View : 444 Download: 0

가짜뉴스의 수용과 확산에 관한 세 가지 연구

Title
가짜뉴스의 수용과 확산에 관한 세 가지 연구
Other Titles
Three Essays on the Acceptance and Spread of Fake News
Authors
박민정
Issue Date
2021
Department/Major
대학원 경영학과
Publisher
이화여자대학교 대학원
Degree
Doctor
Advisors
채상미
Abstract
본 연구는 소셜미디어를 통한 정보의 생성 및 공유가 용이해진 오늘날의 환경을 바탕으로 확산되기 시작한 가짜뉴스에 대하여 살펴보고자 한다. 가짜뉴스는 잘못된 혹은 허위의 거짓 정보가 뉴스의 형태를 갖추어 전파되는 콘텐츠를 의미한다. 이러한 가짜뉴스는 최근 전세계적으로 급속하게 확산되며 개인의 의사결정과 사회 전반의 질서에 혼란을 발생시킴에 따라 심각한 사회적 문제로 주목받기 시작하였다. 이에 따라, 소셜미디어 환경에서의 가짜뉴스의 확산을 예방할 수 있는 방안의 마련과 개인이 가짜뉴스를 올바르게 식별할 수 있는 정보 리터러시 역량 증진의 전략 모색 필요성이 증가하고 있다. 이에 본 연구는 다음과 같이 연구를 순차적으로 수행하고자 한다. 첫째, 소셜미디어 환경에서 가짜뉴스를 수용하는 사용자의 정보처리성향, 인지된 사회적 동조 및 메시지 정보원의 유형에 따른 가짜뉴스의 수용과 확산 의도 변화를 밝힌다. 이를 위하여 2(정보처리성향: 합리적/직관적) × 2(사회적 동조: 높음/낮음) × 2(정보원 유형: 전문가/일반 대중)의 요인 설계를 바탕으로 트위터 이용자들을 대상으로 온라인 유사 실험을 수행한다. 이를 통하여 기존의 사실 기반의 정보에 대한 개인의 정보처리성향을 다룬 주요 이론들을 확장하여 가짜뉴스 확산에 따른 잘못된 정보에 대한 개인의 정보처리성향의 발현 과정을 살펴보았다는 점에서 의의가 있다. 또한 본 연구는 정보원의 유형에 따른 가짜뉴스의 수용과 확산 의도를 밝힘에 따라, 콘텐츠의 공유 및 재생산이 빈번히 발생하는 소셜미디어의 특성으로 인하여 정보의 원출처 및 최초 생성자에 대한 중요성이 간과되고 있는 최근의 시점에서 정보 생성자의 표기와 확인의 중요성에 대하여 시사한다. 둘째, 가짜뉴스를 실질적으로 생성 및 확산시키는 제공자를 네트워크 관점에서 분석하여 제공자의 특징에 따른 가짜뉴스의 확산 양상과 속도를 예측한다. 이를 위하여 가짜뉴스를 확산시키는 제공자를 네트워크에서의 영향력자로 유형화하여 분석한다. 특히, 사용자들 사이에 연결된 네트워크 중심성을 기반으로 영향력자의 영향력 정도를 구분한다. 트위터 네트워크 안에서 전파된 가짜뉴스 데이터를 수집하여 영향력자와 가짜뉴스 확산 양상의 관계를 밝히기 위하여 생존 분석을 수행하며, 나아가 가짜뉴스의 분야별 전파 추이를 추가적으로 살펴본다. 또한, 네트워크에서 가짜뉴스 확산을 가속화하는 영향력자의 유형을 도출한다. 이에 따라, 일방향 중심의 커뮤니케이션 이론 및 정보 확산 이론을 확장시키는 동시에 실제 가짜뉴스가 확산되는 네트워크 관점에서 가짜뉴스의 전파 추이와 속도를 밝혔다는 점에서 의의가 있다. 이외에 가짜뉴스를 확산시키는 사용자를 유형화하여 이들과 확산의 관계를 조명함에 따라, 향후 가짜뉴스 확산 방지를 위한 방안 마련에 기여한다. 셋째, 가짜뉴스의 수용자 및 제공자의 특징, 가짜뉴스 콘텐츠 특징 및 네트워크의 특징이 종합적으로 반영된 머신러닝 기반의 가짜뉴스 탐지 모형을 구축하고 이들의 성능을 비교하여 최적의 모형을 도출한다. 가짜뉴스 확산 방지의 필요성이 전세계적으로 급증함에 따라, 자동화된 가짜뉴스 탐지 알고리즘 관련 연구가 활발히 이루어지는 추세이다. 그러나 대부분의 연구는 현재 가짜뉴스의 콘텐츠 및 언어적 특징을 중심으로 이루어짐에 따라, 실제 가짜뉴스를 수용하고 확산시키는 관련 사용자의 특징이 충분히 반영되지 못하고 있다. 이에 본 연구에서는 트위터 네트워크, 가짜뉴스의 수용과 확산의 사용자 특징, 가짜뉴스 메시지의 특징을 바탕으로 가짜뉴스 탐지에 영향을 미치는 요인을 도출한다. 나아가 XGboost 모형을 적용하여 다양한 요인들 가운데 가짜뉴스 탐지 모형 수립에 유의한 영향을 미치는 주요 설명변수를 선별하여 로지스틱 회귀모형, 인공신경망, 랜덤 포레스트, 분류 및 회귀 나무 모형, 서포트 벡터 머신의 총 5가지 주요 머신러닝 모형 구축 및 성능을 비교한다. 본 연구는 가짜뉴스 탐지에 영향을 미치는 다양한 요인들 중 주요한 요인들의 중요성을 밝혔다는 점에서 의의가 있다. 또한, 기존에 반영되지 않은 가짜뉴스 메시지의 단어 유사도 및 가짜뉴스 확산 주체의 영향력 등을 비롯하여 가짜뉴스와 관련된 다양한 관점에서 접근하여 탐지 모형을 수립하여 향후, 관련 시스템 설계 및 개발의 토대 자료가 될 것으로 예상된다. 나아가, 자동화 기반의 가짜뉴스 탐지 시스템의 예측 성능을 향상시키는데 기여할 것으로 판단된다. ;This study aims to examine fake news that have begun to spread based on today's environment in which the generation and sharing of information through social media has become easier. Fake news refers to content in which false information is spread in the form of news. These fake news spread rapidly around the world in recent years and began to attract attention as a serious social problem as it caused confusion in individual decision-making and overall social order. Accordingly, there is an increasing need to prepare measures to prevent the spread of fake news in a social media environment and to seek strategies to improve information literacy that enable individuals to correctly identify fake news. Therefore, this study intends to sequentially conduct research as follows. First, this study identifies the changes in the user's information processing propensity to accept fake news in the social media environment, the perceived social conformity, and the change in the intention to accept and spread fake news according to the type of message source. To achieve this research goal, based on the factor design of 2 (information processing propensity: rational/intuitive) × 2 (social conformity: high/low) × 2 (information source type: expert/general public), an online similar experiment is conducted for Twitter users. It is significant in that the main theories dealing with the information processing propensity