알고리즘큐레이션 (Algorithmic Curation)
쉽게 풀면
사람 편집자가 아니라 컴퓨터 알고리즘이 이용자의 클릭 기록, 취향 등을 분석해서 어떤 뉴스를 먼저 보여줄지 자동으로 결정하는 것을 말해요. 전통적 게이트키핑이 알고리즘으로 대체·보완되고 있습니다.
왜 중요한가
알고리즘큐레이션은 편집자 대신 알고리즘이 이용자마다 다른 콘텐츠를 골라 배열하는 과정을 가리키므로, 디지털 환경에서 게이트키핑(게이트키핑 이론)이 어디로 옮겨 갔는지를 분석하는 연구의 중심 개념입니다. 필터버블이나 뉴스 개인화 연구는 큐레이션 기준과 결과를 측정하는 데서 출발합니다.
핵심 정리
- 알고리즘 큐레이션은 이용자 데이터를 바탕으로 알고리즘이 어떤 콘텐츠를 어떤 순서로 보여 줄지 선별·배열하는 일입니다. 전통적으로 편집자가 맡던 게이트키핑 기능의 일부를 알고리즘이 맡는 것으로 논의됩니다.
- Bucher(2012)는 페이스북에서의 알고리즘 권력과 ‘보이지 않게 될 위협’을 다룬 논문입니다.
- Bakshy 등(2015)은 미국 페이스북 이용자 1,010만 명의 비식별 자료로 친구 관계망의 이념적 동질성을 직접 측정하고, 알고리즘으로 순위가 매겨지는 뉴스피드에서 이용자가 얼마나 다양한 내용을 접하는지를 정량화했습니다.
- Thurman 등(2019)은 26개국 설문(N = 53,314)으로 이용자가 편집자 선별과 알고리즘 선별을 어떻게 평가하는지 분석했고, 전체적으로는 과거 소비 행동에 기반한 알고리즘 선별을 편집자의 큐레이션보다 더 좋은 뉴스 접근 방법으로 본다는 결과를 보고했습니다. 나이, 뉴스 신뢰, 프라이버시 우려 등에 따라 개인별 차이도 컸습니다.
예시로 보기
‘노출 다양성’을 간단한 지표로 보는 방법을 가상의 두 이용자로 보겠습니다. 한 이용자가 받은 기사 10건의 성향 분포를 비교합니다(가상의 예).
| 이용자 | 진보 성향 기사 | 중도 | 보수 성향 기사 | 관찰 |
|---|---|---|---|---|
| 가(편집자 선별 피드) | 4 | 2 | 4 | 성향이 고르게 분포 |
| 나(알고리즘 피드) | 8 | 1 | 1 | 한쪽 성향 집중 |
이 표만으로는 집중의 원인이 알고리즘인지 이용자 자신의 선택(클릭, 팔로우)인지 알 수 없습니다. 그래서 연구에서는 친구 관계망, 알고리즘 순위, 이용자의 클릭을 단계별로 분리해 측정합니다. Bakshy 등의 연구가 이런 단계 분해를 시도한 사례입니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 알고리즘 큐레이션은 사람 편집과 대립한다. | 알고리즘의 규칙과 목표는 사람이 정하므로 완전히 대립하는 것으로 서술하면 부정확합니다. 이용자 평가도 둘 중 하나로 고르지 않고 맥락에 따라 달랐습니다(Thurman 등). |
| 필터버블은 알고리즘만의 결과다. | 이용자 선택과 사회적 연결도 노출에 영향을 줍니다. 효과를 논할 때는 알고리즘 선택과 이용자 선택을 나누어 서술해야 합니다. |
| 이용자는 알고리즘 선별을 싫어한다. | 26개국 설문에서 전체적으로는 알고리즘 선별을 더 좋게 본다는 결과가 나왔으나, 개인 특성에 따라 크게 달랐습니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
알고리즘 큐레이션과 인간 편집의 콘텐츠 노출 패턴 차이를 비교한 연구의 결과 문장입니다.
논문에서는 알고리즘 큐레이션이 이용자의 선호를 반영하는 동시에 정보 편향을 심화시킬 수 있다는 점이 함께 논의된다.
조금 더 깊게 보면
알고리즘큐레이션은 순수 자동화가 아니라 플랫폼의 정책 결정, 이용자의 행동, 콘텐츠 생산자의 최적화가 함께 만든 결과라는 점에서 인간 편집과 완전히 대립하는 것이 아닙니다. 또 실증 연구는 이용자의 자기 선택이 알고리즘보다 노출 편향에 더 크게 기여하는 경우를 반복적으로 보여 주므로, 큐레이션 효과를 논할 때 이용자 선택과 알고리즘 선택을 분리해서 서술해야 합니다. 알고리즘큐레이션은 흔히 협업 필터링(비슷한 취향의 다른 이용자가 본 콘텐츠 추천)과 콘텐츠 기반 필터링(이용자가 과거에 본 콘텐츠와 유사한 것 추천)이라는 두 방식을 결합해 작동하며, 두 방식의 가중치 설정이 노출되는 콘텐츠의 다양성을 좌우한다. 여기에 체류시간이나 클릭률 같은 참여 지표를 최적화 목표로 삼는 경우, 자극적이고 감정적인 콘텐츠가 구조적으로 우대받는 경향도 함께 지적된다.
주의할 점
알고리즘 큐레이션은 그 작동 원리가 비공개(블랙박스)인 경우가 많아 투명성과 책무성 문제가 지속적으로 제기됩니다.
알고리즘큐레이션과 편집자의 인간 큐레이션을 완전히 대립적으로 서술하는 것은 부정확한데, 실제로는 알고리즘의 규칙 자체가 인간 편집진의 정책 결정에 따라 설계되기 때문이다.
헷갈리기 쉬운 용어
뉴스 선별과 노출을 설명하는 용어들입니다.
| 용어 | 누가·무엇이 선별하나 | 초점 |
|---|---|---|
| 알고리즘 큐레이션 | 알고리즘이 이용자 데이터로 노출을 선별·배열 | 선별 방식과 결과 |
| 게이트키핑 | 편집자 등 사람 선별자가 정보 흐름을 통과·차단 | 선별자의 권한과 기준 |
| 필터버블 | 개인화로 인해 이용자가 접하는 정보가 좁아진다는 주장 | 노출 다양성의 감소 |
참고 문헌
- Bucher, T. (2012). Want to be on the top? Algorithmic power and the threat of invisibility on Facebook. New Media & Society, 14(7), 1164–1180.
- Bakshy, E., Messing, S., & Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348, 1130–1132.
- Thurman, N., Moeller, J., Helberger, N., & Trilling, D. (2019). My friends, editors, algorithms, and I: Examining audience attitudes to news selection. Digital Journalism, 7(4), 447–469.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.