https://thenoisyroom.com

한 번 읽어볼만한 내용이 있어서 가져와봅니다.

# The Noisy Room

A Story About Common Confusion

## 서론: 연구의 시작

이 모든 것은 한 연구로부터 시작되었다. 2025년 12월, 스탠퍼드 연구진은 22억 개의 소셜 미디어 게시물을 분석하며 패턴을 찾았다. 그들은 사용자 중 몇 퍼센트가 심각하게 유독성이 강한 콘텐츠를 게시하는지 알고 싶어했다. 무례함이나 비꼬는 말이 아니라, 전 세계 90%가 문제 있다고 지적할 정도로 증오가 가득한 발언을 말이다.[1]

이 데이터를 확보한 후, 연구진은 수천 명에게 간단한 질문을 던졌다:

추측해보세요. 소셜 미디어 사용자 중 몇 퍼센트가 심각하게 유독성이 강한 콘텐츠를 게시한다고 생각하십니까?

그들은 결과에 놀랐다. 그들은 눈에 보이는 곳에 숨겨져 있던 엄청난 규모의 오인(misperception)을 발견한 것이다.

***

## 바(Bar)의 비유

문제를 가장 단순하게 표현하면 이렇다. 100명이 있는 바에 들어간다고 상상해보자.

그중 3명이 소리를 지른다 — 정치에 대해, 서로에 대해, 어떤 반응이든 이끌어내는 것에 대해 말이다. 나머지 97명은 보통 볼륨으로 대화한다. 하지만 문 앞에는 바운서가 있고, 그는 당신이 쳐다보는 시간만큼 돈을 받는다. 그래서 그는 가장 시끄러운 3명을 음향 시스템에 연결하고 볼륨을 최대로 돌렸다.

당신이 들어서면, 포효하는 소리를 듣고 이렇게 결론 내린다: 이곳은 미친 사람들로 가득하구나. 몇 발자국 떨어져 보통 대화를 나누는 97명의 목소리는 들리지 않는다. 당신은 떠날 수 있지만, 모든 친구가 안에 있다. 당신은 갇힌 것이다.

이것이 소셜 미디어가 논쟁적인 주제를 다루는 방식이다. 바운서는 알고리즘이다. 그리고 당신이 좋든 싫든, 당신은 방관자가 되었다.

***

## 방 안을 보자

100명이 있는 하나의 방으로 시각화해보자. 실제 방의 모습은 이렇다:

- 97명: 일반 사용자

- 3명: 유독성 콘텐츠를 게시한 사용자

대부분의 플랫폼에서, 약 3%의 계정이 전체 콘텐츠의 1/3을 생산한다.[1]

당신의 피드는 참여도(engagement) 순위에 따라 소수의 다산 사용자들이 만든 높은 반응 콘텐츠를 증폭한다.

이 패턴은 플랫폼마다 반복된다. 트위터/X에서는 유독성 트윗이 비유독성 트윗보다 약 86% 더 많은 리트윗과 약 27% 더 많은 노출을 받는다. 0.3%의 사용자가 논란이 된 뉴스의 80%를 공유했고, 단 6%의 사용자가 전체 정치 트윗의 약 73%를 생산한다. 틱톡에서는 25%의 사용자가 전체 공개 동영상의 98%를 만든다. 구체적인 숫자는 다르지만, 역학은 동일하다: 소수의 매우 활발한 사용자가 다수를 압도한다.[1]

이 방에서 콘텐츠를 소비하다 보면, 당신의 뇌는 일종의 주변 인구통계학(ambient demography)을 수행한다. 피드는 인구조사의 일종이 된다. 당신은 논리적으로 — 이런 행동이 광범위할 것이라고 결론 내린다. 방이 극단적인 사람들로 가득 찬 것일지도 모른다! 아마도 대부분의 사람들이 이런 미친 생각을 정말로 믿는 것일지도 모른다.

***

## 이것은 소셜 미디어에서 보이는 것만이 아니다

이것이 우리의 소셜 미디어 톤에 관한 것이라면, 그리 중요하지 않을 것이다. 하지만 이런 왜곡은 심각하게 나쁜 행동 패턴을 유발한다.

