[한국미래일보=공수진 대학생 기자]

빅테크 알고리즘

최근 대학생들은 신문이나 TV 대신 유튜브, 인스타그램, 틱톡, 트위터(X)와 같은 소셜 미디어를 통해 뉴스를 소비한다. 특히 숏폼 콘텐츠와 알고리즘 기반 추천 뉴스가 확산되면서 뉴스 소비 방식이 급격히 변화하고 있다. 특히 대학생들이 많이 사용하는 유튜브와 인스타그램은 알고리즘을 통해 개인 맞춤형 뉴스를 추천하는 기능을 강화하고 있다. 이는 정보를 빠르고 효율적으로 제공하는 장점이 있지만 편향성과 정보 왜곡의 위험도 내포하고 있다.

알고리즘을 통한 개인화 뉴스 서비스의 가장 큰 장점은 정보 접근성을 높여준다는 점이다. 유튜브와 인스타그램의 알고리즘은 사용자의 검색 기록, 시청 이력, 좋아요 및 댓글 반응을 분석해 관련 뉴스를 추천한다. 최근에는 음성 인식 기술까지 활용하여 사용자가 언급한 주제를 분석하고 이를 바탕으로 뉴스를 추천하는 기능도 등장했다. 이러한 방식은 이용자가 무의식적으로 언급한 주제까지 뉴스 추천에 영향을 미칠 가능성을 높이며, 개인의 관심사에 맞춘 뉴스를 더욱 정교하게 제공한다. 대학생들은 이렇게 자신이 원하는 정보를 빠르고 효율적으로 얻을 수 있고, 관심 있는 분야의 최신 소식을 지속적으로 접할 수 있다.

대학생 김 모씨(21)는 알고리즘 기반 추천 뉴스에 대해 긍정적인 입장을 보였다. "알고리즘의 편향성에 대해서는 장단점이 있겠지만, 굳이 꼽자면 좋은 것 같다. 인터넷상의 다양한 정보는 개인이 직접 찾아보려면 찾아볼 수 있고, 본인의 의지로 무엇이든 검색할 수 있다. 하지만 그건 개인의 선택이라고 생각해서, 내가 안 보고 싶은 것은 안 보는 것이 좋은 것 같다. 알고리즘이 나의 취향을 반영해 띄워주는 것으로부터 얻는 이익들이 있다. 예를 들어 내가 좋아하는 아이돌, 노래, 드라마 추천 등 내가 보고 싶은 콘텐츠로만 추려서 추천을 해주니 장점이 더욱 크다고 생각한다."라고 말했다.

하지만 알고리즘이 만들어낸 뉴스 환경에는 단점도 존재한다. 가장 큰 문제는 '필터 버블(Filter Bubble)' 현상이다. 이는 사용자가 관심 있는 특정 유형의 기사만 추천받고, 다양한 관점을 접할 기회가 줄어드는 문제다. 예를 들어 정치나 사회 이슈에서 특정 입장을 선호하는 뉴스를 계속 소비하게 되면, 알고리즘은 이에 맞춰 비슷한 성향의 기사만 추천한다. 이렇게 되면 균형 잡힌 시각을 갖기 어려워지고, 다른 관점을 접할 기회가 제한될 수 있다. 또한 SNS 플랫폼에서는 자극적인 내용이 높은 참여도를 유도하는 경향이 있기 때문에, 신뢰할 수 있는 정보보다는 클릭 수를 높일 수 있는 뉴스가 우선적으로 노출되는 문제가 발생할 수 있다.

(사진=인스타그램) 

알고리즘을 통한 개인화 뉴스는 정보의 홍수 속에서 효율적인 뉴스 소비를 가능하게 하지만 가짜 뉴스나 선정적인 콘텐츠가 확산될 위험도 있다. 이로 인해 신뢰성 있는 정보가 부족해지고, 잘못된 정보가 빠르게 퍼지는 현상이 발생하기도 한다. 특히 유튜버나 인플루언서가 제공하는 뉴스 콘텐츠에 대한 신뢰도가 높아지는 경향이 나타나면서 기존에 있는 전통적인 언론사의 뉴스 신뢰도는 떨어질 수 있다.

대학생들은 편향된 정보에 갇히지 않도록 노력해야 한다. 다양한 언론사의 기사를 비교하고 신뢰할 수 있는 공식 뉴스 채널을 활용하는 것이 중요하다. 또한 미디어 리터러시 교육을 통해 정보의 출처와 신뢰성을 판단하는 능력을 기르는 것이 필요하다. 알고리즘을 통해 맞춤형 뉴스가 제공되는 상황에서 이용자는 편향성을 경계하고 다양한 시각을 접할 수 있는 뉴스 소비 습관을 형성해야 한다.

알고리즘을 통한 개인화 뉴스는 대학생들이 빠르고 효율적으로 뉴스를 소비할 수 있게 해주는 동시에 편향성과 정보 왜곡의 위험도 존재한다. 이러한 문제를 해결하기 위해서는 미디어 환경에 대한 이해와 함께 신뢰할 수 있는 정보를 제공하는 공식 뉴스 채널을 활용하는 것이 중요하다. 이용자와 플랫폼 모두가 알고리즘 뉴스의 장단점을 인식하고, 건강한 뉴스 소비 습관을 형성하는 것이 미래의 미디어 환경을 개선하는 데 중요한 역할을 할 것이다.

공동취재: 공수진, 박은하 대학생 기자