 정보 탐색 또한 유튜브의 이용률이 증가하고 있는 만큼 유튜브 영향력에 대한 우려의 목소리도 커져가고 있다. 

 유튜브의 큰 특징 중 하나는 바로 ‘알고리즘’이라고 할 수 있다. 많은 유튜브 동영상에서 “유튜브 알고리즘이 나를 여기까지 데려왔다.”, “아무도 이 영상을 검색해서 들어오지 않았다.”와 같은 댓글을 쉽게 발견할 수 있다. 유튜브 추천 알고리즘은 사용자의 검색기록, 시청 영상 등을 분석해 사용자가 흥미 가질 만 한 영상을 추천해주는 것을 말한다. 유튜브 측은 추천 알고리즘의 기준을 공개하지는 않는다.

 유튜브 알고리즘과 함께 우리가 주목해야 하는 것은 바로 ‘필터 버블(Filter Bubble)’현상이다. 먼저, 필터 버블은 추천 알고리즘에 의해 생기는 정보 편식 현상으로, 추천 알고리즘이 이용자가 좋아할 만한 정보만 제한적으로 제공하면서 이용자는 자신이 선호하는 정보를 더욱 용이하게 선택하게 되고 그 결과 스스로의 문화적 또는 이념적 거품(bubble)에 갇히는 현상을 말한다(신유진, 2020). 유튜브 알고리즘으로 우리는 원하는 정보를 선별적으로 제공받게 되고, 반면에 내가 원하지 않는 정보는 필터링 된다는 것이다. 

 그렇다면 우리는 왜 필터 버블에 주목해야 하는가? 필터 버블은 ‘에코 챔버(Eco Chamber)’ 효과와 함께 자주 언급된다. 에코 챔버 효과는 반향실 효과라고도 한다. 뉴스 미디어의 정보를 이용하는 이용자가 기존에 가지고 있던 신념이 닫힌 체계로 구성된 커뮤니케이션에 의해 증폭, 강화되고 같은 입장을 지닌 정보만 지속적으로 되풀이 수용하는 현상을 비유적으로 나타낸 말이다(위키백과). 알고리즘 추천으로 접하게 되는 정보에서 자신의 기존 신념과 일치하는 내용만을 계속해서 수용하게 되는 것이다.

이는 결국 동일한 신념을 공유하는 집단 내에서 구성원이 보다 극단적 주장을 지지하게 되는 ‘집단 극화(Group polarization)’ 현상을 불러일으킬 수 있다. 나와 다른 입장의 이야기는 듣지 않은 채 알고리즘으로 추천되는 정보에만 의존하여 자신의 생각, 신념을 확인하며 그 외의 정보는 무시하는 ‘확증 편향’이 더욱 증폭된다. 이런 현상이 지속되면 개인의 편견과 고정관념은 계속해서 강화되며 굳어진다. 결국 우리 사회는 존중과 이해가 바탕이 되는 ‘열린 토론의 장’이 아닌, 자신의 입장만을 고수하는 ‘닫힌 갈등의 장’이 되는 것이다.

 오늘날 우리 사회에서는 양극화된 많은 갈등 구조를 발견 할 수 있다. 경제적, 정치적, 성적 그리고 지역적 사회의 갈등은 계속해서 고조되고 있다. 이런 사회 속에서 우리는 알고리즘으로 인해 계속해서 자신의 생각과 유사한 내용만을 접하며 사고를 굳혀가고 있을지도 모른다. 필터 버블을 처음 이야기 한 미국의 시민단체 무브 온(Move on) 이사장, 엘리 프레이저(Eli Pariser)는 알고리즘으로 인한 개인화 필터는 눈에 띄기 힘들다고 말한다. 그는 개인의 검색 결과가 서로 얼마나 다른지 볼 수 없고, 실제로 어떤 정보가 편집되어 사라지는지 확인하지 않는 것이 문제가 된다고 말한다.

 유튜브 뿐 아니라 많은 소셜 미디어와 sns, 포털 사이트 등 알고리즘으로 우리는 개인화 필터링으로 일부 제한된 정보를 얻고 있다. 이런 상황 속에서 우리가 접하고 있는 정보가 어떻게 나에게 오게 됐는지, 어떤 정보가 편집되었는지를 주의하며 나와 다른 목소리에 주의를 기울여야 한다. 나와 다른 의견이 있을 수 있다는 것을 이해하고 수용하고자 하는 적극적인 자세가 필터 버블의 문화적·이념적 거품(bubble)을 터뜨릴 수 있는 첫걸음이다.

참고자료

•https://ko.wikipedia.org/wiki/%EB%B0%98%ED%96%A5%EC%8B%A4_%ED%9A%A8%EA%B3%BC.

• https://www.ted.com/talks/eli_pariser_beware_online_filter_bubbles?utm_campaign=tedspread&utm_medium=referral&utm_source=tedcomshare.

• 신유진(2020). 유튜브(YouTube) 추천 알고리즘으로 인한 필터버블(filter bubble) 현상 연구. 국내석사학위논문 연세대학교 정보대학원, 서울. 6-7.

• 아이지에이웍스(2020). 유튜브(YouTube) 앱 분석 리포트. https://www.igaworksblog.com/post/유튜브-youtube-앱-분석-리포트.

• 오픈서베이 트렌드 리포트 (2021). 소셜미디어·검색 포털 트렌드 리포트 2021. 7.

• 채반석(2017). 필터 버블 (Filter Bubble) - 정보의 홍수에서 편견에 갇히다. 네이버 지식백과 용어로 보는 IT. https://terms.naver.com/entry.naver?docId=3581012&cid=59088&categoryId=59096.