### 패턴 1: 다수가 침묵한다

다수의 사람들이 피드를 보고 자신이 소수라고 생각할 때, 사람들은 종종 자기검열(self-censorship)을 한다. 소셜 미디어에서도 동일한 역학이 재현된다 — 사회적 고립에 대한 두려움이 환영받지 못할 것으로 인식되는 플랫폼에서 의견 표현을 억제한다. 그들은 조용해지거나, 플랫폼 전체를 떠난다. 그들은 공간을 더 극단적인 정치를 가진 사용자들에게 넘겨준다.[1]

### 패턴 2: 시끄러운 소수가 다수라고 생각한다

공격적으로 게시하는 소수는 자신만의 왜곡을 경험한다 — 자신이 다수의 일부라고 믿게 되는 것이다.

17개의 극단주의 포럼에 대한 연구에서 동일한 패턴이 발견되었다: 누군가가 게시할수록, 그들은 대중이 자신들에 동의한다고 더 많이 믿게 된다. 더 많은 참여가 거짓된 합의(false consensus)를 낳았다.[1]

### 패턴 3: 모두가 서로를 잘못 이해한다

양측 모두 상대방이 실제로 어떤 사람인지에 대해 엄청나게 부정확한 믿음을 발전시킨다.

- 민주당 지지자 중 몇 퍼센트가 LGBTQ일 것 같습니까?

- 공화당 지지자 중 몇 퍼센트가 연봉 25만 달러 이상을 벌 것 같습니까?

왜곡은 정책 신념까지 확장된다. 이민 문제에 대한 인식 격차를 보라.

출처: More in Common (2019) & Moore-Berg et al., PNAS 2020. 설명용.[1]

### 패턴 4: 정치인들은 실제 방이 아닌 인식된 방을 따른다

선출된 공직자들은 정치적 감정을 감지하는 데 매우 능숙하다. 그것이 그들의 직업이다. (그들은 사람들의 믿음을 바로잡기 위해 선출되지 않는다.)

인식된 믿음에 대해 연대를 구축할 수 있는 정치인이 더 승리할 가능성이 높다. 그들은 존재하지 않는 상대에 맞서 자신을 포지셔닝하지만, 지지자들은 그것이 존재한다고 믿는다.

그리고 기억하라: 우리의 정치 대부분은 이제 소셜 미디어에서 일어난다. 후보자들도 종종 동일한 왜곡된 피드를 읽는다. 그들은 마음을 바꾸기 어렵다.

담론의 창(window of discourse)이 이동한다. 의견이 바뀐 것이 아니라, 의견에 대한 인식이 바뀌었기 때문이다.

### 패턴 5: 오인이 적대감으로 변한다

당신이 상대방이 극단적이라고 믿을 때, 당신은 그들을 위협으로 대할 의지가 더 강해진다.

민주당과 공화당 모두 상대방이 정치 폭력을 지지하는 사람이 훨씬 더 많다고 크게 과대평가한다. 결과는 국민이 상대방이 끔찍한 일을 할 준비가 되었다고 가정하도록 준비되는 것이다.

"상대방 중 몇 퍼센트가 정치 폭력을 지지한다고 생각합니까?"

| | 민주당이 공화당에 대해 추정 | 공화당이 민주당에 대해 추정 |

|---|---|---|

| 추정치 | 35.5% | 37.1% |

| 실제 | 약 3-4배 과다추정 | 약 3-4배 과다추정 |

양측 모두 3~4배나 틀렸다. 연구자들이 이런 믿음을 바로잡았을 때, 당파적 적대감이 감소했다.

(Mernyk et al., PNAS 2022 · n=4,741)[1]

각 단계가 다음 단계를 이끈다. 왜곡은 자기 강화적이다.

***

## 아는 것만으로는 충분하지 않다

좋아요. 이제 당신은 안다 — 소수가 피드를 지배한다는 것을.

당신은 공화당과 민주당이 실제로 논란이 되는 문제에 대해 훨씬 더 미묘한 의견을 가지고 있다는 것을 안다.

그것이 문제를 해결하는가? 그렇지 않다. 당신은 또한 다른 모든 사람이 이것을 모른다는 것도 안다. 그리고 세상이 왜곡이 실제라는 것처럼 계속 운영된다면, 당신은 아마도 동일하게 행동해야 할 것이다 — 비록 당신이 그것이 틀렸다는 것을 알고 있더라도. 방은 변하지 않았다, 비록 당신이 안의 사람들이 혼란스러워한다는 것을 알고 있더라도.

