뉴스 알고리즘이 우리의 정치 성향을 어떻게 바꿀까

최근 디지털 미디어의 발전과 함께 뉴스 플랫폼의 알고리즘이 정치적 성향에 미치는 영향이 점점 더 부각되고 있습니다. 특히, 고령층을 포함한 많은 사용자들이 온라인 동영상 플랫폼에서 정치적 콘텐츠를 소비하면서 개인의 정치적 신념과 정보 선택이 더욱 강화되고 있는 상황입니다. 이러한 현상은 ‘필터 버블’이라 불리는 개념으로 설명되는데, 이는 사용자가 자신의 신념에 맞는 정보만을 접하게 되어 더 이상 다양한 시각을 고려하지 않게 되는 현상을 의미합니다.

뉴스 알고리즘과 필터 버블의 이해

뉴스 알고리즘은 사용자의 행동 데이터와 과거의 시청 기록을 기반으로 개인 맞춤형 콘텐츠를 추천합니다. 이러한 추천 시스템은 사용자에게 흥미로운 콘텐츠를 지속적으로 제공하면서도, 사용자들이 다양한 시각의 의견을 접하는 것을 저해할 수 있습니다. 특히, 알고리즘이 정치적 정보의 소비를 조절하게 되면, 사용자들은 자신의 정치적 신념을 강화하는 정보만을 선별적으로 소비하게 되어 ‘확증 편향’에 빠지게 됩니다.

고령층의 미디어 소비 변화

최근 조사에 따르면, 60대 이상 사용자들의 온라인 동영상 플랫폼 이용률이 급증한 것으로 나타났습니다. 갈수록 스마트폰 사용이 익숙해지면서, 이들은 유튜브와 같은 플랫폼에서 정치 뉴스를 포함한 다양한 콘텐츠를 소비하고 있습니다. 그러나 이들은 상대적으로 알고리즘에 대한 이해가 부족하여, 자신이 원하는 정보만을 소비하게 되는 경향이 뚜렷해지고 있습니다.

• 60대의 온라인 동영상 서비스 이용률은 38%로 증가
• 70세 이상의 이용률도 11%에 달함
• 주요 콘텐츠는 정치 뉴스를 포함한 여러 영상

이와 같은 변화는 특히 신종 코로나바이러스 감염증(코로나19) 팬데믹 이후 더욱 두드러지며, 고령층이 온라인에서 접하는 정보의 질에 대한 우려도 커지고 있습니다. 한 연구자는 “노인들은 특정 성향을 가진 뉴스 콘텐츠에 높게 노출되어 있으며, 이로 인해 정치적 편향이 심화되고 있다”라고 지적했습니다.

알고리즘에 의한 정치적 편향과 그 영향

정치적 편향은 단순히 개인의 의견을 강화해주는 데 그치지 않고, 더 나아가 사회적 갈등을 촉발할 수 있는 잠재적인 요인으로 작용할 수 있습니다. 사용자가 알고리즘이 제공하는 정보에만 의존하게 되면, 사회의 다양한 의견을 수렴하는 기회가 줄어들게 됩니다. 이로 인해 사용자들은 점점 더 극단적인 시각을 가지게 되고, 사회적 합의를 이끌어내기 어려운 상황에 직면하게 됩니다.

미디어 리터러시의 필요성

전문가들은 이러한 문제를 해결하기 위해 ‘미디어 리터러시 교육’의 중요성을 강조합니다. 미디어 리터러시는 정보의 출처를 확인하고, 비판적으로 분석하는 능력을 배양하는 교육입니다. 고령층뿐만 아니라 모든 세대에게 필요한 교육으로, 필터 버블과 확증 편향에서 벗어날 수 있는 방법이 될 것입니다.

미디어 리터러시 교육은 다음과 같은 요소를 포함해야 합니다:

• 정보의 출처 확인 및 비판적 사고 강화
• 다양한 정보 소비 방법 습득
• 정보 환경의 이해도를 높이는 교육

기성 언론의 역할 회복

또한, 기성 언론의 신뢰도를 회복하는 것도 필수적인 과제입니다. 전문가들은 기성 언론이 정확하고 공정한 정보를 제공할 때, 사용자들은 유튜버나 비공식 채널의 정보를 맹신하지 않게 될 것이라고 전합니다. 언론이 불확실한 정보에 대한 책임을 다하고, 신뢰성을 높이기 위한 노력을 기울여야 합니다.

고위험 미디어 환경에서의 안전망 구축

입증된 정보를 제공하는 매체와 개인이 스스로의 정보 선택에 대한 경각심을 높이는 것이 중요합니다. 이를 통해 사용자는 알고리즘에 의해 제공되는 필터된 정보에서 벗어나, 보다 다양한 관점을 이해할 수 있게 됩니다.

결론적으로, 뉴스 알고리즘은 우리의 정치적 성향과 정보 선택에 큰 영향을 미치고 있으며, 이를 해결하기 위한 단계가 필요합니다. 개인의 미디어 리터러시를 강화하고, 기성 언론의 신뢰를 회복하는 것은 필터 버블 현상과 확증 편향에서 벗어나기 위해 반드시 필요한 요소입니다. 우리는 다양한 정보에 노출되어야만 진정한 민주적 대화와 사회적 합의를 이룰 수 있습니다.

자주 묻는 질문 FAQ