핵심 개념
본 연구는 레딧에서의 불량 정보가 온라인 독성을 심화시키고, 특히 다른 정치적 성향을 가진 사용자 간의 양극화된 상호작용을 유발한다는 것을 보여줍니다.
초록
레딧에서의 불량 정보, 독성, 그리고 정치적 양극화의 상관관계 연구
본 연구는 소셜 미디어 플랫폼 레딧에서 불량 정보가 정치적 양극화와 온라인 독성에 미치는 영향을 분석합니다. 특히, 트위터나 유튜브와 달리 레딧은 비교적 명확하고 안정적인 정치적 성향과 독성 수준을 가진 커뮤니티들로 구성되어 있어, 이러한 현상 간의 복잡한 상호작용을 연구하기에 적합합니다.
본 연구는 다음과 같은 연구 질문에 답하고자 합니다.
불량 웹사이트의 기사 링크가 포함된 레딧 게시물은 참여도에서 더 높은 독성을 보이는가? 레딧 커뮤니티 규범 (예: 정치적 성향)은 독성을 어떻게 예측하는가?
불량 뉴스는 정치적 성향이 다른 사용자 간의 독성 상호작용 (즉, 정서적 양극화)을 악화시키는가?
본 연구는 2020년 1월부터 2021년 6월까지 18개월 동안의 레딧 댓글 및 게시물 데이터를 사용합니다. 데이터 분석은 다음과 같은 단계로 진행됩니다.
데이터 수집: Pushshift를 사용하여 22억 개의 댓글과 4억 9,100만 개의 게시물을 수집합니다.
데이터 필터링: 성인용 콘텐츠가 포함된 커뮤니티, 영어 이외의 언어로 작성된 댓글, 특정 길이 이하의 댓글을 제외합니다.
정치적 성향 분석: Waller et al. (2021)의 방법을 사용하여 레딧 커뮤니티 및 사용자의 정치적 성향을 추정합니다.
독성 분석: Google Jigsaw API를 사용하여 댓글의 독성 수준을 측정합니다.
불량 정보 출처 식별: Media-Bias/Fact-Check 등의 출처를 활용하여 불량 정보 웹사이트 목록을 수집하고, 레딧 게시물에서 이러한 웹사이트 링크를 식별합니다.