이것을 공통 지식 문제(common knowledge problem)라고 한다.

사적 지식(Private knowledge): 당신은 통계를 읽었다. 하지만 누가 또 읽었는지 전혀 모른다. 피드는 여전히 똑같아 보인다. 당신은 여전히 자신이 소수라고 가정한다. 당신은 조용히 지낸다.

스티븐 핑커는 그의 훌륭한 최근 저서 When Everyone Knows That Everyone Knows에서 이것을 명확하게 설명한다. 사실을 배우는 것은 당신이 아는 것을 바꾼다. 그것이 공개적으로 — 다른 모든 사람도 볼 수 있는 곳에 — 당신이 다른 사람들도 볼 수 있다는 것을 아는 곳에 표시되는 것을 보는 것은, 모든 사람이 아는 것을 바꾸고, 이후 그들이 행동하는 방식을 바꾼다.[1]

소셜 미디어에는 공공 광장이 없다. 3억 개의 사적인 창이 있고, 각각은 동일한 방의 다른 왜곡을 보여준다. 우리 사이의 공통된 생각을 밝히는 것은 그것을 근본적으로 바꿀 잠재력을 가지고 있다.

***

## 아이디어: 커뮤니티 체크(Community Check)

그래서 우리가 이것에 대해 무엇을 할 수 있는가?

다행히도, 이것이 어떻게 고쳐질 수 있는지 보여주는 좋은 증거가 있다. 여러 연구는 오인이 공개적인 방식으로 바로잡힐 때 적대감이 감소한다는 것을 보여준다. Mernyk et al.은 단 한 번의 교정이 당파적 적대감을 한 달 동안 감소시켰다고 발견했다. Lee et al.은 유독성 사용자에 대한 과대추정을 바로잡는 것이 사람들이 자신의 국가와 서로에 대해 느끼는 방식을 개선했다고 발견했다.[1]

우리는 오늘 이것을 할 수 있다.

논란이 되는 주제의 모든 게시물 아래에 조용한 링크가 있다고 상상해보라. 팩트 체크, 라벨, 경고가 아니다. 대신 — 만약 그것이 ***커뮤니티 체크(Community Check)?***를 가지고 있다면?

이 사람들은 실제로 이 문제에 대해 어떻게 생각합니까? →

커뮤니티 체크 · 이 플랫폼

| 지지 | 조건 부 지지 | 반대 |

|---|---|---|

| 72% | 19% | 9% |

***커뮤니티 체크***는 소셜 미디어 전반에 논란이 되는 게시물 아래에 배포될 수 있는 오픈소스 디자인 레이어로, 사용자들이 플랫폼(또는 국가)의 다른 사람들이 실제로 어떤 문제에 대해 어떻게 느끼는지 이해하도록 돕는다.

이것은 가장 뜨거운 화제의 바이럴 이슈에 빠르게 맥락을 추가하여, 대중의 의견에 대한 더 많은 가시성을 사람들에게 제공하는 방법이다.

***

## 실제 사례: 정치와 돈

정치적 정체성을 가로지르는 주제로 이 개입을 탐구해보자:

정치와 돈

겉보기에는 이것이 논란이 되는 것처럼 보인다. 하지만 이것은 실제로 초다수(supermajority) 이슈이다: 81%가 선거에 대한 돈의 영향을 우려하고 있으며, 이는 공화당 지지자의 78%와 민주당 지지자의 90%를 포함한다. 75%는 무제한 지출이 민주주의를 약화시킨다고 말한다. 15%만이 무제한 정치 지출이 보호받는 표현의 자유라고 믿는다.

그럼에도 불구하고, 매우 적은 변화가 일어난다. 주로 모든 사람이 상대방은 이것에 대해 괜찮다고 가정하기 때문이다. 피드는 자신 팀의 기부자를 옹호하고 상대 팀의 기부자를 공격하는 사람들로 가득하다. 50/50의 당파적 전투처럼 보일 수 있지만, 그렇지 않다. 이것은 자신을 볼 수 없는 다수의 합의이다.

만약 당신이 이 합의를 볼 수 있다면?

@real_talk_politics · 2h

모두가 정치와 돈에 대해 불평하지만, 그들의 후보가 거대한 기부를 받는 순간 곧장 입을 다문다. 당신은 정치와 돈을 싫어하는 게 아니다. 당신은 상대방이 더 많이 가질 때 싫어하는 것이다.

