• 한국콘텐츠학회논문지
• /
• 제22권5호
• /
• pp.56-66
• /
• 2022

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 필터링된 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.519-521
• /
• 2023

온라인 뉴스 플랫폼의 발전은 에코 챔버(echo chamber) 효과와 정치적 양극화를 심화시키며, 이를 완화하기 위한 선행 연구로 뉴스 기사의 정치적 성향을 판단하는 연구가 필요하다. 기존 연구는 외부 지식 그래프를 활용하여 뉴스 기사의 텍스트 정보를 더욱 풍부하게 표현한다. 그러나, 외부 지식을 임베딩하는 지식 그래프 임베딩(knowledge graph embedding, KGE) 방법은 다양하며, 각 KGE 방법이 정치적 성향 예측 정확도에 미치는 효과에 대해서 충분히 연구되지 않았다. 본 논문에서는 정치적 성향 예측에 외부 지식의 활용을 최대화하기 위한 다양한 KGE 방법들의 효과를 분석한다. 실험 결과, 외부 지식 그래프 내의 개체들 간 복잡한 관계를 간단하고 정확하게 표현 가능한 ModE 방법을 활용하는 것이 정치적 성향 예측에 가장 효과적이라는 것을 확인하였다.