노트르담 대학교의 Marc Jacob과 공동저자들이 참여한 새 연구는 정치 담론이 개인 공격으로 기울어지는 현상과 그 보상을 분석했습니다. 연구는 Polarization Research Lab에서 개발한 분석 방법을 사용해 PNAS Nexus에 발표되었고, 118th US Congress(2023년 1월 3일~2025년 1월 3일) 동안의 공개 발언 2.2 million건을 언론 보도·선거자금·선거 결과 자료와 연결해 대규모 기술적 서술 분석을 수행했습니다.
연구진은 '갈등 기업가'라는 개념으로 동료의 정직성·도덕성·지능을 과도하게 공격하는 입법자를 정의했습니다. 대규모 언어 모델을 활용해 정책 비판과 개인 공격을 구별한 결과, 개인 공격은 케이블 뉴스와 강하게 연관되었으나 모금, 득표 격차, 입법 성과, 개인 재산 등과는 관련이 없었습니다. 정치적 차이도 확인되었는데, 개인 공격은 공화당 의원이 민주당보다 약 2.7배 더 자주 사용했고 하원에서 상원보다 약 1.3배 더 빈번했습니다.
소수의 적대적 수사가 더 큰 주목을 받았습니다. 예컨대 발언 중 개인 공격에 5%를 할애하는 의원은 정책에 45%를 할애하는 동료와 비슷한 케이블 뉴스 주목을 받았고, 가장 공격적인 25명은 가장 덜 공격적인 75명을 합친 것보다 더 많은 주목을 받았습니다. 소셜미디어에서는 모욕을 담은 게시물이 평균 606회 리포스트된 반면 정책 중심 게시물은 평균 244회였습니다.
동시에 잦은 공격자는 정책 업무 참여도가 낮았습니다. 갈등 기업가들은 공동 발의 가능성이 낮고 명망 있는 상임위원회 배정도 적었습니다. 저자들은 언론의 보상 메커니즘이 민주적 규범을 약화할 수 있다고 경고하며, 당 지도부와 언론의 문지기들에게 정책을 진전시키는 사람들에게 보상하라고 촉구했습니다. 추가 공저자는 University of Pennsylvania와 Dartmouth College 소속입니다.
어려운 단어·표현
- 갈등 기업가 — 동료의 정직성 등을 과도하게 공격하는 정치인
- 대규모 언어 모델 — 많은 데이터를 학습한 인공지능 언어 시스템
- 서술 분석 — 글이나 말의 내용과 구조를 체계적으로 분석하는 방법
- 보상 메커니즘 — 특정 행동에 관심이나 혜택을 주는 구조
- 공동 발의 — 여러 의원이 함께 법안을 제출하는 행위
- 문지기 — 정보나 의견의 유통을 선택하고 통제하는 사람문지기들에게
팁: 글에서 강조된 단어에 마우스를 올리거나 포커스/탭하면, 읽거나 들으면서 바로 간단한 뜻을 볼 수 있습니다.
토론 질문
- 저자들은 언론의 보상 메커니즘이 민주적 규범을 약화할 수 있다고 경고했습니다. 언론의 보상 구조가 왜 그런 영향을 줄 수 있는지 예를 들어 설명해 보세요.
- 연구는 개인 공격이 케이블 뉴스와 연관되지만 모금·득표·입법 성과와는 관련이 없다고 했습니다. 이 결과가 정당의 소통 전략에 어떤 의미가 있을까요?
- 저자들은 당 지도부와 언론의 문지기들에게 정책을 진전시키는 사람들에게 보상하라고 촉구했습니다. 현실적으로 어떤 보상 방법을 적용할 수 있을지 세 가지를 제안하고 이유를 설명해 보세요.