♡ 11,847 💬 6,203 ↻ 2,891

↑ 클릭

***커뮤니티 체크***는 플랫폼 사용자의 무작위 표본 + 견고한 전국 여론조사에서 데이터를 가져온다. 콘텐츠와 독립적으로 조사된다. 표본은 통계적으로 대표적이다. 결과는 지속적으로 업데이트된다. 그리고 중요한 점: 모든 사람이 동일한 숫자를 본다.

***

## 왜 이것이 팩트 체킹이나 청중 여론조사가 아닌가

전통적인 팩트 체킹은 종종 위에서 지시하는 것처럼 느껴지는 하향식 접근법이다. 이것은 사람들이 받아들이기 어렵다. 수년간 콘텐츠 중재는 발언을 제거하는 것으로 인식되어 왔다. 이것은 단순히 맥락을 추가할 뿐이며, 이 프로젝트의 영감이 된 군중소싱 기능 커뮤니티 노트(Community Notes)와 매우 유사하다.

이것은 게시물 아래의 단순한 사용자 여론조사도 아니다. 대신, 모든 플랫폼 사용자와 통계적으로 유의미한 전국 조사에서 데이터를 가져온다. 이것은 다수의 견해에 대한 실제 창이지, 게시물을 보는 사람들의 견해만을 반영하는 것이 아니다.

***

## 비디오에서도 작동한다

숏폼 비디오는 정치적 왜곡이 가장 빠르게 확산되는 매체이다. 동일한 역학이 적용된다 — 소수의 크리에이터가 대부분의 정치 콘텐츠를 생산한다 — 하지만 비디오는 텍스트가 제공하는 멈춤의 순간을 우회한다. 커뮤니티 체크는 적응할 수 있다.

@liberty_caucus_tv Follow

#FreeSpeech #CitizensUnited 🔥

5,247 612 1,742

정치 동영상이 참여 임계값을 넘었다. 51K 조회수, 612 댓글(1.2%), 1.7K 공유(3.4%). 피드는 분노를 보여준다. 하지만 사람들은 실제로 어떻게 생각할까?

***

## 지금 당장 할 수 있다

플랫폼들은 이미 이런 기능의 상당 부분을 갖추고 있다. 이미 사용자들을 조사한다. 심지어 정교한 여론조사를 실행하는 방법도 알고 있다. 해결해야 할 몇 가지 기술적 세부사항이 있지만(사양은 여기), 이것은 해결하기 어려운 문제가 아니다.

보이지 않는 다수가 바로 대중이다. 그리고 대중은 자신을 알 자격이 있다.

피드를 지배하는 작은 소수. 그게 전부였다. 나머지 우리는 여기에 항상 있었다, 조용하고, 선량하고, 보여지기를 기다리며.

***

## 참고 문헌

1. Lee, Neumann, Zaki & Hancock, "Americans overestimate how many social media users post harmful content," PNAS Nexus, 4(12), 2025. n=1,090. 벤치마크: Kumar et al., "Understanding the Behaviors of Toxic Accounts on Reddit," WWW '23, 2023. 3.1%의 계정이 전체 댓글의 33.3%를 생산.

2. Grinberg et al., "Fake news on Twitter during the 2016 U.S. presidential election," Science, 363(6425), 2019. 0.1%의 사용자가 공유된 논란의 뉴스 출처의 거의 80%를 차지.

3. Noelle-Neumann, "The Spiral of Silence," J. Communication, 24(2), 1974.

4. Hampton et al., "Social Media and the 'Spiral of Silence'," Pew Research, 2014.

5. Wojcieszak, "False Consensus Goes Online," Public Opinion Quarterly, 72(4), 2008.

6. Ahler & Sood, "The Parties in Our Heads," J. Politics, 80(3), 2018. 342% 과대추정.

7. Mernyk et al., "Correcting Inaccurate Metaperceptions," PNAS, 119(16), 2022. n=4,741. 효과는 1개월 지속.

8. Pinker, When Everyone Knows That Everyone Knows, Scribner, 2025.

9. 총기 여론조사: Fox News/Beacon (2023), Giffords/NORC (2025). 기후: Yale/GMU (2023), Pew (2024). 이민: Gallup (2024), AP-NORC (2024). 의료: KFF (2024), Gallup (2023).

