COVID-19 시기에는 과학 정보보다 정치적 메시지가 더 빠르게 퍼지고, 그 영향력이 더 강하게 작동하기도 했습니다.

​

그렇다면 사람들은 백신에 대해 왜 이렇게 극단적으로 다른 의견을 갖게 되었을까?

그리고 그 의견은 정치적 성향과 어떻게 연결되어 있을까?

​

오늘 소개할 연구는 바로 이 질문을 다루기 위해

LDA와 BERTopic, 그리고 소셜 네트워크 분석을 결합한 하이브리드 분석 기법을 활용한 매우 흥미로운 접근을 제시합니다.

​

브라질의 COVID-19 백신 관련 트위터 데이터를 이 방식으로 분석해,

백신 찬성·반대·특정 백신(시노백) 반대 그룹이 어떤 화제를 다루고, 어떤 정치 성향을 보이고, 서로 어떻게 연결되어 있는지를 다층적으로 해석한 연구입니다.

배경

백신 논쟁 뒤에 숨은 정치적 양극화

브라질은 전통적으로 높은 예방접종률을 자랑하는 국가입니다. 그럼에도 COVID-19 백신 도입 초기에는 다른 모습이 나타났습니다.

빠른 개발 속도에 대한 불신, 중국산 백신에 대한 혐오, 연방정부와 지방정부의 정치적 충돌까지, 백신을 둘러싼 논쟁이 과학을 넘어 정치적 갈등으로 번져나갔습니다.

연구팀은 바로 이 지점, 즉 ‘정치적 양극화가 백신 태도에 어떤 영향을 주는가’를 본격적으로 분석했습니다.

​

주요 아이디어

백신 논쟁을 ‘정치적 정체성의 문제’로 바라보기

이 연구의 핵심 아이디어는 백신을 바라보는 태도가 단순한 과학적 판단이 아니라 “정치적 정체성과 연결된 사회적 행동”이라는 가설에서 출발합니다.

​

이를 확인하기 위해 연구팀은

• 어떤 화제를 말하는지(토픽)

• 어떤 정치 성향을 갖는지

• 어떤 네트워크 구조로 연결되는지

• 어떤 정보원을 신뢰하는지

이 네 요소를 하나의 흐름으로 결합했습니다.

그리고 토픽 분석 단계에서는 LDA와 BERTopic을 결합하는 하이브리드 접근을 도입해 “큰 주제 흐름 + 주제 내부의 세부 의견 패턴”을 동시에 확인할 수 있도록 했습니다.

​

솔루션

이 연구의 가장 큰 기여는 토픽 모델링, 소셜 네트워크 분석 등 여러 기법을 하나의 프레임워크로 통합했다는 점입니다.

​

1. LDA: 백신 논쟁에서 등장하는 ‘거시적 주제 흐름’ 파악

연구팀은 먼저 각 집단(백신 찬성·반대·안티 시노백·중립)의 트윗을 LDA로 분석해 핵심 이슈(예: 의무접종 논란, 중국산 백신 불신, 정부 비판, 과학 신뢰 등)를 추출했습니다.

LDA는 문서 집합 전체의 주제 구조를 크게 잡는 데 매우 효과적이기 때문입니다.

​

2. BERTopic: 각 주제 안에서 나타나는 ‘세부 의견 클러스터’ 분석

LDA로 나온 각 주제를 다시 BERTopic에 입력해 비슷한 주장과 정서를 가진 트윗들이 어떻게 묶이는지 분석했습니다.

BERTopic은 문장 수준의 의미적 유사도를 기반으로 클러스터링하기 때문에 “같은 주제를 이야기해도 어떤 논리·감정·톤으로 말하는가”를 세밀하게 구분할 수 있습니다.

​

예를 들어, 백신 반대 그룹은 ‘의무접종 반대’라는 같은 주제 안에서도

– 자유 침해 강조

– 정부 불신

– “실험용 쥐가 되지 않겠다”는 정서

등의 패턴이 미세하게 나뉘어 나타났습니다.

3. 정치성향 분석: 팔로우하는 정치인을 기반으로 좌–우 성향 지수 계산

이 지수는 “백신 태도가 정치적 성향과 얼마나 연결되는가”를 정량화하는 기준이 되었습니다.

