KCI우수등재
편향의 위상학 : 1650만 건 기사의 뉴스 정보원 연결망 분석을 통해 파악한 인용 방식의 보편적 분포로서 두터운 꼬리 분포 = Topology of Media Bias : Fat-Tailed Distribution as Universal Distribution of Quotation by Analyzing News Source Networks with 16.5 Million Articles
저자
박대민 (선문대학교 미디어커뮤니케이션학부)
발행기관
학술지명
한국언론학보(Korean Journal of Journalism & Communication Studies)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
189-222(34쪽)
제공처
많은 정보원 편향 연구는 매체나 취재 범위, 주제, 시기 등을 막론하고 정부나 기업 등 공식 정보원에 대한 의존도가 높다고 지적한다. 편향을 개선하려는 많은 노력에도 불구하고 정보원 편향이 나타난다면, 이는 정보원 편향이 보편성을 가진 현상이기 때문일지도 모른다. 본 연구에서는 정보원 인용 패턴을 뉴스 정보원 연결망으로 구조화하고, 뉴스 정보원 연결망의 위상학적 특징을 파악함으로써 정보원 편향의 보편성을 밝히고자 하였다. 이를 위해 2000년부터 2020년까지, 19개 전국지와 경제지의 정치, 경제, 사회, 문화, 국제 등 5개 지면 기사 16,538,668건을 빅카인즈에서 수집하여 연도별, 지면별, 매체별로 1,700개 데이터세트의 연결정도 지수를 구해 비교했다.
분석 결과 연도나 매체 및 지면을 막론하고 연결정도 중앙성 값이 커질수록 연결정도 지수 값은 1.2에 수렴하는 것을 확인할 수 있었다. 이는 뉴스 정보원 연결망이 충분히 성장한 경우, 뉴스 정보원 연결망이 시기와 매체, 주제를 막론하고 보편적으로 두터운 꼬리 분포를 갖는다는 것을 의미한다. 즉 극소수의 정보원이 매우 중요하게 인용되는 한편, 중요도가 매우 낮은 정보원이 다수를 차지한다. 이는 방법론적, 이론적, 실천적으로 다음과 같은 점을 시사한다.
첫째, 방법론적으로 뉴스 정보원 연결망을 비롯한 뉴스 빅데이터 분석을 타당하게 수행하려면, 정보원 인용을 뉴스 정보원 연결망으로 나타냈을 때 그 분포가 두터운 꼬리 분포를 갖는지 확인할 필요가 있다. 뉴스 정보원 연결망이 두터운 꼬리 분포라는 것은 최소한 상위권 정보원의 순위는 결측이나 오측에 크게 영향을 받지 않을 정도로 강건함을 의미한다. 정보원의 순위를 신뢰할 수 있으려면, 정보원이 여러 기사에서 다양하게 공동 인용되면서 중심 정보원과 거대 구성집단이 출현할 수 있을 정도가 되어야 한다. 수집된 뉴스 빅데이터가 중요한 정보원은 대부분 포함돼 있을 정도로 충분히 성장한 데이터여야 한다.
둘째, 상위권 정보원을 중심으로 하는 뉴스 빅데이터 분석은 매체 간 비교 연구보다는 언론계 수준의 분석에 적합하다. 매체 간 비교 연구에는 두터운 꼬리에 해당하는 정보원에 대한 분석이 요청된다. 문제는 두터운 꼬리 부분에는 동 순위에 수많은 정보원이 있다는 점이다. 이러한 정보원에 대한 분석은 결국 특정 정보원 개인 또는 집단에 주목하여 해당 정보원의 인용문을 읽어보고 검토하는 질적 연구를 통해서만 가능하다.
셋째, 뉴스 정보원 연결망이 두터운 꼬리 분포로 수렴하는 현상은 정보원의 편향이 사회물리학적으로 보편적인 현상임을 의미한다. 즉 정보원의 편향은 인용을 통해 사실성을 확보하는 객관주의 저널리즘 관행 아래 마감 시간이 존재하는 한 불가피하다. 그러나 두터운 꼬리 분포는 중심에 해당하는 공식 정보원 외에 두터운 꼬리에 해당하는 정보원을 적극 발굴함으로써 정보원 편향의 폐해를 줄일 수 있음을 시사한다.
Many studies on media bias point to a heavy reliance on official sources, such as governments and corporations, regardless of the media outlets, coverage, topics, or periods. If source bias persists despite numerous efforts to mitigate it, it may be due to its universal nature.
In this study, we shed light on the universality of source bias by structuring source citation patterns into news source networks and identifying topological features of news source networks.
We collected 16,538,668 articles from 19 national newspapers and economic journals in five categories (political, economic, social, cultural, and international) from 2000 to 2020, using BigKinds, the news big data system of Korea Press Foundation. We compared these articles by obtaining the degree exponents from 1,700 datasets, categorized by year, category, and media outlet.
Our findings showed that the degree exponents converged to 1.2. This implies that when the news source network is sufficiently mature, it exhibits a universal fat-tailed distribution across period, media, and topic, meaning that a small number of sources are cited as highly significant, while many sources are cited as relatively unimportant.
This has several methodological, theoretical, and practical implications. First, methodologically, to validly analyze news big data, including news source networks, it is necessary to ensure that the distribution of source citations, when the pattern is represented as news source networks, has a fat-tailed distribution. A fat-tailed distribution means that at least the rankings of the top sources are robust enough that they are not significantly affected by missing or incorrect information. To be reliable, a source's ranking should be such that it is widely co-cited in multiple articles, allowing for the emergence of one centralized hub source and one large main cluster. The collected news big data should be large enough to include most of the important sources.
Second, news big data analysis centered on top sources is better suited for media system-level analysis than cross-media comparative research. Cross-media comparisons require analyzing the content of each source in the fat tail. The problem is that there are a lot of sources in the fat tail. Analyzing these sources is ultimately only possible through qualitative research that focuses on specific individuals or groups of sources, reading and reviewing their quotes.
Third, the convergence of news source networks to a fat-tailed distribution suggests that source bias is a socio-physically universal phenomenon: it is inevitable as long as deadlines exist under objectivist journalistic practices that rely on citations to establish factuality. However, the fat-tailed distribution suggests that the harm of source bias can be reduced by actively seeking out sources in the fat tail in addition to official sources in the center.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)