10. Moore-Berg, Ankori-Karlinsky, Hameiri & Bruneau, "Exaggerated meta-perceptions predict intergroup hostility between American political partisans," PNAS, 117(26), 2020. 양당 모두 약 80%가 상대방의 적대감을 50-300% 과대추정. 참고: "America's Divided Mind," Beyond Conflict, 2020.

11. Sparkman, Geiger & Weber, "Americans experience a false social reality by underestimating popular climate policy support by nearly half," Nature Communications, 13, 4779, 2022. n=6,119. 80%의 미국인이 지역 내 재생에너지 설치를 지지; 인지된 지지: 43%.

12. Yudkin, Hawkins & Dixon, "The Perception Gap," More in Common, 2019. n=2,100 via YouGov. 상대당의 극단적 견해에 대한 평균 과대추정: ~55% 추정 vs ~30% 실제.

13. More in Common, "Americans' Environmental Blind Spot," 2022. 공화당 지지자의 73%가 미국의 청정에너지 리더십을 지지; 공화당 지지자는 자신의 당에서 33%만 동의한다고 추정.

14. Baribi-Bartov, Munger & Pan, "Supersharers of fake news on Twitter," Science, 384(6700), 2024. 2020년 미국 대선 기간 동안 0.3%의 사용자가 논란의 뉴스의 80%를 공유.

15. Pew Research Center, "How U.S. Adults Use TikTok," 2024. 25%의 사용자가 전체 공개 동영상의 98%를 생산.

16. Bail, Breaking the Social Media Prism, Princeton University Press, 2021; Pew Research Center, 2021. 미국 트위터 사용자의 6%가 전체 정치 트윗의 약 73%를 생산.

17. Oz, Shahin & Greeves, "Platform affordances and spiral of silence: How perceived differences between Facebook and Twitter influence opinion expression online," Technology in Society, 76, 2024. 사회적 고립에 대한 두려움이 환영받지 못할 것으로 인식되는 플랫폼에서 의견 표현을 억제 — 침묵의 나선 역학이 소셜 미디어에서 작동함을 확인, 플랫폼별 기능(네트워크 연관성, 익명성, 사회적 존재)이 효과를 조절.[1]

출처

[1] The Noisy Room — How 3% of users distort what everyone ... https://thenoisyroom.com

[2] Jay - This website visualizes social media as a room with ... https://www.facebook.com/drjayvanbavel/photos/this-website-visualizes-social-media-as-a-room-with-100-people-in-it3-people-are/1262915122493127/

[3] The Noisy Room | Eóin Meehan MSc FICS 🇮🇪 🇪🇺 https://www.linkedin.com/posts/eoinmeehan_the-noisy-room-activity-7459538824805634048-79kv

[4] The Noisy Room https://x.com/Captain2Phones/status/2045193975204573263

[5] How social media amplifies toxic content from a loud minority https://www.facebook.com/drjayvanbavel/posts/this-website-visualizes-social-media-as-a-room-with-100-people-in-it3-people-are/1262915182493121/

[6] News Translator - 뉴욕타임스를 한국어로 - Google Play 앱 https://play.google.com/store/apps/details?hl=ko&id=com.steven.newstranslator.pro

[7] Media Literacy Challenge #7: The Quiet Majority https://nomadicprofessor.com/media-literacy-challenge-7-the-quiet-majority/

[8] AI 번역·요약으로 읽는 영어 뉴스 https://play.google.com/store/apps/details?id=com.devryner.englishnews&hl=ko

[9] Tech Daily 24/7 | EU to crack down on TikTok, Instagram's ' ... https://www.instagram.com/p/DYPOPg4FX8d/

[10] AI 번역·요약으로 읽는 영어 뉴스 - Aplikacije na Google Playu https://play.google.com/store/apps/details?id=com.devryner.englishnews&hl=bs

[11] A modest proposal for fixing the internet https://tobias.substack.com/p/how-3-of-users-distort-what-300-million

[12] DeepL 번역 영어에서 한국어로 https://www.deepl.com/ko/translator/l/en/ko

[13] The Noise Room https://www.noiseroom.com

[14] DeepL Write: AI 작문 도우미 https://www.deepl.com/ko/write

[15] 텍스트 번역 https://translate.google.co.kr