4. 사회연결망 분석(SNA): 커뮤니티 구조, 에코체임버 여부 분석

팔로우 네트워크를 기반으로 각 집단의 연결 정도, 영향력 중심 노드, 좌·우 정치인 그룹과의 연결 강도까지 파악했습니다.

5. 정보원 분석: 어떤 출처를 공유하는가

이를 통해 어떤 집단이 뉴스, 유튜브, SNS, 정치인 트윗 등 어떤 정보 생태계(information ecosystem) 속에 있는지 확인했습니다.

​

이 전체 과정은

“주제 → 의견 패턴 → 정치 성향 → 네트워크 구조 → 정보 확산 구조”

로 이어지는 하나의 흐름을 구성하며, 백신 논쟁을 다층적으로 해석할 수 있게 했습니다.

​

결론

백신 입장은 정치 성향과 강하게 연결되어 있다

연구 결과는 매우 명확합니다.

​

• 백신 찬성 = 주로 좌파 성향, 과학 신뢰, 정부 비판

• 백신 반대 = 주로 우파 성향, 의무접종 반대, 안전성 불신

• 안티 시노백 = 강한 극우 성향, 중국 혐오, 정치적 음모론

​​

소셜 네트워크 분석 결과를 살펴보면, 세 그룹 모두 네트워크 안에 좌파와 우파로 나뉜 두 개의 큰 정치적 커뮤니티가 명확히 분리된 형태로 존재했습니다. 특히 백신 반대 그룹에서는 응집도가 높은 촘촘한 구조가 나타났고, 구성원의 30% 이상이 이러한 ‘극화된 커뮤니티’ 안에서 활동하고 있었습니다.

네트워크 구조를 보면, 우파 중심 커뮤니티는 더 작지만 훨씬 더 밀접하게 연결되어있어 정보가 빠르게 퍼질 수 있는 구조였습니다(높은 평균 차수, 짧은 경로 길이). 반면 좌파 중심 커뮤니티는 규모는 크지만 정치인 간 직접 연결은 거의 없고, 타 집단의 메시지를 모니터링하거나 반박하기 위한 형태에 가까웠습니다. 이는 군집 계수는 높지만 실질 연결은 느슨한, 비교적 퍼진 구조로 나타났습니다. 인플루언서 분석에서도 차이는 분명했습니다. 우파 중심 커뮤니티에서는 정치인과 우파 성향 언론인이 핵심 허브 역할을 하며 정보 확산을 주도했습니다. 반면 좌파 중심 커뮤니티에서는 언론, 과학 커뮤니케이터, 반정부 활동가 등이 중요한 중개자 역할을 맡고 있었습니다. 전체적으로 보면, 정치적 양극화가 단순한 의견 차이를 넘어 네트워크 구조 자체를 분리된 두 개의 세계로 만드는 효과를 가진다는 점이 확인됩니다. 특히 반백신 그룹처럼 응집도가 높은 네트워크에서는 특정 메시지가 내부에서 빠르게 강화·확산될 수 있어, 정보 생태계가 더욱 단절된 형태로 유지될 가능성이 높습니다.

이 연구는 브라질이라는 특정 사례를 다루고 있지만, 그 메시지는 전 세계적으로 유효합니다.

백신이든, 기후변화든, AI든, 과학적 주제에 대한 우리의 판단이 실제로는 정치적 정체성과 결합되어 있다는 사실입니다.

​

정치적 양극화 시대에는 과학적 사실 그 자체보다

“누가 그 메시지를 말하는가”가 더 큰 영향을 미친다는 점을 보여준 연구라 할 수 있습니다.

​

이 논문은 의료, 공중보건, 온라인 여론 분석, 그리고 사회연결망 분석/소셜 네트워크 분석에 관심 있는 분들에게 매우 유용한 시사점을 제공합니다.

​

(주) 사이람

www.netminer.com

1660-4230 | netminer@cyram.com

References

[1] Ebeling, R., Sáenz, C. A. C., Nobre, J., & Becker, K. (2021). Analysis of the influence of political polarization in the vaccination stance: The Brazilian COVID-19 scenario [Preprint]. arXiv. https://arxiv.org/abs/2110.03382