of an individual to the existing fact-based information were expanded to examine the manifestation process of the personal information processing propensity to the false information caused by the spread of fake news. In addition, as this study figures out the intention to accept and spread fake news according to the type of information source, the importance of the source of information and the first generator is overlooked due to the characteristics of social media where content sharing and reproduction frequently occur. It suggests the importance of notation and confirmation of information creators at a recent point in time. Second, by analyzing providers that actually generate and spread fake news from a network perspective, it predicts the spreading patterns and speed of fake news according to the characteristics of the providers. To this end, the providers that spread fake news are categorized as influencers in the network and analyzed. In particular, the degree of influence of influencers is classified based on the network centrality connected among users. By collecting fake news data propagated within the Twitter, survival analysis is performed to identify the relationship between influencers and the spread of fake news, and further examines the spread of fake news by field. In addition, it derives the types of influencers that accelerate the spread of fake news in the network. Accordingly, it is significant in that it expands the one-way-oriented communication theory and information diffusion theory, and at the same time reveals the speed of the spread of fake news from the perspective of the network in which the actual fake news spreads. In addition, by categorizing users who spread fake news and illuminating the relationship between them and the spread, it contributes to preparing a plan to prevent the spread of fake news in the future. Third, we construct a machine learning-based fake news detection model that comprehensively reflects the characteristics of providers of fake news, features of fake news content, and network characteristics, and compares their performance to derive an optimal model. As the need to prevent the spread of fake news rapidly increases around the world, research on automated fake news detection algorithms is being actively conducted. However, as most studies are currently focused on the contents and linguistic characteristics of fake news, the characteristics of related users who actually accept and spread fake news are not sufficiently reflected. Therefore, this study derives factors that influence the detection of fake news based on the Twitter network, user characteristics of the acceptance and spread of fake news, and characteristics of fake news messages. Furthermore, by applying the XGboost model, the main explanatory variables that have a significant influence on the establishment of the fake news detection model among various factors are selected, and a total of five types of logistic regression model, Artificial Neural Network, Random Forest, Classification and Regression Tree (CART), and Support Vector Machine are selected. Establish machine learning models and compare their performance. This study is significant in that it quantifies and discloses the importance of major factors among various factors that influence the detection of fake news. In addition, it contributes to the improvement of the performance of the automated fake news detection system by approaching from various perspectives related to fake news, such as the word similarity of fake news messages that have not been reflected in the past, and the degree of influence of the subject of spreading fake news.
Fulltext
Show the fulltextShow the fulltext
Appears in Collections:
일반대학원 > 경영학과 > Theses_Ph.D
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE